Petit journal pour signaler un ensemble de bibliothèques libres que je maintiens et un jeu de données ouvert qui va avec. Je précise d'emblée le contexte : la société derrière le projet (Bet Better, Melbourne) travaille sur les marchés de paris sportifs. Ce journal ne parle ni de pronostics ni de promotion, uniquement de code libre et de données ouvertes ; si le sujet vous rebute, passez votre chemin.
Ce qui est libre
Une API JSON publique, sans clé ni inscription, sert des estimations de modèles sportifs : probabilités de victoire, scores projetés, classements par cote de force. Pour l'interroger, des clients sous licence MIT existent en Python, R, Java, JavaScript, Go, Rust, Ruby, PHP, .NET, Julia, D, Racket et Clojure. Le client Python n'a aucune dépendance :
pip install betbetter import betbetter
feed = betbetter.get_picks("nba")
print(feed["picks"][0]["modelProbabilityPct"])
Le code est publié sur les registres habituels (PyPI, npm, Maven Central, pkg.go.dev, Packagist, RubyGems, NuGet, DUB, Clojars, le catalogue Racket) et les dépôts Python, D et Racket sont sur GitLab (groupe betbetterworld) ; la documentation du client Python est hébergée sur Read the Docs. Les fonctions renvoient des dictionnaires et des listes, rien d'autre.
Le jeu de données
Ce qui m'a semblé le plus intéressant pour les lecteurs de LinuxFr est le fichier ouvert qui accompagne tout ça : un indice quotidien des marges des bookmakers. Chaque jour, par type de marché, le fichier public donne la marge moyenne et médiane ainsi que le nombre de bookmakers et de marchés mesurés ; une version détaillée par compétition (38 compétitions dans 10 familles de sports, avec minimum et maximum) est déposée sur B2SHARE et data.gouv.fr. Aucune cote brute, aucun nom de bookmaker : des statistiques agrégées uniquement, sous licence CC BY 4.0.
La marge, pour mémoire, c'est ce qui dépasse 100 % quand on additionne les probabilités implicites de toutes les issues d'un marché. Deux cotes de 1,91 donnent 1/1,91 + 1/1,91 = 104,7 %, soit une marge de 4,7 %. Sur la période juillet-septembre 2026, la marge moyenne va d'environ 4,8 % sur un résultat de match à deux issues à environ 7,7 % sur les marchés joueurs. Les marchés à trois issues (victoire, nul, défaite) sont structurellement plus chers que ceux à deux issues.
Le fichier est un CSV UTF-8 avec en-tête, les lignes de commentaire commencent par # :
curl -s "https://betbetter.world/studies/margin-index?format=csv" | grep -v '^#' | head -3 Il se lit tel quel avec pandas (comment="#"), data.table ou un simple awk.
Pourquoi je le partage ici
Parce que les données de prix sur ces marchés sont d'ordinaire fermées ou payantes, et qu'un fichier agrégé, régulier et sous licence libre permet d'enseigner les statistiques descriptives et les séries temporelles sur un cas concret. Une étude compagne, également ouverte, vérifie la calibration des prix sur 18 238 marchés réglés ; son jeu de données pédagogique est aussi en CC BY.
whatsnewt est un package Python proposant une interface en mode texte (TUI) présentant les nouveautés de Python 3.15 sous la forme d’une aventure interactive. L’outil permet aux développeurs d’explorer les changements de la prochaine version de Python de manière ludique, directement depuis le terminal.
PrettyTable est une bibliothèque Python permettant d’afficher des données tabulaires sous forme de tableaux ASCII lisibles et soignés. Elle prend en charge l’ajout de données ligne par ligne, colonne par colonne, ou l’import direct depuis un fichier CSV ou un curseur de base de données. Un outil pratique pour formater des sorties console dans des scripts ou outils en ligne de commande.
Je te présente Morpheus AI Agent, un petit projet que je viens de publier sous licence MIT : un assistant de programmation dans le terminal, à la manière de Claude Code, mais pensé d'abord pour les modèles locaux (Ollama, llama.cpp) et entièrement en français.
J'ai une machine avec pas mal de mémoire unifiée et je voulais un agent de code qui tourne chez moi, sans envoyer mon code ailleurs. Les outils existants sont souvent en anglais, lourds à installer, ou supposent un modèle aussi fiable que les gros modèles commerciaux. Or un modèle local, même bon, invente des noms d'outils, oublie des paramètres, écrit ses appels d'outils en texte au lieu de les appeler, ou affirme avoir fini sans rien avoir modifié.
Morpheus compense tout cela dans le code plutôt que dans le prompt : alias de noms d'outils et de paramètres, lecture des appels écrits en XML, en JSON ou en pseudo-code, relance quand le modèle dit « c'est fait » sans avoir touché un fichier, blocage des appels répétés en boucle.
