Claude pour analyser les actions et options

Claude lit très bien les données financières et explique clairement leur signification. En revanche, il connaît mal les chiffres du jour, car les données d’entraînement d’un modèle de langage s’arrêtent plusieurs mois avant que vous posiez votre question. La solution est simple : fournir à Claude des données de marché en temps réel via une API, puis lui laisser faire ce qu’il sait réellement faire : analyser, comparer et expliquer en termes simples.

Ce guide vous montre comment procéder avec une API gratuite de données de marché, trois méthodes différentes pour connecter Claude à cette API et des prompts fonctionnels que vous pouvez copier. Pour être transparent, l’API appartient à Strasmore, qui est développée par notre équipe. Aucun compte n’est requis : vous pouvez donc tout essayer dans ce guide au cours des cinq prochaines minutes.

Pourquoi Claude a besoin d’une source de données

Demandez à Claude « quel est le rendement du dividende de Microsoft actuellement ? » sans lui fournir d’outil, et vous obtiendrez l’un de deux échecs. Soit il refuse de répondre, soit il répond à partir de données d’entraînement vieilles de plusieurs mois. Ces deux cas se produisent parce que le modèle n’a pas accès aux cours actuels. Il ne peut rien rechercher par lui-même.

Ajoutez une source de données, et la situation change complètement. Claude lit très bien le JSON, conserve des dizaines de lignes dans son contexte sans perdre le fil, et peut comparer, classer et résumer ce que montrent réellement les données. La qualité de la réponse dépend alors de la qualité des données que vous lui fournissez.

Une API gratuite de données de marché, sans clé

L’API de démonstration de Strasmore fournit un catalogue de requêtes prédéfinies sur les actions et les options américaines, au format JSON brut. Aucune inscription, aucune clé d’API et aucune gestion des limites de débit. La référence complète des endpoints se trouve dans l’article de documentation de l’API. Voici la version courte :

# What queries exist? (start here)
curl "https://ai.strasmore.com/api/demo/catalog"

# The highest large-cap dividend yields right now
curl "https://ai.strasmore.com/api/demo?q=dividend_yield_leaders"

# Implied-volatility leaders in the options market
curl "https://ai.strasmore.com/api/demo?q=iv_leaders"

# The latest market headlines with tickers
curl "https://ai.strasmore.com/api/demo?q=latest_market_news"

Chaque réponse contient les lignes, les noms des colonnes et la requête SQL exacte à l’origine des valeurs. Ce dernier point est important pour les usages avec l’IA : vous pouvez fournir à Claude la requête SQL avec les données, et il vous expliquera la requête ainsi que le résultat.

Les cours sont différés et les greeks des options correspondent aux valeurs de fin de séance. Pour l’apprentissage, le filtrage et les workflows d’analyse, c’est exactement ce qu’il vous faut. Il ne s’agit pas d’un flux de trading, et ce guide porte sur l’analyse, pas sur l’exécution d’ordres.

Méthode 1 : coller le JSON dans une conversation

La méthode sans configuration. Exécutez une commande curl, copiez le JSON, puis collez-le dans une conversation Claude avec une instruction claire. Cette méthode fonctionne dans l’application web claude.ai, l’application de bureau ou n’importe quelle interface de conversation.

Voici une structure de prompt efficace :

Here is JSON from a market data API. The `sql` field shows exactly
how the numbers were computed.

[paste the JSON here]

1. Summarize what this data shows in plain English.
2. Which three rows stand out, and what makes them unusual?
3. What would you want to check next before drawing conclusions?

La troisième question est la plus importante. Elle pousse Claude à indiquer les limites des données au lieu d’aller au-delà de ce qu’elles permettent d’établir. Ses suggestions (« vérifiez l’historique des paiements », « comparez avec le secteur ») permettent souvent de formuler une meilleure requête suivante que celle que vous auriez écrite sans contexte.

Méthode 2 : laisser Claude Code récupérer les données lui-même

Si vous utilisez Claude Code, vous pouvez entièrement éviter le copier-coller, car Claude Code peut exécuter curl lui-même. Posez-lui une question et indiquez-lui où se trouvent les données :

Fetch https://ai.strasmore.com/api/demo/catalog, pick the query that
best answers this question, fetch it, and analyze the result:
which large-cap stocks pay the highest dividend yields right now,
and how do their P/E ratios compare?

Claude Code lit le catalogue, sélectionne dividend_yield_leaders, le récupère et travaille à partir des lignes réelles. Comme la boucle de l’agent s’exécute sur votre machine, elle s’intègre aussi à tout ce qui s’y trouve : l’agent peut enregistrer les résultats dans des fichiers, les représenter avec un script Python ou comparer l’écran du jour à celui qu’il a enregistré la semaine dernière. Attention toutefois au coût : chaque charge utile JSON récupérée par l’agent reste dans la conversation et est renvoyée au tour suivant. C’est pourquoi une longue session Claude Code devient coûteuse.

Un serveur Linux toujours actif est l’environnement naturel pour ce workflow. Une boucle quotidienne du type « récupérer les écrans, les comparer à ceux d’hier et rédiger un résumé » nécessite une machine qui ne se met jamais en veille. Nous avons un guide complet pour exécuter Claude Code sur un VPS avec tmux, afin que les sessions survivent aux déconnexions SSH. Si vous choisissez cette solution, lisez d’abord notre guide sur l’exécution sécurisée d’agents IA sur un VPS ; un agent disposant d’un accès shell doit être soumis à de véritables garde-fous.

