La transition amorcée début 2025 s'est généralisée. Les modèles ne se contentent plus de prédire le mot suivant de manière linéaire ; ils allouent du temps de calcul lors de l'inférence.
Le passage de séquences simples à des architectures d'agents asynchrones et décentralisés est désormais standardisé.
L'intégration native de schémas Pydantic par les API (OpenAI, Anthropic, Gemini) garantit des réponses JSON 100 % conformes. Cette avancée élimine le besoin de parseurs complexes et fragiles, sécurisant l'alimentation des bases de données et l'exécution de fonctions (Tool Calling).
L'indexation de documents via des graphes de connaissances (Knowledge Graphs) couplée à des bases vectorielles hybrides (comme pgvector ou Qdrant) permet de contextualiser les décisions de trading avec une précision inégalée, réduisant les hallucinations à moins de 1%.
L'analyse de sentiment ne se limite plus aux flux Twitter ou RSS. Les LLM multimodaux ingèrent désormais des rapports financiers de 500 pages et des conférences audio en temps réel.
L'apprentissage par renforcement (Reinforcement Learning) optimise l'exécution des ordres pour minimiser l'impact de marché (slippage).