Six grands "traders" IA s'affrontent pendant dix jours : qui pourra survivre sur un marché sans "asymétrie d'information" ?

Titre original : « Duel de dix jours entre six grands "traders" IA : une leçon publique sur la tendance, la discipline et la cupidité »

Auteur original : Frank, PANews

En moins de dix jours, le capital a doublé.

Lorsque DeepSeek et Qwen3 ont obtenu ces résultats dans le trading réel AlphaZero AI lancé par Nof1, leur efficacité de profit a largement dépassé celle de la plupart des traders humains. Cela nous oblige à affronter une question : l’IA passe du statut d’« outil de recherche » à celui d’« opérateur de première ligne ». Comment pensent-elles ? PANews a réalisé une revue complète des transactions sur près de 10 jours des six principaux modèles d’IA de cette compétition, tentant de dévoiler les secrets de décision des traders IA.

Un duel purement technique sans « asymétrie d’information »

Avant d’analyser, il faut préciser une condition préalable : les décisions de l’IA dans cette compétition sont prises en « mode hors ligne ». Tous les modèles reçoivent passivement exactement les mêmes données techniques (y compris le prix actuel, les moyennes mobiles, MACD, RSI, contrats ouverts, taux de financement, ainsi que des séries de données sur 4 heures et 3 minutes, etc.), sans possibilité d’accéder activement à des informations fondamentales en ligne.

Cela élimine l’influence de « l’asymétrie d’information » et fait de cette compétition le test ultime de la question ancienne : « L’analyse technique pure peut-elle générer des profits ? »

Concrètement, les informations accessibles à l’IA comprennent les aspects suivants :

1. L’état actuel du marché du token : y compris le prix actuel, le prix de la moyenne mobile sur 20 jours, les données MACD, les données RSI, les données sur les contrats ouverts, le taux de financement, ainsi que les séries de ces données en intraday (cycle de 3 minutes), et les tendances à long terme (cycle de 4 heures), etc.

2. Informations et performances du compte : y compris la performance globale du compte actuel, le taux de rendement, les fonds disponibles, le ratio de Sharpe, etc. La performance en temps réel de la position actuelle, les conditions de take profit/stop loss et les conditions d’invalidation en cours.

DeepSeek : Maître de la tendance et la valeur du « backtesting »

Au 27 octobre, le compte DeepSeek a atteint un maximum de 23 063 dollars, avec un profit flottant maximal d’environ 130 %. C’est sans aucun doute le modèle le plus performant, et en analysant son comportement de trading, on constate que ce succès n’est pas dû au hasard.

Tout d’abord, en termes de fréquence de trading, DeepSeek affiche un style de trader de tendance à faible fréquence : en 9 jours, il a effectué 17 transactions, soit le moins parmi tous les modèles. Sur ces 17 transactions, DeepSeek a choisi 16 fois d’acheter et 1 fois de vendre à découvert, ce qui correspond exactement à la tendance générale du marché, qui a rebondi depuis son creux pendant cette période.

Bien sûr, ce choix directionnel n’est pas non plus un hasard : DeepSeek effectue une analyse globale à l’aide d’indicateurs tels que RSI et MACD, estimant que le marché est actuellement en tendance haussière, d’où sa décision de rester long.

Dans le processus de trading, les premiers ordres de DeepSeek n’ont pas été fructueux : les 5 premiers ordres se sont soldés par des échecs, mais chaque perte est restée faible, ne dépassant jamais 3,5 %. De plus, la durée de détention de ces premiers ordres était courte, le plus court n’ayant duré que 8 minutes. À mesure que le marché évoluait dans la direction prévue, les positions de DeepSeek sont devenues plus durables.

Quant au style de gestion des positions, DeepSeek a l’habitude de fixer un take profit large et un stop loss serré après l’entrée. Par exemple, le 27 octobre, l’espace moyen de take profit était de 11,39 %, celui de stop loss de -3,52 %, soit un ratio gain/perte d’environ 3,55. Sa stratégie privilégie donc de petites pertes et de gros gains.

En pratique, c’est bien le cas : selon l’analyse de PANews, sur les transactions clôturées de DeepSeek, le ratio gain/perte moyen atteint 6,71, le plus élevé de tous les modèles. Bien que son taux de réussite de 41 % ne soit pas le plus élevé (deuxième place), il se classe premier en espérance de gain avec 2,76. C’est la principale raison de ses profits élevés.

En outre, la durée moyenne de détention de DeepSeek est de 2 952 minutes (environ 49 heures), également la plus longue. Parmi les modèles, il est le véritable trader de tendance, ce qui correspond à l’un des principes majeurs du trading financier : « laisser courir les gains ».

En gestion des positions, DeepSeek reste relativement agressif : son effet de levier moyen par position atteint 2,23, et il détient souvent plusieurs positions simultanément, ce qui porte le levier global à un niveau relativement élevé. Par exemple, le 27 octobre, le levier total dépassait 3 fois. Mais grâce à des conditions de stop loss strictes, le risque reste toujours sous contrôle.

