Rédaction FxRobotEasy · Dernière révision
How Do Trading Bots Work?
Le pipeline d'exécution d'un bot de trading : recevoir tick de données de marché → évaluer logique de stratégie → décider entrer/maintenir/sortir → construire requête d'ordre → soumettre au broker → recevoir confirmation de fill → mettre à jour suivi interne de position → répéter. Les bots modernes fonctionnent en continu pendant qu'ils sont connectés à l'infrastructure du broker, exécutant les mêmes règles à une vitesse et cohérence humainement impossibles. En forex retail, les bots sont typiquement appelés Expert Advisors (EAs) et fonctionnent sur les plateformes MetaTrader 4 ou 5.
Le pipeline de décision dans un bot de trading
Chaque bot de trading, indépendamment de la complexité de stratégie, suit la même boucle fondamentale : entrée → décision → action → surveillance. Le bot reçoit des données de marché (ticks de prix, mises à jour du carnet d'ordres, heure du jour, flags news), traite ces données à travers sa logique de stratégie, décide d'une action (entrer, maintenir, sortir, ne rien faire), soumet les ordres requis, puis surveille le résultat et met à jour son état interne.
Étape 1 — Ingestion de données : le bot s'abonne aux données de marché en temps réel depuis le serveur du broker. Dans le cas de MetaTrader, la fonction OnTick est appelée à chaque arrivée d'un nouveau tick de prix pour le symbole du graphique. Le bot peut aussi interroger les barres historiques, valeurs d'indicateurs, état du compte (solde, equity, positions ouvertes) et information temporelle.
Étape 2 — Évaluation de stratégie : la logique de stratégie du bot traite les données d'entrée. Cela pourrait être une règle simple ('si EMA50 croise au-dessus de EMA200 et la bougie actuelle clôture plus haut, signal achat') ou une inférence machine-learning complexe ('alimenter les 50 dernières bougies dans un réseau neuronal entraîné, sortie probabilité de mouvement haussier'). La sortie est typiquement un signal discret : entrer long, entrer short, sortir, ou ne rien faire.
Étape 3 — Construction d'ordre : si la stratégie signale entrée ou sortie, le bot construit une requête d'ordre avec tous les paramètres requis : symbole, direction, volume (taille de lot), prix d'entrée, stop-loss, take-profit, magic number et type d'exécution (market, limit, stop). Le position sizing utilise typiquement la logique de pourcentage de risque — calculer la distance de stop en pips, diviser le budget de risque du compte par la distance de stop, dériver la taille de lot.
Étape 4 — Soumission et gestion : le bot envoie l'ordre au broker via l'API de la plateforme. Le broker peut le remplir, le remplir partiellement, le requoter ou le rejeter. Le bot gère chaque résultat : logger les fills, réessayer les rejets dans la tolérance, alerter sur les échecs inattendus. Après le fill, le bot surveille la position — potentiellement trailing du stop, fermeture partielle aux cibles de profit, ou fermeture selon critères temporels.
Types d'ordres que les bots de trading utilisent
Les bots peuvent soumettre n'importe quel type d'ordre que le broker supporte. Les plus communs en forex retail :
- • Ordres market — s'exécutent immédiatement au meilleur prix disponible. Utilisés pour entrées et sorties où la vitesse importe plus que la qualité du prix. La plupart des scalpers utilisent des entrées market.
- • Ordres limit — s'exécutent uniquement à un prix spécifique ou meilleur. Utilisés pour entrées à des niveaux prédéfinis (par ex. fade entries, mean-reversion). Peuvent ne pas se remplir si le prix s'éloigne.
- • Ordres stop — deviennent des ordres market quand un prix déclencheur est atteint. Utilisés pour stop-losses (le fondement de la gestion des risques) et pour entrées de breakout (acheter au-dessus de la range, vendre en-dessous).
- • Ordres stop-limit — combinent déclencheur stop avec fill limit, plafonnant le slippage au coût de la probabilité de fill. Moins commun en retail ; utile pour stratégies spécifiques event-driven.
- • OCO (one-cancels-other) — ordres jumelés où l'exécution de l'un annule l'autre. Utilisé pour stop-loss + take-profit attachés aux positions, ou pour entrées breakout avec les deux directions en attente.
