Le problème
Les traders sur les bourses de paris travaillent souvent avec des tableurs et à l’instinct. Ils n’ont aucun endroit sûr pour tester une stratégie avant d’engager de l’argent réel, ni de registre unique des mises, des limites et des résultats. Il y avait aussi une contrainte forte : pendant les tests, Betfair Italie refusait les ordres de pari envoyés via son API depuis des serveurs en datacenter.
Ce que j’ai construit
J’ai développé BetPilot AI, une plateforme web installable d’analyse, de maîtrise du risque et de simulation, où chaque stratégie démarre en paper trading.
- Éditeur visuel de stratégies — les stratégies sont enregistrées sous forme de schéma déclaratif, contrôlé par une liste blanche stricte. Aucun code utilisateur n’est jamais exécuté.
- Assistant IA pour les stratégies — l’utilisateur décrit une stratégie avec ses propres mots et Claude (Anthropic) la transforme en schéma, ou améliore un schéma existant. Si la réponse échoue à la validation, l’erreur est renvoyée au modèle pour une nouvelle tentative.
- Moteur de simulation — backtests, rejeux et comparaisons tournent en tâches de fond. Le moteur d’appariement modélise la liquidité, les appariements partiels, le slippage et la latence, et il est déterministe : les mêmes entrées donnent le même résultat.
- Moteur de risque et signaux — limites de budget (fourchette de mise, perte maximale journalière et hebdomadaire, fourchette de cotes) et un conseiller de mise : un quart de Kelly plafonné à 5 % de la bankroll quand une probabilité est fournie, sinon la règle des 2 %. Chaque signal affiche la cote juste et l’espérance de gain.
- Journal réel — l’utilisateur enregistre chaque pari réel en un clic ; bankroll, P&L, ROI et taux de réussite restent à jour.
- Données en direct — statistiques des matchs via API-Football et prix de la bourse via un agent en lecture seule installé sur l’ordinateur de l’utilisateur.
- Sécurité et traçabilité — connexion à deux facteurs, secrets chiffrés, isolation des données par utilisateur, journal d’audit, rapports en PDF, CSV et XLSX, notifications par e-mail, push et webhook.
Les chiffres
- Une suite de tests automatisés, dont un test qui prouve que le moteur de simulation ne peut pas envoyer d’ordres réels.
- 18 modules back end et 42 modèles de données dans le schéma de la base.
- 7 sports et 6 méthodes de calcul de la mise pris en charge par le format des stratégies.
Comment c’est construit
Front end en Next.js, React et TypeScript avec Tailwind CSS et Recharts, exporté en fichiers statiques. Back end en NestJS selon la Clean Architecture, avec des modules orientés domaine et CQRS, sur PostgreSQL via Prisma. Redis et BullMQ font tourner la file de tâches, avec PostgreSQL en solution de repli. Intégrations : l’API Anthropic, API-Football et l’API Betfair en lecture seule.
Pourquoi ce choix
Quand la bourse a bloqué les paris envoyés depuis le serveur, j’ai changé de modèle. BetPilot analyse, calcule la mise et tient les comptes ; c’est la personne qui place le pari. Pour les données de marché, j’ai écrit un agent local qui n’appelle que les méthodes de lecture de Betfair et garde les identifiants sur le PC de l’utilisateur. Les méthodes de pari sont bloquées par conception, si bien que le logiciel reste un outil d’aide à la décision.
