Lorsque la dynamique faillit : interprétation du cadre structurel du marché des mèmes

Auteur : Institut de recherche CoinBe

Résumé exécutif

Le 17 janvier 2025, le jeton TRUMP a été lancé sur Solana. Au début, 80 % du total de 1 milliard d’unités — — soit 800 millions — — étaient concentrés entre deux entités liées à Trump : CIC Digital LLC et Fight Fight Fight LLC[1]. En 36 heures après le lancement, ce jeton a atteint un sommet historique de 74,27 dollars le 19 janvier 2025[2]. À la date du snapshot du 22 mai 2026, TRUMP s’était retiré d’environ 97 % de ce sommet[2]. Pendant la période de lancement, le RSI de clôture horaire est entré profondément dans la zone de surachat, et l’histogramme MACD est repassé en positif à un point d’inflexion — — deux indicateurs qui ont déclenché leurs lectures normatives, telles que définies dans les marchés de matières premières et actions des années 1970. Mais la série de prix appliquée à ces indicateurs, selon toutes définitions réglementaires et académiques en vigueur à la date du snapshot, ne repose pas sur un actif sous-jacent permettant une signification réelle de « surachat ».

Le 27 février 2025, la Securities and Exchange Commission (SEC) des États-Unis a publié la « Déclaration des employés de Meme Coin », qualifiant ces actifs de fonctionnellement limités ou inexistants, leur valeur étant purement spéculative, et concluant que la transaction de tels jetons ne constitue pas une offre de valeurs mobilières selon la loi[3]. L’opposition de Crenshaw à cette conclusion légale, lors de la même période, ne remet pas en cause l’observation empirique fondamentale : l’absence de fondamentaux dans cette catégorie d’actifs[4]. Solidus Labs a enregistré, entre janvier 2024 et mars 2025, plus de 7 millions de jetons déployés sur Pump.fun, dont 98,6 % ont chuté sous le seuil de liquidité de 1 000 dollars, seuls environ 97 000 jetons restant au-dessus de ce seuil[5]. La proportion de jetons déployés sur Pump.fun qui ont réussi à atteindre la courbe d’automate de marché (AMM) standard, selon Step Data, a en moyenne été de 0,78 % au deuxième trimestre 2025, et est restée entre 0,7 % et 0,8 % en juillet et août 2025 (d’après Cointelegraph sur le mécanisme de plateforme)[6].

Ce rapport présente trois propositions principales, avec un cadre méthodologique précis pour leur vérification.

Proposition 1. La famille d’indicateurs de momentum classiques — — RSI de Wilder, moyenne mobile d’Appel, indice de randomisation de Lane — — a été calibrée sur un ensemble de données américaines de matières premières et actions de 1957 à 1979. La reconnaissance de la revue par les pairs du momentum est attestée par l’article de Jegadeesh et Titman (1993) publié dans le Journal of Finance, utilisant un échantillon américain de 1965 à 1989[7]. Aucun de ces calibrages n’a été testé sur des actifs dépourvus de fondamentaux. La revue systématique de Park et Irwin (2007) indique que, dans les marchés de devises et de futures, ces stratégies génèrent un profit économique, mais pas dans le marché boursier[8]. Cette asymétrie contredit l’engagement implicite de « universalité », même au sein des catégories d’actifs pour lesquelles ces indicateurs ont été développés.

Proposition 2. La formation des prix des actifs Meme et la conception des indicateurs classiques ciblent des marchés structurellement différents. Liu et Tsyvinski (2021), dans Review of Financial Studies, démontrent que les principales cryptomonnaies (Bitcoin, Ethereum, Ripple) n’ont pas d’exposition significative aux facteurs macroéconomiques ou boursiers courants, ni aux rendements de devises ou de matières premières[9]. Les plus grandes cryptomonnaies ne présentent pas d’exposition aux facteurs traditionnels, et les actifs Meme, situés à l’extrémité de cette distribution, en sont encore plus dépourvus. La génération de prix des actifs Meme est principalement alimentée par l’attention, via des mécanismes automatisés comme Pump.fun, Raydium, PumpSwap, Uniswap, illustrant une structure de marché fortement auto-référentielle, décrite par le Bulletin BIS n°69 comme « soulignant la nature hautement auto-référentielle de la cryptomonnaie en tant que catégorie d’actifs »[10].

