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

Trading algorithmique

Sur-optimisation en trading : reconnaître et éviter le piège

Une courbe de backtest parfaite est souvent le symptôme d’une stratégie ajustée au bruit du passé. Voici comment optimiser vos robots sans tomber dans la sur-optimisation.

Mis à jour le 23 octobre 2026Lecture : 10 minPar l’équipe OptiBot

La sur-optimisation (ou overfitting, ou curve fitting) survient quand les paramètres d’une stratégie sont ajustés si finement aux données historiques qu’ils capturent le bruit du marché plutôt qu’un comportement réel et répétable. Le backtest est spectaculaire ; le compte réel, beaucoup moins.

C’est la cause numéro un des robots qui « fonctionnaient parfaitement » avant leur mise en production.

Pourquoi la sur-optimisation est si fréquente

Le Strategy Tester de MetaTrader 5 peut tester des milliers de combinaisons de paramètres en quelques minutes grâce à son algorithme génétique. Statistiquement, parmi des milliers de combinaisons testées sur les mêmes données, certaines donneront d’excellents résultats par pur hasard. Retenir la meilleure revient souvent à sélectionner le hasard le plus favorable.

Plus une stratégie a de paramètres et moins elle a de trades, plus ce risque augmente.

Les signaux d’alerte

  • Un profit factor très élevé (au-delà de 3) sur une stratégie intraday.
  • Une courbe de capital presque linéaire, sans drawdown significatif.
  • Des paramètres très précis qui fonctionnent alors que leurs voisins immédiats échouent (une moyenne mobile 47 excellente, 45 et 50 perdantes).
  • Beaucoup de paramètres pour peu de trades.
  • Des règles ajoutées pour éliminer des pertes précises du passé (« ne pas trader le mardi en août »).
  • Un effondrement des résultats sur une période non utilisée pendant l’optimisation.

Méthode 1 : limiter les degrés de liberté

Chaque paramètre optimisé est un degré de liberté supplémentaire pour s’ajuster au bruit. Quelques principes simples :

  • n’optimisez que les paramètres qui ont un sens économique (une durée de tendance, une largeur de stop) ;
  • figez les autres à des valeurs rondes et logiques ;
  • gardez un rapport élevé entre le nombre de trades et le nombre de paramètres optimisés ;
  • préférez des pas d’optimisation larges (10, 20, 30 plutôt que 10, 11, 12).

Méthode 2 : chercher des plateaux, pas des pics

Une stratégie robuste présente des zones de paramètres où les résultats restent bons, même s’ils ne sont pas maximaux. C’est ce qu’on appelle un plateau. Un pic isolé, entouré de résultats médiocres, est presque toujours un artefact.

Dans MetaTrader 5, l’onglet Graphique des résultats d’optimisation permet de visualiser deux paramètres en carte de chaleur. Choisissez une valeur au centre d’une zone stable, pas la combinaison au meilleur profit.

Il vaut mieux une stratégie qui gagne un peu moins en backtest mais reste bonne sur toute une plage de paramètres qu’une stratégie record sur une seule combinaison.

Méthode 3 : valider hors échantillon

Réservez une partie de l’historique qui ne sert jamais à l’optimisation. Le Strategy Tester propose l’option Forward (moitié, tiers, quart de la période ou date personnalisée) : MT5 optimise sur la première partie, puis teste automatiquement les meilleures combinaisons sur la seconde.

Comparez les résultats des deux périodes. Une dégradation modérée est normale ; un effondrement signale une sur-optimisation.

Méthode 4 : l’analyse walk-forward

Le walk-forward répète le principe précédent en glissant dans le temps :

  1. optimiser sur une fenêtre (par exemple 2 ans) ;
  2. tester les paramètres retenus sur la période suivante (par exemple 6 mois) ;
  3. décaler les deux fenêtres de 6 mois et recommencer ;
  4. assembler toutes les périodes de test pour obtenir une courbe composée uniquement de résultats hors échantillon.

C’est la simulation la plus proche de la réalité d’un robot que l’on ré-optimiserait périodiquement. MT5 ne l’automatise pas nativement sur plusieurs fenêtres, mais elle se réalise en enchaînant des optimisations avec l’option Forward.

Méthode 5 : tester la robustesse

  • Perturber les paramètres de 10 à 20 % et vérifier que les résultats restent acceptables.
  • Dégrader les coûts : spread doublé, commissions majorées.
  • Changer d’actif : une logique solide sur l’EUR/USD devrait au moins ne pas être catastrophique sur d’autres paires majeures.
  • Simulation de Monte-Carlo : mélanger l’ordre des trades pour estimer la distribution des drawdowns possibles, souvent bien pire que le drawdown unique du backtest. Notre calculateur de drawdown donne un premier ordre de grandeur des séries de pertes à attendre.

Le bon critère d’optimisation

Optimiser sur le profit maximal pousse mécaniquement vers des réglages agressifs. Le Strategy Tester permet d’autres critères : facteur de récupération, ratio de Sharpe, ou un critère personnalisé via la fonction OnTester() de votre EA. Un critère combinant rendement, drawdown et nombre minimal de trades donne des résultats beaucoup plus sains.

Questions fréquentes

Faut-il ré-optimiser un robot régulièrement ?

Cela dépend de la stratégie. Une ré-optimisation périodique selon une procédure walk-forward fixée à l’avance est saine. Ré-optimiser après chaque mauvaise période revient en revanche à poursuivre le bruit.

Combien de paramètres optimiser au maximum ?

Il n’y a pas de limite universelle, mais au-delà de trois ou quatre paramètres optimisés simultanément, le risque de sur-ajustement augmente fortement, surtout si le nombre de trades est modeste.

L’algorithme génétique de MT5 favorise-t-il la sur-optimisation ?

Il ne la crée pas, il accélère la recherche. Le problème vient de l’usage : tester beaucoup de combinaisons et retenir la meilleure sans validation hors échantillon.

Avertissement : aucune méthode de validation ne garantit les performances futures. Le trading comporte un risque élevé de perte en capital.

À lire aussi : Optimisation MetaTrader 5 : chercher un plateau stable plutôt que le meilleur passage.