Comment le Quant Engine d’InvestIQ transforme les données publiées d’une entreprise en un score de 0 à 100, ce que ce score mesure et où il s’arrête. Le moteur est du code déterministe : les mêmes données donnent toujours le même score, et aucun modèle d’IA n’en calcule la moindre partie.
1Ce que mesure le score
Le score résume la position des données les plus récentes d’une action sur cinq familles de facteurs que la recherche académique et professionnelle associe aux rendements futurs : la dynamique des résultats, la dynamique du cours, les achats des personnes bien informées, la qualité financière et la valorisation. Un score élevé signifie que les données sont solides sur ces facteurs au moment du calcul. Il ne signifie pas que le cours va monter, et il ne dit rien de l’adéquation de l’action à ta situation.
Chaque facteur est d’abord converti en un sous-score de 0 à 100 selon des seuils fixes, 50 étant la valeur neutre ; les sous-scores sont ensuite combinés avec des poids fixes. Chaque poids et chaque seuil est écrit dans le code du moteur, et aucun n’est réglé à la main pour une action donnée.
2Les cinq familles de facteurs
| Famille | Poids | Ce qu’elle mesure |
|---|---|---|
| Résultats | 28 % | Surprises sur le bénéfice et le chiffre d’affaires des quatre derniers trimestres (44 % de la famille), révisions des estimations de bénéfice des analystes (39 %) et tendance de leurs recommandations (17 %). La famille est atténuée à l’approche d’une publication : ×0,95 à moins de 30 jours, ×0,85 à moins de 14, ×0,70 à moins de 4 et ×0,50 le jour même, tant que les résultats ne sont pas sortis. |
| Dynamique du cours | 22 % | Performance sur 3 et 6 mois et sur 12 mois hors dernier mois (30 %) ; force relative face au S&P 500 (25 %) ; confirmation de tendance par les moyennes mobiles à 50 et 200 jours et l’ADX (25 %) ; le RSI, qui obtient sa meilleure note entre 55 et 70 — ferme sans surchauffe (20 %). |
| Transactions d’initiés et du Congrès | 20 % | Achats en bourse des dirigeants et initiés (60 %) : attributions d’actions et levées d’options comptent comme neutres, une vente pèse le quart d’un achat et ne fait jamais passer seule le score sous la neutralité, et le signal est divisé par deux au-delà de 200 Md$ de capitalisation et renforcé en dessous de 10 Md$. Transactions déclarées par des membres du Congrès américain (25 %). Les 15 % restants sont neutres. Hors des États-Unis, où ces déclarations n’existent pas, toute la famille est neutre (50). |
| Qualité | 18 % | Z-Score d’Altman, une mesure du risque de défaillance (35 %) ; M-Score de Beneish, un filtre de manipulation comptable (25 %) ; efficacité du capital — rentabilité des capitaux investis et rendement du flux de trésorerie disponible (40 %). Banques, assureurs et foncières utilisent des mesures adaptées (rentabilité des fonds propres, marges, stabilité ou levier), car les ratios standards lisent mal leur bilan. |
| Valorisation | 12 % | Potentiel par rapport à la valeur par actualisation des flux (DCF) publiée par notre fournisseur de données (40 %), remplacé par le ratio PEG pour les entreprises en forte croissance (chiffre d’affaires en hausse de plus de 30 % ou PER supérieur à 50) ; PER rapporté à celui du secteur (35 %) ; VE/EBITDA (25 %). |
La somme pondérée donne le score brut. L’ajustement de qualité ci-dessous en fait le score final.
3L’ajustement de qualité (Piotroski)
Le score brut est multiplié par un coefficient qui dépend du F-Score de Piotroski de l’entreprise, une grille de 0 à 9 tests de rentabilité, de bilan et d’efficacité (Piotroski, 2000). Il agit comme un filtre sur l’ensemble du score, pas comme un sixième facteur :
| F-Score | Coefficient |
|---|---|
| 0–1 | ×0,85 |
| 2 | ×0,88 |
| 3 | ×0,92 |
| 4 | ×0,96 |
| 5–6 | ×1,00 |
| 7 | ×1,04 |
| 8–9 | ×1,08 |
Le coefficient vaut 1,00 quand le F-Score n’est pas disponible, ainsi que pour les banques, les assureurs et les foncières, pour lesquels le test n’a pas été conçu. Un F-Score faible ne pénalise pas une entreprise dont le chiffre d’affaires a progressé de plus de 35 % en un an : un fort réinvestissement dégrade mécaniquement les ratios que lit le test. Le score final reste compris entre 0 et 100.
