Backtesting trading : comment tester une stratégie sans se mentir

Tu as une idée de stratégie de trading. Tu la soumets au backtesting sur les graphiques passés, et les résultats semblent prometteurs : 65% de win rate, profit factor de 1.8, courbe des gains régulière. Tu passes en live — et ça ne ressemble à rien de ce que tu avais vu.

Ce n'est pas un coup de malchance. C'est la conséquence directe d'un backtesting trading mal conduit. Et la plupart des traders ne s'en rendent pas compte avant d'avoir perdu de l'argent réel.

Le backtesting est l'un des outils les plus utiles pour un trader — et l'un des plus facilement détournés. La raison : on peut faire dire à un backtest ce qu'on a envie qu'il dise, sans même s'en rendre compte. Comprendre les mécanismes qui faussent les résultats, c'est ce qui sépare un backtest qui informe d'un backtest qui rassure faussement.

Ce qu'est vraiment le backtesting (et ce qu'il mesure)

Le backtesting consiste à appliquer les règles d'une stratégie à des données de marché historiques pour estimer comment elle aurait performé dans le passé. L'idée : si la méthode a fonctionné sur 3 ans de données, il y a des arguments pour penser qu'elle peut fonctionner à l'avenir.

"Des arguments" — pas une garantie. C'est la nuance centrale.

Un backtest valide ne prédit pas le futur. Il teste si une logique est cohérente sur un historique donné. Il identifie les conditions dans lesquelles elle a performé et celles où elle a échoué. Il donne des métriques de référence — win rate historique, drawdown maximum, expectancy — qui permettent de juger les résultats futurs en live.

Ce qu'il ne fait pas : garantir que l'avenir ressemblera au passé. Les marchés changent de régime, les corrélations bougent, les conditions de liquidité évoluent. Un système parfait sur les données 2018-2020 peut très bien sous-performer sur 2022-2024 si le régime de marché a changé.

C'est pour ça qu'un backtest n'est pas une validation — c'est un filtre. Il élimine les stratégies clairement non viables. Il ne certifie pas celles qui passent le test.

Les 3 biais qui faussent la plupart des résultats

Le biais rétrospectif (hindsight bias)

C'est le plus répandu et le plus difficile à éviter. En backtestant manuellement, tu regardes un graphique dont tu sais déjà la suite. Tu "vois" les configurations parfaitement — les retournements, les cassures, les niveaux clés — avec une clarté que tu n'auras jamais en temps réel.

Résultat : tu prends les meilleures entrées, tu évites les fausses cassures, tu coupes les trades qui "ne ressemblaient pas à grand-chose". Sur 100 trades backtestés ainsi, tu obtiens des statistiques flatteuses qui n'ont rien à voir avec ce que tu ferais en temps réel face à un graphique incomplet.

La solution n'est pas de "faire attention". C'est d'utiliser un protocole qui rend impossible de voir la suite au moment de la décision — on y revient plus bas.

Le biais de survie des actifs

Tu backtestes sur EUR/USD, GBP/USD, CAC 40, AAPL, TSLA. Ces actifs ont tous une caractéristique en commun : ils existent encore. Tu ne backtestes jamais sur les devises qui ont connu des crises de change majeures, ni sur les actions de sociétés qui ont fait faillite.

Ce filtre inconscient surestime les performances historiques. Les marchés sur lesquels tu testes sont des marchés qui ont survécu — une sélection naturellement favorable à la plupart des stratégies trend-following.

Pour les traders actions, c'est particulièrement marqué : un backtest sur "les 30 meilleures actions françaises de 2024" ne vaut rien si tu construis le portefeuille en 2024 avec des données de 2024. En 2018, ces actions n'étaient pas nécessairement identifiables comme gagnantes.

L'impasse des coûts de transaction

C'est l'erreur la plus simple et la plus coûteuse.

Sur chaque trade, le marché prend sa part : le spread, les commissions, parfois le slippage à l'exécution. En scalping, cette friction représente une part significative du gain cible sur chaque position. En swing trading, elle s'accumule trade après trade.

Un exemple concret : une stratégie sur EUR/USD qui génère +12 pips de gain moyen par trade. Avec un spread de 1.2 pip et une commission de 0.5 pip aller-retour, le coût réel par trade est de 1.7 pip. Soit 14% du gain moyen absorbé en frais avant même de compter le slippage.

Sur 200 trades sur une année, ça représente 340 pips de friction totale. Une stratégie qui semblait rentable à +100 pips net dans un backtest sans frais se retrouve à -240 pips en réalité.

Inclure les frais réels dans le backtest — au pip près, pas en estimation — n'est pas un détail. C'est ce qui détermine si la stratégie est viable ou non.

Backtesting manuel vs automatisé : ce qui compte vraiment

Il existe deux approches : le backtesting automatisé (via un algorithme qui scanne les données et applique les règles mécaniquement) et le backtesting manuel (tu appliques toi-même les règles sur les graphiques, trade par trade).

Le backtesting automatisé a une place évidente pour les stratégies entièrement mécaniques — critères d'entrée et de sortie 100% objectifs, sans jugement. Sur des centaines de milliers de trades, sur 10 ans de données, c'est lui qui donne de la significativité statistique.

Mais pour la plupart des traders retail — ceux qui ont une approche discrétionnaire, qui s'appuient sur des confluences et sur un jugement de contexte — le backtesting automatisé ne peut pas reproduire ce qu'ils font réellement. Tu ne peux pas coder "prendre l'entrée si la structure de marché est propre" ou "ignorer ce trade parce que le contexte macroéconomique est incertain".

Pour les stratégies discrétionnaires, le backtesting manuel reste plus honnête — à condition d'appliquer un protocole rigoureux pour contrer le biais rétrospectif.