En somme, le succès de DeepSeek résulte d’une stratégie globale. Pour l’ouverture des positions, il utilise simplement les indicateurs MACD et RSI les plus courants, sans indicateurs spéciaux. Il applique strictement un ratio gain/perte raisonnable et maintient ses positions sans être influencé par les émotions.

De plus, PANews a remarqué un détail particulier : dans son processus de réflexion, DeepSeek poursuit sa logique habituelle, développant une réflexion longue et détaillée, puis synthétisant le tout en une décision de trading. Ce trait rappelle les traders humains qui accordent de l’importance au backtesting, et ce backtesting a lieu toutes les trois minutes.

Cette capacité de backtesting, même appliquée à un modèle IA, a son utilité : elle garantit que chaque détail des tokens et des signaux de marché est analysé à plusieurs reprises, sans être négligé. C’est peut-être là un aspect dont les traders humains devraient s’inspirer.

Qwen3 : Un « joueur » agressif et audacieux

Au 27 octobre, Qwen3 est le deuxième meilleur grand modèle. Le montant maximal du compte a atteint 20 000 dollars, avec un taux de profit de 100 %, juste derrière DeepSeek. Qwen3 se distingue par un effet de levier élevé et un taux de réussite élevé. Son taux de réussite global atteint 43,4 %, le plus élevé de tous les modèles. La taille moyenne de ses positions atteint également 56 100 dollars (effet de levier de 5,6 fois), également la plus élevée. Bien que ses attentes de profit soient inférieures à celles de DeepSeek, son style audacieux le place juste derrière DeepSeek pour l’instant.

Qwen3 a un style de trading agressif : son stop loss moyen atteint 491 dollars, le plus élevé de tous les modèles. Sa perte maximale sur une seule transaction est de 2 232 dollars, également la plus élevée. Cela signifie que Qwen3 tolère de plus grandes pertes, ce qu’on appelle « tenir la position ». Mais contrairement à DeepSeek, même en acceptant de plus grandes pertes, il n’obtient pas de meilleurs rendements. Son gain moyen est de 1 547 dollars, inférieur à DeepSeek. Son espérance de gain finale n’est que de 1,36, soit la moitié de celle de DeepSeek.

Un autre trait de Qwen3 est sa préférence pour détenir une seule position à la fois et miser gros sur celle-ci. Il utilise souvent un effet de levier de 25 fois (le maximum autorisé dans la compétition). Ce style dépend fortement d’un taux de réussite élevé, car chaque perte entraîne un drawdown important.

Dans le processus de décision, Qwen3 semble accorder une attention particulière à la moyenne mobile EMA 20 sur 4 heures, l’utilisant comme signal d’entrée et de sortie. Sa réflexion paraît également très simple. Concernant la durée de détention, Qwen3 manque de patience, avec une durée moyenne de 10,5 heures, juste devant Gemini.

En résumé, bien que Qwen3 affiche actuellement de bons résultats, il présente aussi des risques importants : effet de levier trop élevé, style all-in, indicateur unique, durée de détention courte et faible ratio gain/perte, autant d’habitudes qui pourraient nuire à ses performances futures. Au moment de la rédaction le 28 octobre, le capital de Qwen3 avait déjà chuté à 16 600 dollars, soit un drawdown de 26,8 % depuis son sommet.

Claude : L’exécutant obstiné des positions longues

Claude reste globalement en profit : au 27 octobre, le montant total du compte atteignait environ 12 500 dollars, soit un profit d’environ 25 %. Pris isolément, ce chiffre est plutôt bon, mais il paraît modeste comparé à DeepSeek et Qwen3.

En réalité, que ce soit en fréquence d’ouverture, taille des positions ou taux de réussite, Claude affiche des données proches de DeepSeek : 21 transactions, taux de réussite de 38 %, effet de levier moyen de 2,32.

La principale différence réside probablement dans un ratio gain/perte plus faible : bien que celui de Claude soit correct à 2,1, il reste plus de trois fois inférieur à celui de DeepSeek. Ainsi, son espérance de gain n’est que de 0,8 (inférieure à 1, ce qui implique une perte à long terme).

Un autre trait marquant de Claude est qu’il ne prend qu’un seul sens de position sur une période donnée : au 27 octobre, sur les 21 ordres clôturés, tous étaient des positions longues.

Grok : Perdu dans le tourbillon du mauvais sens

Grok avait bien commencé, étant même à un moment le modèle le plus rentable, avec un profit maximal de plus de 50 %. Mais avec le temps, son drawdown est devenu important. Au 27 octobre, le capital était revenu à environ 10 000 dollars. Il se classe quatrième parmi tous les modèles, avec un rendement global proche de celui d’une détention spot de BTC.

