À en juger par les données sur la chaîne, ce cycle a-t-il déjà atteint son sommet ?
TechFlow SélectionTechFlow Sélection
À en juger par les données sur la chaîne, ce cycle a-t-il déjà atteint son sommet ?
Colin estime que le bitcoin dispose actuellement des conditions nécessaires pour former un sommet.
Dédié à des analyses Web3 approfondiesAnimateur : Alex, associé recherche chez Mint Ventures
Invité : Colin, trader indépendant et chercheur en données on-chain
Date d'enregistrement : 2025.2.15
Bonjour à tous, bienvenue dans WEB3 Mint To Be, une émission initiée par Mint Ventures. Ici, nous posons continuellement des questions et réfléchissons en profondeur afin de clarifier les faits, comprendre la réalité et trouver un consensus dans le monde de WEB3. Nous vous aidons à démêler la logique derrière les sujets d'actualité, offrons des perspectives au-delà des événements eux-mêmes et introduisons des angles de réflexion variés.
Déclaration : Le contenu discuté dans cet épisode ne reflète pas nécessairement les opinions des institutions auxquelles appartiennent les intervenants, et les projets mentionnés ne constituent en aucun cas une recommandation d'investissement.
Alex : Cet épisode est un peu particulier car auparavant, nous avons abordé de nombreux sujets liés à des secteurs ou projets spécifiques, ainsi que certaines narrations cycliques, comme les memes dont nous avions déjà parlé. Mais aujourd'hui, nous allons parler d'analyse des données on-chain, en particulier celles du BTC. Nous examinerons de près leur fonctionnement, leurs indicateurs clés et apprendrons leur méthodologie. Au cours de cette émission, nous mentionnerons de nombreux concepts d'indicateurs, que nous listerons ici en début de transcription pour faciliter votre compréhension.
Quelques indicateurs et concepts mentionnés dans ce podcast :
Glassnode : une plateforme populaire d’analyse des données on-chain, payante.
Prix réalisé (Realized Price) : calculé pondérément selon le prix auquel chaque bitcoin a été déplacé pour la dernière fois sur la blockchain ; il reflète le coût historique moyen du bitcoin sur la chaîne et convient bien pour évaluer l’état global de profit/perte du marché.
URPD : distribution du prix réalisé (Realized Price Distribution). Utilisé pour observer la répartition des positions BTC selon leur prix d’achat.
RUP (Profit non réalisé relatif - Relative unrealized profit) : mesure le ratio entre le profit non réalisé total de tous les détenteurs de bitcoins et la capitalisation boursière totale du BTC.
Cointime True Market Mean Price : un indicateur de prix moyen on-chain basé sur le modèle Cointime Economics. Il vise à évaluer plus précisément la valeur à long terme du BTC en intégrant un « poids temporel ». Comparé au prix actuel du BTC ou au Realized Price, le True Market Mean Price issu du système Cointime tient également compte de l’effet du temps, ce qui le rend adapté à l’évaluation du prix du BTC sur de grands cycles.
Shiller ECY : un indicateur d’évaluation proposé par Robert Shiller, lauréat du prix Nobel d’économie, utilisé pour évaluer le potentiel de rendement à long terme du marché boursier et comparer l’attractivité des actions par rapport aux autres actifs. Dérivé du CAPE (prix sur bénéfice corrigé cycliquement), il prend principalement en compte l’environnement des taux d’intérêt.
L’origine de l’apprentissage de l’analyse des données on-chain
Alex : Notre invité aujourd’hui est Colin, trader indépendant et analyste des données on-chain. Colin, dis bonjour à nos auditeurs.
