Le lac de données

Le lac répond à une question et à une seule : quelle donnée exacte a produit ce résultat ? Si la réponse manque, le résultat n'est pas reproductible, quelle que soit la qualité du code qui l'a produit.

Quatre étages, quatre règles

Étage	Ce qu'il porte	La règle
raw	la réponse de la source, octet pour octet	immuable, jamais corrigée, jamais écrasée
bronze	le même contenu, parsé et typé	aucune décision financière
silver	la donnée propre	toute décision méthodologique est tracée
gold	les jeux consommables	pas de manifeste, pas de chargement

Le raisonnement complet vit dans ADR-005.

Le manifeste

Chaque jeu porte un manifeste, écrit sous metadata/manifests/. Vingt-trois champs, dont ceux qui décident vraiment :

Champ	Pourquoi il compte
download_timestamp	Yahoo recalcule ses prix ajustés à chaque dividende, donc la même requête rend des valeurs différentes à six mois d'écart
adjusted	un prix ajusté et un prix brut ne se comparent pas
point_in_time	seul un jeu point-in-time peut alimenter un backtest fondamental
survivorship_free	vaut True, False ou None, et None signifie « non vérifié », jamais « probablement bon »
corporate_actions	dit ce qui a été traité, et donc ce qui ne l'a pas été
revision_policy	dit si la source réécrit son passé
checksum_sha256	permet de prouver qu'un fichier n'a pas bougé
parent_datasets	reconstruit la lignée, d'un jeu gold jusqu'au fichier brut

Un jeu sans manifeste ne se charge pas en gold. write_table lève ProvenanceError.

Les sources retenues, et leur état mesuré

Toutes les vérifications ci-dessous datent du 2026-09-01, avec un en-tête d'identification HTTP.

Source	Ce qu'elle donne	État mesuré	Point-in-time
Yahoo (yfinance 1.7.0)	OHLCV quotidien, FNB, actions	disponible	non
SEC EDGAR (data.sec.gov)	dépôts, XBRL, horodatages	200, contre 403 le 2026-08-29	oui, par les dates de dépôt
FRED	séries macro	200, export CSV sans clé	non
ALFRED	millésimes des séries macro	200	oui
Ken French	facteurs MKT, SMB, HML, RMW, CMA, MOM	200, fichier quotidien à 177 852 octets	non
AQR	jeux BAB, QMJ, valeur et momentum	200	non
Open Source Asset Pricing	plusieurs centaines de caractéristiques documentées	dépôt accessible	variable

Le cas de la SEC mérite une note. Le 2026-08-29, tout le domaine sec.gov répondait 403 « Request Rate Threshold Exceeded » depuis cet environnement, y compris data.sec.gov, sur sept relances en vingt minutes. Le 2026-09-01, les trois points d'entrée testés répondent 200 avec le même en-tête. Le blocage était donc un débit, pas une politique, et la conclusion pratique est de respecter la limite de dix requêtes par seconde annoncée par la SEC plutôt que de conclure à une indisponibilité.

Ce que le lac ne peut pas donner

Les limites des sources gratuites sont réelles, connues et écrites : limites des données gratuites. Elles ne sont jamais cachées derrière une approximation.