Nouveau : la formation trading algorithmique MQL5, MQL4 et ProRealTimeDécouvrir →

MQL5 · Avancé

Le module Python MetaTrader5 : récupérer les données et piloter le terminal depuis Python

Installer le paquet officiel MetaTrader5, se connecter au terminal, charger barres et ticks dans pandas, lire compte et positions, envoyer un ordre : le pont entre la recherche en Python et l’exécution dans MetaTrader 5.

Mis à jour le 23 octobre 2026Lecture : 9 minPar Alix, OptiBot Trading

Le paquet Python MetaTrader5, publié par MetaQuotes, permet à un script Python de dialoguer avec un terminal MetaTrader 5 installé sur la même machine. Vous l’installez avec pip install MetaTrader5, vous ouvrez la connexion avec mt5.initialize(), puis vous récupérez des barres (copy_rates_from, copy_rates_from_pos, copy_rates_range), des ticks (copy_ticks_from, copy_ticks_range), les informations du compte, des symboles, des ordres et des positions, et vous pouvez même envoyer des ordres avec order_send. Les données arrivent sous forme de tableaux NumPy, immédiatement exploitables avec pandas. C’est l’outil idéal pour la recherche quantitative, l’entraînement de modèles et le reporting ; ce n’est pas, en revanche, un remplaçant naturel de l’Expert Advisor pour l’exécution en continu.

Cette page fait partie de la rubrique MQL5 avancé. Elle forme un trio avec Matrices et vecteurs et Modèles ONNX dans MQL5 : Python pour explorer et entraîner, ONNX pour transporter le modèle, MQL5 pour l’exécuter.

Prérequis et installation

Trois conditions doivent être réunies :

  • Windows 64 bits : les fichiers publiés sur PyPI pour ce paquet sont exclusivement des paquets compilés pour Windows 64 bits (win_amd64). Sous macOS ou Linux, il faut une machine ou une machine virtuelle Windows.
  • Un terminal MetaTrader 5 installé : le module obtient ses données par communication interprocessus directement avec le terminal. Pas de terminal, pas de données.
  • Python 3 et NumPy : NumPy est une dépendance déclarée du paquet. pandas n’est pas obligatoire mais rend l’analyse beaucoup plus confortable.

L’installation se fait en une commande, pip install MetaTrader5, et la mise à jour avec pip install --upgrade MetaTrader5. Mettez le paquet à jour régulièrement, en même temps que le terminal.

Les fonctions du module

La documentation officielle regroupe une trentaine de fonctions, que l’on peut classer ainsi :

FamilleFonctions
Connexioninitialize, login, shutdown, version, last_error
Compte et terminalaccount_info, terminal_info
Symbolessymbols_total, symbols_get, symbol_info, symbol_info_tick, symbol_select
Carnet d’ordresmarket_book_add, market_book_get, market_book_release
Barrescopy_rates_from, copy_rates_from_pos, copy_rates_range
Tickscopy_ticks_from, copy_ticks_range
Ordres et positionsorders_total, orders_get, positions_total, positions_get
Calculs et tradingorder_calc_margin, order_calc_profit, order_check, order_send
Historiquehistory_orders_total, history_orders_get, history_deals_total, history_deals_get

Les noms reprennent ceux de MQL5 en minuscules avec des tirets bas : order_send correspond à OrderSend, positions_get à la sélection de positions, et les constantes gardent leur nom (mt5.TIMEFRAME_H1, mt5.ORDER_TYPE_BUY, mt5.TRADE_ACTION_DEAL). Si vous connaissez OrderSend et MqlTradeRequest, vous savez déjà construire une requête Python : c’est un dictionnaire avec les mêmes champs.

Se connecter au terminal

initialize() sans argument établit la connexion avec le terminal MetaTrader 5. La forme complète accepte le chemin de l’exécutable, puis des arguments nommés login, password, server, timeout et portable. La fonction renvoie True en cas de succès. En cas d’échec, last_error() renvoie le code et la description de l’erreur. Terminez toujours votre script par shutdown() pour fermer proprement la connexion.

Évitez d’écrire un mot de passe en clair dans un script. Si le terminal est déjà connecté au bon compte, initialize() sans identifiants suffit ; sinon, lisez les identifiants depuis une variable d’environnement.

Exemple complet : données, statistiques et état du compte

Le script suivant se connecte, récupère 1 000 bougies H1, calcule quelques statistiques avec pandas, puis affiche le compte et les positions ouvertes sur le symbole.

# analyse_mt5.py : lecture de données depuis MetaTrader 5
import MetaTrader5 as mt5
import pandas as pd

SYMBOL = "EURUSD"

# 1. connexion au terminal déjà ouvert
if not mt5.initialize():
    print("initialize() a échoué :", mt5.last_error())
    raise SystemExit(1)

try:
    # 2. le symbole doit être visible dans le Market Watch
    if not mt5.symbol_select(SYMBOL, True):
        raise RuntimeError(f"Symbole indisponible : {SYMBOL}")

    # 3. 1000 bougies H1 à partir de la bougie 1 (dernière bougie clôturée)
    rates = mt5.copy_rates_from_pos(SYMBOL, mt5.TIMEFRAME_H1, 1, 1000)
    if rates is None:
        raise RuntimeError(f"copy_rates_from_pos : {mt5.last_error()}")

    df = pd.DataFrame(rates)
    # les horaires sont en secondes depuis 1970, en UTC
    df["time"] = pd.to_datetime(df["time"], unit="s", utc=True)
    df["ret"] = df["close"].pct_change()

    print(df[["time", "open", "high", "low", "close", "tick_volume", "spread"]].tail())
    print(f"Rendement moyen H1 : {df['ret'].mean():.6f}")
    print(f"Écart-type H1     : {df['ret'].std():.6f}")
    print(f"Spread médian     : {df['spread'].median():.0f} points")

