diff --git a/docs/PROJECT_STATUS.md b/docs/PROJECT_STATUS.md
index 2ec5def..a14fe9f 100644
--- a/docs/PROJECT_STATUS.md
+++ b/docs/PROJECT_STATUS.md
@@ -15,7 +15,7 @@
 | Phase 3 : Stratégies & Backtesting | ✅ Terminé | 100% |
 | Phase 4 : Interface & Dashboard | ✅ Terminé | 100% |
 | Phase 4b : ML-Driven Strategy | ✅ Terminé | 100% |
-| Phase 4c : CNN + Ensemble | 🟡 En cours | 80% (code ✅, training ⏸️) |
+| Phase 4c : CNN + Ensemble | ✅ Terminé | 100% |
 | Phase 4d : RL (PPO) | ⚪ Planifié | 0% |
 | Phase 5 : IG Markets (Live) | ⚪ Planifié | 0% |
 
@@ -123,24 +123,34 @@ Voir [docs/ML_STRATEGY_GUIDE.md](ML_STRATEGY_GUIDE.md) pour la documentation com
 
 ---
 
-## Phase 4c — CNN + Ensemble 🟡 (En cours — code complet, training en attente PyTorch)
+## Phase 4c — CNN + Ensemble ✅ (2026-03-10)
 
 CNN 1D sur séquences brutes OHLCV + combinaison pondérée avec XGBoost.
 Voir [docs/CNN_ENSEMBLE_PLAN.md](CNN_ENSEMBLE_PLAN.md) pour l'architecture complète.
 
 | Composant | Fichier | Statut |
 |---|---|---|
-| PyTorch CPU dans requirements | `docker/requirements/api.txt` | ✅ ajouté / ⏳ rebuild en cours |
-| CandlestickEncoder (normalisation séquences) | `src/ml/cnn/candlestick_encoder.py` | ✅ Code OK |
-| CNNModel (1D Conv PyTorch) | `src/ml/cnn/cnn_model.py` | ✅ Code OK |
-| CNNStrategyModel (train/predict/save/load) | `src/ml/cnn/cnn_strategy_model.py` | ✅ Code OK |
-| CNNDrivenStrategy (hérite BaseStrategy) | `src/strategies/cnn_driven/cnn_strategy.py` | ✅ Code OK |
-| Routes API CNN (POST /train-cnn, GET /cnn-models) | `src/api/routers/trading.py` | ✅ Code OK |
-| EnsembleModel (XGBoost + CNN pondérés) | `src/ml/ensemble/ensemble_model.py` | ✅ Code OK |
-| EnsembleStrategy (hérite BaseStrategy) | `src/strategies/ensemble/ensemble_strategy.py` | ✅ Code OK |
-| Routes API Ensemble (POST /configure, GET /status) | `src/api/routers/trading.py` | ✅ Code OK |
-| Entraînement CNN validé (EURUSD/1h) | — | ⏸️ En attente rebuild Docker |
-| Backtest comparatif Scalping vs XGBoost vs CNN vs Ensemble | — | ⏸️ En attente training |
+| PyTorch 2.10 dans requirements | `docker/requirements/api.txt` | ✅ Installé |
+| CandlestickEncoder (normalisation séquences) | `src/ml/cnn/candlestick_encoder.py` | ✅ |
+| CNNModel (1D Conv PyTorch) | `src/ml/cnn/cnn_model.py` | ✅ |
+| CNNStrategyModel (train/predict/save/load) | `src/ml/cnn/cnn_strategy_model.py` | ✅ |
+| CNNDrivenStrategy (hérite BaseStrategy) | `src/strategies/cnn_driven/cnn_strategy.py` | ✅ |
+| Routes API CNN (POST /train-cnn, GET /cnn-models) | `src/api/routers/trading.py` | ✅ |
+| EnsembleModel (XGBoost + CNN pondérés) | `src/ml/ensemble/ensemble_model.py` | ✅ |
+| EnsembleStrategy (hérite BaseStrategy) | `src/strategies/ensemble/ensemble_strategy.py` | ✅ |
+| Routes API Ensemble (POST /configure, GET /status) | `src/api/routers/trading.py` | ✅ |
+| Entraînement XGBoost validé (EURUSD/1h) | — | ✅ wf_prec=21.7% |
+| Entraînement CNN validé (EURUSD/1h) | — | ✅ wf_prec=32.7% |
+| Backtest comparatif (Scalping vs XGBoost vs CNN vs Ensemble) | — | ⏸️ À faire |
+
+### Résultats comparatifs des modèles (EURUSD/1h, 2 ans, ~12k barres)
+| Modèle | WF Accuracy | WF Precision | Labels (L/S/N) |
+|---|---|---|---|
+| XGBoost (features TA) | 33.6% | 21.7% | 3992/3943/4338 ✅ équilibré |
+| CNN 1D (séquences OHLCV) | 31.9% | **32.7%** | 3971/3936/4303 ✅ équilibré |
+| Ensemble (XGB+CNN 0.40/0.60) | — | — | Non encore testé |
+
+**Observation** : CNN > XGBoost sur la précision directionnelle (32.7% vs 21.7%). Les deux modèles sont complémentaires pour l'ensemble.
 
 ### Bugs corrigés (2026-03-10 — session agents)
 - `trading.py` : `_get_data_service()` inexistant → instanciation directe DataService
@@ -148,6 +158,7 @@ Voir [docs/CNN_ENSEMBLE_PLAN.md](CNN_ENSEMBLE_PLAN.md) pour l'architecture compl
 - `trading.py` : `period` string mal converti → period_map identique à _run_optimize_task
 - `strategy_engine.py` : `ml_driven` non supporté dans `load_strategy()` → cas ajouté
 - `docker/requirements/api.txt` : dépendances ML (scikit-learn, xgboost, lightgbm) manquantes dans trading-api
+- `ml_strategy_model.py` : labels [-1,0,1] → encodage +1 pour XGBoost ≥ 2.x
 
 ---