Comment les bots se connectent aux brokers
Les bots de trading ont besoin d'une interface vers le moteur de matching du broker. Les bots forex retail utilisent typiquement l'un de trois types de connexion :
API MetaTrader (la plus commune en retail) : le bot est un Expert Advisor fonctionnant à l'intérieur du terminal MT4 ou MT5. Le terminal gère la connexion au serveur du broker ; le bot utilise juste l'API haut niveau (OrderSend, OrderModify, PositionGetTicket, etc.). C'est le chemin le plus simple mais ajoute le terminal MetaTrader comme dépendance dans la chaîne d'exécution.
API FIX (standard institutionnel) : le bot se connecte directement au serveur FIX du broker en utilisant le protocole Financial Information eXchange. Plus rapide que MetaTrader, plus fiable, mais nécessite plus d'expertise en programmation. Disponible chez certains brokers comme option premium pour comptes high-volume.
APIs REST/WebSocket : beaucoup de brokers modernes offrent des APIs HTTP REST pour le trading. Utile pour bots écrits en Python ou autres langages non-MQL. La latence est typiquement plus élevée que FIX mais plus basse que les ponts MetaTrader. Commun dans les marchés crypto ; en expansion dans le forex.
Ce qui rend un bot de trading rentable
Les bots rentables partagent des caractéristiques spécifiques. Le plus grand déterminant est l'edge de stratégie — le bot exploite-t-il une inefficacité persistante ou un pattern ? L'edge peut venir de la vitesse (différences de qualité d'exécution scalping), reconnaissance de patterns (patterns techniques ou statistiques), ou tarification du risque (capturer des primes que d'autres ne paient pas). L'edge s'érode avec le temps ; les bots rentables ont soit des edges robustes au changement de régime, soit sont mis à jour quand les régimes changent.
La gestion des risques est tout aussi importante. Un bot avec espérance positive peut toujours faire exploser un compte si le position sizing est trop agressif. Le critère de Kelly fournit l'optimum mathématique, mais les praticiens utilisent typiquement Kelly fractionnel (25-50% de l'optimal) pour gérer la variance drawdown. Le position sizing de 0,5-2% par trade est standard pour les bots forex retail.
La qualité opérationnelle compte autant que la qualité de stratégie. Le même bot sur un broker ECN à spread serré avec un VPS co-localisé performe très différemment du même bot sur un market-maker à spread large avec un PC maison. La sélection broker, latence d'exécution, gestion news et gestion des paramètres contribuent tous à savoir si l'edge théorique d'un bot se traduit en profitabilité live.
Idées reçues fréquentes
❌ Idée reçue: Les bots de trading éliminent l'erreur humaine, donc ils sont toujours meilleurs que le trading manuel.
✓ En réalité: Les bots éliminent des erreurs humaines spécifiques (exécution émotionnelle, fatigue) mais en introduisent d'autres (overfitting, mismatch de régime, erreurs de configuration). Les traders discrétionnaires compétents surpassent souvent les bots médiocres ; les traders algo compétents surpassent typiquement les traders discrétionnaires compétents à l'échelle. La bonne comparaison est qualité du bot vs qualité du trader, pas bot vs humain dans l'abstrait.
❌ Idée reçue: Les bots de trading peuvent fonctionner 'fire and forget' indéfiniment.
✓ En réalité: Les bots de production nécessitent une attention opérationnelle continue : surveillance de la qualité broker, revue des paramètres aux changements de régime, conscience du calendrier news, vérifications de santé VPS et corrections de bugs occasionnelles quand les APIs broker changent. Le cadrage 'set it and forget it' est exagération marketing — les opérations EA typiques nécessitent 1-3 heures par semaine d'attention.
❌ Idée reçue: Les bots plus rapides sont toujours plus rentables.
✓ En réalité: La vitesse importe seulement pour les stratégies où elle fournit un edge. Les scalpers bénéficient véritablement d'une exécution sub-1ms ; les trend-followers opérant sur des graphiques H4 ne gagnent rien des améliorations microsecondes. Adapter l'infrastructure à la classe de stratégie — sur-ingénier l'infrastructure pour des stratégies lentes gaspille des ressources.
❌ Idée reçue: La rentabilité backtested prouve qu'un bot fonctionne.