Colin : Bonjour à tous, merci à Alex pour l’invitation. J’ai été un peu surpris quand j’ai reçu cette invitation, car je suis juste un petit investisseur anonyme sans titre particulier, qui fait tranquillement ses propres transactions. Je m'appelle Colin, et je gère un compte Twitter appelé Monsieur Beg. J’y partage régulièrement des tutoriels sur les données on-chain, des analyses sur l’état actuel du marché, ainsi que des réflexions sur les stratégies de trading. Je me définis moi-même selon trois axes principaux : premièrement, je suis un trader axé sur les événements, c’est-à-dire que je réfléchis souvent à des stratégies basées sur les événements. Deuxièmement, je suis analyste des données on-chain — c’est ce que je partage principalement sur Twitter. Troisièmement, et plus prudemment, je me considère comme un investisseur indexé : j’alloue une partie de mon capital aux grandes capitalisations américaines afin de réduire la volatilité globale de mon portefeuille et renforcer sa défensivité. Voilà à peu près comment je me définis.
Alex : Merci pour cette présentation, Colin. Je t’ai invité parce que j’ai vu sur Twitter tes analyses approfondies des données on-chain du bitcoin, qui m’ont beaucoup inspiré. C’est un sujet que nous n’avons pas encore beaucoup abordé, et qui représente une lacune dans ma propre expertise. Après avoir lu ta série d’articles, j’ai trouvé ta logique claire et solide, donc je t’ai contacté. Un rappel important : qu’il s’agisse de mes propos ou de ceux de nos invités, toutes les opinions exprimées sont subjectives, peuvent évoluer avec le temps, et différentes interprétations peuvent exister face aux mêmes données. Ce contenu ne constitue aucune recommandation d’investissement. Certaines plateformes d’analyse seront mentionnées uniquement à titre personnel et illustratif, sans caractère promotionnel. Aucun soutien commercial n’a été reçu pour cet épisode. Entrons maintenant dans le vif du sujet : parlons de l’analyse des données on-chain dans le domaine des actifs cryptographiques. Tu as été présenté comme un trader — dans quel contexte as-tu commencé à t’intéresser à l’analyse des données on-chain ?
Colin : Cette question peut être divisée en deux parties. Premièrement, je pense que tout le monde, y compris moi-même, qui souhaite entrer ou est déjà entré sur les marchés financiers, a avant tout comme objectif principal de gagner de l’argent pour améliorer sa qualité de vie. Mon principe a toujours été simple : j’apprends tout ce qui peut m’aider à générer des profits, afin d’améliorer l’espérance de rentabilité globale de mon système de trading. En résumé, j’apprends ce qui permet de gagner de l’argent. La deuxième partie concerne mes débuts avec les données on-chain : cela a été purement accidentel. Il y a environ six ou sept ans, je ne comprenais rien du tout, je regardais un peu de tout. En explorant divers domaines, j’ai découvert des théories de recherche intéressantes, dont l’analyse des données on-chain du bitcoin, que j’ai commencé à étudier. Plus tard, j’ai combiné ces connaissances avec celles acquises ailleurs, notamment en développement de trading quantitatif, pour créer des modèles de trading que j’ai ensuite intégrés à mon propre système.
Alex : Depuis que tu t’es sérieusement penché sur l’analyse des données on-chain, combien d’années environ consacres-tu à cet apprentissage et à cette recherche ?
Colin : C’est difficile à définir. En vérité, je n’ai jamais vraiment suivi d’apprentissage systématique. Car depuis le début, j’ai rencontré un problème : je n’ai jamais trouvé de formation systématique sur ce sujet. Dès que j’ai découvert ce domaine, il y a plusieurs années, j’ai lu quelques articles, puis j’ai mis de côté. Plus tard, en revenant dessus, j’ai vu des contenus plus approfondis, mais comme je me concentrais sur autre chose à l’époque, je suis repassé par là, trouvé cela intéressant, et j’ai continué mes recherches. Il n’y a pas eu de période d’apprentissage structurée — plutôt un assemblage progressif de morceaux épars.
Alex : Compris. Depuis que tu as commencé à appliquer ces données on-chain à ton investissement pratique, cela fait à peu près combien de temps ?
