Beaucoup de gens ne reconnaissent pas l'AI Trading, voire le réduisent à « optimiser une stratégie de moyenne mobile avec l'apprentissage automatique », je souhaite partager ma compréhension de ce terme.

Tout d'abord, nous ne pouvons pas définir l'avenir en utilisant le passé ou le présent. L'AI Trading est en cours, et le sera encore plus dans le futur. Tout comme le concept d'Agent est apparu, l'humanité ne pensait pas qu'il évoluerait si rapidement. Du succès mondial de ChatGPT à la popularisation de l'architecture Transformer, puis aux LLM actuels, le potentiel de l'AI Trading n'est plus limité par l'humain, mais par le modèle, l'architecture technologique, la roue de données, et la puissance de calcul (énergie).
L'AI Trading n'est pas simplement une mise à niveau d'outils, mais une transformation paradigmique du « humain + outil » vers une « autonomie systémique ».
1. Ce n'est pas une « optimisation par backtesting », mais une « invention de nouveaux mécanismes de marché »
Comme pour l'invention de l'électricité, ce dont l'AI Trading a vraiment besoin, c'est d'inventer et de créer, pas de faire de l'induction à partir des données historiques actuelles ou de backtester des stratégies. La plupart des trading quantitatifs passés étaient essentiellement des arbitrages statistiques ; si l'on se contente de répéter le passé, cela ne constitue pas une avancée paradigmique.
Le véritable potentiel de l'AI Trading réside dans ses capacités génératives et exploratoires, elle peut inventer des modes de trading, des méthodes d'acquisition de liquidité, voire de nouveaux langages financiers que l'humanité n'a jamais vus. À l'avenir, les Agents ne seront plus seulement des outils d'exécution d'instructions, mais des entités autonomes découvrant l'Alpha. Ils pourront, via des données multimodales (nouvelles, images satellites, comportements on-chain, émotions sociales), construire en temps réel un modèle du monde, puis générer et tester de nouvelles hypothèses.
C'est comme l'Internet au début : on pensait que « email + pages web » suffisaient, puis sont apparus l'économie de plateforme, la recommandation algorithmique, le Web3, etc.
Les grandes entreprises investissent sûrement énormément dans l'AI Trading, mais ces investissements ne sont pas facilement divulgués. Ce qui a de la valeur, ce ne sont pas les papiers publiés, mais les systèmes en temps réel en closed source. DeepSeek, à ses débuts, était une version initiale du Bot quantitatif de Fang Wenfeng chez Fantasia Fund, et de nombreuses équipes de trading quantitatif de haut niveau (y compris Fantasia, Jiukun, Mingxi, etc.) utilisaient déjà des idées similaires aux LLM pour l'extraction de signaux, simplement sans appeler cela « AI Trading ».
2. Le capital, la tolérance à l'erreur, et l'accumulation historique sont les véritables barrières naturelles
Après tout ce discours, je pense qu'il faut garder une attitude positive envers « le futur du futur », car de nombreuses transformations pourraient se produire en nous.
Ceux qui ont du capital, de l'argent, du pouvoir, et une grande marge de tolérance à l'erreur, se lancent tous dans l'AI, ce n'est pas sans raison. Quand l'AI rend la connaissance sans frontières et l'information transparente, ce qui décide vraiment de la victoire ou de la défaite, ce sont l'argent et le pouvoir. La substituabilité du savoir et des talents devient de plus en plus grande.
Si je vais aujourd'hui sur le marché du travail pour embaucher quelqu'un, il se pourrait que ce soit moins efficace que de former un Agent qui suit à 100 % les instructions. Le coût d'un Agent diminue avec la généralisation de la puissance de calcul, mais le coût humain est rigidement déterminé par l'économie sociale et le coût de la vie.
Beaucoup disent « ceux qui ont de l'argent se lancent aussi dans l'AI », mais cette définition est fausse. C'est parce qu'ils ont gagné de l'argent dans d'autres domaines, qu'ils ont de l'argent et du temps libre, et qu'ils utilisent leur marge d'erreur pour réserver de l'espace pour l'avenir. Google a investi 40 milliards de dollars dans Anthropic, Microsoft dans OpenAI, Amazon dans diverses infrastructures AI, essentiellement en achetant des options futures avec leur flux de trésorerie excédentaire. Pour les géants, des investissements de plusieurs milliards de dollars, même s'ils échouent, ne sont que des « expérimentations au niveau départemental » ; mais si cela réussit, cela pourrait remodeler tout le marché financier (haute fréquence, market making, gestion d'actifs, voire outils de la banque centrale).
