GovGreed est une plateforme d’intelligence des données qui utilise l’apprentissage automatique pour révéler une vérité profondément inconfortable sur le Congrès américain : plus de la moitié de tous les achats d’actions effectués par les législateurs au cours des 16 derniers mois concernaient des entreprises directement touchées par des législations sur lesquelles ces mêmes législateurs ont ensuite voté. Basée sur des flux de données fédérales directes et un modèle d’apprentissage automatique à sept couches, GovGreed a analysé 190 000 transactions impliquant 540 politiciens, révélant des schémas si clairs et cohérents qu’il est impossible de les considérer comme de simples coïncidences.
Qu’est-ce que GovGreed et pourquoi est-ce important ?
GovGreed est une plateforme de transparence alimentée par l’IA, conçue pour croiser chaque transaction boursière déclarée par un politicien américain en exercice avec les projets de loi contrôlés par leurs commissions, les contributions de campagne qu’ils reçoivent et les entreprises directement impactées par leurs votes. La plateforme utilise des connexions directes approuvées aux systèmes de données gouvernementales fédérales, y compris les déclarations de la loi STOCK Act, les dépôts de formulaire 4 de la SEC, les textes de projets de loi de Congress.gov, les affectations de commissions et les registres de financement de campagne de la FEC.
La plateforme ne s’appuie pas sur des robots d’extraction ou des intermédiaires tiers. Son infrastructure d’intelligence combine trois couches de données : les systèmes gouvernementaux fédéraux, des flux de marché privés sous licence et un enrichissement par apprentissage automatique propriétaire. Le résultat est un réseau de signaux que les autres outils de transparence financière ou politique ne peuvent tout simplement pas offrir.
L’ampleur du problème en chiffres
Les statistiques brutes révélées par GovGreed sont frappantes. Selon les données publiées directement sur la plateforme à l’adresse govgreed.com, 343 des 540 membres du Congrès (63,8 %) effectuent activement des transactions boursières tout en ayant accès à des informations législatives non publiques. Cela représente près des deux tiers de l’ensemble du législatif américain qui placent des paris sur le marché avec un avantage informationnel qui enverrait n’importe quel gestionnaire de fonds spéculatifs en prison fédérale.
| Statistique | Chiffre |
|---|---|
| Nombre total de transactions congressionnelles analysées | 190 000+ |
| Politiciens profilés | 540 |
| Transactions sur des actions ensuite votées | 56 % (environ 6 170 des 11 016 achats) |
| Déclarations tardives selon la loi STOCK Act | 23 426 (12,5 % de toutes les transactions) |
| Amende pour déclaration tardive | 200 $ |
| Poursuites congressionnelles selon la loi STOCK Act | Zéro |
| Signaux Triples actifs suivis (119e Congrès) | 752 |
| Multiplicateur de taux de passage pour les projets de loi avec Signal Triple | 5,4x la moyenne |
| Projets de loi analysés par le modèle IA | 45 000+ |
| Score AUC de l’Index de Passage des Projets de Loi | 0,74 |
Comment fonctionne le moteur IA de GovGreed
Contrairement aux plateformes qui se contentent de republier les déclarations brutes de la loi STOCK Act, GovGreed soumet chaque transaction congressionnelle à un processus d’analyse d’intelligence multi-étapes. L’objectif n’est pas de vous montrer les données, mais de vous montrer ce que les données signifient.
Le modèle de notation à sept couches
Chaque transaction sur la plateforme est notée selon sept dimensions indépendantes : la qualité du politicien, la corrélation avec les projets de loi, la convergence du troupeau, le contexte technique, la dynamique du secteur, les contributions de campagne et l’alignement avec les groupes de lobbying. Lorsque plusieurs couches pointent vers le même politicien et la même action simultanément, un multiplicateur de convergence s’active, augmentant le score du signal jusqu’à 2 fois sa valeur de base.