Colin : Difficile à préciser, mais presque deux cycles du bitcoin… ou pas tout à fait, selon si l’on commence à compter depuis un creux ou un pic. J’ai commencé vers 2019-2020, mais je ne les ai pas encore appliquées en pratique à l’époque, car je n’osais pas — je n’étais pas encore assez familier, même si j’apprenais déjà.
Valeur et principes de l’analyse des données on-chain
Alex : Compris. Nous allons maintenant aborder de nombreux concepts concrets liés à l’analyse des données on-chain, y compris certains indices. Quelles sont les principales plateformes que tu utilises habituellement pour surveiller ces données ?
Colin : Actuellement, j’utilise principalement un site : Glassnode. Pour faire court, il est payant. Il existe deux niveaux d’abonnement : un version professionnelle assez chère, environ 800 dollars par mois, et une autre dont j’ai oublié le prix, probablement entre 30 et 40 dollars par mois. Il existe aussi une version gratuite, mais elle offre très peu d’informations. Bien sûr, il existe d’autres outils, mais j’ai choisi Glassnode car, lors de ma phase de sélection, c’est celui qui correspondait le mieux à mes besoins.
Alex : Compris. Après avoir lu plusieurs de tes publications, je me suis inscrit à Glassnode et suis devenu membre payant. Effectivement, leurs données sont très riches et relativement en temps réel. Passons à la deuxième question : tu es trader, donc tu te soucies surtout de l’utilité pratique pour l’investissement. Quelle est la valeur fondamentale de l’analyse des données on-chain dans ton processus d’investissement ? Et quel en est le principe sous-jacent ? Explique-nous cela.
Colin : Très bien. Je vais traiter ces deux aspects ensemble, car ils sont assez simples. Contrairement aux marchés financiers traditionnels — actions, futures, obligations, options, immobilier ou matières premières — le bitcoin repose sur la technologie blockchain. L’un des atouts majeurs souvent cités de cette technologie est sa transparence. Toutes les informations relatives aux transferts de bitcoins sont publiques et transparentes. Par exemple, vous pouvez voir directement sur la blockchain qu’un transfert de 300 BTC a lieu d’une adresse à une autre, et cela est vérifiable via un explorateur de blockchain. Même si je ne sais pas qui se cache derrière une adresse, cela n’a pas d’importance, car aucun individu isolé ne peut influencer seul la tendance générale du prix du bitcoin. Normalement, lorsque nous analysons les données on-chain, nous observons le comportement collectif du marché, les tendances et le consensus général. Même si je ne connais pas l’identité des détenteurs, je peux agréger les données de toutes les adresses pour analyser le flux des positions : ont-ils pris leurs profits ou stoppé leurs pertes ? Quel est leur niveau de profit ou de perte ? À quels niveaux de prix ont-ils tendance à acheter massivement du BTC, ou au contraire à éviter d’acheter ? Toutes ces informations sont accessibles. C’est, selon moi, la plus grande valeur ajoutée de l’analyse des données on-chain par rapport aux autres marchés financiers, car cela n’existe nulle part ailleurs.
Alex : Oui, ce point est crucial. Dans l’investissement crypto, comme dans la bourse ou d'autres produits, nous devons analyser les fondamentaux. Comme tu viens de le dire, les données on-chain sont transparentes et accessibles à tous. Si d’autres investisseurs professionnels consultent ces données et que vous ne le faites pas, vous êtes désavantagé, comme si vous manquiez d’une arme essentielle dans votre arsenal.
Les difficultés de l’analyse des données on-chain
Alex : Dans ta pratique de l’analyse des données on-chain, quelles en sont les principales difficultés ou défis ?