Le protocole pour backtester correctement

Cinq étapes. Pas raccourcissables.

1. Écrire les règles avant de regarder les données

Les critères d'entrée, de sortie et de gestion doivent être formulés par écrit, avec suffisamment de précision pour qu'une autre personne puisse les appliquer de la même façon. Si la règle est "j'entre quand le setup me semble bon", le backtest ne mesure rien — il dépend entièrement de ton humeur du moment.

"J'entre en achat quand le prix fait un pullback sur le plus-haut précédent en tendance haussière daily, avec une bougie de confirmation H4, stop sous le plus-bas de la correction, cible sur le prochain niveau de résistance structurel." Voilà une règle backtestable.

2. Choisir une période et un actif représentatifs

La période doit couvrir au moins 2 à 3 ans et inclure des phases de marché différentes : tendance haussière, tendance baissière, range, forte volatilité, faible volatilité. Un backtest sur une période uniquement haussière pour une stratégie trend-following va surestimer massivement les performances.

Ne teste pas seulement sur les conditions qui favorisent ta stratégie. C'est la définition du biais de confirmation.

3. Avancer trade par trade, sans voir la suite

Pour le backtesting manuel, une technique efficace : utiliser une plateforme qui permet de "rejouer" le marché — avancer bougie par bougie, en cachant tout ce qui vient après. TradingView, MT4 en mode stratégie tester, ou des outils dédiés comme Forex Tester permettent cette approche.

Tu arrives sur la bougie de formation du signal. Tu décides. Tu avances. Tu vois ce qui s'est passé. Tu notes le résultat. Et tu passes au suivant.

4. Comptabiliser tous les trades sans exception

Chaque trade qui correspond aux critères définis en étape 1 doit être pris — y compris ceux qui "ne ressemblaient pas à grand-chose", y compris ceux pris avant une annonce importante, y compris ceux sur lesquels tu aurais hésité en live. Si tu commences à filtrer selon ton intuition, tu ne backtestes plus la stratégie — tu backtestes ta sélection de trades.

C'est difficile. L'envie d'exclure "les cas particuliers" est forte. Résiste.

5. Atteindre au moins 100 trades avant de conclure

En dessous de 50 trades, les statistiques sont trop instables pour être interprétées. Un win rate de 60% sur 20 trades peut parfaitement tomber à 40% sur les 20 suivants — ce n'est pas de la malchance, c'est la variance normale. À partir de 100 trades, les métriques commencent à avoir de la consistance. À 200, elles sont réellement fiables.

Ce qu'il faut mesurer en sortie

Trois métriques principales à calculer sur l'ensemble des trades backtestés :

L'expectancy : la somme du win rate × gain moyen, moins le taux de perte × perte moyenne. C'est le nombre qui détermine si la stratégie est rentable sur la durée — une expectancy positive, même faible, suffit. Une expectancy négative signifie que la stratégie perd de l'argent en moyenne, peu importe le win rate affiché.

Le drawdown maximum historique : la pire période de pertes consécutives dans le backtest. Si ton backtest montre un drawdown maximum de -22%, tu dois accepter — avant de trader live — que cette pire séquence peut se reproduire, et probablement être dépassée sur les données futures. Un drawdown de -22% demande une récupération de +28% pour revenir au point de départ. Est-ce que tu tiens psychologiquement ? Est-ce que les règles de ta prop firm le permettent ?

Le profit factor : le ratio gains bruts / pertes brutes. Un profit factor de 1.3 signifie que pour chaque euro perdu, la stratégie en a rapporté 1.30. En dessous de 1.2 avec frais, la marge est trop faible pour être exploitable en live une fois la variance normale ajoutée.

Le forward testing : l'étape que beaucoup sautent

Un backtest valide n'est pas suffisant pour trader en réel. C'est une condition nécessaire, pas suffisante.

La prochaine étape est le forward testing : appliquer la stratégie en temps réel, soit sur compte démo, soit en très petite taille, sans se soucier des gains mais en documentant chaque trade avec les mêmes critères que le backtest. L'objectif est de vérifier que les résultats live convergent avec les résultats historiques — que le win rate, le gain moyen et le drawdown sont dans les fourchettes prévues.

Si les résultats s'écartent significativement, deux hypothèses : soit le régime de marché a changé (la stratégie n'est plus adaptée aux conditions actuelles), soit le backtest était biaisé (les règles n'étaient pas aussi objectives qu'elles le paraissaient).

Dans les deux cas, cette information est précieuse. Elle t'évite de scaler une stratégie qui ne fonctionne plus.

Le forward testing sur 30 à 50 trades donne déjà une idée sérieuse de la convergence. Analyser ces trades en détail — entrée, sortie, respect des règles, contexte de marché — permet de distinguer variance normale et dégradation réelle.

Ce que le backtesting change dans la façon de trader

Un trader qui a backtesté sérieusement sa stratégie possède quelque chose que la plupart n'ont pas : un référentiel. Il sait à quoi ressemble une série de pertes normale pour sa méthode. Il sait quel drawdown est prévisible et lequel signale un problème.

Quand une série de 8 pertes consécutives arrive, il peut se demander : "Est-ce que ça s'est produit dans mon backtest ?" Si oui, c'est de la variance. Si non, c'est peut-être le signe que quelque chose a changé.

Sans backtest, cette question est sans réponse. Et l'incertitude pousse à modifier la stratégie au pire moment — juste avant qu'elle reparte.

TradesStack calcule automatiquement les métriques de ta stratégie en live — expectancy, win rate réel, drawdown actuel — pour que tu compares en permanence tes résultats live avec tes données historiques. La convergence ou la divergence entre les deux te dit tout ce que tu as besoin de savoir sur l'état de ta méthode.

Commencer gratuitement sur TradesStack → tradestack.fr