Verificator soumet vos modèles quantitatifs à un protocole verrouillé — blind test à critères écrits à l'avance, diagnostic de mécanisme, certificats formels, forward test — et vous dit non seulement si votre modèle cassera, mais pourquoi.
Chaque étape de la méthodologie a été exécutée en conditions réelles avant d'entrer au catalogue. Rien de théorique.
Métrique de décision unique, découpage chronologique, critères de succès chiffrés — écrits et scellés par hash avant tout accès aux données de test. Toute modification ultérieure = redémarrage déclaré.
Votre modèle (gelé par hash, code scoré = code déclaré) affronte une période qu'il n'a jamais vue. Verdict ternaire : conforme, non concluant, non conforme.
Quand ça casse, on ne vous rend pas un score : on identifie le shift de régime en cause et le terme fautif, attribution chiffrée à l'appui.
Où votre modèle tient-il — autres actifs, autres horizons, autres régimes ? Sa performance vient-elle de sa structure (robuste) ou de ses coefficients fins (fragile) ?
Avant chaque évaluation, l'attendu chiffré est déposé. L'écart prédiction/observé figure au rapport — la preuve que l'auditeur ne raconte pas l'histoire après coup.
Les invariants de votre modèle — positivité, monotonies, bornes — prouvés en Lean 4 + Mathlib. Par théorème, pas par test.
Un protocole de re-scoring sur données futures — inexistantes le jour de l'audit — avec fourchettes falsifiables déposées, exécutable par n'importe quel tiers. L'audit ne s'arrête pas au passé.
Le runner d'audit s'exécute dans votre infrastructure ; seuls des agrégats typés en sortent, par une allowlist appliquée côté runner. Personne ne fait confiance à personne : les hashes sont vérifiés dans les deux sens.
Le modèle « OLS-11 » — régression à 11 facteurs pour la prévision de volatilité intraday — était stable depuis trois ans en validation interne. Voici ce que le protocole verrouillé a montré.
| Période | Validation interne (3 ans) | Blind test verrouillé (6 mois) |
|---|---|---|
| Performance vs référence naïve | −14 à −16 % d'erreur | +0,4 % (pire que le naïf) |
| Dégradation par sous-période | stable | 0,85 → 1,07 → 1,15 (décrochage progressif) |
Cause identifiée, pas seulement constatée : un shift de régime silencieux (+46 % sur le ratio range/volatilité réalisée, à volatilité constante) que le coefficient linéaire du modèle convertit mécaniquement en +19,3 % de surprédiction systématique. Le terme fautif est nommé. Un modèle de référence à réponse concave traverse la même période sans dégradation — la casse n'était pas une fatalité du marché, c'était un choix de forme.
Chaque chiffre de ce cas est reproductible : protocole, scripts et verdicts scellés par SHA-256, données de référence publiques. Le dossier complet est fourni sur demande.
Critères de succès écrits, chiffrés et hashés avant la première évaluation. Un audit dont les règles peuvent bouger en cours de route ne prouve rien.
« Votre modèle dégrade de X % » ne vous aide pas. « Ce coefficient convertit ce shift de régime en ce biais » vous permet de corriger.
Là où c'est possible, les propriétés critiques sont prouvées formellement (Lean 4) — un niveau de garantie qu'aucun audit statistique n'offre.
Génération, contre-validation croisée et arbitrage sont menés par des agents indépendants orchestrés. Ce qu'un cabinet facture en semaines s'exécute en une journée.
Le même pipeline a été validé sur des séries physiques (prévision de variabilité du vent, transfert de site à site). Énergie, météo, trafic, IoT : toute série à régimes est auditable.
SR 11-7, attentes EBA, EU AI Act : la documentation produite — protocole, verdicts, reproductibilité — parle la langue de votre validation interne et de votre régulateur.
Un modèle y = f(x) n'est jamais vrai partout. Il l'est sur un domaine, puis change de régime, sature, ou cesse purement de prédire. La question qu'aucune validation interne ne pose : à partir de quel seuil votre modèle bascule-t-il, de quelle manière, et quelle variable gouverne ce basculement ? Extrapoler une loi hors de son domaine de validité sans le savoir est le risque de modèle le plus coûteux.
À partir de vos seules données, AutoFrontier cartographie ce domaine — automatiquement, sans seuil réglé à la main :
Les seuils où le coefficient change, choisis par un critère statistique (BIC) — pas un réglage arbitraire. Validé en aveugle : le moteur redécouvre seul les transitions publiées des exoplanètes et des étoiles. Et sur une loi sans frontière, il rend « aucune » : il sait dire rien à signaler.
Comment la loi meurt : rupture nette, courbure douce, saturation en plateau, cutoff de queue, ou perte de structure (le lien disparaît). Cinq diagnostics opposés que l'œil confond — et qui appellent des décisions opposées.