Proposition 3. Tout choix de fenêtre ou de seuil pour un indicateur ne peut transformer une « mathématique conçue pour détecter un comportement de prix basé sur l’information » en une « mathématique équivalente pour un comportement de prix basé sur l’attention ». L’espace d’entrée a changé, mais l’indicateur ne voit pas son espace d’entrée. Cela constitue la déclaration formelle que « l’optimisation paramétrique n’est pas structurellement suffisante ».

Ce rapport propose trois déviations à ce cadre d’observation sincère des actifs Meme : remplacer le seuil fixe par un classement transversal ; intégrer la variable proxy d’attention et la concentration de détention comme équivalentes aux indicateurs de prix ; définir la sortie comme observation, non comme prédiction. La section 3 détaille la procédure empirique — — univers d’échantillonnage, fenêtres, tests statistiques, actifs de contrôle. Après la production de résultats statistiques à travers une grille de paramètres, les découvertes numériques seront publiées en mise à jour.

Les quatre conditions pour réfuter la proposition de défaillance structurelle sont listées en chapitre 7.

Chapitre 1 · Domaines d’application historique des indicateurs classiques

Les indicateurs de momentum classiques restent la configuration standard des logiciels de trading de détail, issus de quatre travaux publiés entre 1957 et 1993, calibrés sur des données américaines. Ces calibrages sont documentés et cohérents : aucun n’a été testé sur des actifs dépourvus de fondamentaux.

[11] 1.1 Lane (1957) et l’indicateur de randomisation

George C. Lane, trader à Chicago, affilié à Investment Educators Inc., a écrit The Stochastic Process en 1957, document interne enregistré comme cours de formation[12]. Son origine remonte à l’observation du comportement des prix des matières premières à la Chicago Mercantile Exchange (maïs, soja, blé). Lane et ses collègues ont noté que, avant une inversion de tendance, les prix convergent vers le haut ou le bas de leur plage sur N jours. La formule %K = 100 × (close − low_n) / (high_n − low_n) normalise la clôture par rapport à la plage N jours, supposant que la distribution intra-journalière reflète la phase d’accumulation ou de distribution. Cette hypothèse repose sur le marché physique, où les observateurs peuvent raisonnablement déduire ces schémas à partir de l’activité de carnet d’ordres[13][14].

[15] 1.2 Wilder (1978) et l’indice de force relative (RSI)

J. Welles Wilder publie New Concepts in Technical Trading Systems en 1978, après plusieurs années d’utilisation manuelle de ses indicateurs sur les marchés à terme[16]. La base de données utilisée dans ses exemples est constituée des prix de clôture quotidiens du cacao, soja, cuivre, porc et argent, de 1972 à 1977. La période de 14 jours pour le RSI reflète un compromis empirique entre réactivité et stabilité dans un contexte de contrats à terme hebdomadaires. Wilder précise que son travail concerne principalement les marchés de matières premières, sans calibration sur les actions.

Le RSI suppose trois choses : (1) la tendance autour de la moyenne de volatilité N jours, (2) la stabilité des seuils de surachat/survente (70/30) dans le temps et entre actifs, (3) la capacité à distinguer tendance et consolidation, avec une durée suffisante pour détecter les retournements. Aucune de ces hypothèses n’a été testée sur des actifs sans fondamentaux.

[17] 1.3 Appel (1979) et la moyenne mobile de convergence/divergence (MACD)

Gerald Appel, à partir des années 1970, diffuse la méthode MACD via Signalert Corp, la formalise dans un manuel auto-édité en 1979, puis dans Technical Analysis: Power Tools for Active Investors. La configuration (12, 26, 9) reflète la semaine de 6 jours de trading, soit deux semaines, un mois, une semaine et demie. Initialement, Appel propose des paramètres asymétriques (8, 17, 9) pour l’achat et (12, 25, 9) pour la vente, mais la standardisation a finalement abouti à une version symétrique (12, 26, 9).

Les données utilisées dans ses exemples datent des années 1970, incluant l’indice composite de NYSE et le Nasdaq, dans un contexte de forte volatilité et d’inflation, avec des fondamentaux encore identifiables. Maitah et al. (2021) ont montré que cette configuration (12, 26, 9) produisait des rendements négatifs sur le Nikkei 225 futures de 2011 à 2019, indiquant que ces paramètres sont calibrés sur des marchés spécifiques, et ne se transférant pas directement.

