Entretien avec le responsable de l’IA Bitget : « L’IA peut se rapprocher indéfiniment d’un score élevé, mais ne peut jamais atteindre 100 %. »
TechFlow SélectionTechFlow Sélection
Entretien avec le responsable de l’IA Bitget : « L’IA peut se rapprocher indéfiniment d’un score élevé, mais ne peut jamais atteindre 100 %. »
Le Dr. Bill présente l’évolution de Bitget, passant de l’agrégation d’informations à une assistance personnalisée aux transactions : en plaçant l’agent au cœur du système, Bitget développe une mémoire à long terme et un profil de risque, tout en optimisant les coûts liés à l’utilisation de multiples modèles et en assurant une stricte isolation sécurisée.
Dédié à des analyses Web3 approfondiesCe podcast explore la stratégie de Bitget en matière de produits de trading basés sur l’intelligence artificielle (IA). Bill, docteur et responsable de l’IA chez Bitget, revient sur sa transition depuis la recherche et l’industrie traditionnelles de l’IA vers le secteur de la cryptomonnaie, puis présente systématiquement l’évolution des produits de trading IA de Bitget au cours de la dernière année : d’un outil initial destiné à aider les utilisateurs à capter l’information du marché, synthétiser les actualités et identifier les signaux, à une approche intégrant l’historique des comportements des utilisateurs pour établir des profils de risque et formuler des recommandations personnalisées, jusqu’à des tentatives récentes visant à abaisser le seuil d’adoption grâce à des solutions telles que l’Agent Hub, des interfaces Telegram ou encore des modes d’interaction inspirés de Claude Code.
L’entretien aborde également les limites actuelles de l’IA dans le trading : si elle permet déjà d’améliorer de façon significative l’efficacité du traitement de l’information et du soutien à la prise de décision pour les utilisateurs ordinaires, elle ne parvient pas encore à remplacer entièrement les meilleurs traders professionnels. À l’avenir, la compétition ne portera pas uniquement sur les capacités des modèles, mais aussi sur la robustesse des systèmes de sécurité, la maîtrise des coûts, la fluidité des produits, la mise en œuvre de systèmes de mémoire à long terme, ainsi que l’apprentissage continu des véritables habitudes de trading des utilisateurs. Enfin, les intervenants examinent la question de savoir si le trading IA conduira à un phénomène de « gagnant unique » ou si les stratégies deviendront rapidement obsolètes, concluant que le marché demeure extrêmement complexe, et que les facteurs humains et les événements imprévisibles (« cygnes noirs ») empêchent encore tout système unique de dominer totalement le trading.
Parcours académique et professionnel de Bill, docteur, et son entrée dans le secteur de la cryptomonnaie
Mao Di : Bienvenue dans ce nouvel épisode du podcast « Wu Shuo Bu Jia Mi » (« Wu Shuo non chiffré »). Aujourd’hui, nous recevons Bill, docteur, responsable de l’IA chez Bitget. Pour commencer, pourriez-vous vous présenter brièvement ? Comment êtes-vous entré dans le secteur de la cryptomonnaie ? Et pourrions-nous également parler de votre parcours dans le domaine de l’IA ? J’ai entendu dire qu’on vous appelle souvent « Bill, docteur » : êtes-vous issu du domaine de l’IA ?
Bill, docteur : J’ai obtenu mon doctorat en 2009, après avoir suivi des études de licence, de master et de doctorat toutes spécialisées en IA. Durant mes études, j’ai effectué plusieurs séjours dans des entreprises et des instituts de recherche, et participé à de nombreuses conférences internationales.
Après l’obtention de mon diplôme, j’ai travaillé pendant quatre ans dans un institut de recherche à l’étranger, consacrant mes efforts au développement de l’intelligence artificielle. J’ai ensuite rejoint une grande entreprise chinoise, où j’ai passé quatre ans à développer des systèmes de recherche, de recommandation et de traitement du langage naturel (TLN), en tant que chef du département TLN. Par la suite, j’ai occupé pendant quatre ans un poste de direction du développement global de l’IA au sein d’une entreprise de commerce électronique étrangère, avant de diriger pendant trois ans, dans une autre grande entreprise, le développement mondial des algorithmes marketing. Au total, j’ai accumulé seize années d’expérience professionnelle.
