Pourquoi les graphiques ne prédisent pas le prix

Chaque jour, des dizaines de milliers de personnes ouvrent des graphiques et y dessinent des rectangles. Zones de demande, order blocks, déséquilibres, vagues, divergences. Derrière, il y a un espoir compréhensible : si l'on apprend à voir les figures que peu de gens voient, on peut deviner où ira le prix.

Première partie. Ce que dit la science

L'analyse technique a presque trois siècles. Les marchands de riz japonais dessinaient des graphiques en chandeliers dès le XVIIIe siècle ; la technique n'est arrivée en Occident qu'au XXe. Pendant ce temps s'est accumulée une masse énorme de vérifications — et, malheureusement pour le secteur, elle n'est pas encourageante.

La revue la plus complète de cette littérature a été réunie par Cheol-Ho Park et Scott Irwin : « The Profitability of Technical Analysis: A Review », un rapport du projet AgMAS de l'Université de l'Illinois. Ils ont rassemblé des dizaines de vérifications empiriques de systèmes de trading technique sur des marchés très différents — actions, devises, contrats à terme — et en ont tiré un bilan.

Le bilan est le suivant. La rentabilité sur les marchés spéculatifs s'est maintenue « au moins jusqu'au début des années 1990 », puis elle s'est évanouie. Autrement dit, toutes les découvertes appartiennent à l'époque où l'on passait les ordres à la voix et où l'on calculait les moyennes mobiles sur papier. Et presque tous les résultats positifs, selon l'évaluation des auteurs de la revue eux-mêmes, souffrent des mêmes maladies : ajustement aux données, choix des règles a posteriori et sous-estimation des coûts de transaction.

Le premier point mérite une explication, car c'est le piège principal de tout le secteur. Si l'on essaie mille règles sur le même historique, la meilleure paraîtra brillante — simplement en vertu des lois de la probabilité, même si les mille sont vides. C'est ainsi que naissent la plupart des stratégies « qui marchent » : non pas parce que quelqu'un a trouvé une régularité, mais parce que quelqu'un a cherché assez longtemps.

Avec les figures en chandeliers, ce ne fut pas mieux. Piyapas Tharavanij et ses coauteurs ont testé les figures de retournement haussières et baissières à la Bourse de Thaïlande — « Profitability of Candlestick Charting Patterns in the Stock Exchange of Thailand », revue SAGE Open. La conclusion comporte deux parties. Prises seules : pour la plupart des figures, le rendement moyen ne se distingue pas statistiquement de zéro, et pour les rares où une différence a été trouvée, un rendement de 0.07–0.84 % se trouve à côté d'un écart-type de quatre à sept pour cent — autrement dit, le signal s'est noyé dans le bruit qui l'entoure. Et la seconde partie, plus vexante : le filtrage par le stochastique, le RSI ou l'indice de flux monétaire « n'augmente en général ni la rentabilité ni la précision de la prédiction ». La recette populaire « figure plus confirmation par un indicateur » ne passe pas le test.

Mais l'étude la plus intéressante est parue récemment — et c'est elle qui est la plus proche de ce que fait aujourd'hui un trader particulier.

Mathias Mesfin a publié en 2026 le travail « Structural Limits of OHLCV-Based Intraday Momentum Signals in MNQ Futures: A Systematic Falsification Study ». Il a pris le contrat à terme sur le Nasdaq 100, 947 jours de cotation en données de cinq minutes pour 2021–2025, et a testé quatorze familles de signaux de momentum intrajournaliers. Chacune devait satisfaire simultanément cinq conditions : une statistique t d'au moins 2.0 sur les données hors échantillon, au moins trente transactions dans chaque fenêtre de test, un rendement positif après des coûts réalistes, la même direction en 2023, en 2024 et en 2025 pris séparément, et un test de permutation avec un seuil de significativité inférieur à 0.001.

Aucune n'a réussi.¹

Mais plus intéressant que le fait lui-même est l'endroit exact où tout a cassé. Onze familles sur quatorze sont mortes au même endroit : leur rendement brut allait de 0.07 à 1.50 point, alors qu'entrer et sortir coûte environ deux points. Le signal existe donc. Il indique même la bonne direction. Il est simplement plus petit que ce que coûte son utilisation. C'est la manière la plus fréquente et la moins visible de perdre de l'argent avec les graphiques : non pas se tromper de direction, mais avoir raison d'un montant inférieur à la commission.