[18] 1.4 Jegadeesh et Titman (1993) : ancrage académique du momentum

Le momentum cross-sectionnel, documenté par Jegadeesh et Titman (1993) dans le Journal of Finance, montre que les actions américaines ayant généré un rendement positif sur 3 à 12 mois ont tendance à continuer à surperformer dans la période suivante. La base empirique est constituée des données CRSP (NYSE et AMEX) de 1965 à 1989, devenant la référence pour la modélisation du momentum dans la finance académique. Cet effet est observé sur des actifs avec fondamentaux, et toute extension à d’autres classes nécessite une validation empirique indépendante.

[19] 1.5 Park et Irwin (2007) : revue critique

Leur revue de 95 études en Journal of Economic Surveys montre que, dans les marchés de devises et de futures, les stratégies techniques génèrent des profits, alors que dans le marché boursier, elles n’en produisent pas###. Ce constat contredit l’hypothèse d’un « engagement universel » implicite dans la littérature antérieure. Il indique que la performance dépend du contexte de marché, et que la validité des indicateurs classiques repose sur des structures de marché spécifiques.

Les trois hypothèses implicites de cette littérature sont : (1) la valorisation partielle ou totale des fondamentaux dans le prix, (2) la tendance à la moyenne, (3) la longueur de la tendance comparable à la fenêtre de l’indicateur. Ces hypothèses supposent l’existence d’un référentiel de valeur, absent dans le marché Meme.

Chapitre 2 · Générateur de prix des actifs Meme

Le lancement de TRUMP le 17 janvier 2025 constitue l’événement Meme le mieux documenté dans les registres réglementaires[12][11][20]. La concentration de 80 % du total en deux entités a produit une montée à 74,27 dollars en 36 heures, suivie d’un retrait progressif — — les indicateurs classiques RSI et MACD ont mécaniquement suivi cette trajectoire, sans référence à un actif sous-jacent. TRUMP n’est pas une anomalie, mais un exemple clair d’un mode de génération de prix différent de celui pour lequel les indicateurs classiques ont été calibrés. Ce mode s’étend selon trois dimensions mesurables : absence de fondamentaux, attention comme variable principale, concentration extrême de l’offre et des positions.

2.1 Absence de fondamentaux

La « Déclaration des employés de Meme Coin » du 27 février 2025 de la SEC qualifie ces actifs de fonctionnellement limités ou inexistants, leur valeur étant purement spéculative, sans droits économiques ou flux de trésorerie[8]. La conclusion — — que la transaction ne constitue pas une offre de valeurs mobilières — — repose sur une observation empirique fondamentale : absence de flux de trésorerie, de droits sur la valeur de l’entreprise ou d’autres droits évaluables dans un cadre classique. La contestation de Crenshaw ne remet pas en cause cette observation, mais la déduit de la conclusion légale.

Ce manque de fondamentaux ne concerne pas uniquement Meme. Liu et Tsyvinski (2021) ont montré que Bitcoin, Ethereum, Ripple n’ont pas d’exposition aux facteurs macroéconomiques ou boursiers courants, ni aux rendements de devises ou de matières premières###. Les plus grandes cryptomonnaies ne présentent pas d’exposition aux facteurs traditionnels, et les actifs Meme, à l’extrémité de cette distribution, en sont encore plus dépourvus. La conception des indicateurs de momentum suppose un marché où le prix oscille autour d’une valeur fondamentale, ce qui n’est pas le cas pour Meme.

[9] 2.2 La attention comme variable principale

L’attention, mesurée par le volume de recherches Google, la fréquence de mentions sur les réseaux sociaux, ou la taille de la base d’utilisateurs potentiels, peut remplacer la fondamentale dans la génération des prix. Da, Engelberg et Gao (2011) ont introduit l’indice de volume de recherche Google (SVI) comme proxy d’attention des investisseurs. Leur étude sur le Russell 3000 (2004–2008) montre que des pics d’intérêt annoncent des hausses de prix dans les deux semaines suivantes, avec un retour dans l’année. Liu et Tsyvinski (2021) ont reproduit ces résultats dans le marché des cryptomonnaies, où l’attention prédicte les rendements.

Barber et Odean (2008) ont montré que les investisseurs individuels, en raison de leur asymétrie d’information, achètent principalement des actifs qui captent leur attention. Sur Pump.fun, plateforme de création d’actifs Meme, plus de 11,9 millions de jetons ont été émis à la fin du troisième trimestre 2025. La décision d’achat d’un seul jeton est donc essentiellement une réaction à l’attention la plus forte, rendant la recherche systématique impossible.

