L'outil qui n'existait pas — construire son propre dashboard d'analyse de cycle Bitcoin

Tout commence par une curiosité. La crypto-monnaie comme classe d’actifs intrigue par sa volatilité, son fonctionnement on-chain transparent, ses cycles présumés d’environ quatre ans qui suivent le rythme des halvings Bitcoin. En voulant en savoir plus, en explorant les indicateurs que les analystes mobilisent — MVRV, NUPL, SOPR, sentiment, levier — un constat s’impose vite : aucun outil gratuit ne les synthétise dans une vue unique. Glassnode est puissant mais payant à partir de ~30 €/mois. Les agrégateurs gratuits ne montrent qu’un ou deux indicateurs à la fois, sans pondération composite, sans contexte narratif. Alors j’en ai construit un.

CryptoCycleMonitor est un dashboard public, gratuit, sans inscription, qui agrège sept indicateurs on-chain et techniques en un score composite unique, accompagné d’une synthèse hebdomadaire en langage naturel rédigée par Claude Haiku. C’est un projet personnel, exposé librement parce qu’il n’a pas vocation à devenir un produit commercial — mais le travail technique sous-jacent illustre bien ce qu’on peut bâtir en autonomie sur une stack moderne, avec une intégration IA dosée intelligemment.

Le contexte — qu’est-ce qu’un « cycle Bitcoin »

Bitcoin a un événement programmé tous les ~4 ans appelé halving, qui divise par deux la récompense des mineurs. Empiriquement, depuis 2012, les cycles de prix de Bitcoin ont semblé corréler avec ces halvings : creux historiques avant chaque halving, sommet historique 12 à 18 mois après. Trois cycles complets observables à ce stade (2012, 2016, 2020), un quatrième cycle en cours depuis le halving d’avril 2024.

Les analystes on-chain ont développé au fil des années des indicateurs spécifiques à Bitcoin qui exploitent la transparence du registre public : on peut savoir à quel prix moyen chaque BTC a été acquis, combien de BTC sont actuellement en profit latent, à quel rythme les détenteurs déplacent leur position, etc. Croisés avec des indicateurs techniques classiques (RSI, moyennes mobiles) et des proxys de sentiment (Fear & Greed Index, taux de financement des futures), ces signaux donnent une lecture macro de l’état du cycle.

Aucun de ces indicateurs n’est un signal d’achat ou de vente. Ce sont des observables — comme un thermomètre n’est pas une consigne de chauffage.

Le manque dans l’écosystème existant

L’écosystème des outils on-chain est dominé par deux types d’offres :

Plateformes professionnelles payantes (Glassnode, CryptoQuant, IntoTheBlock). Profondes, riches, fiables, mais à partir de 30 € à 60 € par mois pour accéder aux indicateurs intéressants. Adapté à un usage professionnel, surdimensionné pour une lecture occasionnelle.
Dashboards gratuits cloisonnés. Chaque site ne montre qu’un ou deux indicateurs à la fois, souvent sans contexte historique, sans normalisation comparative, sans agrégation. Pour avoir une vue d’ensemble, il faut ouvrir cinq onglets et faire la synthèse mentalement.

Le manque est donc précis : un dashboard gratuit, accessible sans inscription, qui agrège plusieurs indicateurs en un score unique, avec une lecture narrative en français. C’est cet espace que CryptoCycleMonitor occupe.

L’architecture technique

Stack délibérément moderne et frugale :

Next.js 14+ (App Router) pour le rendu et l’API routes
PostgreSQL hébergé sur Neon (free tier — suffisant pour stocker l’historique des scores composites et les snapshots quotidiens d’indicateurs)
NextAuth v5 pour l’authentification (prêt pour les futures fonctionnalités utilisateur, désactivé pour la lecture publique du dashboard)
Anthropic API + Claude Haiku pour les synthèses hebdomadaires
Vercel pour l’hébergement et les cron jobs (collecte quotidienne des indicateurs, génération hebdomadaire de la synthèse)

L’ensemble tient sur les free tiers Vercel + Neon, plus quelques centimes d’API Anthropic par mois. Le coût total d’exploitation est inférieur à 1 € mensuel — ce qui rend le projet durable sans modèle économique.

