À propos du projet

Projet personnel visant à démystifier les canaux Telegram de signaux de trading, souvent promotionnels et potentiellement frauduleux. En partant du principe que même les acteurs douteux doivent démontrer un minimum de performance ou de connaissance pour attirer, j’ai conçu un système d’analyse objective évaluant la fiabilité, la cohérence et la véracité des signaux publiés.

Problématique

• Explosion de canaux douteux promettant des gains irréalistes
• Opacité généralisée : résultats truqués, signaux postés après le mouvement, changements de nom pour effacer l’historique
• Absence d’outils indépendants pour évaluer la qualité réelle des signaux

Solution proposée

Pipeline complet d’ingestion → parsing → vérification → scoring :

1. Collecte via Telethon

• Connexion authentifiée à l’API Telegram
• Suivi dynamique des canaux (gestion des changements de nom/ID)
• Capture en temps réel des messages

2. Parsing intelligent

• Détection automatique des patterns de signaux (entry, TP, SL, levier, etc.)
• Filtrage des messages non pertinents (pubs, annonces, etc.)

3. Vérification marché

• Synchronisation avec données réelles via Binance API
• Comparaison timestamp du message vs début réel du mouvement
• Validation des niveaux de prix (entry, TP atteints, SL déclenchés)

4. Métriques & scoring

| Métrique | Description | |--------|-------------| | Taux de réussite | % de trades gagnants sur 1, 3, 6 mois | | Fréquence | signaux/jour, semaine, mois | | Indice de confiance | Pondération : antériorité, cohérence, absence de rétro-ingénierie | | Détection de fraude | Signaux postés après mouvement, résultats falsifiés, changement de nom |

5. Évolutions potentielles

Copy-trading conditionnel :
Si taux de réussite > 70 % + indice de confiance élevé sur plusieurs mois → envoi automatique des nouveaux signaux vers un compte Binance (via API REST)

Auto-apprentissage des filtres :
En cas d’erreur de parsing sur un canal statique → envoi à une IA → génération automatique d’un nouveau filtre
→ Réduction de 90 à 95 % du temps de maintenance

6. Interface de visualisation

Dashboard web léger (JavaScript + Chart.js) :

• Graphiques de performance par canal
• Historique détaillé des trades
• Évolution du score de confiance
• Alertes en temps réel sur comportements suspects

Impact & enseignements

• Démasquage systématique : 3 canaux sur 5 truquaient leurs résultats
• Découverte de signaux fiables : 1 canal > 68 % de succès sur 4 mois, avec transparence totale
• Fondations solides pour un futur système de copy-trading sélectif et sécurisé
• Compétences croisées : web scraping, traitement temps réel, finance quantitative, data visualization

Ce projet incarne une approche critique et data-driven de l’information financière en ligne — un antidote au FOMO et à la désinformation, avec un potentiel réel pour assainir l’écosystème des signaux sur les réseaux sociaux.