Six semaines à laisser une IA construire un système de trading crypto

Publié le 13 octobre 2026

Du 2 septembre au 13 octobre 2026, nous avons demandé à un assistant IA de construire un système de trading crypto, de le tester, de l'exploiter et de l'auditer. Tous les trades étaient fictifs (paper trading). Voici ce qui s'est passé, dans l'ordre.

Comment ceci a été réalisé : le code, les séries d'analyses et les premières versions de ce texte ont été produits par un assistant IA travaillant sous la direction de l'opérateur ; l'opérateur a pris toutes les décisions et vérifié les chiffres. Tout le trading était fictif (paper trading) : prix réels, aucun argent réel. Rien ici ne constitue un conseil en investissement.

En bref

• Le trading à l'échelle de la minute a perdu, quelle que soit la façon dont nous l'avons essayé. Sur 42 comptes fictifs et 918 sorties, la perte s'est élevée à ₩25 161 360 (environ US$18 900), avec un taux de réussite de 32 %.
• Les seules règles qui ont survécu à neuf ans de rejeu étaient des règles lentes de suivi de tendance sur de grandes cryptos liquides. Même celles-ci ont fortement reculé dès que nous avons retiré du backtest l'avantage du recul.
• La meilleure d'entre elles a tourné pendant deux semaines sur un serveur dédié, a suivi ses règles à la lettre et a perdu 3,93 %. Conserver du Bitcoin (BTC) pendant ces deux mêmes semaines a fait perdre 0,25 %.
• La conclusion de l'opérateur : le problème vient de la méthode, pas du marché. La recherche en trading est suspendue jusqu'à l'arrivée de meilleurs modèles d'IA.

2–5 septembre : un radar pour les carnets d'ordres

Le premier objectif était un site web gratuit qui affiche les écarts de prix entre plateformes d'échange, accompagné d'un signal de trading. L'IA a construit un moteur de données qui lisait les carnets d'ordres et les transactions d'Upbit, puis de douze plateformes d'échange, ainsi qu'un tableau de bord qui attribuait chaque seconde à chaque crypto un verdict « acheter, attendre ou vendre », avec des bulletins vocaux en anglais et en coréen.

6–11 septembre : les premiers trades automatisés, −44,2 %

Le premier trader automatique achetait une seule crypto avec tout son capital, au prix du marché, chaque fois que le tableau de bord disait d'acheter, et vendait sur des signaux d'alerte. Le résultat fictif après le premier audit était de −44,2 %. Seuls 10 % des trades étaient gagnants et la durée de détention médiane était de 12 secondes ; 157 sorties sur 158 étaient des sorties « d'urgence ».

La cause était arithmétique, pas une question de malchance : un aller-retour en ordres au marché sur de petites cryptos cotées en wons coûtait en médiane 0,46 %, alors que l'avantage du signal allait de +0,02 % à +0,08 % par trade.

12–17 septembre : des rustines qui n'ont pas réglé le problème

Nous avons essayé les ordres à cours limité, des durées de détention plus longues, un signal d'avance de Binance sur les prix coréens, et des comptes « fantômes » parallèles sur chaque plateforme d'échange. Courir après des cryptos déjà en pleine envolée a fait perdre 62 % lors d'un rejeu de 63 heures. Une étude de cinq jours portant sur 1,91 million de lignes de données a montré que les signaux devinaient la direction dans 58–63 % des cas, mais que le mouvement moyen qu'ils captaient n'était que de +0,04 % à +0,09 %. Un bon taux de bonnes prévisions ne peut pas payer des coûts dix fois supérieurs au mouvement.

Un audit du registre fictif a révélé autre chose : 86,5 % de l'ensemble des pertes provenaient d'un seul chemin du code, qui vendait sur des alertes non confirmées. Le corriger a supprimé un bug, pas le problème de fond.