[10] 2.3 La réflexivité sans ancrage externe

Soros (1987) formalise la réflexivité comme une boucle causale entre perception et fondamentaux. En marché traditionnel, cette boucle est limitée par un ancrage fondamental : la déviation de prix par rapport à la valeur revient à la moyenne. Sur Meme, cette boucle n’a pas d’ancrage : l’attention alimente le prix, qui alimente l’attention, jusqu’à épuisement. La mécanique de Pump.fun, avec sa courbe de fixation, transforme cette réflexivité psychologique en mécanique : chaque nouveau jeton vendu sur la courbe augmente le prix, ce qui attire plus d’attention, et ainsi de suite, jusqu’à ce que la boucle s’épuise.

[21] 2.4 Concentration des positions

Les indicateurs classiques supposent une distribution dispersée des positions, où chaque décision individuelle contribue à la formation du prix. Sur Meme, la concentration est systématique. Le cas le plus documenté est celui de TRUMP : 80 % du total en deux entités lors du lancement. La concentration extrême viole la prémisse de « base de détention dispersée » des indicateurs classiques. La majorité des jetons déployés sur Pump.fun, selon Step Data, ont une valeur de marché inférieure à 50 000 dollars, avec une concentration de positions très élevée à chaque étape de la courbe. La mise à jour empirique de ce rapport utilisera Solscan et Etherscan pour analyser la concentration à l’échelle du marché, confirmant que la prémisse de « base dispersée » est violée dans la majorité des actifs Meme, pas seulement dans des cas extrêmes comme TRUMP.

[21] 2.5 Microstructure des AMM

Les indicateurs classiques ont été validés dans des marchés d’ordre, où la formation du prix repose sur des cotations bid-ask. Sur Meme, la majorité des échanges se font via des AMM, où le prix est déterminé par la formule mathématique du pool de liquidité. La variation de prix dépend non linéairement de la taille de la transaction par rapport à la profondeur du pool. Sur un actif Meme avec 1 million de dollars de liquidité, une seule transaction de 20 000 dollars peut faire varier le prix d’environ 2 %, avant toute information supplémentaire. L’indicateur de momentum appliqué à ces séquences reflète une dynamique de « bruit mécanique » plutôt qu’une agrégation d’informations. Solidus Labs (2025) a montré que la majorité des pools de Pump.fun ont une profondeur insuffisante pour une découverte efficace des prix, ce qui explique la déconnexion avec la théorie classique.

Chapitre 3 · Protocoles empiriques

La structure de la section précédente établit que la formation des prix des actifs Meme diffère fondamentalement de celle pour laquelle les indicateurs classiques ont été calibrés. La manifestation de cette différence dans les lectures d’indicateurs est une question empirique. Ce chapitre définit la méthodologie adoptée par CoinBe pour répondre à cette question ; les résultats seront publiés en mise à jour après analyse statistique.

3.1 Construction de l’univers d’échantillonnage

L’univers d’échantillonnage est constitué des 200 premiers tokens Meme par capitalisation, selon la classification de CoinGecko, sur Ethereum et Solana. Lors de chaque rééquilibrage, trois filtres sont appliqués : volume moyen sur 7 jours supérieur à 1 million de dollars, au moins 30 jours de données historiques, et profondeur de pool d’au moins 100 000 dollars.

Ces seuils excluent la majorité des tokens déployés sur Pump.fun. Selon Step Data, entre janvier 2024 et mars 2025, plus de 700 000 tokens ont été déployés avec au moins 5 transactions, dont seulement 97 000 ont maintenu une liquidité au-dessus de 1 000 dollars. La proportion de pools avec une profondeur suffisante pour la découverte de prix est faible, et la majorité des pools sont inactifs ou peu profonds. La sélection finale ne concerne qu’un sous-ensemble de tokens vivants, dont la stabilité est analysée dans la suite.

[13] 3.2 Correction par biais de survie

Les backtests à la date du 22 mai 2026 ne concernent que les tokens survivants. Ces survivants forment une queue à queue lourde, avec une majorité de pertes. La proportion de 98,6 % de tokens échoués sur Pump.fun montre que la simple rétro-analyse surestime la performance des indicateurs.

La solution consiste à reconstruire l’univers à chaque étape, en intégrant tous les tokens, y compris ceux qui ont échoué. Les API de CoinGecko, CoinMarketCap, Kaiko permettent cette reconstruction périodique. Sans cette correction, les résultats seront biaisés vers la surperformance.

