API de données économiques pour agents IA : FRED, BLS, Banque mondiale et IMF en un seul appel
L'API de FRED est excellente — et centrée sur les États-Unis, pilotée par identifiants de séries, et l'une des nombreuses sources macro dont vous finirez par avoir besoin. Voici un endpoint de données économiques qui fusionne FRED, BLS, Banque mondiale et IMF derrière un seul appel en langage naturel pour des agents conscients de la macro.
L'essentiel
- •Le contexte macro est la couche que la plupart des agents IA sautent — et la raison pour laquelle leurs réponses financières paraissent naïves. Taux, inflation, emploi et PIB encadrent chaque thèse.
- •FRED est la référence absolue pour les séries américaines mais vous interrogez par identifiants de séries cryptiques ; la couverture mondiale, le détail du marché du travail et les données inter-pays de l'IMF vivent dans des API séparées (Banque mondiale, BLS, IMF).
- •Economic Data Search d'API Pick fusionne FRED, BLS, Banque mondiale, IMF, USAspending et Destatis derrière un seul endpoint POST — 50 crédits/appel, au succès uniquement — interrogeable en langage naturel.
- •Le gain pour les agents : demander « taux de chômage américain sur deux ans » ou « PIB par habitant de l'Inde selon la Banque mondiale » sans apprendre le schéma d'identifiants et l'authentification de chaque fournisseur.
- •Couplez Economic avec Markets et News pour ancrer un agent de commentaire de portefeuille ou de briefing macro.
La couche que les agents sautent
Demandez à un agent IA si une action est attractive et il répondra volontiers sans une seule fois considérer les taux d'intérêt. C'est le signe d'un agent non ancré. La macro — taux, inflation, emploi, PIB, le cycle — est le cadre dans lequel s'inscrit chaque thèse financière, et c'est la couche de données que la plupart des agents ne câblent jamais.
FRED est excellente, et insuffisante
L'API FRED de la Fed de Saint-Louis est la référence absolue pour les séries macro américaines — complète, fiable, gratuite. Deux choses la rendent malcommode comme seule source macro d'un agent. Premièrement, vous interrogez par identifiant de série (UNRATE, CPIAUCSL, GDP…), donc un modèle doit connaître ou rechercher le bon code. Deuxièmement, elle est centrée sur les États-Unis : les indicateurs de développement mondiaux vivent dans l'API de la Banque mondiale, les données de travail granulaires dans le BLS, et les données macro/financières inter-pays dans celle de l'IMF — chacune avec sa propre authentification et son propre format de réponse.
Fusionné, en langage naturel
Economic Data Search fusionne FRED, BLS, Banque mondiale, IMF, USAspending et Destatis derrière un seul endpoint POST — 50 crédits par appel, au succès uniquement — et vous l'interrogez comme un agent pense :
import httpx, os
API, HEADERS = "https://api.apipick.com/v1", {"x-api-key": os.environ["APIPICK_KEY"]}
def economic(query: str):
return httpx.post(f"{API}/search/economic", headers=HEADERS,
json={"query": query}).json()["results"]
economic("US unemployment rate over the past two years")
economic("IMF inflation forecast for the eurozone")
economic("World Bank GDP per capita for India") # no series IDs to memorizeFRED en direct vs. fusionné
| API FRED en direct | API Pick Economic | |
|---|---|---|
| Couverture | Séries US (profonde) | FRED + BLS + Banque mondiale + IMF + USAspending + Destatis |
| Requête | Par identifiant de série | Langage naturel |
| Géographie | Centrée US | US + mondial |
| Fournisseurs à câbler | 1 (plus les autres séparément) | 1 |
| Facturation | Gratuit (US uniquement) | 50 crédits/appel, au succès uniquement |
Pour des séries temporelles américaines profondes à grande échelle, FRED en direct reste idéale. Pour un agent qui doit raisonner à travers les indicateurs américains et mondiaux sans apprendre le schéma d'identifiants de chaque fournisseur, l'endpoint fusionné est le build le plus rapide.
Agents conscients de la macro
Combinez Economic avec Markets Search et News Search pour un commentaire de portefeuille qui tient compte du cycle, ou un agent de briefing macro matinal. C'est aussi le pilier macro de l'agent de recherche d'investissement. Une seule clé, des requêtes en langage naturel, au succès uniquement. Commencez gratuitement avec 100 crédits, sans carte.
Questions fréquentes
Pourquoi ne pas simplement utiliser l'API FRED directement ?
FRED est superbe pour les séries macro américaines et mérite d'être utilisée directement si c'est tout ce dont vous avez besoin. Deux frictions pour les agents : vous interrogez par identifiants de séries exacts (UNRATE, CPIAUCSL, GDP…), qu'un modèle doit connaître ou rechercher ; et FRED est centrée sur les États-Unis, donc les indicateurs mondiaux (Banque mondiale), les données de travail granulaires (BLS) et les données macro/financières inter-pays (IMF) vivent dans d'autres API avec leur propre authentification et leur propre format. Un endpoint fusionné en langage naturel supprime la recherche d'identifiants de séries et l'assemblage multi-fournisseurs.
Quelles sources sont fusionnées, et est-ce limité aux États-Unis ?
FRED (données économiques de la Réserve fédérale américaine), le Bureau of Labor Statistics américain, les indicateurs de développement de la Banque mondiale, les indicateurs macro et financiers de l'IMF, les dépenses fédérales américaines (USAspending) et les statistiques du travail allemandes (Destatis). Cela couvre donc la macro américaine et mondiale — pas seulement les États-Unis — interrogée en parallèle derrière un seul endpoint.
Puis-je obtenir une série spécifique ou seulement des résumés ?
Passez un nom de série ou une requête en langage naturel (« taux de chômage américain 2024 », « prévision d'inflation de l'IMF pour la zone euro », « PIB par habitant de l'Inde selon la Banque mondiale ») et l'endpoint classe les enregistrements les plus pertinents. Pour des séries temporelles longues et exactes à grande échelle, FRED en direct reste l'outil ; pour un agent qui raisonne sur des indicateurs, l'endpoint sémantique est plus rapide à câbler.
Comment les données macro améliorent-elles un agent finance ?
Elles fournissent la toile de fond. « Cette action est-elle bon marché » dépend des taux ; « ce secteur est-il attractif » dépend du cycle. Sans la macro, un agent raisonne dans le vide et produit des avis assurés et hors contexte. Injecter les taux, l'inflation et l'emploi actuels dans le prompt ancre la synthèse dans l'environnement où l'entreprise opère réellement.
La sortie est-elle un conseil ?
Non. Ce sont des données économiques publiques pour la recherche et l'ancrage d'agents — purement informatives, pas un conseil financier ni politique.
APIs utilisées dans cet article
Sarah Choy est CEO d'API Pick. Elle écrit sur la création d'APIs prêtes pour la production destinées aux agents IA et aux workflows LLM.