Comment fonctionne le trading algorithmique : principes et mécanismes

Order flow & automatisation

Le trading algorithmique fascine parce qu'on l'imagine comme une machine à gagner. C'est exactement l'inverse : un algorithme ne rend pas une stratégie rentable, il la rend reproductible. Si vos règles ont une espérance négative, l'automatisation ne fera qu'une chose — perdre de l'argent plus vite, plus régulièrement et sans jamais se poser de question.

1. Définition et périmètre exact

Prenons l'exemple le plus simple qui soit :

Ce que le trading algorithmique n'est pas

• Ce n'est pas une intelligence artificielle qui « comprend » le marché. La grande majorité des algorithmes en production, y compris institutionnels, appliquent des règles logiques parfaitement lisibles par un humain.
• Ce n'est pas un robot acheté clé en main. Un système vendu à des milliers de personnes voit son avantage se dissoudre à mesure qu'il se diffuse — et personne ne vend une machine à billets fonctionnelle.
• Ce n'est pas réservé au très court terme. Un algorithme peut parfaitement gérer des positions de plusieurs mois. La fréquence n'a rien à voir avec l'automatisation.
• Ce n'est pas la fin du travail du trader. Le travail se déplace : moins d'exécution, beaucoup plus de recherche, de validation et de surveillance.

2. L'anatomie d'un algorithme

Tout système automatisé, du plus rudimentaire au plus sophistiqué, se décompose en cinq briques. Une seule brique défaillante suffit à ruiner l'ensemble — et c'est presque toujours la troisième ou la cinquième qui est négligée.

3. De la stratégie au code : les six étapes

Traduire une stratégie en langage informatique force à une clarté impitoyable. Une règle discrétionnaire du type « j'achète quand la cassure est convaincante » ne se code pas — parce qu'elle ne veut rien dire. Le code exige de définir convaincante par un nombre.

1. Formuler la thèse — pourquoi ce comportement de prix devrait-il se répéter ? Si vous ne savez pas répondre, vous n'avez pas une stratégie mais une corrélation.
2. Écrire les règles en français — sans ambiguïté, sans « environ », sans « en général ». Une page maximum.
3. Coder — dans le langage de votre plateforme. À ce stade, chaque zone d'ombre des règles vous saute au visage.
4. Backtester — sur un historique couvrant plusieurs régimes de marché, frais et slippage inclus.
5. Valider hors échantillon — sur des données que l'optimisation n'a jamais vues.
6. Déployer progressivement — d'abord en simulation en temps réel, puis avec une fraction du capital.

4. Les grandes familles de stratégies

Le terme « trading algorithmique » recouvre des activités qui n'ont presque rien en commun. Un algorithme d'exécution qui découpe un ordre de 50 millions d'euros et un système de suivi de tendance sur le CAC 40 relèvent de deux métiers différents.

5. Le trading haute fréquence

Le HFT est un sous-ensemble du trading algorithmique, pas son synonyme. Tout HFT est algorithmique ; l'immense majorité des algorithmes ne sont pas haute fréquence.

Ce qui le définit n'est pas la stratégie mais l'infrastructure : serveurs installés dans le même centre de données que le moteur d'appariement de la place — la colocation —, cartes réseau spécialisées, parfois logique câblée directement dans des circuits FPGA pour gagner quelques microsecondes sur le chemin entre la réception d'une donnée et l'envoi de l'ordre. À ce niveau, la longueur physique d'un câble devient un paramètre de performance.

Ce dernier point mérite une explication. Les acteurs haute fréquence envoient bien plus d'ordres qu'ils n'en exécutent : la plupart sont annulés en une fraction de seconde. Ce n'est pas nécessairement de la manipulation — coter en permanence des deux côtés du marché suppose d'ajuster ses prix en continu — mais cela explique pourquoi le carnet d'ordres peut afficher une profondeur qui s'évapore à l'instant précis où vous tentez de la toucher.

6. Backtesting : les sept biais qui tuent

Le backtest est l'outil central du trading algorithmique. C'est aussi le plus grand producteur de fausses certitudes de toute l'industrie financière. Un système ne se juge pas à la beauté de sa courbe, mais à la rigueur avec laquelle ces sept pièges ont été écartés.

7. Walk-forward et forward test

La validation hors échantillon standard consiste à découper l'historique en deux : optimisation sur la première partie, vérification sur la seconde. C'est le minimum, mais cela reste fragile — un seul découpage peut être favorable par hasard.

L'analyse walk-forward pousse la logique plus loin : on optimise sur une fenêtre glissante, on teste sur la période immédiatement suivante, puis on décale l'ensemble et on recommence. On enchaîne ainsi une dizaine de validations indépendantes, et la performance retenue est celle agrégée des seules périodes de test. C'est nettement plus proche de la réalité d'exploitation, où l'on réoptimise périodiquement un système en production.

Reste le forward test, ou paper trading : faire tourner l'algorithme en temps réel, sur des données live, sans engager d'argent. Il ne prouve pas la rentabilité — l'échantillon est trop court — mais il révèle tout ce que le backtest ne peut pas voir : latence du flux de données, ordres rejetés, comportement à l'ouverture, bugs qui n'apparaissent que sur des cas de marché réels.

8. Machine learning : promesse et réalité

L'idée séduit immédiatement : un algorithme qui apprend de ses erreurs et s'améliore tout seul. Elle mérite d'être nuancée sérieusement.