Au début de l’année dernière, un chasseur de têtes m’a contacté pour me proposer une opportunité chez Bitget. Bien que je n’aie jamais travaillé auparavant dans l’industrie des cryptomonnaies, j’ai toujours eu un vif intérêt pour la finance, et j’ai moi-même pratiqué activement le trading d’actions américaines et hongkongaises pendant de nombreuses années ; j’ai donc décidé de tenter l’aventure.
À l’époque, je ne connaissais pas vraiment le Web3 : j’en avais seulement une connaissance superficielle, sans y avoir jamais travaillé concrètement. Je me sentais donc quelque peu nerveux avant les entretiens. Or, ces derniers se sont déroulés très rapidement, et j’ai obtenu une offre pour le poste de responsable de l’IA chez Bitget. Cela fait désormais plus d’un an que j’occupe ce rôle. Globalement, cette expérience s’est révélée particulièrement stimulante : chaque jour apporte de nouveaux défis et de nouveaux projets. Certes, la pression est forte, mais le sentiment d’accomplissement est également très élevé.
Le changement le plus marquant a été, pour moi, un véritable choc cognitif. Avant mon arrivée, je ne connaissais le Web3 que de nom, sans y avoir jamais pris part activement. Dès mon intégration, j’ai donc dû apprendre tout en menant des projets concrets — une période extrêmement enrichissante.
L’association IA/trading est-elle une simple opération de communication ou une réalité opérationnelle ?
Mao Di : Bitget est une plateforme principalement centrée sur les produits de trading. Quelle est votre vision de l’association « IA + trading » ? Ce domaine a-t-il déjà atteint un stade d’opérationnalité réelle, ou s’agit-il surtout d’un effet de mode ? Car aujourd’hui, ce n’est pas seulement le secteur des cryptomonnaies qui adopte l’IA : tous les secteurs s’y précipitent. Revenons sur cette question : pensez-vous que nous sommes aujourd’hui dans une phase dominée par l’utilité pratique, ou bien que certains acteurs profitent simplement de la vague ?
Bill, docteur : Selon moi, chez Bitget, ce n’est plus une simple opération de communication, mais une nécessité impérieuse. En effet, durant ses sept premières années d’existence, Bitget n’a pas disposé d’une équipe dédiée à l’IA, et les applications algorithmiques y étaient extrêmement rares. Ce n’est que ces deux dernières années que nous avons commencé à investir de façon systématique dans ce domaine, car l’IA est désormais suffisamment mature pour être intégrée concrètement aux scénarios de trading, avec des bénéfices tangibles tant en termes de réduction des coûts et d’amélioration de l’efficacité qu’en termes d’accroissement des revenus.
Le trading est en soi extrêmement complexe : les perceptions, les préférences en matière de risque, les stratégies et les modes d’action varient fortement d’un utilisateur à l’autre. La question cruciale n’est donc pas « faut-il ou non développer une solution IA », mais plutôt « à quel niveau de la chaîne de valeur du trading l’IA doit-elle intervenir ».
Si l’on envisage une automatisation complète, comparable à celle d’une voiture entièrement autonome, je pense que cela reste encore hors de portée aujourd’hui. En revanche, une assistance segmentée, hiérarchisée et ciblée est déjà parfaitement réalisable. En fait, que Bitget agisse ou non, d’autres entreprises s’y attellent déjà, et ont déjà tiré de substantiels bénéfices de cette démarche.
