Thirbifyalarlo
Analyste observant courbes financières complexes
Étude de cas
14 février 2026 • Mathieu Benoit

Anomalie non linéaire : quand le filtre standard ne voit rien

Je tombe sur un écart de prix qui ne rentre dans aucune grille. Les filtres linéaires ne voient rien. J’essaie les méthodes classiques : aucun signal. Je décide de remonter à la source, de décortiquer chaque étape. Au lieu de chercher la confirmation, je documente l’échec, puis la découverte d’un motif hors norme. Ici, je détaille comment et pourquoi ce type d’anomalie passe sous le radar, ce que cela implique pour la robustesse des modèles.

Lire l’analyse
Analyste examinant un graphique bruité
Analyse
19 mars 2026 • Mathieu Benoit

Bruit de fond : quand les signaux disparaissent dans la masse

Je m’attaque à l’effet du bruit sur la détection d’anomalies. Beaucoup de signaux disparaissent sans laisser de trace, parfois confondus avec des fluctuations ordinaires. Je décris ce que cela change pour l’analyse et propose des garde-fous pour limiter la surinterprétation.

Lire l’analyse
Analyste vérifiant une anomalie sur écran
Étude de cas
8 avril 2026 • Mathieu Benoit

Anomalie détectée par un modèle non supervisé : comment trier le vrai du faux

Je croise une anomalie repérée par un modèle non supervisé. Avant de conclure, je passe au crible chaque étape : origine des données, test hors échantillon, confrontation à des cas réels. J’expose ici les critères utilisés pour éviter l’illusion d’un signal artificiel. L’objectif : distinguer le réel du mirage, sans céder à la tentation de sur-optimiser le modèle.

Lire l’analyse