Quand on construit un système de trading avec IA, l’idée la plus naturelle est de prédire le prochain prix.
C’est aussi là que commencent beaucoup de problèmes.
Les prix sont bruyants. Plus on teste de configurations, plus il devient facile de trouver une stratégie brillante uniquement dans l’historique. En scalping, un petit avantage prédictif peut être entièrement absorbé par les frais, le spread, la latence et le slippage.[1][2]
La conclusion pratique est la suivante : l’IA est peut-être plus utile comme moteur d’expérimentation que comme oracle—rechercher de nombreux candidats, classer les régimes, mesurer le risque d’exécution et éliminer rapidement les faux avantages.
Cette réflexion est partie de l’observation de résultats publics d’un développeur travaillant depuis des années sur le trading automatisé par IA. Un service tiers affichait plusieurs systèmes réels et automatisés.
La bonne question n’était plus « est-il fort ? », mais : que voit-on si l’on regarde aussi les échecs ? Que reste-t-il sans fort levier ? Faut-il prédire le prix ou lire le flux d’ordres ? Un particulier peut-il vraiment jouer à l’échelle de la milliseconde ?
La même logique finit même par expliquer les défauts d’une usine d’articles produite par IA.
1. Un vrai avantage survit à la baisse du levier
Un edge est un avantage répétable avec espérance positive après coûts et risques.
Il faut regarder drawdown maximal, exposition effective, rendement net, périodes hors échantillon, crises et nombre total de stratégies testées.
Le levier amplifie. Il ne crée pas nécessairement la qualité.
C’est l’amplificateur, pas la voix du chanteur.
2. Il faut regarder toute la distribution, pas seulement le compte gagnant
Myfxbook propose les vérifications Track Record et Trading Privileges pour les comptes publics, afin de vérifier la cohérence de l’historique avec le courtier et le contrôle du compte.[3]
Cela ne prouve ni la supériorité de l’IA ni la rentabilité future.
Dans un profil public étudié, la même ligne de développement comportait un système réel automatisé à +163,46% avec 20,90% de drawdown, mais aussi un autre à -99,90% avec 99,93% de drawdown.[4]
Ne montrer que +163% crée une légende. Ne montrer que -99,9% crée une catastrophe. La recherche regarde la distribution entière.
L’indication « 1:2000 » correspond aussi à un paramètre de levier du compte et ne prouve pas une exposition effective constante de 2000 fois le capital.
3. Un compte gagnant ne prouve pas que le développeur est riche
Une performance publique ne permet pas d’estimer correctement le patrimoine personnel.
Capital de recherche, retraits, actifs de l’entreprise et actifs personnels peuvent être différents. Maison, voiture, vêtements ou apparence familiale ne constituent pas un bilan financier.
Évaluons la technologie avec des preuves techniques.
Ne faisons pas de backtest du portefeuille d’autrui.
4. « J’ai participé à un classement » exige d’identifier le classement
Myfxbook possède des listes Most Popular Systems et une section Contests séparée.[5]
Une phrase sur un « classement pour gagner en visibilité » peut donc désigner la popularité, un concours officiel ou une autre plateforme.
Ici, les systèmes publics ont été vérifiés, mais le concours précis évoqué oralement n’a pas pu être confirmé par une source primaire.
L’IA accélère la recherche, mais aussi les mauvaises associations.
5. Au lieu de prédire le prochain prix, l’IA peut classer l’état du marché
On peut étudier le déséquilibre bid/ask, le flux des transactions exécutées, le spread, les annulations, la volatilité, tendance/range, les relations spot-futures ou cross-asset et l’espérance après coûts.
L’Order Flow Imbalance, déséquilibre du flux d’ordres, est relié dans la recherche à la formation des prix à très court terme.[6]
Des relations lead-lag entre instruments liés ont également été observées via prix, liquidité, déséquilibre du carnet et volatilité.[7]
Mais le carnet n’est pas une vérité gravée dans la pierre. Les ordres visibles peuvent être annulés. Il faut étudier ajouts, annulations et transactions réelles.
6. Le scalping en secondes ou millisecondes meurt souvent dans l’exécution
API, réseau, position dans la file, probabilité de fill, spread, frais maker/taker, mouvement défavorable et impact de marché deviennent des variables du modèle.
Des travaux montrent qu’un signal issu du déséquilibre en tête de carnet peut perdre rapidement son avantage quand la latence augmente.[2]
Un particulier n’a pas besoin de défier les firmes HFT sur la microseconde. Un horizon un peu plus lent, moins de trades et des coûts retirés dès le départ peuvent être plus rationnels.
7. Le danger majeur est le surapprentissage intelligent
Une IA puissante teste des milliers de variantes et trouve donc davantage de gagnants accidentels.[1]
Il faut utiliser hors-échantillon, fenêtres roulantes, frais aggravés, slippage, délais, ordres non exécutés, crises, perturbation de paramètres, nombre total d’essais et enfin un petit test réel.
L’IA est à la fois générateur de stratégies et usine à faux positifs convaincants.
8. Cinq questions à poser à un développeur expérimenté
- Que prédit réellement l’IA : prix, régime, flux, volatilité, entrée ou risque ?
- Quelles données de court terme gardent de la valeur avec la latence d’un particulier ?
- Quels edges survivent avec un faible levier ?
- Pourquoi les stratégies gagnent-elles en backtest et meurent-elles en réel ?
- En repartant de zéro aujourd’hui, quel marché, horizon, jeu de données et cible d’IA choisir ?
Ces questions sont fortes non parce qu’elles emploient du jargon, mais parce qu’elles arrivent après des tests et des échecs réels.