Par exemple, certains traders se fondent essentiellement sur les tendances à court terme et les signaux quantitatifs. Autrefois, ils devaient surveiller simultanément de nombreux écrans et sources de données. Aujourd’hui, l’IA est particulièrement adaptée à l’intégration et à l’assistance à la prise de décision. D’autres utilisateurs prennent leurs décisions sur la base d’actualités, de rapports financiers ou de contenus provenant des réseaux sociaux : or, une grande partie de ce travail consiste précisément à collecter et structurer l’information — une tâche que l’IA permet d’optimiser nettement.
Plus loin encore, les utilisateurs souhaitent que l’IA leur fournisse non seulement des informations, mais aussi des recommandations stratégiques concrètes : choix de position, orientation (achat/vente), niveau d’effet de levier, voire bouton de trading directement préconfiguré. On peut même envisager des fonctionnalités proches de celles offertes par la gestion d’actifs.
Notre analyse est donc la suivante : l’IA ne pourra jamais entièrement remplacer les meilleurs traders professionnels, mais elle est déjà capable, aujourd’hui, de remplacer environ 95 % des tâches accomplies par un utilisateur ordinaire — ce qui place clairement ce domaine à un stade d’utilité pratique.
L’évolution des produits IA de Bitget : de la consolidation d’informations à l’assistance au trading
Mao Di : Vous semblez dire que la première couche — celle de la compréhension du contexte des projets, de la consolidation d’informations et de l’assistance à la prise de décision — est déjà relativement mature. Où en sont actuellement les produits IA de Bitget ? Sont-ils davantage orientés vers une assistance préliminaire à la prise de décision, ou ont-ils déjà franchi le pas vers une exécution concrète ?
Bill, docteur : Tout a commencé l’année dernière, juste un mois après mon arrivée, lorsque nous avons lancé notre initiative autour des « agents ». À l’époque, le concept d’agent était encore très nouveau, et tout le monde explorait encore ses possibilités. Nous avons d’abord mené une petite expérimentation baptisée « Meme Catcher » (« Chasseur de memes »), car les jetons « meme » connaissaient alors une forte popularité, tandis que les signaux du marché étaient extrêmement rapides et dispersés, rendant difficile pour les utilisateurs de saisir rapidement les opportunités de trading.
Ce produit a été testé pendant deux mois, avec des résultats satisfaisants, mais ses capacités restaient limitées à la détection de signaux liés aux memes. Nous l’avons ensuite amélioré pour donner naissance à GetAgent, dont l’objectif initial était précisément de répondre à ce premier besoin : la collecte et la consolidation d’informations. Cette tâche étant essentiellement manuelle, une bonne configuration des processus et des modèles permet d’en accroître considérablement l’efficacité.
Nous avons donc concentré nos premiers efforts sur les capacités liées à l’information : sélection et intégration de sources d’actualités fiables du secteur des cryptomonnaies, puis fourniture de ces contenus de haute qualité aux modèles d’IA pour analyse, plutôt que de laisser les modèles effectuer eux-mêmes une recherche exhaustive sur l’ensemble du web. Cette approche a permis d’améliorer sensiblement la précision de la collecte et de l’analyse d’informations, ce qui s’est traduit par une forte satisfaction des utilisateurs.
Cependant, les utilisateurs ont rapidement formulé des demandes plus poussées : ils ne voulaient plus seulement consulter des informations, mais recevoir des recommandations concrètes — par exemple, acheter ou vendre, quelle quantité acquérir, ou encore quel niveau de risque convient à leur profil. Nous avons donc commencé à exploiter l’historique des transactions des utilisateurs afin d’établir des profils comportementaux, d’analyser leurs préférences en matière de risque et leurs habitudes de trading, et de leur proposer des recommandations de plus en plus personnalisées.
En effet, si la couche informationnelle peut être largement standardisée, la couche transactionnelle, elle, présente des différences radicales. Face à une même situation, deux utilisateurs peuvent prendre des décisions totalement opposées. GetAgent s’est donc progressivement orienté vers une personnalisation accrue, avec de nombreux ajustements fins.
