C'est quoi le backtesting en trading (et ses limites)

Le backtesting, c'est tester une stratégie sur des données passées pour voir si elle aurait été gagnante avant de risquer ton argent. C'est l'étape que la plupart des traders sautent, et c'est l'une des raisons pour lesquelles ils tradent des systèmes qui n'ont jamais prouvé qu'ils fonctionnent. Ce guide t'explique ce qu'est le backtesting, à quoi il sert vraiment, ses limites, et comment l'utiliser sans te mentir.

• Le backtesting teste une stratégie sur le passé avant de risquer ton capital.
• Il te donne les statistiques de référence de ton système : win rate, profit factor, drawdown.
• Il a des limites : le passé ne garantit pas le futur, et les biais peuvent fausser tes résultats.
• C'est un filtre, pas une preuve : il élimine les mauvaises idées plus qu'il ne valide les bonnes.

Avant d'engager de l'argent réel sur une stratégie, une question s'impose : aurait-elle gagné dans le passé ? Le backtesting répond à cette question en appliquant tes règles à des données historiques, pour simuler ce qu'auraient donné tes trades. C'est un moyen de vérifier qu'une idée tient la route avant de la confronter au marché avec du vrai capital.

Le backtesting est un outil puissant mais souvent mal compris et mal utilisé. Bien mené, il te dit si ta stratégie a un edge et te donne des repères précieux ; mal mené, il te donne une fausse confiance dans un système qui ne marchera jamais en réel. Ce guide te montre ce qu'est vraiment le backtesting, ce qu'il peut et ne peut pas faire.

Ce que fait le backtesting

Le backtesting consiste à appliquer les règles précises de ta stratégie à des données de marché passées, comme si tu avais tradé pendant cette période. Pour chaque signal qu'aurait généré ta stratégie, tu simules le trade, tu notes son résultat, et tu accumules ainsi un historique de performance virtuel. À la fin, tu obtiens les statistiques qu'aurait produites ta stratégie sur la période testée.

Ce processus a une valeur immédiate : il te dit si ton idée a un semblant d'edge avant de risquer un centime. Une stratégie qui perd clairement en backtest ne mérite pas ton capital, et le savoir avant de trader t'épargne des pertes réelles. Le backtesting est donc d'abord un filtre à mauvaises idées, un moyen d'éliminer rapidement ce qui ne marche pas sans payer pour l'apprendre en direct.

Les repères qu'il te donne

Au-delà du simple verdict gagnant ou perdant, le backtesting te fournit les statistiques de référence de ta stratégie : son win rate attendu, son profit factor, son expectancy, et surtout sa série de pertes typique et son drawdown maximal. Ces repères sont précieux, car ils te disent à quoi ressemble le comportement normal de ton système.

Connaître ces repères a une conséquence pratique majeure : ça te permet de traverser les mauvaises passes sans paniquer. Quand tu sais que ta stratégie enchaîne normalement jusqu'à sept pertes d'affilée par exemple, une série de cinq pertes ne te fait pas douter ni abandonner. Sans ces repères, chaque drawdown ressemble à une catastrophe et pousse à changer de système au pire moment. Le backtesting te donne la carte du terrain avant de t'y aventurer.

Ses limites réelles

Le backtesting a des limites qu'il faut connaître pour ne pas se tromper. La première et la plus importante : le passé ne garantit pas le futur. Une stratégie qui a bien marché sur les données historiques peut échouer en réel si les conditions de marché changent. Le backtesting mesure ce qui s'est passé, pas ce qui va se passer, et cette distinction est cruciale.

Un bon backtest ne prouve pas que ta stratégie gagnera demain. Il prouve seulement qu'elle aurait pu gagner hier, ce qui est nécessaire mais loin d'être suffisant.

D'autres limites tiennent à la qualité de la simulation : les frais, le slippage, les prix d'exécution réels sont difficiles à reproduire fidèlement, et un backtest trop optimiste sur ces points donne des résultats meilleurs que la réalité. Il faut donc toujours intégrer des coûts réalistes et se méfier des backtests parfaits. Le backtesting est un outil de validation partielle, pas une garantie, et le prendre pour une preuve absolue est une erreur fréquente et coûteuse.