Trois autres familles ont franchi les coûts, mais sont tombées sur la robustesse : la cassure à la hausse de la fourchette du matin a donné une statistique t de 0.88, le retournement selon un classificateur de volatilité et de volume 1.26, et la poursuite à la baisse du gap a gagné de solides 16.53 points bruts avec une statistique t de 1.46, puis s'est effondrée sur l'exigence de fonctionner séparément sur chacune des trois années. Une histoire connue : une stratégie qui « marchait » marchait généralement une année bien précise.

Et ce que l'auteur a fait à la fin mérite un respect particulier. Il a fait passer dans le même hachoir deux signaux dont il savait à l'avance qu'ils avaient un avantage — et ils ont réussi : statistiques t de 3.11 et 4.30. On appelle cela un contrôle positif, et cela répond à la principale objection faite à tout travail négatif : « peut-être que votre méthode ne voit tout simplement rien ». Elle voit. Elle n'a pas vu précisément ce qui était testé.

Deuxième partie. Ce qui fonctionne

Si tout s'arrêtait là, l'article n'aurait pas de sens. Mais ces mêmes recherches ont aussi une seconde moitié — sur ce qui passe le test.

Les choses qui fonctionnent sont peu nombreuses, et elles ont une propriété commune sur laquelle nous reviendrons.

Le suivi de tendance

La confirmation la plus longue de toutes celles qui existent. Un groupe de chercheurs de Capital Fund Management — Lempérière, Deremble, Seager, Potters et Bouchaud — a réuni des données sur deux siècles : « Two Centuries of Trend Following ». Prix au comptant des matières premières et des indices depuis 1800, taux des obligations d'État depuis 1918, contrats à terme depuis 1960. Conclusion : le rendement sur dix ans du suivi de tendance « n'a jamais été négatif en deux siècles ».

Mais cette médaille a un lourd revers, et les auteurs ne le cachent pas. La durée typique d'un drawdown, écrivent-ils, est égale à un divisé par le carré du ratio de Sharpe — en années. Pour une stratégie avec un Sharpe de 0.7, cela fait des drawdowns de deux ans comme norme. Pour 0.5 — quatre ans. Réfléchissez-y : une stratégie juste, qui fonctionne depuis deux cents ans, peut ne vous donner que des pertes et des explications pendant quatre années de suite. Aucune discipline ne remplace la compréhension de ce chiffre à l'avance.

Il y a aussi une troisième face, la plus désagréable. Geetesh Bhardwaj, Gary Gorton et Geert Rouwenhorst ont étudié ce qui, de cette prime, parvient à l'investisseur — un travail au titre éloquent, « Fooling Some of the People All of the Time: The Inefficient Performance and Persistence of Commodity Trading Advisors ». Les gérants de fonds de contrats à terme ont obtenu 5.4 % de rendement excédentaire brut sur 1994–2007, tandis que l'investisseur a touché 85 points de base — huit dixièmes de point au-dessus des bons du Trésor, statistiquement indiscernables de zéro. La prime existait. Elle a été absorbée par les frais.

La prime de volatilité

La plus persistante de celles qui sont documentées. Peter Carr et Liuren Wu, dans le travail « Variance Risk Premiums » (Review of Financial Studies), ont montré que la prime de risque de variance de l'indice S&P 500 est durablement négative : les investisseurs acceptent un rendement espéré négatif pour s'assurer contre la hausse de la volatilité. L'autre face de la même opération — la vente de volatilité — a historiquement offert des rendements très élevés par unité de risque.

Et l'essentiel : on comprend pourquoi cela ne disparaît pas sous la pression des arbitragistes. Ce n'est pas une erreur de prix que l'on pourrait corriger. C'est la rémunération d'un risque. Le vendeur d'option reçoit de l'argent pour prendre à sa charge le risque d'un krach dont les couvreurs se rachètent. Le risque est réel — c'est pourquoi la rémunération l'est aussi. Ceux qui vendaient de la volatilité en février 2018 ou en mars 2020 ont appris pour quoi exactement on les avait payés toutes les années précédentes.

Le carry

Dans la crypto, c'est le taux de financement des contrats perpétuels. Le mécanisme est ici d'une transparence extrême, et c'est le seul de cette liste qui se vérifie non par un backtest, mais par un reçu.

Un contrat perpétuel n'a pas d'échéance, donc la plateforme le rattache au prix au comptant par de l'argent : toutes les huit heures, une partie paie l'autre. Si le contrat est plus cher que l'indice, ce sont les positions acheteuses qui paient ; s'il est moins cher, ce sont les vendeuses. Ce n'est ni une estimation ni un modèle, c'est un transfert de fonds publié, avec un historique pour chaque instrument. Celui qui a acheté l'actif au comptant et vendu le contrat perpétuel perçoit ces versements et ne dépend pas de la direction du prix. La conception du taux et la logique de son calcul sont analysées, par exemple, dans le travail « Designing Funding Rates for Perpetual Futures in Cryptocurrency Markets ».