Nous sommes même allés jusqu’à développer des fonctionnalités au niveau de l’exécution : par exemple, un utilisateur pouvait simplement demander « Achète-moi 10 dollars de Bitcoin », et le système préparait immédiatement le bouton de trading, que l’utilisateur n’avait plus qu’à valider pour passer sa commande. Bien sûr, cela supposait que l’instruction soit suffisamment claire et non ambiguë.
Une fois lancée, cette fonctionnalité a effectivement été utilisée, et le volume de transactions a augmenté. Mais nous avons rapidement constaté qu’en poussant trop loin l’automatisation de l’exécution, les utilisateurs risquaient de mal interpréter le rôle du produit, en le percevant comme un outil capable de générer automatiquement des profits. Une perte entraînerait alors un décalage important entre leurs attentes et la réalité.
Nous avons donc réorienté notre stratégie : plutôt que de continuer à optimiser l’exécution automatisée, nous avons recentré nos efforts sur la collecte d’informations, leur agrégation et leur analyse, ainsi que sur la personnalisation de la fourniture de ces contenus — renforçant ainsi la solidité de ces capacités fondamentales.
Début 2024, nous avons lancé l’Agent Hub. Contrairement à GetAgent, qui fonctionne dans l’application sous forme de dialogue question-réponse générant des réponses longues, l’Agent Hub s’adresse plutôt aux utilisateurs avancés, leur permettant d’accéder aux capacités fondamentales via des appels de programme, notamment en ligne de commande, afin d’effectuer des transactions.
Cette initiative a suscité un certain intérêt, mais son seuil d’adoption restait élevé : en effet, très peu d’utilisateurs savent programmer ou utiliser la ligne de commande pour trader. La grande majorité sont des traders ordinaires, qui recherchent des produits simples et intuitifs.
Nous avons donc transféré l’interface vers Telegram. Il suffit désormais à l’utilisateur de cliquer sur un lien, de se connecter à son compte Bitget, puis d’interagir avec le système de manière similaire à un agent — une expérience globalement plus fluide.
Mao Di : Comment garantissez-vous la sécurité ?
Bill, docteur : Sur le plan de la sécurité, nous avons mis en place un environnement isolé (sandbox), une authentification à quatre niveaux et un espace d’exécution indépendant, le tout dans le but ultime de protéger intégralement les actifs des utilisateurs. Par ailleurs, nous cherchons à abaisser au maximum le seuil d’entrée pour les utilisateurs novices. De nombreux produits similaires obligent en effet les utilisateurs à intégrer eux-mêmes des modèles, à gérer les coûts liés aux tokens ou à choisir des prestataires de services — une complexité inacceptable pour la plupart d’entre eux. Chez Bitget, nous assumons toute cette complexité technique en arrière-plan, afin de simplifier l’expérience utilisateur.
Logique fondamentale et conception de l’expérience utilisateur des produits de trading IA de Bitget
Mao Di : Quel grand modèle utilisez-vous ?
Bill, docteur : Nous utilisons plusieurs grands modèles, que nous attribuons intelligemment selon la nature de chaque tâche, en veillant à concilier à la fois coût et performance. Une tâche simple ne justifie pas l’usage permanent du modèle le plus coûteux, tout comme une tâche complexe ne saurait se contenter du modèle le moins onéreux. Notre approche relève donc d’une optimisation globale.
Sur le plan de la conception produit, notre objectif initial était de réduire drastiquement le seuil d’entrée. Nous proposons ainsi d’abord un quota gratuit, après quoi l’utilisateur passe à un modèle payant — une approche facilitant grandement la prise en main. L’utilisateur n’a pas non plus à acheter lui-même des tokens ni à choisir un modèle : il bénéficie directement des capacités fondamentales que nous avons soigneusement développées et optimisées.
Par la suite, nous avons migré bon nombre de ces fonctions vers Telegram, notamment la collecte d’informations, leur traitement analytique et certaines stratégies de trading élémentaires. Ce produit Telegram s’appelle GetClaw. L’utilisateur interagit alors avec le système comme s’il discutait avec une personne, ce qui rend l’expérience plus naturelle et fluide. En effet, lorsqu’il était intégré à l’application, de nombreux utilisateurs ne trouvaient même pas l’entrée du service, tandis qu’avec Telegram, le chemin d’accès devient immédiat.