Le piège du surajustement

Le piège le plus insidieux du backtesting est le surajustement, ou optimisation excessive. Il consiste à peaufiner tellement sa stratégie pour qu'elle colle parfaitement aux données passées qu'elle en devient inutile pour le futur. En ajustant des dizaines de paramètres jusqu'à obtenir un backtest magnifique, on finit par modéliser le hasard de la période testée plutôt qu'un vrai edge.

Une stratégie surajustée est reconnaissable à sa complexité et à sa fragilité : elle a de nombreuses règles très spécifiques, et ses résultats s'effondrent dès qu'on change un peu les paramètres ou la période. La parade est la simplicité et la robustesse : une stratégie avec peu de règles, qui marche correctement sur plusieurs périodes et instruments, est bien plus fiable qu'une stratégie parfaite sur une seule période. Un backtest trop beau doit éveiller la méfiance, pas l'enthousiasme.

Backtest et forward test

Le backtesting ne suffit jamais seul ; il doit être complété par un forward test. Le forward test consiste à appliquer ta stratégie en conditions réelles ou simulées, sur des données que tu n'as pas utilisées pour la construire, souvent sur une petite taille au début. C'est le vrai test de vérité, car il vérifie que ton edge tient sur des données inconnues, pas seulement sur celles qui ont servi à le calibrer.

La combinaison des deux est la bonne approche : le backtest élimine rapidement les mauvaises idées et donne les repères, le forward test confirme que la stratégie fonctionne hors du passé qui a servi à la construire. Une stratégie qui passe les deux étapes mérite ta confiance, une qui n'excelle qu'en backtest est suspecte. Ne jamais engager de capital sérieux sur la seule base d'un backtest est une règle de prudence essentielle.

Comment mener un backtest étape par étape

Mener un backtest sérieux suit toujours la même logique, quelle que soit la stratégie testée. La première étape consiste à écrire noir sur blanc des règles précises et sans ambiguïté : les conditions d'entrée exactes, le placement du stop, la règle de sortie, et la taille de position. Une règle floue comme « entrer quand le marché semble prêt à repartir » ne se backteste pas, parce qu'elle laisse trop de place à l'interprétation, y compris la tienne d'un jour à l'autre.

Une fois les règles fixées, choisis une période et un instrument représentatifs, en incluant si possible différentes phases de marché (tendance, range, forte volatilité). Applique ensuite tes règles trade par trade, en intégrant des coûts réalistes (spread, commission, slippage), et note chaque trade avec la même rigueur qu'en réel. La dernière étape est de compiler les résultats en statistiques exploitables, pour juger la stratégie sur des chiffres et non sur une impression générale.

Les statistiques essentielles à calculer

Un backtest n'a de valeur que si tu en extrais les bonnes statistiques. Le win rate te dit la proportion de trades gagnants, mais seul il ne dit rien de la rentabilité : une stratégie avec 30 % de trades gagnants peut être très rentable si les gains sont bien plus gros que les pertes. Le profit factor (le total des gains divisé par le total des pertes) est souvent plus parlant, et l'expectancy (le gain moyen attendu par trade) te dit concrètement ce que rapporte chaque trade en moyenne.

Ces statistiques se lisent ensemble, jamais isolément. Un win rate élevé avec un profit factor proche de 1 signale des gains trop petits par rapport aux pertes ; un drawdown maximal sévère avertit du risque psychologique et financier réel de la stratégie, même si l'expectancy est positive sur le papier. Prends l'habitude de regarder ces cinq chiffres ensemble avant de juger un backtest.

Un exemple chiffré de backtest

Pour rendre ça concret, imagine un trader qui backteste une stratégie de breakout sur 300 trades répartis sur trois ans. Il obtient un win rate de 38 %, un gain moyen de 180 € sur les trades gagnants et une perte moyenne de 70 € sur les perdants. Le profit factor se calcule ainsi : (114 trades gagnants x 180 €) divisé par (186 trades perdants x 70 €), soit environ 20 520 € de gains contre 13 020 € de pertes, un profit factor d'environ 1,58. Cette stratégie a un edge positif malgré un win rate inférieur à 40 %.