    # 4. état du compte
    acc = mt5.account_info()
    print(f"Solde {acc.balance:.2f} {acc.currency}, équité {acc.equity:.2f}")

    # 5. positions ouvertes sur le symbole
    positions = mt5.positions_get(symbol=SYMBOL)
    if positions:
        for p in positions:
            print(p.ticket, p.volume, p.price_open, p.profit)
    else:
        print("Aucune position ouverte sur", SYMBOL)
finally:
    # 6. toujours fermer la connexion
    mt5.shutdown()

Les fonctions de copie renvoient un tableau NumPy à colonnes nommées (time, open, high, low, close, tick_volume, spread, real_volume), ou None en cas d’erreur. La conversion en DataFrame est directe.

Le piège des fuseaux horaires

La documentation est explicite : les heures d’ouverture des barres et des ticks sont stockées en UTC dans le terminal, et les données renvoyées au script Python sont en UTC. Or un objet datetime Python créé sans fuseau est interprété dans le fuseau local de la machine. Quand vous appelez copy_rates_from ou copy_rates_range avec une date, créez-la explicitement en UTC, sinon vous décalerez votre fenêtre du nombre d’heures qui sépare votre machine de l’UTC. Notez aussi que les barres renvoyées par copy_rates_from ont une heure d’ouverture inférieure ou égale à la date demandée.

Côté MQL5, TimeCurrent() renvoie l’heure du serveur du courtier, qui n’est généralement pas l’UTC. Si vous comparez des horodatages Python et MQL5, convertissez-les dans une référence commune avant toute conclusion. La page Dates, heures et fuseaux détaille les fonctions de temps MQL5.

Envoyer des ordres depuis Python : possible, mais avec prudence

order_send accepte un dictionnaire reprenant la structure MqlTradeRequest : action (par exemple mt5.TRADE_ACTION_DEAL), symbol, volume, type (mt5.ORDER_TYPE_BUY), price, sl, tp, deviation, magic, comment, type_time et type_filling. Le résultat expose notamment retcode, à comparer à mt5.TRADE_RETCODE_DONE, ainsi que les tickets d’ordre et de transaction. Vérifiez une requête au préalable avec order_check.

Techniquement, un robot complet peut donc tourner en Python. En pratique, plusieurs raisons plaident pour garder l’exécution dans un EA :

  • Robustesse : un EA est géré par le terminal, redémarre avec lui et réagit aux événements (OnTick, OnTradeTransaction) sans boucle d’attente maison.
  • Backtest : le Strategy Tester de MetaTrader 5 teste un EA, pas un script Python. Un robot Python doit être testé avec un autre outil, sur des données et une simulation d’exécution différentes de celles du terminal.
  • Déploiement : un EA se déploie seul sur un VPS ; un robot Python exige l’interpréteur, les bibliothèques et une supervision du processus.

L’architecture la plus saine consiste souvent à utiliser Python pour la recherche et l’entraînement, puis à transférer le modèle dans un EA via ONNX.

Cas d’usage recommandés

  • Constitution de jeux de données pour l’apprentissage automatique, avec les mêmes cotations que celles de votre courtier.
  • Analyses statistiques : distribution des rendements, saisonnalités horaires, spread moyen par heure.
  • Reporting : export de l’historique des transactions avec history_deals_get vers un tableur ou une base de données.
  • Surveillance : un script planifié qui lit l’équité et les positions et vous alerte en cas d’anomalie.
Un script Python qui envoie des ordres agit sur votre compte exactement comme un EA. Testez-le d’abord sur un compte de démonstration, limitez strictement les volumes et prévoyez un arrêt d’urgence : une boucle mal écrite peut ouvrir des positions en série.

Questions fréquentes

Le module MetaTrader5 fonctionne-t-il sous Linux ou macOS ?

Les paquets publiés sur PyPI sont compilés uniquement pour Windows 64 bits, et le module a besoin d’un terminal MetaTrader 5 installé pour obtenir ses données. Sous Linux ou macOS, il faut donc passer par une machine ou une machine virtuelle Windows.

Pourquoi copy_rates_from renvoie-t-il None ?

La connexion n’est pas initialisée, le symbole n’est pas disponible ou l’historique demandé n’est pas chargé dans le terminal. Appelez last_error() pour connaître la cause et vérifiez que le symbole est sélectionné avec symbol_select.

Les heures des barres sont-elles celles du serveur du courtier ?

Le module renvoie les heures en UTC, selon la documentation. Créez vos dates de requête en UTC également, et convertissez-les si vous devez les comparer à des heures serveur affichées dans le terminal.

Peut-on backtester un robot Python dans le Strategy Tester ?

Non : le Strategy Tester exécute des programmes MQL5. Pour bénéficier de ses modes de modélisation et de ses ticks réels, transférez la logique dans un EA, éventuellement en exportant votre modèle au format ONNX.

A

Alix · fondateur d’OptiBot Trading

Développeur MQL5 et ProBuilder, spécialiste du backtest et de l’optimisation de stratégies automatiques. Chaque contenu est vérifié sur la documentation officielle (MQL5.com, manuels ProRealTime) et testé avant publication. Notre méthode éditoriale.