Dès que cette expérience a été pleinement intégrée, GetClaw a connu une croissance rapide. Nous avons également organisé des tournois de trading, offrant aux utilisateurs des fonds d’essai et des récompenses, dans le but explicite de les familiariser progressivement avec ce nouveau mode de trading piloté par des agents.
Mais nous insistons constamment sur un point essentiel : aucun outil, aussi performant soit-il, ne peut dispenser complètement l’utilisateur de son propre jugement. Le moment d’entrée et celui de sortie restent des décisions critiques. Une dépendance totale au modèle est impossible, tout comme une absence totale d’assistance par l’IA. Notre ambition n’est donc pas de remplacer l’utilisateur, mais de concevoir des outils de qualité supérieure, tout en contribuant à renforcer sa compréhension du marché. C’est pourquoi, dès le lancement de nos initiatives IA, nous avons défini un objectif ambitieux : « Permettre à 100 millions d’utilisateurs d’atteindre le niveau de Wall Street ». En substance, il s’agit de les transformer en traders plus compétents.
Notre objectif réel est de rendre le trading plus simple et plus personnalisé. Par exemple, le système apprend progressivement vos habitudes de trading, vos préférences en matière de risque et votre style opérationnel, puis condense toute la complexité de l’analyse préalable pour ne vous proposer finalement que quelques options de décision claires. Vous pouvez ainsi agir avec plus de fondement et plus de sérénité.
Ainsi, le modèle produit repose sur deux piliers fondamentaux : premièrement, une mémoire à long terme et une adaptation personnalisée, permettant au système d’apprendre continuellement de l’utilisateur ; deuxièmement, une sécurité et une efficacité avérées, combinées à une évolution continue des outils sous-jacents. GetAgent a vu ses capacités fondamentales profondément affinées au cours de cette dernière année, et GetClaw a été construit sur cette base solide. Bien entendu, le produit n’est pas encore parfait, et nous poursuivrons inlassablement son itération.
Mao Di : Avez-vous réalisé des statistiques sur le volume de trading IA actuel ?
Bill, docteur : Pour l’instant, ce volume reste encore faible. Dans le volume global de trading de la société, la part entièrement pilotée par l’IA est minime, car il faut encore un certain temps pour que les utilisateurs fassent massivement confiance à une approche de trading guidée par l’IA — une phase de maturation indispensable.
Par ailleurs, ce domaine évolue extrêmement rapidement. Les grands modèles sont en constante itération : souvent, il n’est même pas nécessaire de modifier profondément la structure du produit ; il suffit de remplacer le modèle en arrière-plan par une version plus récente pour obtenir une amélioration sensible des performances globales. Cela montre que les capacités des modèles et leurs applications sont désormais largement décorrélées : une amélioration du modèle sous-jacent se traduit immédiatement par une meilleure expérience utilisateur.
Ainsi, la situation actuelle est caractérisée par une itération accélérée des couches applicatives, conjuguée à une progression continue des modèles sous-jacents — un écosystème en mutation extrêmement rapide. Là où une demande mettait autrefois un ou deux mois à être traitée, elle peut désormais être déployée en quelques jours, voire en une seule journée.
Dans ce contexte, la capacité de développement n’est plus le seul critère décisif : ce qui compte davantage, c’est la compréhension fine du métier, et notamment du trading lui-même. Car si les outils et les modèles évoluent constamment, c’est finalement notre compréhension des scénarios d’usage qui détermine la valeur réelle du produit.
Avantages concurrentiels des produits IA de Bitget et axes d’optimisation continue
Mao Di : Aujourd’hui, ce n’est pas seulement Bitget qui développe des produits IA : Binance et OKX font de même. Avez-vous étudié les « skills » ou produits qu’ils ont publiés ? Quels sont, selon vous, les atouts spécifiques des produits IA de Bitget par rapport à ceux des autres bourses ? Sur quels aspects comptez-vous vous distinguer ?
