Pourquoi la plupart des backtests mentent (et comment ne pas se faire piéger)
Publié : 16 oct. 2026, 03:33
Un backtest spectaculaire est la chose la plus facile à obtenir en trading. Une stratégie qui gagne dans la réalité est l'une des plus difficiles. Entre les deux, il y a presque toujours le même coupable : le sur-ajustement. Je l'ai appris à mes dépens ces dernières semaines, avec des exemples très concrets que je partage ici.
1. Qu'est-ce que le sur-ajustement ?
C'est le fait de régler une stratégie si précisément sur les données passées qu'elle finit par « apprendre » le hasard de cette période, plutôt qu'un vrai mécanisme de marché.
Le problème est mathématique : plus on teste de réglages, plus on trouve de stratégies qui gagnent par chance. Si vous testez 50 combinaisons de stop, d'objectif et d'horaire, quelques-unes afficheront forcément d'excellents résultats, même sur un marché où il n'y a rien à gagner. La meilleure des 50 n'est pas la meilleure stratégie : c'est souvent la plus chanceuse.
2. Trois exemples tirés de mes propres tests
Exemple 1 : une stratégie Nasdaq très convaincante... sur une seule période
3. Les signes qui doivent vous alerter
4. Comment construire un backtest honnête
5. Ce qu'il faut accepter
La grande majorité des idées testées honnêtement ne survivent pas. Sur toutes les pistes que j'ai explorées récemment, une seule (une cassure du range d'ouverture sur le Nasdaq) s'est montrée gagnante à la fois sur 2020-2023 et sur 2024-2026, avec des réglages simples.
C'est décevant sur le moment, mais c'est précisément le but : un backtest sert d'abord à éliminer les mauvaises stratégies avant qu'elles ne coûtent de l'argent réel. Une stratégie rejetée en backtest est une perte évitée.
En résumé
Un backtest ne prouve rien tant qu'il n'a pas résisté à des données qu'il n'a jamais vues, à des coûts réalistes et à des marchés difficiles. Plus il est spectaculaire, plus il mérite d'être suspecté.
Et vous, avez-vous déjà vu une stratégie superbe en backtest s'effondrer en réel ? Qu'est-ce qui, avec le recul, aurait dû vous alerter ?
1. Qu'est-ce que le sur-ajustement ?
C'est le fait de régler une stratégie si précisément sur les données passées qu'elle finit par « apprendre » le hasard de cette période, plutôt qu'un vrai mécanisme de marché.
Le problème est mathématique : plus on teste de réglages, plus on trouve de stratégies qui gagnent par chance. Si vous testez 50 combinaisons de stop, d'objectif et d'horaire, quelques-unes afficheront forcément d'excellents résultats, même sur un marché où il n'y a rien à gagner. La meilleure des 50 n'est pas la meilleure stratégie : c'est souvent la plus chanceuse.
2. Trois exemples tirés de mes propres tests
Exemple 1 : une stratégie Nasdaq très convaincante... sur une seule période
- Ma stratégie d'open sur le Nasdaq avait été réglée et validée sur 2024-2026 : gagnante chaque année, rendement solide.
- Testée ensuite sur 2020-2023, des années qui n'avaient servi à aucun réglage : perdante trois années sur quatre.
- J'ai essayé une cinquantaine de variantes (stops fixes, en pourcentage du prix, adaptés à la volatilité) : aucune n'était gagnante de façon fiable sur 2020-2023.
- Sur 2024-2026, en testant 60 combinaisons, j'avais trouvé des réglages nettement meilleurs que mon réglage initial.
- Sur 2021-2023, ces mêmes réglages perdaient plus que le réglage initial.
- C'est la signature parfaite du sur-ajustement : un réglage qui colle au hasard d'une période et s'effondre sur la suivante.
- Sur le Nikkei et le Hang Seng, la même stratégie d'open était clairement gagnante avant frais.
- Une fois le spread réel intégré, elle devenait perdante, quel que soit le réglage.
- Un backtest sans coûts réalistes ne mesure pas une stratégie, il mesure un fantasme.
3. Les signes qui doivent vous alerter
- Une courbe trop belle : peu de pertes, une progression très régulière. Les vraies stratégies ont des passages à vide.
- Beaucoup de paramètres : horaires précis, multiples filtres, seuils au point près. Chaque paramètre est une occasion de plus de coller au passé.
- Un seul réglage qui marche, et ses voisins qui échouent : si un stop de 40 points gagne mais que 35 et 45 perdent, ce n'est pas un avantage, c'est du bruit.
- Une seule période testée, souvent la plus récente.
- Pas de spread, de commission ni de slippage dans les résultats.
- Une martingale cachée : doubler la taille après une perte produit des courbes magnifiques sur l'historique, tant que la série de pertes fatale n'est pas encore arrivée.
4. Comment construire un backtest honnête
- Séparer les données en deux. On choisit les réglages sur une période (par exemple 2024-2026), puis on vérifie sur une autre qui n'a jamais été regardée (2020-2023). Si la stratégie ne gagne que sur la première, elle est rejetée. C'est le test qui m'a évité de mettre de l'argent réel sur deux stratégies sans avantage.
- Limiter le nombre de paramètres optimisés. Deux ou trois au maximum. Une stratégie simple qui gagne vaut mieux qu'une stratégie complexe qui gagne un peu plus.
- Vérifier la robustesse. Les réglages voisins doivent donner des résultats proches. On cherche une zone stable, pas un pic isolé.
- Intégrer tous les coûts réels : spread à l'heure exacte où l'on trade, commission, slippage, financement.
- Adapter les niveaux à la valeur de l'indice : un stop de 40 points n'a pas le même sens quand le Nasdaq est à 9 000 ou à 30 000 points.
- Tester sur des années difficiles : krach, marché baissier, faible volatilité. Une stratégie qui n'a connu qu'un marché haussier n'a encore rien prouvé.
- Passer par la démo, puis le réel à petite taille, et comparer les résultats réels au backtest avant d'augmenter la taille.
5. Ce qu'il faut accepter
La grande majorité des idées testées honnêtement ne survivent pas. Sur toutes les pistes que j'ai explorées récemment, une seule (une cassure du range d'ouverture sur le Nasdaq) s'est montrée gagnante à la fois sur 2020-2023 et sur 2024-2026, avec des réglages simples.
C'est décevant sur le moment, mais c'est précisément le but : un backtest sert d'abord à éliminer les mauvaises stratégies avant qu'elles ne coûtent de l'argent réel. Une stratégie rejetée en backtest est une perte évitée.
En résumé
Un backtest ne prouve rien tant qu'il n'a pas résisté à des données qu'il n'a jamais vues, à des coûts réalistes et à des marchés difficiles. Plus il est spectaculaire, plus il mérite d'être suspecté.
Et vous, avez-vous déjà vu une stratégie superbe en backtest s'effondrer en réel ? Qu'est-ce qui, avec le recul, aurait dû vous alerter ?