9. Pour les plateformes crypto étrangères, la résidence compte plus que les astuces
Bybit a cessé les nouvelles inscriptions de résidents japonais à partir du 31 octobre 2025.[8]
Bitget a cessé les nouvelles inscriptions après le 3 août 2026 et annoncé un mode Close-Only à partir du 1er novembre puis la fermeture des positions restantes à partir du 31 décembre pour les comptes concernés.[9]
Binance exploite Binance Japan.[10]
La bonne approche consiste à vérifier résidence, KYC, conditions d’utilisation et droit local. En cas de véritable déménagement à l’étranger, adresse et résidence fiscale doivent être mises à jour correctement.
10. Utiliser un nouveau modèle le jour de sa sortie : l’avantage est la faible latence d’action
OpenAI a annoncé GPT-6 Astra le 3 septembre 2026, avec des progrès en programmation, recherche, usage de l’ordinateur et tâches complexes multi-étapes. La documentation API indique une fenêtre de contexte de 1,05 million de tokens.[11][12]
Le point fort n’est pas d’admirer le modèle, mais de le mettre immédiatement dans une boucle réelle.
Prix → échec → carnet → trades → lead-lag → frais → latence → échec → nouvelle version.
L’avantage n’est pas d’avoir raison du premier coup. C’est de réduire presque à zéro le délai entre hypothèse et expérience.
11. Utiliser l’IA n’est pas la même chose que construire un laboratoire individuel
Recherche, résumé, correction et code sont devenus basiques.
Le niveau suivant est hypothèse → données → exploration IA → stress test → comparaison réelle → questions aux experts → expérience suivante.
Avec recherche, code, analyse et publication en parallèle, une personne ressemble à un petit laboratoire doublé d’une rédaction.
Si même l’interview terrain est confiée à un ami : « interview : ami / analyse : IA / article : auteur / auteur : à la maison ». Le titre de journaliste devient fragile, le workflow reste efficace.
12. Mieux vaut observer les boucles d’itération que coller une étiquette MBTI
Attribuer de l’extérieur un type MBTI à quelqu’un n’est pas fiable.
Il vaut mieux observer des années sur le même sujet, de nombreuses versions, des échecs en réel, la reconstruction, le test immédiat de nouveaux modèles et l’intérêt pour les causes d’échec.
La ressemblance tient peut-être à la boucle d’itération, pas à quatre lettres.
13. Une usine d’articles IA rencontre le même problème : le goulot passe du volume au rendement
Si 100 brouillons entrent, 80 terminent les langues, 60 passent la qualité, 45 sont adoptés et 40 publiés, le rendement final est de 40%.
Doubler la génération peut simplement doubler les défauts.
Le meilleur indicateur devient le First Pass Yield : la part qui atteint la fin sans retouche.
Langues manquantes, règles de workers divergentes, absence d’adoption formelle, agrégats incorrects, échec de qualité, handoff cassé ou conflits sont des défauts d’usine.
La prochaine vedette n’est pas l’IA rédactrice, mais le superviseur IA d’analyse des défauts.
14. Conclusion : le plus grand edge de l’ère IA est peut-être le nombre d’échecs de qualité que l’on peut exécuter
Il faut chercher la partie qui survit aux coûts, à la latence, au hors-échantillon, au faible levier et au réel.
Carnet, trades, flow, lead-lag et régimes sont des terrains de recherche, pas des edges automatiques.
L’une des forces profondes de l’IA est de multiplier les expériences sérieuses.
Construire, casser, diagnostiquer, changer les conditions, relancer.
Pendant qu’une autre personne débat encore de l’expérience 10, avoir correctement échoué 100 fois et déjà lancer la 101e est peut-être la productivité vraiment étrange de l’ère IA.
FAQ
La prédiction directe des prix par IA est-elle inutile ?
Non. Mais bruit et surapprentissage sont élevés. Régime, flux, volatilité et espérance nette peuvent être plus faciles à valider.
Le carnet d’ordres suffit-il pour scalper ?
Il peut contenir de l’information, mais annulations, spoofing, file, latence et coûts peuvent effacer l’avantage. Il faut tester événements et trades réels.[2][6]
“Real” et “Automated” sur Myfxbook signifient-ils que c’est sûr ?
Non. Ce sont des informations sur le compte et l’automatisation, pas une garantie de rendement.[3]
Les résultats à fort levier sont-ils inutiles ?
Non. Il faut distinguer levier du compte et exposition effective, puis normaliser par le risque.
Une IA plus forte terminera-t-elle automatiquement le système ?
Non. Avec de mauvaises données, évaluations et règles, elle produira simplement des défauts plus vite.
Sources
- Bailey, Borwein, López de Prado & Zhu, “The Probability of Backtest Overfitting papers.ssrn.com
- Stoikov & Waeber, “Reducing Transaction Costs with Low-Latency Trading Algorithms papers.ssrn.com
- Myfxbook Help, “Verification myfxbook.com
- Myfxbook public profile, TestSamurai30Ai, systems list myfxbook.com
- Myfxbook, “Most Popular Systems” and Contests navigation myfxbook.com
- Anantha & Jain, “Forecasting High Frequency Order Flow Imbalance arxiv.org
- Schmidt, Cestonaro & Bender, “Lead-Lag Relationships in Market Microstructure papers.ssrn.com
- Bybit, “Bybit to Pause New User Onboarding in Japan bybit.com
- Bitget, “Important Notice for Japanese Residents” / FAQ — ; https://www.bitget.com/support/articles/12560603890271 bitget.com
- Binance, “Introducing Binance Japan: A Platform for Japanese Residents binance.com
- OpenAI, “GPT-6 Astra: A new generation of intelligence openai.com
- OpenAI API, “GPT-6 Astra Model developers.openai.com
