docs: mise à jour complète de la documentation (état réel 2026-03-08)

- PROJECT_STATUS.md : réécriture complète — phases 1-4b terminées à 100%,
  routes API exhaustives, fixes critiques documentés, à-faire priorisé
- STRATEGY_GUIDE.md : ajout section ML-Driven Strategy avec features,
  labels, usage API et paramètres de configuration
- AI_FRAMEWORK.md : ajout section ML-Driven + tableau statut implémentation,
  différenciation HMM/Optuna/MLStrategy
- ARCHITECTURE.md : ajout structure réelle du code avec les nouveaux fichiers
  ml_strategy_model.py, features/, ml_driven/ annotés [NOUVEAU]

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

docs/STRATEGY_GUIDE.md

@@ -846,4 +846,88 @@ class SwingStrategy(BaseStrategy):
 
 ---
 
-**Suite dans le prochain fichier...**
+## ML-Driven Strategy (Phase 4b — 2026-03-08)
+
+### Concept
+
+Contrairement aux stratégies règle-based (scalping/intraday/swing), la **MLDrivenStrategy** remplace
+les conditions codées en dur par un modèle XGBoost/LightGBM entraîné sur des données historiques.
+
+Le modèle apprend **quelles combinaisons** d'indicateurs classiques sont réellement prédictives,
+reproduisant l'intuition d'un trader expérimenté.
+
+### Fichiers
+| Fichier | Rôle |
+|---|---|
+| `src/strategies/ml_driven/ml_strategy.py` | Stratégie (interface BaseStrategy) |
+| `src/ml/ml_strategy_model.py` | Entraînement + prédiction |
+| `src/ml/features/technical_features.py` | ~50 features TA |
+| `src/ml/features/label_generator.py` | Labels LONG/SHORT/NEUTRAL |
+
+Documentation complète : [docs/ML_STRATEGY_GUIDE.md](ML_STRATEGY_GUIDE.md)
+
+### Features utilisées
+- **RSI** : valeur, zones survente/surachat, divergences haussières/baissières
+- **MACD** : crossovers, histogramme, pente du momentum
+- **Bollinger Bands** : position relative, squeeze, cassures et rebonds
+- **Supports/Résistances** : distance aux niveaux pivots locaux (50 barres)
+- **Points Pivots** : classiques (R1/R2/S1/S2) + Fibonacci (38.2%, 61.8%, 100%)
+- **ATR** : volatilité normalisée, ratio vs moyenne
+- **Chandeliers** : marteau, étoile filante, engulfing haussier/baissier, doji
+- **EMAs** : alignement 8/21/50/200, distance % du prix, pente
+- **Volume** : ratio vs moyenne, pics, OBV
+- **Sessions** : Londres (8h-16h), NY (13h-21h), chevauchement (13h-16h)
+
+### Labels (supervision)
+Pour chaque barre i, simulation forward sur N barres :
+- **LONG (1)** : HIGH atteint `entry + tp_atr × ATR` avant que LOW descende sous `entry - sl_atr × ATR`
+- **SHORT (-1)** : l'inverse
+- **NEUTRAL (0)** : ni TP ni SL dans l'horizon
+
+### Usage via API
+```bash
+# Entraîner
+curl -X POST http://localhost:8100/trading/train \
+  -H "Content-Type: application/json" \
+  -d '{"symbol":"EURUSD","timeframe":"1h","period":"2y","model_type":"xgboost","tp_atr_mult":2.0,"sl_atr_mult":1.0}'
+
+# Suivre l'entraînement
+curl http://localhost:8100/trading/train/{job_id}
+
+# Lister les modèles disponibles
+curl http://localhost:8100/trading/ml-models
+
+# Feature importance
+curl http://localhost:8100/trading/ml-models/EURUSD/1h/importance
+```
+
+### Paramètres de configuration
+```python
+config = {
+    'name':           'ml_driven',
+    'symbol':         'EURUSD',
+    'timeframe':      '1h',
+    'risk_per_trade': 0.01,
+    'model_type':     'xgboost',      # xgboost | lightgbm | random_forest
+    'min_confidence': 0.55,           # Seuil de confiance minimum
+    'tp_atr_mult':    2.0,            # TP = entry ± 2×ATR → R:R = 2:1
+    'sl_atr_mult':    1.0,            # SL = entry ∓ 1×ATR
+    'auto_load':      True,           # Charge le modèle existant au démarrage
+}
+```
+
+### Validation
+Walk-forward cross-validation (3 folds temporels) — protège contre l'overfitting.
+
+Métriques cibles :
+- `wf_accuracy > 0.55`
+- `wf_precision > 0.50` sur signaux directionnels
+- Distribution LONG/SHORT équilibrée
+
+### Modèles sauvegardés
+```
+models/ml_strategy/
+├── EURUSD_1h_xgboost.joblib
+└── EURUSD_1h_xgboost_meta.json
+```
+Chargement automatique au démarrage si `auto_load=True`.