Mais ici la prime dépend du régime plus qu'on ne le pense d'habitude. Quand le marché est surchauffé de positions acheteuses, le taux de financement s'envole ; quand du capital arrive dans cette opération, il se comprime vers le rendement des instruments ordinaires en dollars — et alors tout l'intérêt de la construction disparaît : le même argent aurait pu être gardé en dollars sans risque de plateforme, sans levier et sans risque de liquidation de la jambe vendeuse. Le carry n'est pas une planche à billets, mais la rémunération de la disposition à tenir une position que, au moment critique, on n'aura peut-être personne à qui transmettre.

Troisième partie. Pourquoi l'un fonctionne et l'autre non

La différence entre les deux listes n'est pas fortuite.

Tout ce qui fonctionne est une rémunération pour la prise de risque, et non une récompense pour la reconnaissance de figures.

En vendant de la volatilité, vous prenez à votre charge le risque d'un krach dont les autres se rachètent. En suivant la tendance, vous acceptez le risque de longs retournements et de drawdowns de quatre ans que la plupart des gens ne supportent pas psychologiquement. Dans le carry — le risque que le taux se retourne au pire moment et que la jambe vendeuse soit emportée par un appel de marge.

Personne ne vous paie pour avoir vu un rectangle sur un graphique. On vous paie pour porter un risque que d'autres trouvent inconfortable à porter.

Il en découle aussi le second point.

Pourquoi les découvertes disparaissent

Même les vraies régularités s'estompent une fois qu'on les connaît.

La vérification classique de ce phénomène a été faite par David McLean et Jeffrey Pontiff — « Does Academic Research Destroy Stock Return Predictability? », Journal of Finance. Ils ont pris 97 caractéristiques dont les grandes revues scientifiques avaient montré qu'elles prédisent le rendement des actions, et ont regardé ce qu'elles étaient devenues ensuite. Hors échantillon, le rendement s'est révélé inférieur de 26 %. Après la publication — inférieur de 58 %. La différence entre ces chiffres, 32 %, est le prix de la publication elle-même : c'est ce qu'ont pris les gens qui ont lu l'article. Un alpha de cinq pour cent dans l'échantillon devient environ trois virgule quatre une fois qu'on le connaît.

Un travail plus récent d'Antoine Falck, Adam Rej et David Thesmar — « Why and How Systematic Strategies Decay » — précise le tableau et ajoute un détail inquiétant. L'année de publication explique à elle seule 30 % de la dispersion de l'érosion, et chaque année l'érosion des facteurs nouvellement publiés augmente de cinq points de pourcentage. Le capital accourt vers une inefficience découverte plus vite qu'avant. Ce qui a été trouvé en 2005 a vécu des années. Ce qui est trouvé aujourd'hui meurt en quelques mois.

Appliquez maintenant cela aux méthodes qui se sont répandues sur YouTube à des millions de vues. S'il y avait quelque chose en elles, c'est parti en premier — et c'est parti bien avant que vous n'en entendiez parler.

Quatrième partie. Les chiffres dont on ne parle pas dans les formations

Puisque nous nous sommes attaqués aux faits dérangeants, citons aussi ceux-ci. Ils ne portent pas sur les méthodes, mais sur les gens.

Fernando Chague, Rodrigo De-Losso et Bruno Giovannetti ont obtenu les données réglementaires complètes sur les comptes de particuliers sur les contrats à terme brésiliens — « Day Trading for a Living? ». Sur 19 646 personnes qui ont commencé à trader, 1 551 sont arrivées à trois cents séances ou plus — sept virgule neuf pour cent. Parmi ces persévérants, 97 % ont perdu de l'argent. 1.1 % ont gagné plus que le salaire minimum brésilien. Plus que le salaire d'un employé de banque — un demi pour cent. Huit personnes sur mille cinq cents.

Et la phrase clé du même travail, qui mérite une attention particulière : « il n'y a aucune preuve d'apprentissage des day traders pendant les périodes où ils tradent ». Les gens ne s'améliorent pas avec la pratique. Trois cents jours devant le terminal ne se transforment pas en compétence — ils se transforment en trois cents jours de commissions.

Taïwan, une autre époque et un autre marché, le même résultat. Brad Barber, Yi-Tsung Lee, Yu-Jane Liu et Terrance Odean ont analysé quinze ans de données complètes sur l'ensemble du marché, 1992–2006 : « The Cross-Section of Speculator Skill: Evidence from Day Trading », Journal of Financial Markets. Leur formulation : « moins d'un pour cent de l'ensemble de la population des day traders est capable d'obtenir de manière prévisible et fiable des rendements anormaux positifs nets de frais ». En chiffres absolus — environ quatre mille personnes sur quelque quatre cent cinquante mille qui tradent dans une année.

