Histoire du trading automatisé, de Donchian aux agents IA

Richard Donchian et le premier fonds à règles (1949)

Le trading systématique commence avec Richard Donchian, qui lance en 1949 Futures, Inc., l'un des premiers fonds de matières premières ouverts au public à suivre des règles d'achat et de vente fixées d'avance plutôt que le jugement du gérant.

On estime couramment que les stratégies algorithmiques pèsent aujourd'hui environ 70 % du volume des actions américaines. Il a fallu sept décennies pour en arriver là, en partant d'un gérant qui faisait davantage confiance aux règles qu'à l'intuition.

Ses règles de cassure de canal tiennent en deux lignes : acheter quand le prix dépasse son plus haut récent, vendre quand il passe sous son plus bas récent. Les plateformes actuelles les proposent toujours sous le nom de canaux de Donchian.

À l'époque, appliquer un système voulait dire tracer les prix à la main à partir du téléscripteur. Ni ordinateur, ni tableur, ni flux en direct : des heures de relevés avant d'appeler le courtier. C'était lent, mais le principe tenait, et il tient toujours : sortir l'émotion de la décision d'entrée et de sortie.

La CMT Association, qui délivre le titre de Chartered Market Technician, reconnaît Donchian comme l'un des fondateurs de la méthode systématique.

L'expérience des Turtle traders (1983)

En 1983, le trader de matières premières Richard Dennis parie avec son associé William Eckhardt que les grands traders se forment au lieu de naître tels quels, et entreprend de le prouver. Il recrute des gens sans expérience du trading, leur confie un jeu de règles de suivi de tendance et leur alloue du vrai capital.

Dennis gagne son pari. Les Turtle Traders appliquent signaux de cassure, formules de dimensionnement et stops stricts aux futures sur matières premières, et dégagent des gains importants. Un système bien conçu, appliqué avec constance, peut battre le jugement discrétionnaire.

À la même période, John W. Henry, futur propriétaire principal des Boston Red Sox et de Liverpool FC, bâtit une grosse société de gestion sur des modèles mathématiques de suivi de tendance appliqués aux futures, et gère des milliards de façon purement systématique.

La recherche a ensuite donné raison à ces méthodes : l'article de Moskowitz, Ooi et Pedersen sur le momentum des séries temporelles, paru dans le Journal of Financial Economics en 2012, relève des rendements ajustés du risque réguliers sur toutes les classes d'actifs et sur de longues périodes.

L'ordinateur personnel ouvre les systèmes de trading aux particuliers (années 1990)

Avec des PC abordables et des logiciels dédiés, le trading systématique passe d'un savoir-faire institutionnel à une activité praticable depuis chez soi. Sur TradeStation, un particulier code ses propres règles, les backteste sur l'historique et génère ses signaux, sans équipe d'analystes quantitatifs.

La décennie voit aussi arriver les premiers systèmes commerciaux : des développeurs vendent des jeux de règles codés pour TradeStation, que les acheteurs appliquent à leur propre compte. La relation reste directe : si le logiciel plante, c'est le développeur qui décroche.

L'accès commercial à Internet, à la fin des années 1990, change le rythme. Les flux de données en direct deviennent abordables, les systèmes tournent sur des prix en temps réel plutôt que sur des calculs de fin de journée, et le délai entre signal et exécution, autrefois compté en heures, commence à fondre.

Les exchanges électroniques et CME Globex

C'est le Chicago Mercantile Exchange qui achève l'automatisation de l'exécution en lançant en 1997 les contrats E-mini, à commencer par l'E-mini S&P 500, conçus pour se négocier électroniquement sur Globex plutôt qu'à la criée.

Avec Globex, un ordinateur ne se contente plus de calculer où placer un ordre : il l'envoie directement à la Bourse, sans aucun humain dans la chaîne. Signal, taille, transmission, le tout plus vite qu'on ne décroche un téléphone. Le trading systématique devient alors entièrement automatisé au sens moderne.

L'effet sur les marchés se mesure. L'étude de Hendershott, Jones et Menkveld publiée dans le Journal of Finance en 2011 associe l'arrivée du trading algorithmique au New York Stock Exchange à une meilleure liquidité et à des écarts acheteur-vendeur plus serrés.

Les signaux de trading par abonnement (dès 1998)

En parallèle se met en place le modèle que la plupart des particuliers utilisent encore : payer un abonnement pour suivre les signaux de quelqu'un d'autre plutôt que construire son propre système.

Dans les futures, on en fait en partie remonter l'origine à Attain Capital. Un client, Jack Telford, y laisse d'autres clients suivre les signaux d'un système TradeStation de sa conception, moyennant une commission modeste. C'est la naissance du modèle system-assist : le développeur code la stratégie, les abonnés reçoivent les signaux, et personne ne gère l'infrastructure de l'autre.

Collective2, lancé en 2001, fait partie des premières plateformes à réunir de nombreux développeurs de stratégies et à laisser les abonnés envoyer les signaux directement vers leur compte de courtage. Cette couche intermédiaire sépare la production des signaux de leur exécution et sort le développeur du quotidien de l'abonné.