18–25 septembre : chercher partout ailleurs

Nous avons testé les décisions de trading d'un modèle de langage (LLM), la copie des meilleurs du classement, des stratégies de pump, l'achat sur repli et les paliers de frais. Nous avons testé 34 règles d'indicateurs classiques sur des graphiques horaires : 34 sur 34 ont perdu. Un examen des résultats publiés n'a trouvé de profits vérifiés que là où des entreprises disposent d'un avantage structurel (rapidité, tenue de marché, taille). Nous n'avons trouvé aucun historique vérifié pour les bots grand public, le copy trading ou les bots IA.

26 septembre : faire le bilan des dégâts et ralentir

Sur l'ensemble du projet à ce jour : 42 registres fictifs, 918 sorties, ₩25 161 360 perdus, 32 % de trades gagnants, un gain moyen égal à la moitié de la perte moyenne. Tout cela venait de règles qui gardaient les positions de quelques minutes à quelques heures. Nous sommes passés à des règles de tendance journalières et sur quatre heures, et un rejeu sur huit grandes cryptos a affiché +75 % par an. Puis nous avons remarqué que ces huit cryptos avaient été choisies en 2026. En retenant à chaque date les huit premières par volume d'échanges, le résultat est tombé à +41 % à +46 % par an. Détails.

28 septembre : repartir de zéro et tout tester

Nous avons écarté nos hypothèses antérieures et testé 44 familles de stratégies, soit environ 9 500 paramétrages, sur sept unités de temps, en choisissant chaque année les paramétrages uniquement à partir des données passées (walk-forward). Seul le suivi de tendance sur des cryptos liquides, en bougies de quatre heures ou d'un jour, a survécu. Le choix retenu : acheter quand la clôture de quatre heures dépasse le plus haut des 55 dernières bougies, vendre quand elle tombe de deux amplitudes moyennes sous son sommet, rester à l'écart quand Bitcoin (BTC) évolue sous sa moyenne sur 100 bougies, et couper les pertes à 5 %. Rejeu sur neuf ans : +92 % par an. Après correction des pièges que nous connaissions, nous attendions +28 % à +46 % par an, avec des drawdowns de 27–33 %.

Nous avons aussi calculé combien de temps il faudrait en trading réel pour prouver une règle de ce type : environ 34 mois. Le calcul.

29 septembre – 13 octobre : un serveur dédié

Un petit serveur cloud a fait tourner la règle en continu, jour et nuit, avec un programme autonome, des alertes automatiques et un signal de vie externe (heartbeat). Capital fictif : ₩10 000 000. En deux semaines, il a traité à temps les 87 bougies de quatre heures, n'a enregistré aucune erreur et a coïncidé trade pour trade avec un rejeu indépendant. Il a aussi vendu cinq fois et perdu cinq fois : −₩392 842, −3,93 %. Depuis le 7 octobre, il était resté en liquidités parce que Bitcoin (BTC) était passé sous sa moyenne, ce qui a évité une baisse supplémentaire. Le registre complet et l'audit.

Une dernière étude portant sur 31 407 configurations d'indicateurs, sur huit durées de bougie, a confirmé la tendance : plus la bougie est courte, moins il restait d'argent après les coûts. Résultats par unité de temps.

Ce que nous dirions à toute personne qui construit un bot

1. Avant tout, comparez votre avantage par trade au coût de chaque aller-retour.
2. Un taux de bonnes prévisions ne signifie rien sans l'ampleur du mouvement.
3. Choisissez les cryptos du backtest comme vous auriez pu les choisir à l'époque.
4. Examinez les pertes par motif de sortie ; un seul bug peut ressembler à une mauvaise stratégie.
5. Quelques semaines de résultats en réel ne prouvent pas une stratégie. Servez-vous-en uniquement pour vérifier que le système suit ses règles.
6. Un système qui suit parfaitement ses règles peut quand même perdre de l'argent.

Tout ce que nous avons testé figure dans le cimetière de stratégies.