Les signaux de catégorie A+, la catégorie de confiance la plus élevée, ont atteint un taux de réussite de 72,7 % dans des rétrotests sur 30 jours, avec un rendement moyen de +10,7 % par rapport au S&P 500. Ce n’est pas une affirmation marketing, mais un chiffre dérivé de rétrotests sur 37 132 projets de loi des 117e et 118e Congrès, chacun avec un résultat législatif connu.
Le Signal Triple : où le trading, la législation et l’argent des donateurs se croisent
Le mécanisme de détection le plus puissant de GovGreed est ce qu’il appelle le Signal Triple. Ce signal se déclenche lorsque trois conditions sont remplies simultanément pour le même politicien :
- Le politicien siège dans la commission qui contrôle un projet de loi spécifique.
- Le politicien a effectué des transactions sur des actions d’une entreprise directement touchée par ce projet de loi.
- Le politicien a reçu des contributions de campagne de la part de la même industrie.
Actuellement, 752 Signaux Triples actifs sont suivis dans le 119e Congrès. Le résultat législatif associé à ces signaux est extraordinaire : les projets de loi marqués avec des indicateurs de Signal Triple sont adoptés à un taux 5,4 fois supérieur à la moyenne. Ce n’est pas une anomalie statistique, mais un schéma répétable et documenté de comportement d’initié opérant au grand jour.
Signaux de troupeau et alertes prédictives de markup
Au-delà du Signal Triple, GovGreed suit ce qu’il appelle des « signaux de troupeau », qui se déclenchent lorsque trois politiciens ou plus achètent indépendamment la même action. La plateforme suit actuellement 31 troupeaux actifs, chacun interprété comme un indicateur potentiel d’un accès partagé à des informations législatives non publiques.
La plateforme surveille également les sept étapes du processus législatif. L’étape de markup, lorsque une commission fait officiellement avancer un projet de loi, est identifiée comme le moment critique où les transactions informées par des initiés se produisent le plus fréquemment. GovGreed déclenche des alertes prédictives jusqu’à sept jours avant les événements de markup, donnant aux abonnés le temps d’agir avant même qu’une déclaration selon la loi STOCK Act n’existe.
Lors d’un rétrotest du premier trimestre 2026, neuf de ces prédictions ont été générées avec un taux de réussite de 100 %. Il s’agissait de vraies transactions congressionnelles prédites avant que la déclaration officielle ne soit déposée.
Les politiciens profilés par GovGreed
GovGreed crée des profils comportementaux détaillés pour chaque politicien suivi en utilisant une combinaison de 70 caractéristiques par individu, une analyse générée par des modèles de langage et une métrique propriétaire appelée « Indice de Cupidité ». Parmi les figures les plus notables révélées par la plateforme figurent Nancy Pelosi, dont le portefeuille estimé s’élève à 194 millions de dollars avec un score de Cupidité de 98,1 sur 100. Ro Khanna mène en volume de transactions brutes avec 48 257 transactions sur plus de 1 300 actions. Michael McCaul a déclaré 6 670 de ses 32 302 transactions en retard, tandis que Thomas Suozzi a déclaré 86,4 % de ses transactions en retard avec un retard moyen de 396 jours, ce qui signifie que les déclarations arrivaient plus d’un an après que les transactions aient eu lieu.
Il ne s’agit pas de députés obscurs. Ce sont des présidents de commission, des dirigeants de parti et des législateurs seniors qui écrivent les très réglementations qui régissent les marchés sur lesquels ils effectuent activement des transactions.
L’Index de Passage des Projets de Loi : Prédire la législation comme un marché
L’une des fonctionnalités les plus sophistiquées techniquement de GovGreed est son Index de Passage des Projets de Loi, un modèle de deep learning formé sur 37 132 projets de loi avec des résultats connus. Le modèle atteint un score AUC de 0,74, ce qui signifie que ses estimations de probabilité sont bien calibrées et vérifiables. Lorsque le modèle attribue une probabilité de passage de 30 % à un projet de loi, environ 30 % de ces projets de loi sont effectivement adoptés. La méthodologie est publiée et ouverte à la révision.