Colin : Excellente question. Je vais la diviser en deux parties. La première difficulté, plus facile à résoudre, concerne les bases techniques. Pour la majorité des gens, y compris moi au départ, il est difficile de trouver une formation véritablement systématique. Je n’ai pas cherché de cours payants en personne, mais même s’ils existaient, je serais hésitant à les acheter, car jusqu’à présent, je n’ai jamais payé pour des formations. Je n’ai jamais suivi de cursus structuré, donc j’ai dû tout découvrir par moi-même. Il existe de nombreuses sortes de données on-chain. Dans mon processus d’apprentissage, j’ai toujours cherché à comprendre en profondeur le mode de calcul et le principe fondamental de chaque indicateur que j’étudiais. C’est un processus très long, car il ne suffit pas de lire une formule mathématique : il faut comprendre pourquoi elle a été conçue ainsi. Une fois que j’ai compris chaque indicateur, je dois passer à l’étape suivante : la sélection. Ceux qui ont de l’expérience en développement de stratégies quantitatives ou en analyse d’indicateurs savent que de nombreux indicateurs sont fortement corrélés. Une forte corrélation crée un bruit dans l’interprétation et favorise les surinterprétations. Prenons un exemple : supposons que j’aie un système de sortie anticipée composé de 10 signaux numérotés de 1 à 10. Si les signaux 1 à 4 sont trop corrélés, alors une variation spécifique du prix du BTC pourrait les déclencher simultanément. Cela pose problème : si 4 des 10 signaux s’allument, est-ce vraiment dangereux ? Pas forcément, car ils s’allument ensemble par corrélation. Sans filtrer cette corrélation, ce phénomène est inévitable. Une fois que j’ai compris les principes de chaque indicateur, je peux directement évaluer leur degré de corrélation et les regrouper. Par exemple, si cinq indicateurs sont fortement corrélés, j’en retiens un ou deux après filtrage.
Cette première étape est relativement facile à résoudre. La vraie difficulté vient ensuite : comment prouver à autrui, ou à soi-même, que son interprétation des données on-chain est correcte ? Je vais prendre un exemple un peu grossier mais très parlant. J’ai déjà écrit sur Twitter que, dans le domaine quantitatif, on dit souvent qu’il ne faut pas « graver la barque » (ne pas raisonner par induction aveugle). Imaginons une stratégie absurde : j’entre en position acheteuse si mon chien aboie deux fois pendant qu’il pleut. Supposons que j’effectue un backtest sur 1000 scénarios et que le taux de réussite soit de 95 %, largement supérieur au marché. Qui oserait utiliser cette stratégie ? C’est absurde : un chien qui aboie et la pluie comme signal d’achat avec un tel taux de succès ? C’est un cas classique de biais du survivant. Même avec un grand nombre d’échantillons, une stratégie sans fondement logique n’est pas fiable. Certains diront : « mais le backtest montre 95 % de réussite ! ». Pourtant, le biais du survivant explique cela simplement : si 1024 personnes lancent une pièce 10 fois, une aura 10 piles d’affilée — c’est statistiquement inévitable. Cette personne sera perçue comme un génie, tandis que les 1023 autres, qui ont échoué, resteront invisibles. Revenons à ta question initiale : quelle est la principale difficulté ? Nous observons des tendances de grande ampleur. En regardant l’histoire du bitcoin, on identifie clairement trois sommets cycliques : 2013, 2017 et 2021 (avec deux pics en 2021). Cela ne fait que quatre observations — totalement insuffisant. Avec un si petit échantillon, raisonner par analogie (« en 2013, tel indicateur atteignait X, donc cette année il doit atteindre X aussi ») est absurde. Sans base logique, la théorie échouera rapidement. Le problème principal est que, face à un historique aussi limité, il faut recourir à la déduction plutôt qu’à l’induction. Je dois formuler une hypothèse déductive, puis attendre que le temps la confirme ou l’infirme. Si elle est confirmée, mon raisonnement était probablement valide. Sinon, je dois le réviser. Mais si l’on raisonne seulement par induction — ce que font beaucoup de petits investisseurs — en disant « le graphique ressemble à avant, donc ça va exploser », c’est irrationnel. Pour revenir au point initial : le plus grand défi est de prouver que mon raisonnement est correct, à moi-même ou aux autres. Je dois donc constamment affiner ma logique et mes hypothèses, vérifier leurs failles. Le bitcoin est trop jeune : l’analyse on-chain souffre toujours d’un manque d’échantillons. Dans ce contexte, on ne peut pas se contenter d’induction ; il faut obligatoirement adopter une approche déductive, logique, et attendre que le temps valide ou invalide notre jugement. C’est le plus grand défi que je rencontre.