3.3 Fenêtre de backtest

Les tests sont séparés en trois périodes correspondant aux changements structurels du marché Meme : avant Pump.fun (janvier 2023 – janvier 2024), période de lancement de Pump.fun (janvier 2024 – janvier 2025), et la période politique (janvier 2025 – mai 2026). Chaque période couvre des caractéristiques distinctes : décentralisation, concentration, mécanismes de lancement, et dynamique de marché.

[14] 3.4 Paramètres d’indicateurs

Les indicateurs sont testés avec leurs paramètres classiques : RSI 14, MACD (12, 26, 9), stochastique (14, 3, 3), momentum 10. L’objectif est de vérifier si ces paramètres, calibrés sur d’autres marchés, restent pertinents pour Meme. Toute optimisation ultérieure pourrait introduire un biais de recherche, mais ce n’est pas l’enjeu ici.

[1] 3.5 Tests statistiques

Pour chaque période, chaque actif, chaque signal, sont calculés : précision directionnelle sur N jours (N=1,3,7,14), rendement excédentaire après coûts (frais de 30 bps en décentralisé, 10 bps en centralisé, slippage de 50 bps), causalité de Google Trends (via Granger), et contrôle de biais par test de White (2000).

[2] 3.6 Actifs de contrôle

Les indicateurs sont aussi appliqués à Bitcoin, Ethereum, Solana. La différence de performance entre ces actifs et Meme, notamment la faiblesse de la performance dans le marché boursier, indique que Meme occupe une position intermédiaire, structurée différemment des actifs sans fondamentaux.

[3] 3.7 Références bibliographiques

Liu, Tsyvinski, Wu (à paraître) proposent un facteur de tendance pour la rentabilité des cryptomonnaies, excluant les actifs à faible liquidité. Leur cadre théorique repose sur une modélisation d’apprentissage équilibré, adaptée à des actifs sans fondamentaux. La validation empirique de cette approche dans le contexte Meme reste à faire.

3.8 Mise à jour empirique

Les résultats issus de cette méthodologie, après correction de biais, seront publiés en réponse aux travaux de référence, notamment ceux de Detzel et Liu. La priorité est donnée à une argumentation structurale, complétée par des chiffres, pour éviter toute confusion.

Chapitre 4 · Pourquoi l’optimisation paramétrique ne peut corriger cette dissonance

Tout marché où les indicateurs sont faibles conduit à une recherche de paramètres optimaux. L’histoire du momentum — — des actions aux matières premières, puis aux devises et enfin au Bitcoin — — est essentiellement une histoire de recalibrages. Quatre mécanismes expliquent pourquoi cette approche ne fonctionne pas pour Meme.

[3] 4.1 La valeur comme conteneur d’attention

En 1978, un RSI de 70 sur le marché américain indique une déviation par rapport à la fondamentale : le prix est suffisamment élevé pour que la moyenne de réversion soit attendue. En 2026, un RSI de 70 sur Meme indique une déviation d’attention : le prix est en pic local. Les deux chiffres sont identiques, mais décrivent des phénomènes différents.

L’optimisation paramétrique — — en changeant la fenêtre ou le seuil — — ne peut pas combler cette différence, car le signal sous-jacent est généré par des processus différents. Un RSI sur 14 jours appliqué à une série alimentée par l’attention renvoie une fonction de l’attention, pas du prix en tant qu’information. Modifier la fenêtre à 7 ou 21 jours ne change pas la nature du signal, seulement la quantité de lissage.

[4] 4.2 La boucle de réflexivité n’a pas d’ancrage externe

En marché traditionnel, la boucle de réflexivité est limitée par un ancrage fondamental : la déviation de prix par rapport à la valeur revient à la moyenne. Sur Meme, cette boucle n’a pas d’ancrage : l’attention alimente le prix, qui alimente l’attention, jusqu’à épuisement. La mécanique de Pump.fun, avec sa courbe de fixation, transforme cette boucle psychologique en mécanique : chaque vente sur la courbe augmente le prix, attirant plus d’attention, jusqu’à ce que la boucle s’épuise.

