Des bots à règles aux agents IA : une brève histoire

En octobre 1987, des programmes de vente automatisés ont contribué à effacer 22,6 % du Dow en une seule séance. Aujourd'hui, vous pouvez décrire une règle de trading en une phrase et faire en sorte qu'un logiciel l'exécute pendant que vous dormez. La distance entre ces deux moments est l'évolution des bots de trading : quatre décennies de marchés confiant de plus en plus de travail aux machines, gagnant d'ordinaire en efficacité, échouant à l'occasion en public et à grande échelle. Voici cette histoire, ère par ère — ce que chaque vague a rendu possible, ce qu'elle a cassé, et la leçon que chaque génération semble réapprendre à la dure.

Le program trading et le réveil de 1987

La préhistoire est mécanique. En 1976, le New York Stock Exchange allume DOT, le Designated Order Turnaround, qui laisse les courtiers router les ordres électroniquement au lieu de les porter à travers le parquet. Au milieu des années 1980, les institutions utilisent ses successeurs pour exécuter des « program trades » : des paniers entiers d'actions achetés ou vendus en une seule instruction.

La stratégie signature de la décennie était l'assurance de portefeuille. L'idée était raisonnable isolément : à mesure que le marché baisse, vendre mécaniquement des futures sur indice pour que le downside d'un portefeuille reste plafonné. Puis arriva le lundi 19 octobre 1987. La baisse des prix déclencha des ventes, qui poussèrent les prix plus bas, qui déclenchèrent davantage de ventes de chaque fonds faisant tourner une logique quasi identique. Le Dow clôtura en baisse de 22,6 %, toujours la plus forte perte en pourcentage sur une journée de son histoire.

La leçon ne fut pas « l'automatisation est dangereuse ». Elle était plus subtile : une règle automatisée que des milliers d'autres font aussi tourner cesse d'être une couverture et devient une foule. Le Black Monday a appris aux marchés que l'automatisation corrélée est elle-même un facteur de risque, et que toute règle a besoin d'un plafond sur ce qu'on l'autorise à faire. Les coupe-circuits introduits dans son sillage sont exactement cette idée, appliquée à l'échelle du marché.

Les marchés électroniques et la course à la vitesse (1990-2000)

Les deux décennies suivantes déplacèrent le trading des parquets vers les serveurs. Les réseaux de communication électroniques appariaient acheteurs et vendeurs directement, les courtiers en ligne mirent la saisie d'ordres dans les salons, et la décimalisation en 2001 fit passer le pas de prix minimum américain d'un seizième de dollar à un cent, comprimant les spreads. Au milieu des années 2000, les firmes à haute fréquence payaient pour placer leurs serveurs à quelques mètres des moteurs d'appariement des plateformes, se disputant en microsecondes.

Les traders retail étaient spectateurs de cette course mais bénéficiaires de ses effets secondaires : spreads plus serrés, exécutions quasi instantanées, commissions tendant vers zéro. Les échecs de l'ère, en revanche, préfiguraient tout ce qui compte de l'automatisation à haute vitesse.

Le 6 mai 2010, le flash crash fit tomber le Dow d'environ 1 000 points en quelques minutes avant que les prix ne se rétablissent pour l'essentiel en une demi-heure. Des teneurs de marché automatisés se retirèrent simultanément à la flambée de volatilité ; les offres à l'achat disparues, certaines grandes capitalisations s'imprimèrent brièvement à un centime. Deux ans plus tard, le 1er août 2012, Knight Capital déploya un nouveau logiciel sur sept de ses huit serveurs de trading. Le huitième faisait tourner du code périmé qu'un vieux flag réactiva, pulvérisant des ordres erratiques sur environ 150 actions. La firme perdit environ 440 millions de dollars en moins d'une heure et ne survécut pas comme société indépendante.

Deux leçons furent reportées. La vitesse multiplie l'erreur plus vite qu'elle ne multiplie le profit, si bien que coupe-circuits et contrôles de risque pré-trade cessèrent d'être optionnels. Et le jeu de la latence se ferma définitivement aux particuliers — l'héritage utile pour le retail ne fut jamais la vitesse, mais la discipline inventée pour la contenir.

Les années 2010 : l'évolution des bots de trading atteint le retail

L'automatisation atteignit d'abord les particuliers via le FX, où les « expert advisors » de MetaTrader laissaient quiconque faire tourner des stratégies scriptées sur un compte de courtier retail. La vraie explosion vint avec le crypto. Les plateformes y ont démarré API-first, ne ferment jamais, et se règlent en minutes : un habitat natif pour le logiciel. Le marché haussier de 2017 fit naître une industrie artisanale de plateformes de bots offrant grid bots (une échelle d'ordres d'achat et de vente sur un range), DCA bots programmés et automatisations de suivi de signaux, sans code requis.

Pour la première fois, un particulier pouvait faire tourner une vraie automatisation 24/7 sur un compte réel. Beaucoup le font encore ; le segment retail du trading algorithmique était estimé à environ 3,95 milliards de dollars en 2025, en croissance d'environ 13,4 % par an (Grand View Research, 2025). La mécanique du trading automatisé était devenue un produit grand public.

Les explosions changèrent de forme en conséquence. Les expert advisors étaient vendus sur des backtests surajustés qui s'effondraient en direct. Les martingale bots, qui doublent la taille de position après chaque perte, imprimaient de petits gains réguliers jusqu'à ce qu'une forte tendance efface des comptes entiers. Et une génération d'utilisateurs apprit l'hygiène des clés API à la dure, en accordant des permissions de retrait à des services qui disparurent ensuite. La leçon de l'ère : l'accès était résolu, le jugement non. Qu'un outil soit réel ne rend pas son marketing honnête.

