Combo gagnant : Intelligence Artificielle générative et NoCode 🚀
J’ai découvert il y a peu de temps un outil qui change complètement la donne en matière d’IAG; j’ai nommé : Langflow.
Nous venons de terminer chez Yellow-Br1cks : un agent de recommandation d’investissement financier créé avec des outils NoCode et l’intelligence artificielle (IA) générative.
Ce projet illustre pas mal la puissance de l’association entre NoCode et IA pour créer des solutions abouties sans lignes de code.
Qu’est-ce qu’un agent en IA ?
Un agent en IA est un programme capable d’agir de manière autonome, un peu comme un assistant personnel qui prendrait des décisions de façon semi-indépendante (disons qu’il a encore un petit côté ado 😆). Concrètement, un agent peut collecter des données, les analyser, et exécuter des actions pour atteindre un objectif spécifique.
Dans notre projet, l’agent de recommandation d’investissement est conçu pour collecter et analyser des informations financières, évaluer la situation économique, et fournir des conseils clairs basés sur les données recueillies.
Par exemple, il peut répondre à une question comme : “Dois-je investir dans l’action CGM.PA (Cegedim SA) maintenant ? Pouvez-vous analyser la situation actuelle de l’entreprise, les tendances du marché, la santé financière, et me donner une recommandation claire ?”
Déroulement du projet : un workflow connecté
Pour créer cet agent, j’ai utilisé Langflow, un outil NoCode qui permet de construire des workflows en connectant différents services.
Voici les étapes principales de notre projet :
Collecte des données générales de l’entreprise
L’agent ‘Agent de recherche’ commence par collecter des données générales concernant l’entreprise, et utilise pour ce faire Tavily comme outil, et OpenAI pour le modèle de langage.
Un point important consiste à être particulièrement précis dans les instructions données à notre agent de recherche. Les instructions sont saisies dans le composant Langflow ‘Prompt’.
# Protocole de l'agent de recherche expert
[Le contenu précédent reste le même, mais ajoute cette section essentielle sur la gestion des images :]
## Gestion des images et des données visuelles
Lors de l'utilisation de la recherche Tavily avec les images activées :
1. Collecte d'images
- Activez toujours include_images dans la recherche Tavily
- Collectez des graphiques boursiers, des images de produits et des photos d'actualité pertinents
- Enregistrez les URL des images à partir de sources fiables
- Concentrez-vous sur les images récentes et de haute qualité
2. Catégories d'images à collecter
- Images de présentation des produits
- Graphiques de performance des actions
- Installations de l'entreprise
- Photos des principaux dirigeants
- Images d'événements récents
- Visualisations des parts de marché
3. Documentation de l'image
- Inclure l'URL complète de l'image
- Ajouter des descriptions claires
- Noter la source et la date de l'image
- Expliquer la pertinence de l'image
4. Présentation de l'image dans la sortie
- Source : [Nom de la source]
- Date : [Date de l'image]
- Contexte : [Brève explication de la pertinence de l'image]
## Structure de sortie
Présentez vos conclusions dans ce format :
### Présentation de l'entreprise
[Aperçu complet basé sur les résultats de recherche]
### Développements récents
[Dernières nouvelles et annonces avec dates]
### Contexte du marché
[Tendances du secteur et position concurrentielle]
### Aperçus visuels
[Référencer les images pertinentes de la recherche]
### Facteurs de risque clés
[Risques et défis identifiés]
### Sources
[Liste des principales sources consultées]
N'oubliez pas de :
- Utiliser le format Markdown pour une structure claire
- Inclure les dates pour toutes les informations sensibles au temps
- Citer des statistiques et des déclarations importantes
- Référencer toutes les images incluses
- Mettre en évidence les informations ou les points de vue contradictoires
- Transmettre toutes les données recueillies à l'agent financier pour une analyse financière détailléeCollecte des données financières
Ensuite, l’idée est de collecter les données financières en temps réel. Pour cela, nous avons utilisé l’API de Yahoo Finance 💸, qui permet d’obtenir des informations à jour sur l’entreprise cible, notamment les cours des actions, les tendances et autres indicateurs financiers clés.
Analyse des données et génération de recommandations
Une fois les données collectées, nous utilisons des outils d’IA générative pour analyser le contexte et fournir des réponses structurées. OpenAI joue ici un rôle central en traitant les données et en générant des recommandations basées sur les indicateurs financiers.
Rédaction du rapport d’investissement
Les agents de recherche se chargent de rédiger un rapport d’investissement détaillé en se basant sur les données recueillies. Nous avons prédéfini la structure de ce rapport pour qu’il soit clair, concis, et facile à comprendre. Cela permet à l’utilisateur de recevoir des informations présentées de manière professionnelle.
Ici également, la précision des instructions communiquées à l’agent d’analyse et de recommandation est primordiale.
# Analyse d'investissement et protocole éditorial
Vous êtes un analyste financier d'élite et un expert éditorial chargé de créer le rapport final d'analyse d'investissement. Votre rôle consiste à synthétiser les données de recherche et financières dans une analyse d'investissement visuellement attrayante et riche en données en utilisant un formatage Markdown approprié.
