Conclusion
==========

Ce projet a démontré la faisabilité l'efficacité d'une approche hybride pour la prédiction du prix du Bitcoin en combinant modèles de Deep learning, les données macro-économiques et l'information issue des réseaux sociaux avec des résultats satisfaisant. Il a établi une base solide pour la prédiction du prix des cryptomonnaies à court terme. Les résultats obtenus démontrent que :

- Les architectures hybrides **CNN-LSTM** surpassent significativement les approches traditionnelles
- L'optimisation systématique via **Optuna** est cruciale pour les modèles temporels complexes
- La **précision directionnelle** ~ 70% a une valeur opérationnelle réelle pour les traders.

Cependant une grande marge d'amélioration existe avec l'intégration de données plus spécifiques et pouvant apporter une réelle amélioration comme les **tweets** ou l'activité des **comptes baleines**.