Qu’est-ce que TradingAgents ?
TradingAgents, de Tauric Research, est un framework LangGraph qui modélise une société de trading sous la forme d'une équipe d'agents LLM. Des analystes fondamentaux, sentiment, actualités et techniques travaillent en parallèle ; des chercheurs haussiers et baissiers débattent de leurs rapports ; un trader propose une position ; une équipe risque et un gérant de portefeuille l'approuvent ou la rejettent. Le projet est né d'un article arXiv (2412.20138, décembre 2024) et se présente comme un outil de recherche, pas comme un conseil financier.
Il s'utilise en CLI interactive ou scriptée et comme paquet Python (TradingAgentsGraph.propagate renvoie une décision), sur n'importe quel ticker Yahoo Finance, des actions américaines à Hong Kong, aux actions A et aux cryptomonnaies. Les versions récentes se concentrent sur le biais d'anticipation : les fondamentaux SEC EDGAR sont servis tels que déposés à la date de l'exécution, et une grille de backtest note les décisions passées sur l'alpha à partir de la première clôture suivant chaque décision.
Le dépôt est sous Apache-2.0, compte environ 119 000 étoiles sur GitHub et 22 700 forks, et en est à la v0.7.1 (27 octobre 2026), avec à peu près une version par quinzaine depuis septembre.
TradingAgents vaut-il le coup ?
TradingAgents doit sa popularité moins à sa structure de débat, copiée par de nombreux imitateurs, qu'au travail ingrat des versions récentes sur ce que les agents ont le droit de savoir. Une exécution datée dans le passé lit désormais les états de la SEC exactement tels qu'ils avaient été déposés ce jour-là : l'exemple du README est le total des actifs d'Apple en 2008, déposé à 39,6 milliards de dollars et retraité à 36,2 milliards en 2010, si bien qu'une exécution située entre les deux voit 39,6 milliards. Les états Yahoo et les transactions d'initiés, qui ne peuvent pas être datés par publication, sont retenus pour les exécutions datées dans le passé au lieu d'y fuiter.
C'est important, car le backtest est le seul moyen de savoir si le système décide bien. run_backtest balaie une grille de tickers et de dates, entre sur chaque décision à la première clôture suivant sa date et note l'alpha réalisé par rapport à un indice de référence régional, en tenant son propre journal de mémoire pour ne pas contaminer celui en production. Le README admet sans détour que les résultats ne correspondront à aucun chiffre publié et varieront d'une exécution à l'autre, car les modèles de raisonnement ignorent la température et les sources d'actualité reflètent le présent.
Le coût par décision est ce qu'il faut modéliser avant de passer à l'échelle. Chaque exécution appelle jusqu'à quatre analystes, un débat en plusieurs tours, un trader, un débat sur le risque et un gérant, répartis entre un modèle rapide et un modèle approfondi qui peuvent être chez des fournisseurs différents. La consommation de tokens par exécution n'est pas publiée. La connexion avec ChatGPT Plus ou Pro est prise en charge et s'impute sur les limites du forfait, ce qui convient aux expériences mais pas à un balayage nocturne de 500 tickers.
Le framework est un échafaudage de recherche, pas un système de trading : il produit une note et une justification et n'envoie les ordres approuvés qu'à une place de marché simulée. Avec environ 100 tickets ouverts et des chemins d'import qui ont changé en v0.5.1, il récompense ceux qui figent une version. À côté de Vibe-Trading, il est plus étroit et plus facile à comprendre : un ticker, une date, une réponse débattue.
Là où il fait la différence
Un doctorant en finance computationnelle
Comparer des backends LLM sur les mêmes décisions de trading sans fuite d'anticipation
Lancez tradingagents backtest sur une grille fixe de tickers et de dates avec chaque modèle tour à tour ; la notation utilise l'alpha à partir de la première clôture suivant chaque décision. Prévoyez de nombreux appels au modèle par case, et reprenez les balayages interrompus avec le même run_id.
Une investisseuse particulière qui détient une douzaine d'actions américaines
Obtenir un second avis structuré sur une position avant des résultats trimestriels
Lancez la CLI sur le ticker avec --portfolio pointant vers un JSON des positions actuelles, pour que le trader et l'équipe risque raisonnent sur le portefeuille réel. Se connecter avec un forfait ChatGPT Plus évite la facturation d'API pour des exécutions occasionnelles.
Un ingénieur qui prototype un assistant de recherche interne chez un gestionnaire de patrimoine
Intégrer des rapports multi-analystes dans un pipeline Python existant
Appelez TradingAgentsGraph.propagate et save_reports, avec les gérants sur Claude et les analystes sur un modèle moins cher grâce aux fournisseurs par niveau. Traitez la sortie comme un élément de recherche ; le projet précise que ce n'est pas un conseil en investissement.
