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

Scalping : pourquoi un robot rentable en backtest perd en réel

Courbe de capital régulière, plus de 80 % de trades gagnants dans le testeur, puis des pertes dès le passage en réel : c’est l’histoire de beaucoup de robots de scalping. Un article publié le 13 novembre 2026 sur mql5.com par Kelvin Muturi Muigua, Why Backtested Scalpers Diverge in Live Trading (Part 1), décompose cet écart et propose un filtre à placer avant chaque ordre.

Trois coûts que le backtest sous-estime

  • L’élargissement du spread pendant les annonces, le changement de journée et les séances creuses.
  • La latence : le temps que l’ordre atteigne le serveur, pendant lequel le prix continue de bouger.
  • Le glissement : un ordre au marché qui dépasse la liquidité disponible au meilleur prix est exécuté plus loin.

Pris un par un, ces coûts semblent négligeables. Rapportés à un objectif de quelques pips, ils décident de tout. L’auteur donne un exemple illustratif : sur un mouvement de 3 pips, 1,2 pip de spread élargi, 0,8 pip de latence et 0,9 pip de glissement absorbent 2,9 pips, soit la quasi-totalité du gain avant commission. Ce sont des chiffres d’illustration, pas des mesures, mais l’ordre de grandeur parle de lui-même : plus l’objectif est petit, plus les frais comptent.

Pourquoi un filtre de spread fixe ne suffit pas

La protection habituelle consiste à refuser d’entrer quand le spread dépasse un seuil. L’article montre sa limite : un spread n’est cher ou bon marché que par rapport au mouvement en cours. Un spread de 14 points est supportable si le prix avance de 25 points par seconde ; un spread de 9 points est ruineux si le prix ne bouge presque plus.

D’où l’indicateur proposé, un rapport de friction : le coût total d’entrée (spread, commission, glissement estimé) divisé par le déplacement attendu du prix. Dans ses exemples, 12 points de frais pour 40 points de mouvement donnent 0,30, une situation jouable ; 14 points de frais pour 2 points de mouvement donnent 7, et l’ordre est bloqué. Le filtre complète ce rapport par une détection des pics de spread, comparés à leur moyenne récente.

Une version simple à tester

La bibliothèque de l’article est complète et assez lourde. Pour éprouver l’idée sur votre propre robot, une fonction suffit. Celle-ci, écrite pour cet article, compare le coût d’entrée au déplacement du prix sur les dernières secondes :

// Rapport entre le coût d'entrée et le mouvement récent du prix.
// extraCostPts : commission et glissement estimés, en points.
// Plus le rapport est élevé, moins le mouvement couvre les frais.
double FrictionRatio(const string symbol, int seconds, double extraCostPts)
{
   MqlTick ticks[];
   ulong from = (ulong)(TimeCurrent() - seconds) * 1000;
   int n = CopyTicksRange(symbol, ticks, COPY_TICKS_INFO, from, 0);
   if(n < 2) return DBL_MAX;                         // pas assez de données : on s'abstient

   double point = SymbolInfoDouble(symbol, SYMBOL_POINT);
   double first = (ticks[0].bid + ticks[0].ask) / 2.0;
   double last  = (ticks[n - 1].bid + ticks[n - 1].ask) / 2.0;
   double move  = MathAbs(last - first) / point;      // déplacement récent, en points
   double cost  = (ticks[n - 1].ask - ticks[n - 1].bid) / point + extraCostPts;
   return move > 0 ? cost / move : DBL_MAX;
}

Un robot peut par exemple refuser d’entrer quand le rapport dépasse 0,65, le seuil par défaut retenu par l’auteur. C’est une simplification, non compilée par nos soins : elle mesure le mouvement passé, pas le mouvement à venir, et ignore la latence.

Les limites à garder en tête

  • Un filtre ne crée pas d’avantage. L’auteur le dit lui-même : passer le filtre ne rend pas un trade rentable, cela écarte seulement les pires conditions d’exécution.
  • Les seuils se calibrent. Par symbole, par courtier, par séance, et sur des données que le réglage n’a pas vues. Régler un filtre de plus sur l’historique, c’est ajouter un paramètre à sur-optimiser.
  • La partie 1 ne mesure rien en réel. Elle vérifie que le code fonctionne sur des ticks réels, pas que le filtre améliore un résultat. La suite de la série doit l’intégrer à un robot complet.

Ce qu’il faut en tirer

Avant de chercher un filtre sophistiqué, vérifiez les bases : un backtest en ticks réels avec le spread variable de votre courtier, des commissions saisies, un délai d’exécution activé dans le testeur. Si la stratégie ne survit pas à ces réglages, aucun filtre ne la sauvera. Notre guide du robot de scalping revient sur cette sensibilité aux frais, et la méthode pour backtester une stratégie détaille les réglages du testeur.

Sur le même sujet, lisez aussi les vérifications à faire avant OrderSend : des tests récents montrent que les stops placés à un ou deux points du prix sont refusés une partie du temps. Pour apprendre à construire et valider un robot de bout en bout, voir la formation MQL5.

Le trading comporte un risque de perte en capital. Ce contenu est pédagogique et ne constitue pas un conseil en investissement.