4Un rang dans l’univers noté
Un score seul dit peu de chose ; son rang en dit plus. InvestIQ suit un univers d’environ 600 actions : le S&P 500, le CAC 40, les valeurs du Nasdaq-100 hors S&P 500 et une sélection de valeurs thématiques, dont certaines cotées à Londres et Francfort. Une tâche planifiée le recalcule par roulement chaque nuit, si bien qu’aucun score n’y date de plus d’une semaine. Une action que tu ouvres dans Stock Analysis est notée à ce moment-là, avec les données du jour, et comparée au même univers.
L’application indique où se situe un score dans cet univers, en cinq tranches : les 10 % les mieux notés, les 15 % suivants, la moitié centrale, les 15 % suivants et les 10 % les moins bien notés. Pour changer de tranche, un score doit dépasser la limite de 2 points, afin que de petits mouvements quotidiens ne fassent pas osciller une action d’une tranche à l’autre. Si moins de 100 actions ont un score à jour, des seuils fixes (75, 65, 40 et 25) sont utilisés à la place.
Un rang compare une action aux autres à une date donnée. Il y a toujours des actions dans les 10 % les moins bien notés : cette position dit que leurs données sont plus faibles que celles du reste de l’univers, pas que leur cours va baisser.
5Données manquantes ou partielles
Quand une source est en panne ou n’a pas de valeur pour une entreprise, le facteur concerné prend la valeur neutre 50 et l’analyse enregistre un signalement, visible dans l’application. Une analyse n’échoue jamais parce qu’une source manque, mais un score bâti sur de nombreux facteurs neutres porte moins d’information : consulte les signalements.
La couverture est la plus complète pour les sociétés américaines. Pour les sociétés européennes, les déclarations d’initiés et du Congrès n’existent pas, si bien que cette famille est neutre, et certains états financiers sont moins détaillés.
6Ce que fait l’IA — et ce qu’elle ne fait pas
Le score, les sous-scores, les ratios et les cours viennent du moteur et des données, jamais d’un modèle de langage. Les modèles d’IA lisent ces résultats calculés et rédigent les explications que tu vois : modules de recherche, réponses du Copilot, rapports Deep Research et débats de la War Room. La façon dont ils sont encadrés et contrôlés est décrite dans la politique éditoriale ; l’origine des données, dans sources des données.
7Limites
- Les données regardent vers le passé : résultats publiés, cours passés, transactions déclarées. Rien dans le score n’anticipe une nouvelle qui n’a pas encore eu lieu.
- Les poids et les seuils sont des choix fixes, éclairés par la recherche publiée. Nous ne publions aucune performance simulée (back-test) du score.
- Les données peuvent contenir des erreurs ou arriver en retard, et le score en hérite.
- Un score ignore tes objectifs, ton horizon, ta fiscalité et ta tolérance au risque. Voir l’avertissement.
8Évolutions et références
Quand la méthode change, cette page change avec elle : la date et la version du moteur indiquées en haut sont mises à jour.
Les facteurs s’appuient sur la recherche publiée, notamment :
- Piotroski, J. (2000). « Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers ». Journal of Accounting Research, 38.
- Altman, E. (1968). « Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy ». Journal of Finance, 23(4).
- Beneish, M. (1999). « The Detection of Earnings Manipulation ». Financial Analysts Journal, 55(5).
- Jegadeesh, N. et Titman, S. (1993). « Returns to Buying Winners and Selling Losers ». Journal of Finance, 48(1).
- Bernard, V. et Thomas, J. (1989). « Post-Earnings-Announcement Drift: Delayed Price Response or Risk Premium? ». Journal of Accounting Research, 27.
Sur notre blog : le score de Piotroski, le Z-Score d’Altman, momentum, RSI et moyennes mobiles, suivre les initiés, valoriser une action par DCF.