Fincept Terminal : alternative open source au Bloomberg Terminal bâtie en C++ et IA
Analyse approfondie de Fincept Terminal v4 - une application de bureau native construite en C++20 et Qt6 avec 37 agents IA, QuantLib et plus de 100 connecteurs de données pour le trading professionnel.
La plupart des plateformes financières se répartissent en deux camps : des systèmes historiques lents datant des années 90, ou des wrappers Electron qui dévorent la RAM. Fincept Terminal propose une troisième voie : un bureau natif en C++20 avec des analyses Python et 37 agents IA intégrés.
Fincept Terminal (AGPL-3.0) est un projet open source qui offre des fonctionnalités de niveau institutionnel sur votre bureau. Détaillons l'architecture de la v4 et, surtout, le catalogue complet des agents et de leurs compétences.
Architecture
- Noyau : C++20. Pas de Node.js, pas de moteurs de navigateur, pas de bundles JavaScript.
- UI et rendu : Qt 6.8.3. Graphismes accélérés matériellement, réactivité instantanée, multiplateforme.
- Moteur analytique : Python 3.11 embarqué pour la data science (Pandas, NumPy, SciPy) sans microservices séparés.
L'interface et le traitement des données en streaming s'exécutent à la vitesse du C++, tandis que la logique IA s'exécute dans un environnement Python isolé.
Agents IA : catalogue complet
La partie la plus intéressante de Fincept est son système d'agents. Le code source révèle quatre niveaux :
1. Agents investisseurs (TraderInvestorsAgent) — 11 agents
Chaque agent implémente une philosophie d'investissement spécifique : son propre system prompt, ses seuils, son ensemble d'outils et son format de signal de sortie (InvestmentSignal).
| Agent | Philosophie | Compétences clés | Outils |
|---|---|---|---|
| Warren Buffett | Valeur + avantages concurrentiels durables | moat_analysis, owner_earnings, capital_allocation_review | yfinance, financial_datasets, duckduckgo, tavily |
| Benjamin Graham | Deep value, filtres quantitatifs stricts | deep_value_screening, margin_of_safety, defensive_investor | yfinance, financial_datasets |
| Peter Lynch | Croissance à prix raisonnable (GARP), PEG | peg_analysis, lynch_classification, insider_signal_check | yfinance, financial_datasets, duckduckgo, tavily |
| Charlie Munger | Modèles mentaux, inversion, biais cognitifs | mental_models_check, inversion_analysis, bias_detection, incentive_audit | yfinance, financial_datasets, duckduckgo, tavily |
| Seth Klarman | Valeur axée sur le risque, situations en difficulté | downside_first_analysis, special_situations, capital_preservation | yfinance, financial_datasets |
| Howard Marks | Cycles, pensée de second niveau | cycle_positioning, second_level_thinking, credit_cycle_read | yfinance, financial_datasets, duckduckgo, tavily |
| Joel Greenblatt | Formule magique (ROC + rendement des bénéfices) | magic_formula_ranking, roc_analysis, special_situations | yfinance, financial_datasets |
| David Einhorn | Valeur pilotée par catalyseurs, vente à découvert | catalyst_identification, accounting_quality_check, long_short_analysis | yfinance, financial_datasets, duckduckgo, tavily |
| Bill Miller | Contrarian, FCF dans la tech | contrarian_value, platform_economics, free_cash_flow_focus | yfinance, financial_datasets, duckduckgo, tavily |
| Jean-Marie Eveillard | Valeur globale, préservation du capital | global_value, bubble_avoidance, currency_and_sovereign_risk | yfinance, financial_datasets |
| Marty Whitman | Dette en difficulté, analyse de crédit | distressed_debt_analysis, capital_structure_review, private_market_value | yfinance, financial_datasets |
Chaque agent génère un signal structuré : bullish | neutral | bearish avec un niveau de confiance numérique (0–1), des scores selon ses propres métriques, et un raisonnement textuel. Par exemple, l'agent Buffett vérifie un ROE ≥ 15 % sur 7 des 10 dernières années, un D/E < 0,5, et calcule les owner earnings avec un taux d'actualisation de 10 %.
2. Agents économiques (EconomicAgents) — 6 agents
Six écoles économiques, chacune avec son propre cadre d'analyse. Conçus pour l'analyse macroéconomique, l'évaluation des politiques et les prévisions.
| Agent | École | Compétences clés |
|---|---|---|
| Capitalism Analyst | Marché libre, économie de l'offre | supply_side_analysis, market_mechanism_framing |
| Keynesian Analyst | Demande globale, stabilisation budgétaire | aggregate_demand_analysis, fiscal_policy_framing |
| Neoliberal Analyst | Déréglementation, libéralisation commerciale | deregulation_analysis, trade_liberalization_framing |
| Socialist Analyst | Inégalités, redistribution | inequality_analysis, redistribution_framing |
| Mixed Economy Analyst | Équilibre pragmatique marché-État | market_failure_analysis, pragmatic_policy_framing |
| Mercantilist Analyst | Industries stratégiques, balances commerciales | trade_balance_analysis, strategic_industry_framing |
Tous utilisent OpenBB pour les données macro et des outils de recherche (DuckDuckGo, Tavily). Chaque agent doit spécifier une condition de falsification — le résultat précis qui l'amènerait à réviser sa prévision.