Les indicateurs on-chain privilégiés
Alex : Compris. Tes explications sont très instructives. Les questions que je te pose reflètent mes propres doutes lorsque j’ai commencé à explorer les nombreux indicateurs sur Glassnode. Face à cette multitude, lequel choisir comme référence pour mes décisions ? Beaucoup d’indicateurs ont des logiques de calcul différentes. Personnellement, j’ai fini par privilégier ceux dont la logique me semble cohérente, comme tu l’as souligné. Je veux d’abord comprendre le mécanisme de calcul, et surtout que ce mécanisme soit logique, plutôt que de choisir un indicateur juste parce qu’il semblait efficace dans un backtest, puis l’utiliser aveuglément pour prédire l’avenir. Comme tu le dis, la déduction doit primer. Alors, parmi tous ces indicateurs, lesquels suis-tu régulièrement dans ton analyse du bitcoin ?
Colin : Comme je l’ai dit, je filtre selon la corrélation. J’en observe beaucoup, mais je vais les présenter selon trois dimensions différentes, choisies justement pour leur faible corrélation mutuelle.
Le premier indicateur que je surveille attentivement est l’URPD. C’est un graphique en histogrammes : l’axe horizontal représente le prix du bitcoin, l’axe vertical la quantité de BTC. Si, à 90 000 dollars, on voit une barre très haute, cela signifie qu’une grande quantité de BTC a été accumulée à ce niveau — c’est-à-dire que le coût d’achat de ces détenteurs se situe autour de ce prix. L’URPD permet deux observations principales. Premièrement, la structure des positions. Si le marché évolue autour de 87 000 dollars, et que l’on voit une accumulation massive au-dessus, par exemple 4,4 millions de BTC selon les données de la semaine dernière, cela signifie qu’il y a eu un fort turnover dans cette zone — beaucoup d’achats. Cela peut créer un consensus. Ces zones d’accumulation agissent comme des aimants sur le prix : le cours peut stagner longtemps dans cette fourchette. S’il baisse, il rebondit vite ; s’il monte, les détenteurs passent en profit et vendent, ramenant le prix vers le bas. D’où cette tendance au balancement. Second point d’observation : l’URPD permet d’observer le processus de distribution. On appelle « distribution » le moment où, en début d’ours, les détenteurs ayant acheté à bas prix revendent leurs positions. Si, à 100 000 dollars, 300 000 nouveaux BTC apparaissent, tandis que 300 000 BTC acquis à 20 000 dollars disparaissent, on en déduit que ces derniers ont été vendus à environ 100 000 dollars. On peut ainsi observer si les anciennes positions changent brutalement. Actuellement, à 90 000-100 000 dollars, ces mouvements ne peuvent qu’être des ventes, car le prix est bien au-dessus de 20 000. On peut donc mesurer le rythme de distribution. Voilà le premier indicateur que je surveille.
Le second indicateur est le RUP (profit non réalisé relatif). Son but unique est de mesurer l’état global de profit du marché — combien les détenteurs gagnent en moyenne à ce prix. Son principe est simple : grâce à la transparence blockchain, on peut retracer le prix d’achat de la majorité des positions. En comparant ce prix avec le cours actuel, on calcule le profit non réalisé. Par exemple, 10 BTC achetés à 50 000 $ et revendus à 100 000 $ représentent un gain de 500 000 $. On additionne tous ces gains flottants, puis on normalise par la capitalisation actuelle pour obtenir un chiffre entre 0 et 1. Si le RUP est élevé — 0,7, 0,68, 0,75 — cela signifie que le marché est globalement en forte plus-value, ce qui peut inciter à prendre des profits. Un RUP trop élevé est donc généralement perçu comme un signal d’alerte.