En termes d’habitudes de trading, Grok est aussi un trader à faible fréquence et à long terme : seulement 20 transactions clôturées, durée moyenne de détention de 30,47 heures, juste derrière DeepSeek. Mais son principal problème est un taux de réussite trop faible, seulement 20 %, et un ratio gain/perte de 1,85. Son espérance de gain n’est que de 0,3. Sur les 20 positions, il y a eu 10 longues et 10 courtes. Or, dans le contexte de marché de cette période, trop de positions courtes ont clairement réduit le taux de réussite. Cela montre que le modèle Grok a des difficultés à juger la tendance du marché.

Gemini : « Retail trader » à haute fréquence, s’épuise dans les allers-retours

Gemini est le modèle avec la fréquence de trading la plus élevée : au 27 octobre, il avait effectué 165 transactions. Cette fréquence excessive a conduit à de très mauvais résultats : le solde du compte est tombé à environ 3 800 dollars, soit une perte de 62 %. Rien qu’en frais de transaction, il a dépensé 1 095,78 dollars.

Derrière ce trading à haute fréquence se cachent un taux de réussite très faible (25 %) et un ratio gain/perte de seulement 1,18, pour une espérance de gain globale de 0,3. Avec de telles données, Gemini est voué à perdre. Peut-être par manque de confiance dans ses décisions, la taille moyenne de ses positions est très faible, avec un effet de levier de seulement 0,77, et chaque position n’est détenue que 7,5 heures en moyenne.

Le stop loss moyen n’est que de 81 dollars, le take profit moyen de 96 dollars. Gemini ressemble à un petit investisseur typique : il prend ses profits rapidement et coupe ses pertes tout aussi vite. Il multiplie les ordres dans les fluctuations du marché, érodant sans cesse son capital.

GPT5 : « Double peine » du faible taux de réussite et du faible ratio gain/perte

GPT5 est actuellement le modèle le moins performant, avec des résultats et une courbe très proches de Gemini, tous deux affichant une perte de plus de 60 %. GPT5 n’est pas aussi actif que Gemini, mais il a tout de même effectué 63 transactions. Son ratio gain/perte n’est que de 0,96, ce qui signifie qu’il gagne en moyenne 0,96 dollar par transaction, pour un stop loss de 1 dollar. Son taux de réussite est également très faible, à 20 %, au même niveau que Grok.

En termes de taille de position, GPT5 est très proche de Gemini, avec un effet de levier moyen d’environ 0,76. Il semble donc très prudent.

Les cas de GPT5 et Gemini montrent qu’un faible risque de position n’est pas forcément bénéfique pour la rentabilité du compte. Avec le trading à haute fréquence, ni le taux de réussite ni le ratio gain/perte ne peuvent être garantis. De plus, le prix d’entrée des positions longues sur les tokens pour ces deux modèles est nettement supérieur à celui de DeepSeek et des autres modèles rentables, ce qui montre que leurs signaux d’entrée sont plutôt lents.

Résumé des observations : Deux « natures humaines » du trading révélées par l’IA

Dans l’ensemble, l’analyse du comportement de trading de l’IA nous offre une nouvelle occasion d’examiner les stratégies de trading. L’analyse des modèles aux résultats extrêmes, notamment le DeepSeek très rentable et les Gemini et GPT5 très déficitaires, est particulièrement instructive.

1. Les modèles très rentables présentent les caractéristiques suivantes : faible fréquence, détention longue, ratio gain/perte élevé, timing d’entrée opportun.

2. Les modèles déficitaires présentent les caractéristiques suivantes : haute fréquence, court terme, faible ratio gain/perte, timing d’entrée tardif.

3. Il n’y a pas de lien direct entre le niveau de profit et la quantité d’informations de marché : dans cette compétition de modèles IA, tous les modèles reçoivent les mêmes informations, et par rapport aux traders humains, leurs sources d’information sont encore plus limitées. Pourtant, ils parviennent à des niveaux de rentabilité bien supérieurs à la majorité des traders.

4. La longueur du processus de réflexion semble être la clé de la rigueur du trading. Le processus décisionnel de DeepSeek est le plus long de tous les modèles, ce qui, chez les traders humains, correspond à ceux qui excellent dans le backtesting et prennent chaque décision au sérieux. Les modèles les moins performants ont des processus de réflexion très courts, rappelant les décisions impulsives des humains.

5. Avec la notoriété des profits de DeepSeek, Qwen3 et autres, beaucoup se demandent s’il est possible de suivre directement ces modèles IA. Mais cela semble risqué : même si certains IA sont actuellement rentables, il y a probablement une part de chance, car ils ont simplement suivi la tendance du marché sur cette période. Si le marché change, il reste à voir si cet avantage peut être maintenu. Cependant, la capacité d’exécution des IA en trading mérite d’être étudiée.

Enfin, qui remportera la victoire finale ? PANews a soumis ces résultats à plusieurs modèles IA, qui ont unanimement choisi DeepSeek, estimant que son espérance de gain est la plus logique mathématiquement et que ses habitudes de trading sont les meilleures.

Fait amusant, leur deuxième choix est presque toujours… eux-mêmes.