Revenant à l'AI Trading lui-même, pour les PME ou les petites entreprises, dans cette course à la liquidité globale, faire face directement est épuisant et sans grande valeur. Les barrières de données, de puissance de calcul, de talents et de tolérance réglementaire deviennent de plus en plus élevées. Ce que peuvent faire les individus ou petites équipes, c'est peut-être créer des écosystèmes verticaux (comme des Agents sur des protocoles spécifiques en chaîne), mais il est difficile de défier la liquidité globale. Cependant, pour des entreprises en position de monopole absolu ou des géants technologiques, cela pourrait ne représenter qu'une de leurs milliers de problématiques qu'ils peuvent traiter en même temps. Ils ont l'argent, le pouvoir, l'expérience, la tolérance à l'erreur, et n'ont pas besoin d'obtenir immédiatement un résultat, mais simplement de réserver une position, de parier sur une possibilité.
Cela signifie aussi que l'AI pourrait accentuer les inégalités sociales, et rendre les fractures humaines plus visibles :
• Top : capital et AI forment une roue de fortune, les travailleurs du savoir sont partiellement remplacés.
• Moyen : les traders traditionnels et chercheurs sont en compétition féroce avec les Agents, leurs compétences se dévaluent rapidement.
• Bas : l'asymétrie d'information pourrait être partiellement atténuée par l'open source AI, abaissant la barrière d'entrée, mais la concentration de la richesse pourrait encore augmenter.
3. La vision future : Agent contre Agent
Je reste optimiste mais lucide quant à l'avenir. Peut-être que ce sera une confrontation entre Agents, un combat entre AI traders. Sur un marché en zero-sum ou quasi-zero-sum, la victoire dépendra de l'architecture, du paradigme d'entraînement, du feedback en temps réel, et non simplement de la taille du modèle. L'avenir pourrait appartenir à une « Ruche d'Agents » (Swarm).
Les trajectoires d'évolution possibles sont :
• 2026-2028 : apprentissage renforcé combiné à des Agents LLM, avec des performances exceptionnelles dans des niches (cryptomonnaies, options, arbitrage transfrontalier), l'humain se limitant à la supervision et à l'intervention en cas d'anomalie.
• 2028-2032 : systèmes multi-Agents en collaboration et en compétition deviennent la norme, avec l'émergence de véritables « gestionnaires de fonds IA », où les investisseurs particuliers achètent directement des portefeuilles d'Agents.
• Plus loin : le trading lui-même pourrait être redéfini. Quand la majorité de la liquidité est fournie par des Agents, la microstructure du marché changera radicalement (latence plus faible, flux d'ordres plus complexe, pools de liquidité plus dynamiques), rendant obsolètes les cadres de backtesting traditionnels.
Naturellement, les risques sont aussi évidents : hallucinations de l'IA, effondrements de modèles, régulation, et amplification des risques systémiques (par exemple, plusieurs super-Agents apprenant la même biais, provoquant un krach éclair). Donc, « la tolérance à l'erreur » reste essentielle dans cette partie.
En résumé, l'imagination s'amplifie, l'exécution se resserre.
Même si le plafond de l'AI Trading est l'architecture, la roue de données et la puissance de calcul, le plus grand avantage humain reste la capacité à créer de nouveaux jeux, à concevoir de nouveaux paradigmes d'entraînement d'Agents, de nouvelles règles de marché, de nouveaux mécanismes d'incitation. La partie centrale reste sous le contrôle de l'humain (ou d'une poignée d'élites).
« Utiliser la marge d'erreur restante pour gagner du temps et de l'espace », beaucoup s'inquiètent que « l'AI va leur prendre leur emploi », mais ceux qui prennent l'avantage sont souvent ceux qui ont d'abord agrandi leur gâteau, puis partagé la part. Les humains doivent se plier à la réalité, mais nous pouvons encore trouver notre place.
Pour l'AI Trading, il faut adopter une attitude de « grande imagination + exécution resserrée ». Les individus ou petites équipes ne doivent pas se lancer dans une guerre totale contre les géants, mais peuvent innover à la marge, dans des écosystèmes verticaux spécifiques, ou par la collaboration open source, pour trouver leur propre Alpha.