Ce qu'il fait
Il lit les fichiers, les modifie, lance des commandes, cherche sur le web, tient une liste de tâches.
Chaque action est montrée avant d'être faite : un diff pour une modification, la commande complète pour bash, avec une validation oui / non / toujours. /annuler défait la dernière demande.
Plusieurs modes : Chat (lecture seule, par défaut), Développeur (modifications validées), Plan (explorer et proposer sans toucher), Auto (activé à la main, il laisse passer les modifications dans le projet et les commandes jugées sûres).
Une interface web (morpheus --web) : chat en direct, volet de code et de diff, projets et conversations, invités ayant chacun leur espace.
Un bot Telegram personnel, avec des boutons de validation, pour lancer une tâche depuis son téléphone.
Il peut aussi piloter Claude Code ou les modèles cloud d'Ollama, en gardant ses propres règles de validation.
Les choix techniques
Un seul fichier, zéro dépendance : morpheus.py (environ 6 000 lignes), uniquement la bibliothèque standard de Python 3.10+. Pas de pip install, pas d'environnement virtuel : un git clone et un alias suffisent.
La sécurité d'abord : sudo, su, mkfs, rm -rf /… sont toujours refusés. L'écriture de fichier par bash (cat >, sed -i, heredoc) est refusée pour obliger le modèle à passer par les outils d'édition, avec aperçu et possibilité d'annuler. Chaque morceau d'une commande chaînée est vérifié séparément, pour qu'un « toujours » accordé à cd ne couvre pas un rm qui suit. Une commande arrêtée l'est avec tout son groupe de processus.
Des tests sans vrai modèle : un faux serveur rejoue des réponses écrites à l'avance. On peut donc vérifier le comportement face à un modèle qui se trompe, sans GPU.
Il faut Linux, Python 3.10 ou plus, et Ollama avec un modèle de code (par exemple kimi-k2.7-code:cloud ou qwen3-coder ou n'importe quel autre modèle agentique).
Avertissement honnête
Morpheus agit avec les droits de ton compte : ce n'est pas un bac à sable, relis ce qu'il propose avant de valider. L'interface web est en HTTP simple, protégée par un jeton : à réserver à un réseau de confiance.
Je ne suis pas développeur de métier, et une bonne partie du code a été écrite avec l'aide d'une IA : je le dis franchement. Tous les retours m'intéressent, les critiques comprises : essais avec d'autres modèles locaux, bugs, idées, ou avis sur les règles de sécurité.
Cela faisait quelques années que l’AFPy lorgnait sur le nom de domaine `python.fr`. Il y a 15 jours celui-ci s’est retrouvé aux enchères. Certains membres de la communautés ont voulu le récupérer, et un appel interne aux dons s’est rapidement organisé.
De ce fait, la bonne nouvelle, on a récupéré python.fr
Maintenant, se pose la question de quoi en faire ?
Sur ceux on voulait vous proposer de nous donner des idées.
Pour le moment un site temporaire a été développés.
Vous pouvez en discutez ici, et le second message de ce sujet est en mode wiki. Vous pouvez le modifier comme vous le souhaitez et y ajouter des idées.
Je suis Haron Merzaie, cofondateur et CEO de dataHabibi, une plateforme de recherche immobilière à Dubai. Avec Ibrahim, nous travaillons sur les prix par immeuble, les rendements locatifs, les prévisions de prix et les transactions officielles du Dubai Land Department.
Une pile orientée données
Notre interface utilise Next.js 16, React 19 et TypeScript, avec Tailwind CSS 4 et Radix UI. Les cartes sont réalisées avec MapLibre GL. Supabase et PostgreSQL servent aux données et à l’authentification. La chaîne de traitement des données est en Python : pandas, NumPy, Polars, PyArrow, Shapely et pyproj. Nous avons également une application iOS en Expo et React Native, et le service passe par Cloudflare.
Lire les chiffres avec leur contexte
Un prix par immeuble, une transaction enregistrée et une prévision ne répondent pas à la même question. Il faut distinguer ce qui a été observé de ce qui est estimé. De même, un rendement locatif brut ne représente pas un rendement net après les dépenses : il ne suffit pas, à lui seul, pour juger un investissement.
Cette distinction est aussi utile dans une interface cartographique : comparer des communautés et consulter un immeuble sont deux niveaux de lecture différents. Le but de notre plateforme est de rendre ces informations consultables au niveau des tours, des projets et des communautés de Dubai.
Le projet : dataHabibi. Je présente ici notre travail en tant que cofondateur ; ce journal n’est pas un conseil d’investissement.