Les 7 indicateurs et leurs sources

Indicateur	Ce que ça mesure	Source
MVRV Z-Score	Écart entre market cap et realized cap, normalisé par l’écart-type historique. Signal de sur/sous-évaluation extrême	BGeometrics (gratuit)
NUPL	Net Unrealized Profit/Loss — % des détenteurs en profit latent. > 0,75 = euphorie, < 0 = capitulation	BGeometrics (gratuit)
SOPR	Ratio prix de vente / prix d’achat des UTXOs dépensés — mesure si les détenteurs vendent en profit ou en perte	BGeometrics (gratuit)
RSI Weekly	Momentum prix sur 14 semaines (formule Wilder). Calculé localement à partir des prix CoinGecko	CoinGecko + calcul local
Fear & Greed Index	Index sentiment 0–100 agrégeant volatilité, volume, social, dominance	alternative.me (gratuit)
Funding Rate	Taux de financement des futures perpétuelles Binance. Proxy du levier et du sentiment directionnel des traders	Binance API (gratuit)
Distance à l’ATH	Écart en pourcentage entre le prix courant et le sommet historique du cycle précédent	CoinGecko + calcul local

Deux indicateurs complémentaires sont également affichés sur le dashboard sans entrer dans le score composite : Realized Price (prix moyen d’acquisition de tout le BTC en circulation, support on-chain fondamental) et Pi Cycle Top (croisement 111 DMA / 2×350 DMA, signal historique de sommet).

Le talon d’Achille du stack

BGeometrics est un projet indépendant qui réexpose gratuitement des métriques équivalentes à celles de Glassnode. C’est ce qui rend le dashboard économiquement viable. Mais :

Quota de 15 requêtes par jour, ce qui impose une stratégie de mise en cache stricte côté serveur
Pas de garantie de SLA — si le projet ferme demain, il faudra trouver une alternative ou basculer sur du payant

Cette dépendance est documentée explicitement parce qu’elle est consubstantielle au projet. Construire sur des fondations gratuites tierces, c’est accepter un risque de continuité — l’alternative étant un projet qui coûterait 30 € par mois à exploiter, ce qui contredit la promesse “gratuit, accessible”.

Le score composite — calcul et zones

Pondération fixe

Chaque indicateur contribue au score final selon une pondération définie a priori :

Indicateur	Pondération
MVRV Z-Score	25 %
NUPL	20 %
SOPR	15 %
Fear & Greed	15 %
RSI Weekly	10 %
Funding Rate	10 %
Distance à l’ATH	5 %
Total	100 %

Les indicateurs on-chain (MVRV, NUPL, SOPR) reçoivent les pondérations les plus élevées parce qu’ils mesurent l’état réel des détenteurs et non une perception. Le sentiment et le levier (Fear & Greed, Funding Rate) sont des signaux plus volatils, à pondération moyenne. La distance à l’ATH est un indicateur secondaire de contexte, pas un déclencheur — d’où sa pondération basse.

Normalisation par seuils empiriques

Chaque indicateur brut est normalisé sur l’échelle [0, 100] via des seuils empiriques calés sur les cycles 2017, 2019 et 2021. Exemple pour le MVRV Z-Score :

Valeur ≤ 0 → score 100 (fond de cycle)
Valeur ≥ 7 → score 0 (sommet historique extrême)
Interpolation linéaire entre les deux bornes

Le même principe s’applique aux six autres indicateurs, avec des seuils propres à chacun.

Les 5 zones de cycle

Le score composite final tombe dans l’une des cinq zones suivantes :

0–25 → Bottom (zone de capitulation, historiquement zone d’accumulation longue durée)
25–45 → Accumulation (sortie de capitulation, conditions favorables)
45–65 → Bull Early (cycle haussier en phase de continuation)
65–80 → Bull Mature (cycle haussier avancé, prudence)
80–100 → Distribution (zone d’euphorie, signaux de sommet)

Claude Haiku — le rôle de l’IA

Une fois les sept indicateurs collectés et le score composite calculé, Claude Haiku est appelé pour générer une synthèse éditoriale hebdomadaire de 200 à 300 mots. Le prompt injecte :

Les sept indicateurs de la semaine (valeurs brutes + scores normalisés)
La zone courante du cycle
Optionnellement, les valeurs de la semaine précédente pour évoquer les évolutions

La sortie est une lecture en langage naturel qui contextualise les chiffres : « le NUPL à 0,62 signale une phase de bull mature, le funding rate reste modéré ce qui suggère un levier non excessif, divergence à surveiller sur le RSI weekly… ». Le ton est analytique mais prudent — sans affirmation directionnelle forte.

Pas de signal buy / sell — un choix éditorial

Le système ne génère jamais de recommandation explicite d’achat ou de vente. C’est une décision délibérée, pour deux raisons :

Honnêteté méthodologique. Trois cycles complets observables ne suffisent pas à valider statistiquement un système de signaux. Toute affirmation directionnelle serait une projection abusive sur des données limitées.
Responsabilité. Un outil public qui dirait « vendez maintenant » prendrait une responsabilité qu’aucune méthodologie déclarée ne peut soutenir. Le footer affiche explicitement « Pas de conseil financier » — c’est cohérent avec le contenu réellement publié.