Des signaux ML aux agents LLM (2018 à aujourd'hui)

Le machine learning entra discrètement. Les institutions l'utilisèrent pour la recherche de signaux et l'optimisation d'exécution à la fin des années 2010, tandis qu'une grande part de l'« IA » retail n'était qu'une étiquette collée sur de la logique de grille ordinaire. Le tournant substantiel vint en 2023, quand les grands modèles de langage rendirent possible une nouvelle interface : un logiciel qui lit une phrase, ou un fil d'actualité, et le convertit en conditions structurées et surveillées.

C'est la vraie différence entre cette ère et la précédente. Un agent IA diffère d'un bot classique moins par l'exécution que par l'entrée : des règles si-alors fixes contre la capacité d'interpréter l'intention et des données non structurées, puis d'agir sous des limites fixées par l'humain. C'est le schéma percevoir-raisonner-agir qui définit le trading agentique.

La communauté de recherche a déjà livré les constats de prudence de cette ère, pour une fois avant l'explosion plutôt qu'après. Les backtests de stratégies LLM sont souvent gonflés par la mémorisation : un modèle dont les données d'entraînement recouvrent la fenêtre de test peut « se souvenir » de ce qui s'est passé au lieu de le prédire (arXiv:2505.07078, 2025). Et un audit de 2026 portant sur 77 études d'agents de trading LLM a trouvé peu de soutien à une surperformance durable, plaçant plutôt la valeur démontrée dans la discipline d'exécution, la surveillance et le support de recherche (arXiv:2605.19337, 2026). Les plateformes sérieuses de cette vague, Obside parmi elles, répondent par une séparation architecturale : le modèle de langage interprète ce que vous voulez dire, tandis que des moteurs déterministes gèrent prix, calcul et routage d'ordres.

Quatre décennies, une leçon récurrente

Ère	Ce qui est devenu possible	Ce qui a explosé	Leçon qui a tenu
Program trading des années 1980	Exécution de paniers à vitesse machine	La boucle de rétroaction du Black Monday (1987)	L'automatisation corrélée est un risque de foule ; plafonnez ce que chaque règle peut faire
Marchés électroniques 1990-2000	Exécutions bon marché et instantanées pour tous	Flash crash de 2010 ; Knight Capital (2012)	La vitesse multiplie l'erreur ; coupe-circuits et contrôles pré-trade
Bots retail des années 2010	Automatisation 24/7 sans code	EA surajustés, ruine par martingale, clés API volées	Validez avant de faire confiance ; n'accordez jamais de droits de retrait
Agents LLM des années 2020	Stratégie exprimée en langage courant	Backtests IA gonflés, hype de l'autonomie	Exigez une preuve hors échantillon ; gardez les garde-fous fixés par l'humain

Lisez la troisième colonne de haut en bas et le schéma est difficile à manquer : chaque vague récompensa les disciplinés et punit les crédules, et la punition arriva toujours par la capacité la plus récente de l'ère. Les assureurs de portefeuille firent confiance à une formule. Knight fit confiance à un déploiement. Les acheteurs de bots firent confiance à une capture d'écran de backtest. La tentation vendue change ; l'échec à vérifier, non.

La quatrième colonne raconte une histoire plus optimiste : la boîte à outils des survivants s'est accumulée. Plafonds de position, coupe-circuits, règles testées, déploiements contrôlés, permissions à portée limitée. Chaque ère a ajouté une couche, et pour l'essentiel de cette histoire la pile complète n'existait qu'à l'intérieur des institutions. Là où va ensuite la vague actuelle est sa propre question (voir le trading agentique en 2026), mais la direction de déplacement de la boîte à outils est claire : vers le bas, vers les particuliers.

Ce que cette histoire vous remet

Le résumé honnête de quatre décennies est que l'automatisation a tenu ses promesses sur la capacité et les a rompues sur la facilité. Les machines ont bien pris en charge la surveillance, l'arithmétique et l'exécution. Ce qu'elles n'ont jamais fourni, c'est la couche de jugement : savoir si une règle mérite de tourner tout court.

Ce qui est réellement nouveau en ce moment, ce n'est pas l'intelligence. C'est que la pile de discipline institutionnelle est enfin devenue accessible en langage courant. Sur Obside, le chemin que les survivants du Black Monday reconnaîtraient est celui par défaut : vous tapez « achète 150 $ d'un ETF actions mondial le premier jour de bourse de chaque mois, saute l'achat si l'indice a chuté de plus de 8 % sur le mois précédent », le copilote le reformule en conditions surveillées exactes, et l'agent tourne contre des années d'histoire, puis sur paper avec données en direct, avant qu'un seul ordre réel ne soit routé — avec plafonds de position et limites de drawdown appliqués au moment de l'exécution.

L'argument de clôture de l'histoire est simple : la prochaine explosion trouvera les gens qui ont sauté la checklist. Soyez de l'autre espèce. Décrivez votre règle au copilote d'Obside et laissez-le gagner votre confiance en backtest et en paper avant qu'il ne touche jamais du capital.

Contenu éducatif uniquement. Ceci ne constitue pas un conseil en investissement. Le trading comporte des risques, y compris la perte de capital.