Quelle variable gouverne le changement de coefficient, par sélection contrôlée contre un témoin aléatoire. Et le démasquage des faux coupables : une variable qui semble expliquer mais n'est qu'un proxy d'une autre est signalée comme telle.
Un score chiffré et honnête : « votre coefficient est expliqué à X %, il reste Y % de dérive imprévisible ». Vous savez ce que vous maîtrisez, et ce qui restera imprévisible quoi qu'il arrive.
Ce n'est pas une heuristique : chaque brique a été pré-enregistrée par hash, testée autant en spécificité (ne pas inventer de frontière) qu'en sensibilité, et ses échecs publiés. Cas de démonstration, en aveugle : lâché sur les émissions de CO₂ et le revenu de tous les pays, le moteur a tranché un débat de trente ans — la « courbe de Kuznets environnementale » n'est ni une saturation ni un virage, mais une perte de prédictibilité au-delà de ~25 000 $ par habitant (le revenu cesse d'expliquer les émissions des pays riches), un verdict vérifié stable sur vingt-trois ans. Un audit AutoFrontier vous aurait dit : « n'extrapolez pas ce modèle au-dessus de ce seuil — il n'y a plus de loi. »
Votre modèle a été calibré sur une population — un actif, une région, un segment, une période. La question qu'aucune validation interne ne pose : ses coefficients tiendront-ils quand vous l'appliquerez ailleurs, ou se romproront-ils hors de leur groupe d'origine ? C'est le risque de modèle qui ne se révèle qu'au changement de régime — trop tard.
Nous le mesurons. Un indice de transférabilité et la dispersion des coefficients entre sous-populations classent votre modèle sans ambiguïté :
Le coefficient est universel, épinglé par une contrainte structurelle. Le modèle est robuste au changement de population — déployable ailleurs sans recalibration. Certifiable.
Le coefficient porte l'identité de son groupe d'origine. Le modèle se rompra hors de ce groupe. Nous livrons la carte des groupes et la règle de recalibration obligatoire — avant la casse, pas après.
Ce diagnostic n'est pas une heuristique. Il s'appuie sur une régularité de second ordre mesurée et validée en aveugle sur treize domaines (physique, finance, climat, sismologie, démographie, biologie, linguistique, réseaux), avec prédictions déposées à l'avance et résultats négatifs publiés au même rang. Notre cas de démonstration l'illustre : le modèle linéaire qui s'est effondré au changement de régime 2026 avait des coefficients contingents ; la loi qui a survécu, des coefficients de contrainte — un audit de transférabilité l'aurait dit à l'avance.
La plupart des modèles de risque (VaR, stress-tests, intervalles de prévision) supposent une erreur gaussienne. Or les phénomènes réels — marchés, sinistres, pannes — ont des queues lourdes : les événements extrêmes, ceux qui coûtent, sont bien plus fréquents que la courbe en cloche ne le prévoit. La question qui compte : de combien votre modèle sous-estime-t-il l'extrême ?
Nous mesurons l'exposant de queue réel de vos données, et nous le chiffrons. Sur près de 400 000 variations de prix, la fréquence réelle écrase la prédiction gaussienne :
L'événement arrive 6 200 fois plus souvent que la loi normale ne le prédit. Une VaR gaussienne à ce seuil est fausse de plus de trois ordres de grandeur.
Près d'un million de fois plus souvent. Là où votre modèle voit un événement « impossible », la réalité en produit régulièrement.
Le verdict est chiffré et honnête : exposant de queue mesuré (ici ≈ 3, la « loi cubique inverse » des marchés, conforme à la littérature), facteur de sous-estimation à vos seuils opérationnels, et — quand la queue est trop peu peuplée pour conclure — un franc « non concluant ». Directement aligné sur les attentes réglementaires de stress-testing (SR 11-7). Votre validation interne teste-t-elle le centre de la distribution, ou sa queue ?
La valeur d'un tampon dépend de ce qu'il refuse de tamponner.
Nos propres candidats recalés figurent dans nos classements publics, au même rang que les succès. Un « non concluant » est un résultat, pas un échec à cacher.
Nous ne revendiquons jamais une découverte que la littérature a déjà faite, et nous vous dirons si une heuristique simple suffit à votre usage — même quand cela réduit notre facture.
Prédictions déposées avant scoring, écarts publiés, forward tests que vous pouvez faire exécuter par un tiers. Si nous nous trompons, vous le verrez.
Décrivez votre modèle (famille, fréquence, enjeu) — nous revenons vers vous avec un protocole d'audit proposé, ses critères et son calendrier. Premier échange sans engagement.
Nous écrire