Bill, docteur : Excellente question, à laquelle nous accordons une attention constante. En matière d’IA, toutes les bourses partent du même point de départ : nous considérons donc ce domaine comme une opportunité de dépassement stratégique. En outre, l’IA est un secteur exigeant tant en ressources humaines qu’en investissements financiers, ce qui en fait inévitablement un champ de bataille réservé aux quelques grandes bourses. Bitget y consacre des moyens considérables.
Dès le lancement de GetAgent l’année dernière, nous avons entrepris d’explorer comment concevoir un « agent IA » adapté au secteur des cryptomonnaies. À l’époque, aucune référence concrète n’existait : nous avons donc dû nous inspirer des autres domaines tout en adaptant continuellement nos solutions à notre propre activité. Après plus d’un an de développement, nous avons acquis des capacités fondamentales solides, ainsi qu’une méthodologie éprouvée d’itération continue.
Comparés aux autres bourses, nos principaux atouts seraient, selon moi, les suivants.
Premièrement, notre expérience d’itération. Depuis le lancement de notre agent IA en mars dernier, nous avons mené plusieurs cycles d’itération successifs. Ce processus est souvent éprouvant, et implique fréquemment de repartir de zéro — mais c’est précisément ce qui nous a permis d’accumuler une expertise profonde. Nous ne prétendons pas être leaders absolus dans ce domaine, mais nous sommes certainement parmi les premiers et les plus engagés.
Deuxièmement, la sécurité. Lorsque les premiers produits « agent » sont apparus, beaucoup se sont précipités pour les tester, avant d’en être contraints de se retirer en raison de failles de sécurité. Chez Bitget, la sécurité est une priorité absolue, même si cela ralentit parfois le rythme de développement. Après plusieurs trimestres de travail intensif, nous n’avons, à ce jour, rencontré aucun incident notable dans le domaine du trading IA ou des agents IA — un avantage crucial.
Troisièmement, notre rapidité à adopter de nouvelles formes de produits. Que ce soit l’Agent Hub ou, plus récemment, GetClaw, nous avons été parmi les premiers à les lancer, et nous ne nous contentons pas de créer le produit en lui-même : nous concevons également des mécanismes d’interaction adaptés aux scénarios de trading. Par exemple, nous avons expérimenté une intégration entre notre agent IA et notre système de copie de trading, permettant aux utilisateurs de choisir les agents IA dont ils souhaitent suivre les performances — une innovation supplémentaire directement ancrée dans le scénario de trading.
En apparence, ce type de produit est aujourd’hui à la portée de tous : avec les bons outils de développement, on peut le mettre en place très rapidement. Mais une fois déployé, la différence entre les solutions est immense — en termes de fluidité, de stabilité et de fiabilité. Derrière ces écarts ne se cache pas seulement le choix d’un modèle, mais la capacité à harmoniser modèle, coût, qualité, sécurité et expérience utilisateur.
Cela est particulièrement vrai dans les scénarios grand public (C-to-C), où la maîtrise des coûts est critique. Sans optimisation rigoureuse, les coûts de ce type de produit peuvent facilement exploser. Notre travail actuel va donc bien au-delà du simple choix d’un grand modèle : il consiste à combiner et à optimiser profondément plusieurs capacités, afin de garantir une expérience et une qualité élevées tout en maintenant les coûts dans des limites raisonnables.
En résumé, nos trois principaux atouts sont : premièrement, une entrée précoce sur le marché, une itération prolongée et une expertise accumulée ; deuxièmement, un système de sécurité particulièrement robuste ; troisièmement, une intégration réussie entre « skills » et capacités produit, reposant sur une méthodologie et une infrastructure consolidées.
Bien entendu, si nous devions identifier un axe d’optimisation prioritaire, ce serait moins de surveiller nos concurrents que d’apprendre davantage auprès de nos utilisateurs. Car le succès du trading IA ne se mesure pas à la richesse des fonctionnalités, mais à la profondeur de la compréhension des utilisateurs. Quelle est aujourd’hui leur perception du trading IA, leurs habitudes, leurs attentes ? C’est une question que nous devons continuer à explorer.