Le machine learning fonctionne remarquablement bien quand trois conditions sont réunies : beaucoup de données, des règles sous-jacentes stables, et un signal fort par rapport au bruit. Les marchés financiers ne remplissent aucune des trois. Le rapport signal sur bruit y est extraordinairement faible, les régimes changent, et surtout tout avantage exploité massivement finit par s'éroder — le marché est un système adaptatif qui réagit à ceux qui l'étudient.

Pour un particulier, l'ordre de priorité est sans ambiguïté : maîtriser d'abord une stratégie à règles simples et robustes. Un système à trois paramètres que vous comprenez entièrement vaut infiniment mieux qu'un réseau de neurones dont vous ne pourrez jamais expliquer une série de pertes.

9. Avantages et limites

10. Quand l'algorithme déraille

Deux épisodes ont durablement marqué l'industrie et façonné la réglementation actuelle.

Le flash crash du 6 mai 2010

En quelques minutes, les indices américains perdent près de 9 % avant de récupérer l'essentiel dans la foulée. Certaines actions se traitent à des prix aberrants, parfois quelques centimes. L'enchaînement combine un ordre de vente automatisé de très grande taille, le retrait quasi simultané des market makers algorithmiques et une spirale de liquidité qui s'assèche. Conséquence directe : la généralisation des coupe-circuits sur les places mondiales.

Knight Capital, 1^er août 2012

Un déploiement logiciel défectueux réactive du code obsolète sur une partie des serveurs de ce teneur de marché majeur. Pendant environ 45 minutes, le système envoie des millions d'ordres erronés sur près de 150 valeurs. Perte : environ 440 millions de dollars — davantage que la capitalisation de la société, qui ne survivra pas à l'incident sous sa forme indépendante.

11. Le cadre réglementaire

Le trading algorithmique n'est pas un espace de non-droit. La directive européenne MiFID II, en vigueur depuis 2018, encadre précisément la pratique — essentiellement pour les entreprises d'investissement, mais avec des conséquences concrètes pour tous.

• Obligation de tests — les acteurs professionnels doivent tester leurs algorithmes et disposer de systèmes résilients avec seuils et limites.
• Coupe-circuits obligatoires — capacité d'annuler instantanément tous les ordres en cours.
• Marquage des ordres — les ordres issus d'algorithmes doivent être identifiables par le régulateur.
• Statut spécifique du HFT — les acteurs haute fréquence sont soumis à des exigences renforcées de conservation des données.
• Interdiction des pratiques manipulatoires — le règlement Abus de marché prohibe le spoofing (placer des ordres sans intention de les exécuter) et le layering, y compris lorsqu'ils résultent d'un algorithme.

Pour un particulier trading pour compte propre via un courtier régulé, ces obligations pèsent sur l'intermédiaire, pas sur vous. Deux points restent néanmoins à vérifier : votre courtier autorise-t-il explicitement le trading automatisé, et son API impose-t-elle des limites de fréquence ? Un compte peut être restreint pour usage abusif d'API sans qu'aucune règle de marché n'ait été enfreinte.

12. Démarrer concrètement

L'ordre à respecter

1. Tradez la stratégie à la main pendant quelques semaines. Si vous ne savez pas l'exécuter manuellement, vous ne saurez pas la coder.
2. Codez la version la plus bête possible. Deux conditions, un stop, une sortie. Vous complexifierez ensuite, si les tests le justifient.
3. Backtestez avec des coûts pessimistes — majorez le slippage plutôt que de l'ignorer.
4. Validez hors échantillon puis en walk-forward.
5. Faites tourner en simulation temps réel pendant un à trois mois.
6. Passez en réel avec 10 % de la taille cible et comparez chaque semaine les résultats réels aux résultats attendus.

13. Repérer les algorithmes sur le marché

Vous n'avez pas besoin d'écrire une seule ligne de code pour tirer profit de cette compréhension. Savoir reconnaître l'empreinte des algorithmes sur un graphique change la lecture du marché — en particulier sur les petites capitalisations, où quelques acteurs automatisés suffisent à structurer toute une séance.

Deux outils permettent cette lecture. Le premier est le tape reading, c'est-à-dire l'observation du flux des transactions exécutées : taille, cadence, régularité. Le second est le DOM, la lecture du carnet d'ordres, qui montre les intentions affichées avant exécution. Le premier révèle ce qui s'est fait, le second ce qui est proposé — et l'écart entre les deux est souvent l'information la plus précieuse de la séance.

En résumé

Le trading algorithmique n'est ni une baguette magique ni une affaire de génie mathématique. C'est une discipline d'ingénierie appliquée à une idée de marché : formuler des règles, les tester honnêtement, les déployer prudemment, les surveiller sans relâche.

Retenez la hiérarchie des priorités, car elle est contre-intuitive. La qualité du code arrive en dernier. Avant elle viennent la robustesse de la validation, la gestion du risque codée en dur, et surtout l'existence d'un avantage réel. Un algorithme parfaitement écrit qui applique une mauvaise stratégie reste une mauvaise stratégie — simplement exécutée avec une régularité irréprochable.

Les performances passées ne préjugent pas des performances futures. Cet article est fourni à titre éducatif et ne constitue pas un conseil en investissement. Le trading comporte un risque de perte en capital.