Observer
Collecter et qualifier des jeux de données historiques selon des grilles de lecture neutres. Aucune interprétation prescriptive: seulement des faits mesurables et traçables.
Laboratoire actif — Lyon Part-Dieu
Explorer l'IA appliquée aux marchés avec rigueur scientifique
TradeNeuralLab Études conçoit des protocoles pédagogiques pour observer, modéliser et documenter les mécanismes des marchés financiers — sans promesse de rendement ni signal d'achat.
§1 — Observation expérimentale
8
Programmes de recherche TNL
142
Protocoles documentés depuis 2022
37
Séminaires animés par an
94 %
Taux de reproductibilité interne
§2 — Axes du laboratoire
Quatre disciplines fondamentales de notre approche
Chaque séminaire s'appuie sur un cycle rigoureux: observer les données, formuler une hypothèse testable, construire un modèle explicite, puis vulgariser les résultats de manière responsable.
Hypothéquer
Formuler des conjectures falsifiables avant toute modélisation. Chaque hypothèse est consignée dans un cahier de laboratoire horodaté, accessible aux pairs lors des revues internes.
Modéliser
Construire des architectures d'apprentissage supervisé ou par renforcement dans un cadre contrôlé. Les biais, surapprentissages et limites sont systématiquement rapportés.
Vulgariser
Traduire les conclusions en langage accessible, avec les réserves méthodologiques exigées par la réglementation AMF. La pédagogie prime sur la séduction commerciale.
Protocole TNL-Standard
Notre cadre expérimental en deux blocs complémentaires
Protocole — Phase A
Définition du périmètre d'étude, sélection des sources de données publiques, nettoyage documenté et partition train/validation/test avec embargo temporel. Chaque étape produit un journal de bord signé par le responsable de séance.
Hypothèse — Phase B
Rédaction formelle de l'hypothèse nulle et de l'hypothèse alternative. Choix des métriques d'évaluation (Sharpe ajusté, drawdown maximal, stabilité out-of-sample). Seuil de significativité fixé avant l'entraînement du modèle.
Pourquoi ce laboratoire
Quatre motivations qui guident nos travaux
01
Combler un vide pédagogique
Peu d'organismes francophones proposent un cadre strictement scientifique pour étudier l'IA financière sans visée commerciale. Nous comblons cette lacune depuis Lyon.
02
Garantir la reproductibilité
Chaque protocole est archivé avec son code source, ses jeux de paramètres et ses résultats bruts. Un collègue peut relancer l'expérience et comparer ses propres conclusions.
03
Respecter le cadre AMF
Nos publications et séminaires intègrent les avertissements réglementaires. Nous ne diffusons ni recommandation d'investissement ni promesse de performance.
04
Favoriser la peer-review interne
Avant toute diffusion publique, un comité interne relit les travaux, challenge les biais méthodologiques et valide la formulation pédagogique des résultats.
Parcours participant
Cinq étapes pour intégrer un cycle de recherche
De l'inscription au séminaire à la restitution écrite, chaque participant suit un cheminement structuré et documenté.
Inscription et briefing initial
Vous recevez le dossier du programme choisi, les prérequis techniques et la charte éthique du laboratoire. Un entretien téléphonique confirme l'adéquation de votre profil avec le niveau du séminaire.
Immersion dans le protocole
Lors de la première session, vous explorez le cahier des charges expérimental: sources de données, contraintes temporelles, indicateurs retenus et limites connues du dispositif.
Travaux pratiques encadrés
Sous la supervision d'un chercheur associé, vous reproduisez une expérience type sur un environnement sandbox. Les erreurs courantes (data leakage, overfitting) sont analysées collectivement.
Revue par les pairs
Votre rapport intermédiaire est soumis au comité interne. Vous recevez un retour structuré: points forts, faiblesses méthodologiques, suggestions de documentation complémentaire.
Restitution et archivage
La synthèse finale est intégrée à la bibliothèque interne du laboratoire (accès restreint aux participants). Aucun document ne quitte le laboratoire sans mention des risques inhérents aux marchés.
Formats pédagogiques
Trois modalités pour s'engager dans nos travaux
Format intensif
Journée d'études
Une journée complète consacrée à un protocole unique. Idéal pour découvrir la démarche du laboratoire et poser les bases d'une réflexion personnelle sur l'IA appliquée aux marchés.
Format approfondi
Cycle séminaire (4 sessions)
Quatre demi-journées étalées sur un mois. Permet de mener une mini-expérience de bout en bout, de l'hypothèse à la restitution, avec accompagnement individualisé.
Format recherche
Immersion laboratoire
Participation sur plusieurs semaines à un projet collectif en cours. Réservé aux profils ayant déjà suivi au moins un cycle séminaire et disposant de compétences en programmation Python.
Étude de cas — TNL-003
Détection de régimes de volatilité par réseau récurrent
En 2025, une équipe de cinq participants a reproduit une expérience portant sur la classification de régimes de marché à partir de données CAC 40 sur vingt ans. L'objectif n'était pas de prédire les cours, mais de mesurer la stabilité des clusters identifiés hors échantillon.
Hypothèse testée
Les régimes de volatilité identifiés par un LSTM à deux couches restent cohérents lorsqu'on applique un embargo de six mois entre les périodes d'entraînement et de validation.
Résultat: la cohérence inter-périodes a atteint 68 % — insuffisante pour conclure à une robustesse opérationnelle, mais riche en enseignements sur les limites des architectures récurrentes en finance.
Voir tous les programmes
Retours de participants
Ce que disent ceux qui ont suivi nos séminaires
« Enfin un cadre où l'on peut poser des questions techniques sans qu'on vous pousse à ouvrir un compte chez un courtier. La peer-review interne m'a forcé à documenter chaque étape. »Élodie M. Ingénieure data, Grenoble
« Le protocole TNL-Standard m'a appris à distinguer corrélation et causalité. Je repars avec une méthode reproductible, pas avec une "stratégie miracle". »Thomas R. Doctorant en économétrie, Lyon
« L'approche hypothèse-nulle m'a ouvert les yeux sur mes propres biais de confirmation. Le laboratoire assume ses limites, et c'est précisément ce qui lui confère sa crédibilité. »Nadia K. Analyste quantitatif indépendante, Paris
Questions fréquentes
Quelques réponses avant de vous inscrire
Non. Nous sommes un laboratoire pédagogique. Nos travaux portent sur la compréhension des mécanismes de marché via l'IA, jamais sur la fourniture de signaux, de recommandations ou de promesses de gain.
Une familiarité avec Python et les notions de base en statistiques suffit pour les programmes d'initiation. Les cycles avancés demandent une expérience préalable en modélisation ou la validation d'un séminaire préalable.
La majorité des sessions ont lieu dans nos locaux lyonnais (12 rue de Bonnel). Certaines conférences peuvent être suivies à distance, mais les travaux pratiques restent prioritairement en présentiel pour garantir l'encadrement.
Rejoignez notre prochain cycle de séminaires
Inscrivez-vous pour participer à une session d'observation et de modélisation encadrée. Places limitées à quinze participants par séance.
S'inscrire à un séminaire« TradeNeuralLab diffuse une recherche pédagogique sans mandat financier. Les travaux publiés n'invitent pas à acheter ou vendre; pour vos placements, sollicitez un conseiller régulé. »