Avant de vous engager
- Mise en route
- Clonez, créez un environnement Python 3.11+, pip install ., définissez une clé de fournisseur, puis lancez tradingagents ; Docker Compose et un profil Ollama sont fournis. Une exécution non interactive demande des options comme --ticker et --date.
- Intégrations
- OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Mistral, Kimi, Groq, NVIDIA, Bedrock, Azure, Ollama et tout serveur compatible OpenAI ; données de Yahoo Finance, SEC EDGAR, FRED, Alpha Vantage, StockTwits et Reddit.
- Données et confidentialité
- Rapports, journal de mémoire des décisions, cache et points de contrôle sont stockés sous ~/.tradingagents. Les prompts et les actualités récupérées partent vers le fournisseur de LLM choisi. La CLI vérifie les mises à jour une fois par jour sans envoyer de données d'exécution ; TRADINGAGENTS_NO_UPDATE_CHECK=1 la désactive. Apache-2.0.
- Coût à grande échelle
- Pas d'édition payante. Le coût, ce sont les tokens LLM par décision entre analystes, deux débats et gérants, multipliés par les tickers et les dates d'une grille de backtest ; le nombre de tokens par exécution n'est pas publié, mesurez donc d'abord sur une petite grille.
- Limites
- Environ 100 tickets et pull requests ouverts ; sortie non déterministe ; des pannes du flux d'actualités Yahoo ont imposé des contournements ; EDGAR ne couvre que les entités déclarantes auprès de la SEC et indique les quatrièmes trimestres comme indisponibles.
Les points forts
- Fondamentaux SEC à date et données non datables retenues
- Grille de backtest notée sur l'alpha à partir de la clôture suivante
- Niveaux de modèle rapide et approfondi chez des fournisseurs distincts
- Plus d'une douzaine de fournisseurs de LLM, plus Ollama et vLLM en local
Les points faibles
- Nombreux appels LLM par décision ; coût en tokens non publié
- Exécutions non déterministes par conception
- Place de marché simulée uniquement ; pas d'exécution chez un courtier
- Les chemins d'import ont changé en v0.5.1 ; figez les versions
Idéal pour
Les chercheurs et les investisseurs techniques qui veulent une base multi-agents bien documentée pour les décisions sur un titre et une manière loyale de la backtester.
Alternatives à TradingAgents
TradingAgents : questions fréquentes
- TradingAgents vaut-il le coup ?
- TradingAgents est la conception de référence pour l'analyse boursière multi-agents, et son travail récent sur le biais d'anticipation en fait l'un des rares que vous pouvez backtester sans vous leurrer. Nous lui donnons 4.0 sur 5.
- Combien coûte TradingAgents ?
- Gratuit et open source (Apache-2.0). Vous payez votre fournisseur de LLM ou utilisez un forfait ChatGPT Plus ou Pro ; les données FRED et SEC EDGAR sont gratuites, Alpha Vantage est optionnel.
- Quels sont les inconvénients de TradingAgents ?
- Nombreux appels LLM par décision ; coût en tokens non publié; exécutions non déterministes par conception; place de marché simulée uniquement ; pas d'exécution chez un courtier; les chemins d'import ont changé en v0.5.1 ; figez les versions.
- À qui s’adresse TradingAgents ?
- Les chercheurs et les investisseurs techniques qui veulent une base multi-agents bien documentée pour les décisions sur un titre et une manière loyale de la backtester.
- Combien coûte TradingAgents pour une équipe ou en production ?
- Pas d'édition payante. Le coût, ce sont les tokens LLM par décision entre analystes, deux débats et gérants, multipliés par les tickers et les dates d'une grille de backtest ; le nombre de tokens par exécution n'est pas publié, mesurez donc d'abord sur une petite grille.
- TradingAgents est-il sûr pour les données de l’entreprise ?
- Rapports, journal de mémoire des décisions, cache et points de contrôle sont stockés sous ~/.tradingagents. Les prompts et les actualités récupérées partent vers le fournisseur de LLM choisi. La CLI vérifie les mises à jour une fois par jour sans envoyer de données d'exécution ; TRADINGAGENTS_NO_UPDATE_CHECK=1 la désactive. Apache-2.0.
- Quelles sont les meilleures alternatives à TradingAgents ?
- Les alternatives les plus proches que nous avons testées sont Vibe-Trading.
Réponses vérifiées le 31 oct. 2026.