Notez-le : ces quatre mille existent. Le talent en spéculation n'est pas un mythe, il est mesurable et reproductible. Simplement, sa distribution ne ressemble pas à « apprends et tu y arriveras », mais à la distribution du talent dans le sport professionnel. La seule différence est que, dans le second cas, personne ne vend de formations promettant d'intégrer le cinq de départ de la NBA en trois mois.

Que faire de tout cela

Nous ne pensons pas que le marquage des graphiques soit inutile. Il est utile — mais pas dans le rôle dans lequel on le vend d'habitude.

Un gap non comblé sur un graphique est un fait. Un niveau à partir duquel le prix s'est retourné deux fois est un fait. Un extrême que le prix a franchi est un fait. Ce sont des repères : où placer un stop, où fixer un objectif, où le prix est déjà passé. Une carte du terrain.

Ce que la carte ne fait pas, c'est dire où ira la voiture.

La différence entre ces deux choses est toute la différence entre un outil et une promesse. L'outil fait gagner du temps et structure le regard. La promesse se vend mieux, mais elle n'est pas tenue.

Nous avons choisi le premier. C'est pourquoi notre module de marquage ne contient ni pourcentages de probabilité, ni les mots « signal » et « prévision », et qu'il possède l'état « ici, pas de zones nettes » — au lieu de dessiner quelque chose à tout prix.

Et nous publions les chiffres de cet article parce que nous estimons que l'utilisateur a le droit de savoir ce qu'il tient exactement entre les mains.

Sources

1. Park C.-H., Irwin S. The Profitability of Technical Analysis: A Review. AgMAS Project Research Report 2004-04, University of Illinois. ageconsearch.umn.edu/record/37487 — revue de synthèse des vérifications empiriques des systèmes de trading technique.
2. Tharavanij P., Siraprapasiri V., Rajchamaha K. Profitability of Candlestick Charting Patterns in the Stock Exchange of Thailand. SAGE Open, 2017. doi:10.1177/2158244017736799 — figures de retournement en chandeliers avec et sans filtres d'indicateurs.
3. Mesfin M. Structural Limits of OHLCV-Based Intraday Momentum Signals in MNQ Futures: A Systematic Falsification Study. arXiv:2605.04004, 2026. arxiv.org/abs/2605.04004 — quatorze familles de signaux, 947 jours de données en cinq minutes, aucune n'a satisfait les cinq critères.
4. Lempérière Y., Deremble C., Seager P., Potters M., Bouchaud J.-P. Two Centuries of Trend Following. arXiv:1404.3274, 2014. arxiv.org/abs/1404.3274 — suivi de tendance sur des données depuis 1800 ; durée du drawdown comme 1/S².
5. Bhardwaj G., Gorton G., Rouwenhorst K. G. Fooling Some of the People All of the Time: The Inefficient Performance and Persistence of Commodity Trading Advisors. NBER Working Paper 14424. nber.org/papers/w14424 — 5.4 % avant frais contre 85 points de base après, 1994–2007.
6. Carr P., Wu L. Variance Risk Premiums. Review of Financial Studies, 22(3), 2009. ideas.repec.org — prime de risque de variance durablement négative sur le S&P 500.
7. Designing Funding Rates for Perpetual Futures in Cryptocurrency Markets. arXiv:2506.08573. arxiv.org/abs/2506.08573 — conception du taux de financement des contrats perpétuels.
8. McLean R. D., Pontiff J. Does Academic Research Destroy Stock Return Predictability? Journal of Finance. PDF — 97 caractéristiques : −26 % hors échantillon, −58 % après la publication.
9. Falck A., Rej A., Thesmar D. Why and How Systematic Strategies Decay. Capital Fund Management, 2021. cfm.com — l'année de publication explique 30 % de la dispersion de l'érosion, plus 5 points de pourcentage par année.
10. Chague F., De-Losso R., Giovannetti B. Day Trading for a Living? SSRN 3423101 — comptes de contrats à terme brésiliens : 97 % de perdants parmi ceux qui ont tenu 300+ séances, 1.1 % au-dessus du salaire minimum, absence d'apprentissage.
11. Barber B., Lee Y.-T., Liu Y.-J., Odean T. The Cross-Section of Speculator Skill: Evidence from Day Trading. Journal of Financial Markets, 18, 2014. escholarship.org — Taïwan 1992–2006, moins de 1 % de day traders rentables de manière prévisible.