La troisième dimension concerne un modèle d’évaluation juste du marché. De nombreux modèles d’évaluation du bitcoin existent, chacun utilisant une méthode différente. Le « juste prix » est ce que devrait valoir un bitcoin. Après avoir examiné toutes ces propositions, je pense que celle qui résiste le mieux à l’épreuve du temps est le modèle Cointime Price. Je n’ai pas vu de traduction française de ce terme. En résumé, ce concept provient d’un document co-publié par ARK Invest, dirigé par Cathie Wood, et Glassnode. Sa particularité est d’introduire un « poids temporel » dans le calcul de la valeur juste du BTC. Ce modèle a deux usages principaux. Premièrement, acheter au plus bas. Pendant un marché baissier, si le prix descend en dessous du Cointime Price, c’est un excellent signal d’achat, car on achète à un prix largement inférieur à la valeur intrinsèque. Historiquement, chaque fois que le prix est passé en dessous de ce seuil, c’était un bon point d’entrée. Deuxièmement, identifier un sommet : en surveillant l’écart entre le prix actuel et le Cointime Price. Si cet écart devient trop grand, cela peut signifier que le marché approche d’un sommet. Voilà donc les trois dimensions que je surveille : structure des positions, état de profit et modèle d’évaluation juste.
Comment gérer les contradictions entre indicateurs
Alex : Très clair. Beaucoup d’auditeurs vont se demander : ces trois indicateurs reflètent des aspects différents, et comme tu l’as dit, leur corrélation est faible, donc ils peuvent servir ensemble de référence. Mais que faire quand ils entrent en conflit ? Par exemple, si l’indicateur 1 suggère une phase de distribution, tandis que les indicateurs 2 et 3 montrent que le prix est encore loin d’un sommet cyclique ? Comment trancher ?
Colin : Ce problème existe aussi dans d’autres domaines, comme l’analyse technique ou l’analyse macro. Ma méthode est simple : j’attribue différents poids à chaque niveau. Celui que je privilégie est la structure des positions, notamment le rythme de distribution. Car l’état de profit sert surtout à compléter cette observation : les détenteurs ayant acheté à bas prix (15 000-16 000 $) ont-ils terminé leur distribution ? Un phénomène marquant dans chaque cycle du bitcoin est la survenue de deux grandes phases de distribution. En 2024, la plus nette s’est produite entre mars et avril : l’état de profit montrait clairement une distribution massive. Mais la question suivante est cruciale : cette distribution est-elle terminée ? Toute prise de décision part de là. Si une distribution massive a lieu mais n’est pas achevée, je peux être tranquille : le marché haussier n’est pas terminé. En mars-avril 2024, quand le BTC a grimpé à plus de 70 000 $, j’étais excité : le marché haussier était là, nouveau record. Mais ensuite, il est resté en consolidation pendant plus de six mois. Mes observations ne montraient pas de signe de creux, seulement une première distribution. D’autres données, comme le coût moyen des détenteurs à court terme, étaient aussi différentes de celles observées en fin de marché haussier. J’étais donc rassuré. Donc, si les données semblent en conflit — distribution vs hausse — dois-je sortir ? Non, car la question centrale reste : la distribution est-elle terminée ? En prenant cette question comme critère de tri, on peut facilement résoudre les conflits apparents entre indicateurs.
Alex : Imaginons un scénario : l’URPD montre deux phases de distribution, comme tu l’as décrit — une en mars-avril dernier, une autre en décembre-janvier. Mais les deux autres indicateurs d’évaluation ne sont pas encore très élevés. Dans ce cas, tu dis attribuer des poids différents. Réduis-tu progressivement ta position selon ces poids, ou attends-tu une décision unique et décisive après synthèse des trois indicateurs ?