✓ En réalité: Les backtests surévaluent routinement la performance live parce qu'ils souffrent d'overfitting, biais look-ahead, hypothèses spread optimistes et absence de slippage. Un rendement annuel 50% backtested produit communément 10-20% en live (s'il y en a). L'évidence crédible est multi-mois de données de trading live vérifiées sur la classe de broker que vous comptez utiliser.
Questions fréquemment posées
Puis-je construire un bot de trading moi-même ?
Le développement personnel est réaliste pour traders avec expérience programmation et spécifications de stratégie claires. Le strategy tester MetaTrader vous permet de backtester sur des années de données historiques gratuitement ; le langage MQL5 est accessible pour quiconque familier avec C++. Le défi n'est pas d'écrire le code — c'est de spécifier une stratégie avec edge authentique et éviter les pièges d'overfitting de l'optimisation. Beaucoup de bots faits maison ont l'air brillants en backtest et échouent live.
Quel est le capital minimum pour exécuter un bot de trading ?
La logique de position sizing détermine le capital minimum effectif. Les bots utilisant sizing pourcentage-risque (1% par trade) se mettent à l'échelle linéairement : une perte 1% sur $100 est $1, sur $10.000 est $100. Pour développement de compétences significatif, $300-$1.000 est le minimum pratique. Pour revenu significatif, $5.000+ est typique parce que les rendements absolus se mettent à l'échelle avec le capital, pas seulement les rendements pourcentage. Sous $500, le ratio coût-licence-au-capital devient opérationnellement maladroit (une licence $199 sur $300 de capital, c'est 67% du capital).
Combien de temps prend de développer un bot de trading ?
La répartition : spécification de stratégie (1-2 semaines définissant exacts entry, exit, sizing, règles news handling), implémentation (1-2 semaines coding en MQL5 avec gestion d'erreurs appropriée), backtesting in-sample (1-2 semaines sur données historiques représentatives), optimisation walk-forward (2-4 semaines à travers cycles de régime), validation out-of-sample (2-4 semaines sur données que la stratégie n'a pas vues), test démo (4-8 semaines sur conditions broker live), test small-live (4-8 semaines avant mise à l'échelle). Couper les coins sur n'importe lequel de ces étapes produit typiquement déception live.
Les bots de trading fonctionnent-ils dans les marchés volatils ?
La volatilité affecte différemment différentes classes de stratégie. Les trend-followers bénéficient de mouvements directionnels soutenus mais souffrent dans le chop volatil. Les systèmes breakout prospèrent sur la volatilité mais échouent durant consolidation basse-volatilité. Les systèmes mean-reversion fonctionnent dans régimes volatility-spike-and-revert mais explosent dans mouvements trending haute-volatilité. La réponse honnête : chaque bot a des préférences de régime. La diversification à travers classes de stratégie (trend + breakout + scalping) fournit protection structurelle contre risque de concentration single-régime.
Les bots de trading sont-ils légaux ?
Le trading algorithmique est légal et largement pratiqué aux niveaux retail et institutionnel globalement. Les frameworks réglementaires (CFTC/NFA aux US, FCA au UK, ASIC en Australie, CySEC dans l'UE) couvrent le trading par bot de la même façon que le discrétionnaire — mêmes règles autour de l'adéquation capital, reporting des positions, manipulation de marché, etc. Les restrictions spécifiques aux brokers varient : certains interdisent latency arbitrage explicitement ; certains restreignent scalping sur types de compte dealing-desk. Lisez les termes de votre broker avant de déployer toute EA, particulièrement pour challenges prop firm où la conformité aux règles est critique.
Un bot de trading peut-il fonctionner sur cryptomonnaie ?
Concepts associés
Voir aussi (externe)
William Harris
Fondateur et développeur principal de FxRobotEasy
Chicago, USA · Depuis 2021
- 12+ ans de trading en direct
- 10+ ans MQL5 / MQL4
- 3 Expert Advisors vérifiés en direct
- Fondé en 2021
“Je développe avec du code depuis le collège. Je trade depuis l'université. L'intersection de ces deux mondes — algorithmes, marchés et la technologie qui les relie — c'est là que j'ai passé les quinze dernières années. FxRobotEasy est ce qui se produit lorsqu'on refuse d'abandonner jusqu'à ce que l'idée imaginée fonctionne réellement sur un compte de courtier en direct.”
Plus de sujets
Réponses encyclopédiques aux questions que les traders posent aux IA et moteurs de recherche.
Tous les sujets d'apprentissage →