Ce même backtest révèle aussi une série de neuf pertes consécutives à un moment de la période testée, et un drawdown maximal de 18 % du capital. Ces deux chiffres sont aussi importants que le profit factor, car ils disent au trader à quoi s'attendre psychologiquement : s'il ne peut pas tenir neuf pertes d'affilée sans paniquer ni dévier de son plan, la stratégie n'est pas viable pour lui, même si elle est statistiquement rentable sur le papier.

Les erreurs qui faussent un backtest

Au-delà du surajustement, d'autres erreurs faussent silencieusement un backtest. Le data mining, ou fouille de données à l'excès, consiste à tester des dizaines de variantes d'une stratégie sur le même échantillon jusqu'à en trouver une qui marche par hasard. Statistiquement, si tu testes assez de variations, tu finiras toujours par en trouver une qui a l'air excellente sur cette période précise, sans que ça prouve quoi que ce soit sur sa valeur future.

Le biais du survivant est une autre erreur classique, surtout sur les actions : tester une stratégie uniquement sur des entreprises qui existent encore aujourd'hui ignore toutes celles qui ont fait faillite ou ont été retirées de la cote, ce qui gonfle artificiellement les résultats. Enfin, négliger une taille de position réaliste, par exemple en testant avec une taille fixe qui n'aurait jamais été soutenable avec le capital de départ, produit des statistiques qui ne se traduiront jamais en performance réelle.

Sur quelle période et quel instrument tester

La question de la profondeur historique revient souvent : faut-il tester sur six mois, deux ans, dix ans ? Plus la période est longue, plus tu couvres de régimes de marché différents (tendance forte, range, krach, faible volatilité), ce qui rend le résultat plus robuste. Une stratégie qui ne fonctionne que sur les six derniers mois d'un marché haussier n'a peut-être testé qu'un seul régime, et rien ne garantit qu'elle survivra au prochain changement de contexte.

Teste aussi sur plusieurs instruments comparables, pas seulement sur celui que tu comptes trader. Si ta stratégie ne fonctionne que sur un seul instrument précis et s'effondre sur des instruments similaires, c'est un signal d'alerte : elle a peut-être capturé une particularité de cet instrument plutôt qu'un vrai edge généralisable. Une stratégie robuste garde une performance globalement positive sur plusieurs marchés proches, même si elle n'est jamais identique d'un instrument à l'autre.

Relier le backtest à ta gestion du risque

Le backtest ne sert pas seulement à juger si une stratégie est bonne, il sert aussi à calibrer ta gestion du risque. Connaître le drawdown maximal et la série de pertes typique de ta stratégie te permet de fixer un risque par trade cohérent : si le backtest montre neuf pertes consécutives possibles, risquer 1 % par trade signifie un drawdown théorique d'environ 9 %, ce qui reste gérable, alors que risquer 3 % par trade porterait ce même drawdown à environ 27 %, un niveau que peu de traders supportent psychologiquement sans dévier de leur plan.

Cette utilisation du backtest, en amont de la décision de taille de position, est souvent négligée alors qu'elle est l'une des plus utiles. Un backtest qui ne sert qu'à valider un edge passe à côté de la moitié de sa valeur : il devrait aussi te dire combien risquer par trade pour que la stratégie reste vivable sur la durée, sans jamais t'exposer à une perte qui menace ton compte ou ton mental.

Comment Tradoshi complète ton backtesting

Tradoshi te donne les statistiques réelles de ta stratégie sur tes vrais trades, ce qui prolonge et vérifie ton backtesting en conditions réelles. Tu compares le comportement réel de ton système à ses repères de backtest.

• Statistiques réelles (win rate, profit factor, expectancy, R moyen) pour comparer au backtest.
• Drawdown et série de pertes réels pour vérifier qu'ils correspondent à tes repères de backtest.
• Découpes par instrument et par période pour voir où ta stratégie tient réellement.
• Suivi dans le temps pour détecter si ton edge, validé en backtest, se dégrade en réel.

Questions fréquentes