Colin : Je fais la première option. Personne ne peut savoir avec certitude si l’on est au sommet. Personne ne peut sortir exactement au plus haut — ce serait prodigieux, j’aimerais bien rencontrer cette personne. Pour moi, le sommet est un processus lent. Sur un graphique journalier, cela semble rapide, mais lorsqu’on y est, par exemple à 69 000 $, on ne sent pas que c’est le sommet. On ne peut qu’évaluer si les conditions d’un sommet sont réunies. Partant de là, je sors progressivement. Dès que je sens que les conditions de sommet mûrissent, et qu’un indicateur me donne un signal d’alerte — par exemple un RUP en divergence, que j’ai partagé sur Twitter — je réduis ma position. Bien sûr, l’amplitude de cette réduction doit être planifiée à l’avance. Impossible de dire « maintenant il y a divergence, réduisons un peu au hasard ». J’ai un plan : par exemple, diviser ma position en quatre parts. Dès qu’un type de signal d’alerte apparaît, je vends une part. Un deuxième signal, je vends une autre part. Et je prévois que la dernière part sortira quoi qu’il arrive — même si toutes les autres alertes ne sont pas là. Par exemple, si le marché baissier est clairement terminé mais que les signaux ne sont pas là, j’ai besoin d’une stratégie extrême de sortie finale.
Alex : Compris : selon différents signaux d’alerte, on sort progressivement, en réduisant la position.
Colin : Oui.
Évaluation de la position du BTC dans le cycle actuel et ses fondements
Alex : Compris. J’ai suivi ton compte Twitter récemment. Tu appliques quotidiennement ces indicateurs et leurs principes à ton trading. Actuellement, le BTC oscille entre 91 000 et 109 000 dollars depuis près de trois mois. Le marché est très divisé sur cette zone. Ce n’est plus comme en décembre-janvier, où beaucoup pensaient que le marché haussier était loin d’être terminé, visant 150 000, 200 000, voire 300 000 $. Aujourd’hui, les avis divergent : certains pensent que le sommet de ce cycle est autour de 100 000 $, d’autres croient que le BTC n’a pas encore atteint son sommet et qu’un mouvement principal arrivera en 2025. Selon toi, quelle est la situation actuelle ? Où en est le BTC dans ce grand cycle ? Quels sont les indicateurs qui soutiennent ton analyse ?
Colin : Avant de répondre, je dois donner un avertissement : je suis très baissier sur 2025. Je pense que le BTC est déjà dans une configuration propice à la formation d’un sommet. Je sais que beaucoup de gens, y compris autour de moi, ont mal performé durant ce prétendu marché haussier de 2024, car le comportement du marché a été très différent des cycles précédents. Le point le plus frappant : il n’y a pas eu de « saison des altcoins ». Cela a blessé beaucoup de monde, y compris des amis non professionnels qui ont perdu gros sur les altcoins. Pourquoi ? En 2024, on a vu deux poussées d’altcoins : une au début de l’année, une autre en novembre, après l’élection de Trump. Mais comparées aux cycles passés, elles ont manqué de continuité. Même celle de novembre-décembre n’a pas vu une hausse généralisée des altcoins, mais un fort roulement sectoriel : d’abord les DeFi, puis les vieux projets comme XRP ou Litecoin. Ce roulement était très marqué. On voit donc que ce cycle de 2024, même s’il est qualifié de marché haussier, diffère fortement des précédents. Certains disent qu’un marché haussier ne se termine qu’après une saison des altcoins. Mais je pense qu’il n’y a pas de lien fort entre les deux. On ne peut pas l’utiliser comme indicateur fiable. Comme dit plus tôt, l’analyse on-chain souffre d’un manque chronique d’échantillons. Appliquer mécaniquement l’histoire au présent est une erreur. Si l’on raisonnait ainsi, les sommets de 2013, 2017 et 2021 étant apparus vers la fin de l’année, on s’attendrait à un sommet similaire cette année.