[15] 4.3 La mathématique des indicateurs ne voit pas leur espace d’entrée

Un RSI ne sait pas s’il est appliqué à un contrat à terme de maïs, à un stock Nasdaq ou à un actif Meme. La formule est la même : comparer les clôtures N jours en hausse et en baisse, normaliser, lisser. Mais l’indicateur ne voit pas la source des données. Modifier la fenêtre ne change pas la nature du signal, seulement le degré de lissage.

Si l’espace d’entrée change — — si la série de prix est générée par un processus non calibré — — alors aucun réglage paramétrique ne peut restaurer la relation d’origine. C’est la déclaration que « l’optimisation paramétrique n’est pas structurellement suffisante ». La solution proposée dans le chapitre 5 est de changer la question posée à l’indicateur, pas de le recalibrer.

4.4 La distorsion par la microstructure AMM

Les AMM, en particulier sur Solana (Raydium, PumpSwap) ou Ethereum (Uniswap), génèrent une dynamique de prix différente. La formule mathématique du pool produit un prix en fonction de la quantité de tokens, avec une non-linéarité. Sur un actif Meme avec 1 million de dollars de liquidité, une seule transaction de 20 000 dollars peut faire varier le prix d’environ 2 %, avant toute information supplémentaire. L’indicateur de momentum appliqué à ces séquences reflète une dynamique de « bruit mécanique » plutôt qu’une agrégation d’informations. Solidus Labs (2025) a montré que la majorité des pools ont une profondeur insuffisante pour une découverte efficace des prix, ce qui explique la déconnexion avec la théorie classique.

Chapitre 5 · Cadre d’observation en trois principes

Les diagnostics structurels des chapitres 2 et 4 montrent que la simple recalibration des indicateurs classiques ne suffit pas. La voie consiste à utiliser des outils qui connaissent leur espace d’entrée. CoinBe propose trois principes.

[18] 5.1 Classement transversal plutôt que seuil fixe

La première déviation consiste à abandonner l’usage de seuils fixes (70/30, zéro MACD) comme primitives. Ces seuils sont calibrés sur des actifs avec une distribution stable. Sur Meme, la distribution est dynamique et dépend du classement transversal. La méthode s’appuie sur l’article de Asness, Moskowitz et Pedersen (2013) dans Journal of Finance, qui propose de classer les actifs dans leur univers plutôt que de fixer des seuils absolus. Liu, Tsyvinski et Wu (2022) ont confirmé cette approche pour la cryptomonnaie, en utilisant un classement par rang.

Pour l’univers Meme, cela signifie que, chaque rééquilibrage, on calcule la lecture de chaque indicateur pour chaque actif, on le classe dans l’univers qualifié, et on rapporte la position en quantile. Un actif dans le top 20 % du RSI 14 n’est pas « suracheté » au sens classique, mais « dans le quart supérieur de l’espace attention-momentum ». La précision de cette description est essentielle.

[15] 5.2 Proxy d’attention et concentration

La deuxième déviation consiste à ne pas considérer les indicateurs classiques comme la représentation complète du momentum. On intègre trois variables : (1) celles dérivées du prix (indicateurs classiques), (2) celles d’attention (volume de recherche, mentions sociales), (3) celles de concentration (part des 10 premiers détenteurs, variation dans la fenêtre). La littérature montre que ces variables précèdent ou expliquent la performance : attention précède souvent le rendement, concentration indique la domination du contrôle.

La concentration, déjà évoquée, est un indicateur clé : la part des 10 premiers dans la détention, la variation dans la fenêtre, reflètent la dynamique de contrôle. La combinaison de ces variables dans un classement transversal donne une image plus fidèle du processus de formation des prix.

[22] 5.3 La sortie : observation, pas prédiction

La troisième déviation concerne la nature de la sortie. La position dans le classement transversal indique « où en est l’actif dans la distribution d’attention-momentum-concentration » à un instant donné. Elle ne prédit pas le rendement futur. La littérature sur la surperformance technique insiste sur le fait que ces indicateurs, même bien calibrés, ne donnent pas de signal de direction future, mais une position relative.

Ce point n’est pas une simple nuance : c’est la limite même du cadre. La revue de Park et Irwin (2007) montre que la majorité des études empiriques sur la technique ne trouvent pas de lien causal robuste avec le rendement. La position dans la distribution est une photographie, pas une prévision.

L’output opérationnel est donc : à chaque rééquilibrage, classement en quantiles, avec indication de la « survie » dans l’univers, sans faire d’affirmation sur la direction ou la magnitude du prochain mouvement.