Mirror, copy et social trading (dès 2005)

Le suivi de signaux devient social avec le mirror trading, lancé sur le forex vers 2005 par des sociétés comme Tradency : les particuliers répliquent automatiquement, en temps réel, des stratégies sélectionnées. Le trader choisit une méthode et une allocation, la plateforme se charge de la synchronisation avec le courtier.

En 2010, eToro pousse plus loin avec CopyTrader, qui réplique les positions d'autres particuliers plutôt que des stratégies institutionnelles. Historique, drawdowns et positions ouvertes deviennent visibles avant d'engager le moindre capital. En 2012, eToro revendique plus de deux millions d'inscrits et son nom est devenu synonyme de ce que le secteur appelle le social trading.

Une étude du MIT signée Pan, Altshuler et Pentland (2012) sur les traders d'eToro montre qu'une influence sociale modérée améliore les rendements, tandis qu'une copie excessive uniformise les comportements et fragilise l'ensemble. Cette tension est toujours d'actualité ; notre article sur ce qu'est le social trading fait le point sur la recherche depuis.

Les canaux de signaux Telegram (dès 2017)

À partir de 2017 environ, Telegram devient l'infrastructure par défaut d'une grande partie du marché des signaux crypto, puis de l'exécution elle-même avec les bots sniper Telegram. Le fournisseur ouvre un canal, les abonnés le rejoignent, les calls partent en messages. Ils s'exécutent à la main, via des bots qui lisent le canal, ou par des connexions API aux comptes d'exchange.

Plus de Collective2 ni d'eToro au milieu, et ça joue dans les deux sens : aucune vérification standard des performances, aucun recours encadré, aucun historique imposé. Pour juger, il ne reste que la réputation du fournisseur.

Le modèle a explosé dans la crypto justement parce qu'il ne demandait aucun enregistrement et passait d'un abonné à cent mille sur le même canal. Notre guide des arnaques des groupes de signaux Telegram montre ce que ce vide permet.

Les agents de trading IA (dès 2024)

Le basculement en cours remplace le fournisseur de signaux humain par un agent IA qui raisonne sur les données, s'adapte et exécute sans jeu de règles figé.

Des canaux de Donchian aux bots Telegram, les systèmes précédents faisaient exactement ce que le développeur avait codé ; les agents bâtis sur des grands modèles de langage lisent en plus les articles de presse, les transcriptions de conférences de résultats, le sentiment des réseaux sociaux et les commentaires macro, à côté des prix. Nous comparons les deux dans agents IA ou bots de trading.

Fin 2024, Xiao, Sun, Luo et Wang publient sur arXiv TradingAgents, une petite salle de marché tenue par des modèles :

• des agents analystes collectent et interprètent les données ;
• un agent de risque surveille les limites d'exposition ;
• un agent trader tranche et exécute.

Le cadre a été testé face aux stratégies buy-and-hold, MACD et SMA sur des actions, de janvier à novembre 2024.

Les agents opèrent aussi sur les marchés de prédiction. Sur Polymarket, des agents autonomes ont passé des milliers de trades en un seul mois, rapporte CoinDesk. Le protocole Olas présente son objectif comme des économies d'agents détenus par les utilisateurs, où chacun déploie un logiciel qui gagne de l'argent pour lui sur plusieurs marchés.

Selon Nasscom, le marché de l'IA appliquée au trading devait passer de 21,59 milliards de dollars en 2024 à 24,53 milliards en 2025, soit 13,6 % de croissance annuelle. Les particuliers y ont accès aussi : des courtiers comme Alpaca permettent de relier un agent LLM à un compte réel avec peu de code, l'agent traduisant des consignes en langage courant en appels d'API.

Ce qui distingue cette génération, c'est l'adaptabilité. Un système de cassure trade en 2024 exactement comme au jour de son codage ; un agent modifie son comportement quand le contexte change, sans intervention d'un développeur.

D'où de nouveaux modes de défaillance : agents qui s'adaptent de travers, surajustent les données récentes ou interagissent de façon imprévisible avec d'autres systèmes automatisés. La SEC et la CFTC ont toutes deux signalé leur intérêt pour la question de la responsabilité quand un agent autonome perturbe un marché.

Le fil conducteur, des règles de Donchian aux agents IA

En soixante-quinze ans, chaque étape a répondu au même problème : décider quand acheter et quand vendre, et agir plus vite et plus régulièrement que le jugement seul. Les règles de Donchian en 1949, les signaux des Turtles, un système TradeStation vendu par abonnement, un canal Telegram ou un LLM multi-agents qui lit des transcriptions de résultats changent de support, pas de fonction.

Chaque étape a aussi déplacé la confiance : du gérant aux règles du système, puis aux historiques de la plateforme, à la réputation d'un admin de canal, et aujourd'hui au jugement d'un modèle. Savoir où se loge cette confiance reste la première vérification avant de suivre un système, humain ou machine.