Peut-on se fier aux patterns chartistes ? Biais, limites et façon honnête de les tester

Les articles sur les bougies, les figures ou les indicateurs finissent presque toujours par la même question : est-ce que ça marche ? La réponse honnête est plus nuancée qu'un oui ou un non, et elle demande de comprendre pourquoi notre perception des graphiques est trompeuse. Cet article présente les principaux biais d'interprétation, les erreurs fréquentes quand on teste une règle sur des données passées et les critères qui permettent de juger plus sérieusement un signal technique. Il ne dit pas que l'analyse technique est inutile : il dit comment la lire sans se tromper soi-même.

Les biais de perception

Le biais de rétrospection. Sur un graphique déjà tracé, les figures « évidentes » le sont devenues parce qu'on connaît la suite. En temps réel, la même forme paraît ambiguë.
Le biais de confirmation. On remarque les cas où la figure a fonctionné et on oublie ceux où elle a échoué ou ne s'est jamais complétée.
Le biais de sélection. Les exemples présentés dans les livres ou sur les réseaux sont choisis parce qu'ils illustrent bien la figure, pas parce qu'ils sont représentatifs.
La subjectivité du tracé. Une « ligne de cou » ou un « support » se place différemment selon l'analyste.

Le taux de réussite ne suffit pas

Une règle qui « marche 60 % du temps » peut être perdante, et une règle qui ne marche que 35 % du temps peut être gagnante. Ce qui compte est l'espérance de gain par opération :

Espérance = (taux de réussite × gain moyen) − (taux d'échec × perte moyenne)

Exemple fictif, avant frais. Une règle gagne dans 60 % des cas, avec un gain moyen de 1 € par titre, et perd dans 40 % des cas, avec une perte moyenne de 2 €. Espérance = 0,60 × 1 − 0,40 × 2 = −0,20 € par titre : malgré 60 % de réussites, la règle est perdante. Une autre règle gagne dans 35 % des cas pour un gain moyen de 3 €, et perd dans 65 % des cas pour une perte moyenne de 1 € : espérance = 0,35 × 3 − 0,65 × 1 = +0,40 €. En pratique, ces paramètres sont eux-mêmes estimés avec incertitude.

Le rapport entre gain moyen et perte moyenne est détaillé dans la gestion du risque.

Les pièges d'un test sur données passées

Tester une règle sur des données historiques (un backtest) est utile, mais plusieurs erreurs sont courantes :

Le sur-ajustement (overfitting). À force d'ajuster les paramètres (période d'un indicateur, seuil, durée de détention) jusqu'à obtenir un bon résultat passé, on finit par décrire le bruit plutôt qu'un comportement durable. Plus une règle a de paramètres et plus elle est ajustée, moins son résultat passé informe sur l'avenir.
L'oubli des frais et du glissement. Une règle qui réalise beaucoup d'opérations peut voir son gain disparaître une fois les frais de courtage et les écarts d'exécution comptés. Voyez l'impact des frais de courtage.
Les informations du futur. Utiliser, même par mégarde, un prix ou une donnée qui n'était pas connu au moment de la décision (par exemple décider à partir de la clôture d'une séance, puis supposer une exécution au prix d'ouverture de cette même séance) fausse le résultat.
Le biais de survie dans les données. Tester seulement sur des titres qui existent encore aujourd'hui exclut ceux qui ont disparu.
Un échantillon trop petit. 12 opérations ne disent presque rien : un résultat favorable peut être dû au hasard.
L'absence de test hors échantillon. On ajuste une règle sur une période, puis on la vérifie sur une autre période que l'on n'a pas utilisée pour l'ajuster.

Comment juger un signal plus sérieusement

Définir la règle avant de regarder les résultats, avec peu de paramètres.
Tester sur plusieurs titres et plusieurs périodes, y compris des périodes défavorables.
Compter les frais, le glissement et le calendrier d'exécution, pas seulement les cours.
Regarder l'espérance et le pire cas (le repli maximal subi, c'est-à-dire la plus forte baisse historique du résultat simulé), pas seulement le gain total.
Garder une période de vérification que l'on n'a pas utilisée pour construire la règle.
Se méfier d'un résultat trop beau. Un backtest très flatteur est souvent le signe d'un sur-ajustement ou d'une erreur.

Ce que le backtest ne dit pas

Même bien conduit, un backtest décrit ce qui aurait pu se passer sur les données passées. Un régime de marché différent, un changement de liquidité ou de coûts peut rendre une règle inopérante. Les performances passées, simulées ou non, ne préjugent pas des performances futures.

Dans Earnnest, le backtest applique des frais et un calendrier d'exécution aux simulations, et présente ses résultats comme simulés (courbe d'équité simulée), non comme une performance obtenue.

À retenir

Notre lecture des graphiques est sensible aux biais de rétrospection, de confirmation et de survie.
Le taux de réussite ne suffit pas : c'est l'espérance de gain qui compte.
Un backtest peut être faussé par le sur-ajustement, l'oubli des frais, un échantillon trop petit ou des données du futur.
Un bon test garde une période de vérification, compte les coûts et se méfie des résultats trop beaux.

Cet article a un objectif informatif et éducatif, il ne constitue pas un conseil en investissement personnalisé. Les exemples chiffrés sont fictifs et illustratifs. Investir comporte un risque de perte en capital. Les performances passées ou simulées ne préjugent pas des performances futures.