3. Agents géopolitiques (GeopoliticsAgents) — 20 agents
Le module le plus important. Les agents sont répartis en trois séries, chacune basée sur un ouvrage spécifique :
📖 Prisoners of Geography (Tim Marshall) — 10 agents :
Déterminisme géographique. Chaque agent se spécialise dans une région précise : Russie (zones tampons, ports en eaux chaudes), Chine (détroit de Malacca, chaînes d'îles), États-Unis (barrières océaniques, Mississippi), Europe (relief fragmenté), Moyen-Orient (détroit d'Ormuz, pénurie d'eau), Afrique (frontières coloniales, fleuves non navigables), Inde-Pakistan (Indus, Himalaya), Japon-Corée (isolement insulaire contre vulnérabilité péninsulaire), Amérique latine (Andes, Amazonie), Arctique (fonte des glaces, nouvelles routes).
📖 World Order (Kissinger) — 5 agents :
Conceptions rivales de l'ordre mondial : américaine (internationalisme libéral), chinoise (tianxia, harmonie hiérarchique), européenne (souveraineté westphalienne), islamique (oumma, charia), multipolaire (BRICS, OCS, déclin de l'unipolarité).
📖 The Grand Chessboard (Brzezinski) — 5 agents :
Géostratégie eurasienne : Balkans eurasiens (Asie centrale), pivots géopolitiques (Ukraine, Turquie, Iran), acteurs géostratégiques actifs (révisionnistes contre statu quo), primauté américaine (OTAN, AUKUS, QUAD), cœur eurasien (théorie de Mackinder + nouvelle Route de la soie).
4. Agents opérationnels (Deep Agents) — 8 sous-agents
Système multi-agents avec un orchestrateur. Types de tâches opérationnelles : research, trading_strategy, portfolio_management, risk_assessment, general. Pour chaque type de tâche, une équipe de sous-agents est automatiquement assemblée :
| Sous-agent | Rôle |
|---|---|
| Research | Collecte et synthèse d'informations sous plusieurs angles |
| Data Analyst | Analyse quantitative, ratios financiers, statistiques |
| Trading | Stratégies de trading, configurations techniques, entrées/sorties |
| Risk Analyzer | VaR (historique, paramétrique, Monte Carlo), tests de résistance |
| Portfolio Optimizer | Optimisation de Markowitz, biais factoriels, rééquilibrage |
| Backtester | Simulation historique, walk-forward, protection contre le surapprentissage |
| Reporter | Synthèse des résultats dans un rapport structuré |
| Macro Economist | Macroéconomie, banques centrales, courbe des taux, spreads de crédit |
5. Agents de trading (Agno Trading) — 5 agents
Un cadre pour le trading en direct avec cinq agents spécialisés :
- MarketAnalystAgent — analyse fondamentale et technique.
- TradingStrategyAgent — génération de stratégies et de configurations de trading.
- RiskManagerAgent — calcul de la VaR et limites de drawdown.
- PortfolioManagerAgent — rééquilibrage et optimisation des pondérations.
- SentimentAnalystAgent — analyse des actualités et des réseaux sociaux.
Outils : API Kraken, yfinance, indicateurs techniques, sentiment des actualités.
6. Agent hedge fund (Renaissance Technologies)
Un module dédié qui reproduit la structure organisationnelle de Renaissance Technologies : comité d'investissement, équipe de recherche, Medallion Fund. Hiérarchie complète de personas et de rôles.
Fournisseurs de LLM
Prise en charge des LLM locaux (Ollama) aux côtés de fournisseurs cloud : OpenAI, Anthropic, DeepSeek, OpenRouter. Vous pouvez analyser des données propriétaires sans les envoyer à des serveurs tiers.
Éditeur visuel de logique (Node Editor)
Un éditeur de nœuds pour assembler des pipelines analytiques sans code : récupération des données → filtrage → analyse IA → génération d'ordres. Le code source inclut des préréglages de nœuds prêts à l'emploi : agent_type = "economic", agent_type = "investor", agent_type = "hedge_fund".
Connecteurs de données (plus de 100)
| Catégorie | Sources |
|---|---|
| Marchés traditionnels | Yahoo Finance, FRED, IMF, World Bank, DBnomics, BEA, Databento |
| Crypto | WebSocket vers Kraken, HyperLiquid |
| Données alternatives | Suivi maritime, données satellite, Adanos Market Sentiment |
| Marchés asiatiques | AkShare (Shanghai, Shenzhen, Hong Kong) |
| Marchés prédictifs | Polymarket |
| Géopolitique | Intégration avec les agents géopolitiques |
Trading et QuantLib
Trading en direct via 16 brokers (Interactive Brokers, Alpaca, Zerodha, etc.). QuantLib Suite intégré — 18 outils : valorisation de produits dérivés, VaR, ratio de Sharpe, optimisation de portefeuille de Markowitz.
Comparaison avec les alternatives
| Fonctionnalité | Fincept Terminal | Bloomberg Terminal | TradingView |
|---|---|---|---|
| Prix | Gratuit (AGPL-3.0) | ~25 000 $/an | 0 à 60 $/mois |
| Agents IA | 37+ intégrés | Aucun | Aucun |
| Code natif | C++20 | C++ | Web (JS) |
| LLM locaux | ✅ (Ollama) | ❌ | ❌ |
| Node Editor | ✅ | ❌ | Pine Script |
| Open source | ✅ | ❌ | ❌ |
Liens
- 💻 GitHub : Fincept-Corporation/FinceptTerminal
- 🌐 Site web : fincept.in
- 📄 Licence : AGPL-3.0 (usage personnel/académique), licence commerciale pour un usage professionnel
Conclusion
Fincept Terminal est un cas rare où un projet open source ne se contente pas de fournir des graphiques et des indicateurs, mais offre une infrastructure multi-agents complète. Les 37 agents ne sont pas un chiffre marketing : chacun dispose d'un system prompt détaillé, de seuils de déclenchement spécifiques et d'un ensemble d'outils API. Si vous cherchez une plateforme de bureau native combinant analyse quantitative et agents IA, c'est l'une des meilleures options open source disponibles.