Coût d’exploitation Claude Haiku

1 appel par semaine × 4 semaines = 4 appels par mois
Prompt système + indicateurs ≈ 800 tokens en entrée
Synthèse générée ≈ 400 tokens en sortie
Tarif Haiku : 0,80 $/M de tokens en entrée, 4 $/M en sortie
Coût mensuel : ~0,009 $ — un centime, négligeable

Même avec un cache de 7 jours qui s’invalide à chaque recalcul, on reste sous 0,05 $ mensuel. À cette échelle de coût, la question d’optimisation n’a pas de sens.

Pourquoi Haiku plutôt que Sonnet ou Opus

Pour de la mise en forme narrative de données structurées, Haiku est amplement suffisant. Le modèle reçoit des chiffres bien organisés et doit en faire une prose claire — c’est exactement la tâche pour laquelle il a été calibré.

Sonnet apporterait une meilleure nuance analytique. Mais le gain ne justifie pas le coût ×15. Si un jour il fallait que l’IA interprète des divergences entre indicateurs (par exemple : « MVRV haussier mais funding rate négatif — signal contradictoire, que faut-il en penser ? ») avec un raisonnement plus fin, Sonnet deviendrait pertinent. À ce stade, ce n’est pas le besoin.

Les limites assumées

Cette section existe parce que sans elle, le dossier serait du marketing déguisé. Quatre limites méritent d’être posées explicitement :

1. La pondération fixe est une convention raisonnée, pas une calibration statistique. Personne ne peut backtester proprement un système composite sur 2-3 cycles complets avec des données on-chain propres et homogènes — l’écosystème de mesure on-chain n’existait pas avant 2015. La pondération actuelle reflète une intuition raisonnée par la lecture de la littérature on-chain, pas une optimisation algorithmique.

2. Les seuils de normalisation sont des approximations. Quand on dit « MVRV Z-Score de 7 = sommet historique », c’est basé sur les maxima observés sur trois cycles. Le quatrième cycle peut très bien dépasser cette borne — auquel cas le score composite saturera à 0 ou 100 sans capturer la réalité de l’extrême.

3. La pondération adaptative serait plus honnête. Sur-pondérer SOPR en phase de distribution (parce qu’il réagit plus vite que MVRV en sommet), sur-pondérer NUPL en bottom (parce qu’il identifie mieux la capitulation extrême), serait intellectuellement plus juste. Mais cela introduit une complexité de maintenance importante pour un gain marginal sur un outil personnel. Pour une décision long terme par cycle, la pondération fixe est suffisante.

4. Le talon d’Achille du fournisseur de données. BGeometrics est gratuit et excellent, mais sans SLA. Si demain l’API ferme, il faudra basculer sur du payant ou abandonner certains indicateurs.

Ces limites ne sont pas des faiblesses cachées — elles sont publiées dans la documentation du projet. C’est ce qui distingue un outil sérieux d’un produit marketing.

Leçons à reprendre

1. Quand l’outil n’existe pas, le construire est souvent plus rapide qu’on ne croit. Le coût d’exploitation total de ce dashboard est inférieur à 1 € par mois. L’effort de construction tient en quelques semaines de travail bien cadré. Il y a un sweet spot, en 2026, entre « services payants existants » et « je le code moi-même » qui s’est massivement déplacé vers le second grâce à la combinaison Next.js + APIs gratuites + IA hébergée. Beaucoup d’outils SaaS spécialisés à 30 €/mois sont devenus reproductibles en autonomie pour qui sait coder — sans bénéfice direct, mais avec une compréhension fine du domaine.

2. L’IA en production se calibre par sa modestie, pas par sa puissance. Le réflexe est d’utiliser le modèle le plus puissant disponible. Pour ce dashboard, c’est l’inverse qui s’impose : Haiku suffit, donc Haiku est le bon choix. Avant de prendre Sonnet ou Opus, il faut une raison spécifique — divergences, raisonnement multi-étape, ambiguïté élevée. Sans raison spécifique, on paie 15 fois plus cher pour un gain perceptuel négligeable. Cette discipline économique est cruciale quand on intègre l’IA en production sur des projets à forte volumétrie d’appels.

3. L’honnêteté méthodologique vaut mieux que les promesses. L’écosystème crypto regorge d’outils qui prétendent prédire, signaler, anticiper. Sur trois cycles observables, aucune méthode ne peut prétendre à la validité statistique. La discipline de ne pas générer de signal buy/sell, d’afficher clairement « pas de conseil financier », de documenter les limites de la pondération, n’est pas une coquetterie — c’est ce qui rend l’outil utilisable sans danger pour son auteur ni pour ses utilisateurs. Le même principe vaut pour tout outil d’analyse intégrant de l’IA : ce qui n’est pas démontrable ne doit pas être affirmé.