Cela compte énormément pour le contexte. Un projet de loi en attente, par exemple, pourrait montrer une probabilité de passage de 62 % selon le modèle. Si un initié de la commission a acheté pour 480 000 $ d’actions concernées onze jours avant un markup sur ce même projet de loi, l’Index de Passage des Projets de Loi transforme cette transaction d’une coïncidence suspecte en un signal mesurable et noté. GovGreed identifie ces situations en temps réel.
Pourquoi le trading d’initiés au Congrès persiste
La loi STOCK Act a été adoptée en 2012 spécifiquement pour interdire aux membres du Congrès de trader sur la base d’informations législatives non publiques. En pratique, son mécanisme d’application est une amende de 200 $. Il n’y a eu zéro poursuite en treize ans depuis l’adoption de la loi.
Un projet de loi bipartisan pour interdire purement et simplement le trading d’actions par le Congrès a été introduit en janvier 2026. Il bénéficie du soutien de plus de 80 % des électeurs américains. Il reste bloqué en commission, contrôlée par les mêmes législateurs qui profitent le plus du statu quo. Les personnes qui devraient voter oui sont les mêmes qui bénéficient le plus d’un vote non.
GovGreed n’a pas découvert d’informations que le Congrès cachait. Les données sont techniquement publiques, réparties dans les bases de données de la loi STOCK Act, les dépôts de la SEC, les registres de la FEC et Congress.gov. Ce que GovGreed a fait, c’est organiser ces informations publiques en schémas si clairs et cohérents que le comportement qu’ils décrivent ne peut plus être nié ou ignoré.
À qui s’adresse GovGreed ?
La plateforme sert plusieurs publics distincts. Les investisseurs particuliers l’utilisent pour suivre quelles actions attirent l’intérêt législatif des initiés avant les grands mouvements de marché. Les journalistes et chercheurs utilisent ses exports de données vérifiées et son portail de presse pour construire des rapports de responsabilité. Les défenseurs des politiques l’utilisent pour démontrer, avec précision, l’ampleur du problème de conflit d’intérêts au Congrès.
GovGreed propose un niveau gratuit avec dix requêtes IA par jour et un accès aux niveaux de signaux de base. Son forfait Founders, actuellement au prix de 24,50 $ par mois, inclut un accès complet à la pile de notation IA, 819+ prédictions actives, des alertes de markup de commission avec un préavis de sept jours, un chat IA illimité alimenté par Claude Sonnet avec un accès complet à la base de données, et un portefeuille de trading virtuel de 100 000 $ utilisant les prix en temps réel d’Alpaca. Toutes les fonctionnalités futures sont incluses sans frais supplémentaires.
Conclusion : La responsabilité nécessite la transparence
GovGreed représente une nouvelle catégorie de technologie civique, une qui transforme les données gouvernementales publiques en quelque chose d’actionnable, de lisible et d’impossible à ignorer. La plateforme n’allègue pas de corruption. Elle note des comportements. Et lorsque 56 % des achats d’actions du Congrès impliquent des entreprises dont le sort sera décidé par le vote de l’acheteur, les scores parlent d’eux-mêmes.
Si vous pensez que les personnes qui écrivent les lois de l’Amérique ne devraient pas profiter de connaissances internes sur ces mêmes lois, la chose la plus puissante que vous puissiez faire maintenant est de comprendre le système en détail. Visitez GovGreed.com, effectuez une vérification gratuite des conflits d’intérêts sur vos propres représentants, et voyez par vous-même ce que montrent les données. Les preuves sont déjà publiques. GovGreed les rend simplement lisibles.
Regis Vansnick est un expert reconnu qui possède une vaste expérience à la croisée de la technologie, des affaires et de l’innovation. Sa carrière professionnelle se caractérise par une compréhension approfondie de la transformation numérique et de la gestion stratégique.