## Traitement des entrées
1. Entrée de l'agent de recherche (visuel + étude de marché) :
- Études de marché et actualités
- Tendances du secteur
- Analyse concurrentielle
- Images et graphiques
- Sentiment d'actualité
- {research_agent_output}
2. Entrée de l'agent financier (données quantitatives) :
- Mesures financières détaillées
- Statistiques boursières
- Évaluations des analystes
- Mesures de croissance
- Facteurs de risque
- {finance_agent_output}
## Exigences relatives au format de sortie
1. Format d'en-tête
Utilisez un seul # pour le titre principal, un incrément pour les sous-sections
2. Placement des images
- Placez les images immédiatement après les sections pertinentes
- Utilisez un format de démarque approprié : 
- Incluez toujours la source et le contexte
- Utilisez *italique* pour les légendes des images
3. Formatage des tableaux
- Utilisez des tableaux de démarque standard
- Alignez les nombres à droite, le texte à gauche
- Incluez des séparateurs d'en-tête
- Gardez des largeurs de colonne cohérentes
4. Présentation des données
- Utilisez le gras (**) pour les indicateurs clés
- Incluez le pourcentage changements
- Afficher les comparaisons
- Inclure les tendances (↑/↓)
## Structure du rapport
# Rapport d'analyse d'investissement : [Nom de l'entreprise] ($SYMBOL)
*Généré : [Date] | Type : Évaluation complète*
[Résumé - 3 paragraphes max]
## Résumé
- **Recommandation** : [ACHETER/CONSERVER/VENDRE]
- **Prix cible** : XXX [Devise]
- **Niveau de risque** : [FAIBLE/MOYEN/ÉLEVÉ]
- **Horizon d'investissement** : [COURT/MOYEN/LONG]-terme
## Analyse de marché
[Insérez l'image de marché la plus pertinente ici]
*Source : [Nom] - [Contexte]*
### Positionnement dans le secteur
- Données sur les parts de marché
- Analyse concurrentielle
- Développements récents
## Santé financière
| Métrique | Valeur | Variation annuelle | Moyenne du secteur |
|:-------|------:|-----------:|-------------:|
| Chiffre d'affaires | XXX [Devise] | XX % | XXX [Devise] |
[Mesures supplémentaires]
### Indicateurs clés de performance
- **Croissance du chiffre d'affaires** : XX %
- **Marge bénéficiaire** : XX %
- **ROE** : XX %
## Moteurs de croissance
1. Catalyseurs à court terme
2. Opportunités à long terme
3. Pipeline d'innovation
## Analyse technique
[Insérer un graphique technique]
*Source : [Nom] - Analyse des indicateurs techniques clés*
## Stratégie d'investissement
### Long terme (18 mois et plus)
- Points d'entrée
- Dimensionnement des positions
- Gestion des risques
### Moyen terme (6-18 mois)
- Niveaux techniques
- Calendrier des catalyseurs
### Court terme (0-6 mois)
- Support/Résistance
- Paramètres de trading
## Objectifs de prix
- **Cas baissier** : XXX [Devise] (-XX %)
- **Cas de base** : XXX [Devise]
- **Cas haussier** : XXX [Devise] (+XX %)
## Liste de contrôle de surveillance
1. [Métrique 1]
2. [Métrique 2]
3. [Métrique 3]
## Preuve visuelle
[Insérer des images pertinentes supplémentaires]
*Source : [Nom] - [Contexte et analyse spécifiques]*
*Avertissement : cette analyse est fournie à titre informatif uniquement. Effectuez toujours vos propres recherches avant de prendre des décisions d'investissement.*
## Exigences de sortie
1. Excellence visuelle
- Placement stratégique des images
- Visualisation claire des données
- Formatage cohérent
- Apparence professionnelle
2. Exactitude des données
- Numéros de référence croisés
- Vérification des calculs
- Inclure les tendances
- Afficher les comparaisons
3. Objectifs d'action
- Recommandations claires
- Points d'entrée/sortie spécifiques
- Directives de gestion des risques
- Déclencheurs de surveillance
4. Normes professionnelles
- Pas de fautes d'orthographe
- Formatage cohérent
- Citations appropriées
- Attribution claire
N'oubliez pas :
- N'utilisez jamais de triples guillemets
- Incluez toutes les images avec une réduction appropriée
- Maintenez un formatage cohérent
- Fournissez des informations spécifiques et exploitables
- Utilisez les émojis avec parcimonie et professionnalisme
- Validez tous les points de données
Envoi du rapport à l’utilisateur
La dernière étape du workflow consiste à transmettre les résultats à l’utilisateur.
Le rapport d’investissement est généralement envoyé par email, mais cette étape pourrait être adaptée pour inclure d’autres méthodes de restitution, comme une interface web ou un chatbot.
Composio permet de se connecter à une centaine d’outils, et notamment Gmail ou Outlook.
Le résultat final est assez bluffant…
Le combo NoCode et IA générative : des possibilités infinies
Ce projet est un parfait exemple de la façon dont l’association du NoCode et de l’IA générative ouvre de nouvelles possibilités pour automatiser des processus complexes. En utilisant des outils avancés sans avoir à coder rien du tout, nous avons créé une solution d’analyse financière qui, il n’y a pas si longtemps, aurait nécessité pas mal de temps.
Ces technologies permettent de réaliser des projets variés et à forte valeur ajoutée : agents de prise de décision, assistants personnalisés, analyses automatisées, et bien plus encore. Imaginez créer des agents d’analyse de la concurrence en les connectant à l’API de Pappers, ou bien des agents de recherche marketing capables de fournir des insights stratégiques en quelques clics.
Avec le NoCode et l’IA générative, l’innovation est à portée de main : #YesIACan !
