À l’ère des marchés financiers de plus en plus complexes, j’ai entrepris un projet ambitieux : créer une intelligence artificielle capable de trader les actions à ma place. Ce n’était pas seulement une idée, mais une quête personnelle née lors de mes études à Cornell University, où j’ai suivi un cours d’introduction à l’intelligence artificielle souvent jugé « inutile ». Pourtant, c’est là que j’ai découvert des algorithmes fondamentaux — simulations de Monte Carlo, apprentissage par renforcement, optimisation génétique — qui m’ont fait vibrer comme si j’avais enfin accédé à la machine à superpouvoirs du film Iron Man. Malgré mon profil de biologiste sans formation financière, j’ai été obsédé par l’idée de construire un système autonome de trading, un « Stock-Jarvis ». Mes premières tentatives ont été catastrophiques. J’ai mis au point un modèle qui apprenait à trader uniquement à partir des prix des actions — et il a échoué lamentablement. Même en présentant un travail rigoureux, mon professeur à Carnegie Mellon, réputé pour sa rigueur dans le cours d’introduction au deep learning, m’a accordé un B+ non pas pour le résultat, mais pour la persévérance. Cette échec n’a pas découragé, au contraire, il a alimenté ma détermination. Mon objectif était clair : concevoir une IA capable de raisonner comme un trader de Wall Street, mais en automatisant toute la chaîne de pensée. Ainsi est né Aurora, mon agent d’investissement autonome. Contrairement aux chatbots comme ChatGPT, qui génèrent des idées aléatoires, Aurora fonctionne selon un cycle structuré de raisonnement et d’action. Elle commence par une intention — par exemple : « Trouver la meilleure stratégie de rééquilibrage entre GLD et UPRO » — puis explore des hypothèses basées sur des principes financiers, ajuste ses stratégies selon le risque toléré, les test sur des périodes historiques (bull market, bear market), et les optimise via des algorithmes génétiques, inspirés de mes cours de Cornell. Ce processus itératif — hypothèse, test, analyse, amélioration — permet à Aurora de produire des stratégies robustes, non pas aléatoires, mais fondées sur une logique financière solide. Elle combine des idées, simule des scénarios, et propose des synthèses réalistes. Ce n’est pas un simple outil de backtest, c’est une intelligence qui « pense ». Je l’ai rendu accessible gratuitement via NexusTrade, car je crois que la puissance d’une IA s’améliore quand elle est utilisée par des milliers d’investisseurs. Chaque interaction, chaque stratégie testée, enrichit le modèle. En utilisant des techniques comme le Decision Transformer (apprentissage par renforcement hors ligne), je prévois de rendre Aurora encore plus intelligente. Le but ? Créer une boucle de rétroaction où plus d’investisseurs utilisent Aurora, plus elle s’améliore, et plus elle devient incontournable. Les résultats sont déjà impressionnants. Mon compte Robinhood est en hausse de 123 % cette année, malgré des performances passées non garanties. Des utilisateurs du Discord public rapportent des gains de 91 % en six mois. Ce n’est pas une promesse, mais une preuve de potentiel. Je n’ai pas commencé comme un expert. Je n’avais ni diplôme en finance, ni formation en informatique. Juste une passion, une conviction intérieure, et la chance d’être au bon endroit au bon moment avec l’arrivée de ChatGPT. Aujourd’hui, j’ai construit une IA qui me bat déjà au trading. Dans cinq ans, je veux qu’elle batte le monde entier. Et même si elle échoue, j’ai déjà gagné : j’ai prouvé qu’un rêve fou, alimenté par la persévérance, peut devenir réalité.