Méthode 3 : l’API Claude avec un outil fetch

Pour les logiciels que vous développez, fournissez l’API à Claude sous forme d’outil. Avec le SDK Python d’Anthropic, toute l’intégration tient dans une définition d’outil et une fonction fetch :

import json, urllib.request
import anthropic

def fetch_demo(query_key: str) -> str:
    url = f"https://ai.strasmore.com/api/demo?q={query_key}"
    with urllib.request.urlopen(url, timeout=30) as r:
        return r.read().decode()

client = anthropic.Anthropic()
tools = [{
    "name": "fetch_market_data",
    "description": "Fetch a fixed market-data query. Keys are listed at "
                   "https://ai.strasmore.com/api/demo/catalog e.g. "
                   "dividend_yield_leaders, iv_leaders, latest_market_news.",
    "input_schema": {
        "type": "object",
        "properties": {"query_key": {"type": "string"}},
        "required": ["query_key"],
    },
}]

# Claude decides when to call the tool; your loop executes fetch_demo()
# and returns the JSON as the tool result. See Anthropic's tool-use docs.

Claude appelle l’outil lorsqu’une question nécessite des données. Vous exécutez la récupération, puis lui renvoyez le JSON. Il répond alors à partir de lignes réelles plutôt qu’à partir de sa mémoire. Le client récupère votre clé dans l’environnement. Si ce code se retrouve sur un serveur ou derrière un fournisseur cloud, déterminez donc comment y authentifier le client avant de coder quoi que ce soit en dur. C’est également la seule méthode qui vous facture au token, au lieu de s’appuyer sur un abonnement de chat. Si vous vous demandez si l’API Claude propose une offre gratuite, la réponse courte est la suivante : un petit crédit à l’inscription, puis une facturation à l’usage. Le même modèle fonctionne avec le Model Context Protocol si vous préférez un serveur réutilisable à un outil intégré au code. Notre guide sur les serveurs MCP sur un VPS explique comment les héberger.

Prompts qui produisent de bonnes analyses

Quelques méthodes améliorent systématiquement les résultats, quelle que soit la manière dont vous vous connectez :

• Demandez à Claude de citer les lignes. « Pour chaque affirmation, indiquez le ticker et le chiffre correspondant. » Cela élimine les résumés vagues.
• Demandez ce que les données ne permettent pas de montrer. Les cours différés, les greeks de fin de séance et le screen fixe ont tous leurs limites. Claude les énoncera clairement si vous le lui demandez, ce qui permet de garder une analyse rigoureuse.
• Demandez une comparaison, pas une prédiction. « Parmi ces rendements, lesquels semblent soutenables au vu des payout ratios affichés ? » produit une réponse fondée. « Quelle action va monter ? » produit une supposition bien formulée, car les données ne permettent pas de faire des prédictions.
• Gardez le SQL dans son contexte. Le champ sql indique précisément à Claude comment le screen a été construit. Il peut ainsi expliquer pourquoi une valeur est absente — seuil de capitalisation boursière, plafond de rendement — au lieu d’inventer une raison.

Quand les requêtes prédéfinies ne suffisent plus

Les écrans de la démonstration sont volontairement fixes. L’étape suivante consiste à utiliser l’API payante de Strasmore : le même entrepôt de données, 22 ans de données sur les actions américaines et 12 ans d’historique des options, ainsi que vos propres requêtes en SQL ou en anglais courant avec une clé d’API utilisable par un programme. Le workflow reste identique : votre outil interroge un endpoint authentifié au lieu de l’endpoint public, et vous définissez vous-même les questions. Claude est particulièrement efficace pour rédiger des requêtes ClickHouse SQL à partir d’un schéma documenté. Une demande comme « extraire l’historique des dividendes de chaque REIT valorisé à plus de $10B et les classer selon leur croissance sur cinq ans » devient ainsi une tâche réalisable avec un seul prompt.

FAQ

Claude peut-il analyser des actions sans source de données ?

Pas avec des chiffres actuels. Ses données d’entraînement s’arrêtent avant aujourd’hui. Tout ce qu’il dit sur les cours actuels provient donc d’informations périmées. Fournissez-lui une API temps réel : l’analyse s’appuie alors sur les lignes qu’il vient de récupérer.

L’API de démonstration Strasmore est-elle vraiment gratuite ?

Oui. Il ne faut ni clé, ni inscription, ni carte bancaire. Elle fournit un catalogue de requêtes prédéfinies sur les actions américaines avec données différées et sur les options en données de clôture. Elle est conçue pour être ouverte aux agents d’IA.

Ai-je besoin d’un VPS pour cela ?

Non. Le workflow de copier-coller ne nécessite qu’un navigateur. Un VPS devient utile si vous voulez exécuter la boucle de l’agent selon un calendrier, maintenir son fonctionnement malgré les déconnexions et conserver des fichiers locaux contenant les résultats précédents.

Est-ce un conseil financier ?

Non. Tout ce qui est présenté ici concerne des outils d’analyse. Claude résume et compare les données. La décision de les utiliser vous appartient, et des données éducatives différées ne constituent pas une base pour exécuter des transactions.

Connectez un écran à une conversation et vous verrez immédiatement la différence : Claude cesse de donner une impression de certitude sur des chiffres qu’il ne peut pas connaître et devient utile pour analyser ceux auxquels il peut accéder.