Personnellement, je pense que les conditions d’un sommet sont déjà réunies. La raison est complexe, basée sur plusieurs indicateurs. J’en cite quelques-uns. D’abord, la structure des positions, donc l’URPD. On observe que les positions à bas coût accumulées en 2022 et 2023 — achetées à bas prix — ont été massivement distribuées. Dit simplement : elles ont été vendues, les détenteurs sont sortis. Certains auditeurs se demandent : « et alors ? ». Il faut comprendre ceci : chaque fin de marché haussier coïncide presque toujours avec la fin de la distribution des positions à bas coût. Le point peu intuitif est que ce n’est pas parce qu’ils « cassent » le marché que celui-ci termine, mais parce que le prix monte, ils vendent progressivement, et quand ils ont tout vendu, le prix stagne, et le marché haussier s’arrête. Ce n’est pas une idée en l’air : il y a une logique. Imaginez que toutes les positions en jeu soient à haut coût — achetées à plus de 90 000 $. Les positions à 20 000, 30 000, 50 000 $ sont parties. Alors, même un simple mouvement latéral — comme celui de 70 000 à 50 000 $ l’an dernier, ou actuellement entre 90 000 et 109 000 $ — met une pression énorme sur les détenteurs à haut coût. Si le prix passe de 96 000 à 89 000 $, soit moins de 10 %, ces détenteurs stressent. Beaucoup sont des traders courts, ils risquent de vendre. Cela fait baisser le prix, ce qui fait paniquer d’autres détenteurs à haut coût, qui vendent aussi — effet domino. C’est ce que montre l’URPD : les positions à bas coût ont été largement distribuées.
Deuxièmement, le RUP, indicateur d’état de profit. Si vous l’explorez, vous verrez qu’il est très corrélé au prix — presque identique. C’est normal : plus le prix monte, plus le profit non réalisé augmente. Donc, normalement, RUP suit le prix. Mais quand un « décalage » apparaît, c’est inquiétant. Un décalage ? Par exemple, le BTC monte à 90 000 $, corrige, puis atteint 100 000 $ (nouveau sommet), mais le RUP à 100 000 $ est inférieur à ce qu’il était à 90 000 $. Étrange : le prix monte, mais le RUP baisse. Comment l’expliquer ? Simplement : le RUP mesure le profit non réalisé, dominé par les positions à bas coût. Un BTC acheté à 16 000 $ et revendu à 96 000 $ donne 80 000 $ de gain. Un autre acheté à 86 000 $ et à 96 000 $ n’en donne que 10 000 $. Donc, les gains sont surtout dus aux anciens détenteurs. Si le prix monte mais que le RUP baisse, cela signifie que beaucoup de ces détenteurs à bas coût ont déjà vendu. Leur profit est passé de « non réalisé » à « réalisé », donc il disparaît du RUP. Cela crée une divergence. Cela confirme bien que des détenteurs à bas coût sont sortis.
Troisièmement, bien qu’il reste beaucoup à dire sur les données on-chain, je partage un angle plus original : le marché boursier américain. Ceux qui étudient la bourse connaissent le concept de valorisation, comme le PER. Il existe plusieurs variantes. Moi, j’utilise l’indice Shiller ECY, du professeur Shiller (Yale). Il mesure le rendement des actions par rapport aux obligations. Il a introduit cet indicateur dans un article publié après la pandémie de 2020, car son ancien modèle, le Shiller PE (CAPE), ne convenait plus dans le nouveau contexte mondial. L’ECY s’est révélé plus prédictif. En résumé : cet indicateur montre que la valorisation du marché américain est déjà assez élevée. Précision : une valorisation élevée n’implique pas une chute immédiate — elle peut encore monter. Mais c’est un spectre : on
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
Mint Ventures