[23] 5.4 Déclaration de limites

Ce cadre décrit la position relative dans l’univers à un instant donné, selon trois dimensions : attention, prix, concentration. Il ne dit rien sur ce qu’il faut faire : acheter, vendre, attendre. Il ne prédit pas le mouvement futur. La faible survie des actifs Meme (moins de 2 %) ne modifie pas cette limite : la position dans la distribution ne change pas la probabilité de survie. Toute utilisation qui ignore cette limite est une mauvaise utilisation.

Chapitre 6 · Auto-critique

Ce cadre repose sur une proposition structurelle : que la formation des prix Meme est alimentée par l’attention, pas par l’information fondamentale. La critique la plus forte concerne cette hypothèse.

Première critique : la différence entre Meme et d’autres actifs sans fondamentaux — — collectibles, warrants, IPO spéculatives — — pourrait ne pas être aussi radicale. Si Meme n’est qu’un « dernier maillon de la chaîne spéculative sans fondamentaux », alors la mauvaise performance des indicateurs classiques n’est qu’un effet connu, sans rupture de principe. La réponse : la mécanique de microstructure d’AMM et la plateforme d’émission industrialisée (à partir de 2024) produisent une dynamique différente, avec une concentration extrême, une absence de fondamentaux, et une auto-référentialité accrue.

Deuxième critique : le cadre méthodologique est présenté sans résultats empiriques issus de la pipeline interne de CoinBe. La critique est légitime, mais la réponse est que la validité de la structure ne dépend pas de ces résultats, qui sont une étape suivante. La publication des résultats empiriques est une étape ultérieure, pas une condition de la validité du cadre.

Troisième critique : la nature de la déviation — — notamment la classe d’indicateurs — — est une limite, car elle ne dit rien du futur. C’est exact, mais c’est aussi la limite du cadre : c’est une observation, pas une prédiction. La documentation doit clarifier cette distinction pour éviter les mauvaises utilisations.

Quatrième critique : la « observation honnête » pourrait être perçue comme une déclaration de non-responsabilité légale. La réponse : le cadre est conçu pour être descriptif, non prédictif. La formulation est une déclaration de ce qui est observable à la date du snapshot, pas une promesse de prédiction. Si la recherche future établit une structure prédictive, le cadre pourra évoluer.

Chapitre 7 · Signaux réfutables

Le cœur de cette proposition est qu’elle est falsifiable. Si une étude ou un backtest indépendant montre que, pour au moins 50 actifs Meme, la précision directionnelle du RSI 14 et du MACD (12, 26, 9) est comparable à celle sur Bitcoin, Ethereum ou Solana, avec une différence inférieure à 5 points de pourcentage et une significativité à 1 %, alors la proposition de défaillance structurelle sera invalidée.

De même, si une calibration spécifique à Meme, testée hors échantillon, génère un rendement excédentaire stable après coûts, et que cette performance est corrigée pour le biais de survivance et validée par le test de White (2000), alors la proposition que « l’optimisation paramétrique ne peut corriger la dissonance » sera invalidée.

Si une étude montre que le rendement de Meme peut s’expliquer par une extension du modèle Fama-French, avec un R² supérieur à 30 %, la proposition de « manque de fondamentaux » sera invalidée.

Enfin, si un test de causalité de Granger sur l’univers d’échantillonnage montre que l’attention (volume de recherche, mentions sociales) précède significativement le mouvement de prix à 10 %, la seconde règle du cadre empirique perdra sa base empirique.

Ces conditions sont explicitement formulées pour permettre la réfutation, pas pour éviter la critique.

Chapitre 8 · Déclarations méthodologiques et de transparence

[24] 8.1 Portée et limites

Ce document propose un cadre d’observation pour le marché Meme, basé sur la littérature existante en momentum, finance comportementale, et cryptomonnaies. La section empirique détaille la procédure de backtest ; les résultats seront publiés en mise à jour. L’univers d’analyse couvre les actifs Meme échangés sur Ethereum et Solana au 22 mai 2026. Il ne s’étend pas aux NFT, stablecoins, tokens de gouvernance, ni aux plateformes non couvertes (BSC, Base, Tron).

8.2 Actualité des données

Toutes les données de marché, prix, concentration, timestamps, sont fixées à la date du 22 mai 2026. Les données antérieures sont datées explicitement. Les références à des papiers ou travaux en cours indiquent leur état à cette date. Aucune mise à jour ultérieure n’est intégrée dans cette version.