En définitive, l’objectif des utilisateurs sur une plateforme de trading reste de générer des profits. Nous ne pouvons pas garantir qu’ils réaliseront systématiquement des gains, mais nous voulons les aider à trader plus rapidement, plus facilement et plus sereinement. Par exemple, en leur présentant finalement quelques options claires et personnalisées, en explicitant clairement la logique sous-jacente, afin qu’ils puissent prendre leurs décisions avec plus de facilité et plus de confiance.
Ce parcours est donc loin d’être achevé. Notre priorité actuelle est de poursuivre l’affinement de l’expérience utilisateur — en la rendant plus fluide, plus sûre et plus personnalisée — tout en continuant à apprendre tant de nos concurrents que de nos utilisateurs.
Le trading IA conduira-t-il à un phénomène de « gagnant unique » ? Les stratégies vont-elles rapidement devenir obsolètes ?
Mao Di : Vous avez décrit un scénario idéal de « trading IA ». Je vais maintenant vous poser deux questions plus précises.
Premièrement, les capacités des modèles d’exécution du trading IA varient nécessairement. Existe-t-il un risque que ce domaine aboutisse à un phénomène de « gagnant unique » ? Par exemple, les acteurs disposant de plus de capitaux pourraient se procurer des modèles plus puissants, disposer de plus de puissance de calcul et de vitesses plus élevées, permettant ainsi à un petit nombre de participants de dominer la grande majorité des autres, voire de rafler la totalité des profits du marché.
Deuxièmement, les marchés évoluent très rapidement, et une stratégie donnée n’est souvent efficace que pendant une courte période, avant d’être imitée, suivie, voire contre-attaquée. Le trading IA est-il confronté à la même limitation ? Est-il impossible de maintenir durablement un avantage fixe, ou faut-il nécessairement itérer en permanence ?
Bill, docteur : Ces deux questions sont effectivement au cœur des débats actuels dans le secteur.
Concernant le phénomène de « gagnant unique », je pense qu’il est peu probable. On peut faire une analogie avec le marché boursier : les secteurs de la finance quantitative et des fonds d’investissement existent depuis de nombreuses années, sans qu’aucune entreprise n’ait jamais réussi à capter la totalité des profits du marché. Même les institutions les plus puissantes coexistent avec une multitude d’autres acteurs.
La raison en est simple : les systèmes de trading sont trop complexes pour être déterminés par quelques variables seulement. Des milliers de facteurs entrent en jeu, auxquels s’ajoutent des événements imprévus et des « cygnes noirs ». Je ne crois donc pas qu’un acteur puisse jamais véritablement dominer le marché à 100 %.
Quant à la deuxième question, je considère que le trading IA comporte inévitablement une limite supérieure. Supposons que le « trading parfait » corresponde à 100 points : aujourd’hui, l’IA atteint probablement 90 points, et pourrait progressivement s’approcher de 99 points à l’avenir, mais il lui sera très difficile, voire impossible, d’atteindre le score parfait.
Mao Di : Vous parlez ici d’un niveau actuel de 90 points, ou d’un plafond définitif que l’IA ne dépassera jamais ?
Bill, docteur : Je parle d’un niveau actuel d’environ 90 points. Il continuera à progresser, mais je pense qu’il restera toujours très difficile d’atteindre la perfection. Car ce qui rend le trading financier le plus complexe, c’est fondamentalement la nature humaine. Tant que des êtres humains seront impliqués dans les décisions de marché, des émotions, des biais et des comportements irrationnels subsisteront inévitablement.
Bien sûr, un scénario encore plus extrême pourrait émerger à l’avenir : celui d’un marché dominé non plus par des humains, mais par des agents IA interagissant entre eux. Dans ce cas, la donne changerait : la discipline d’exécution des machines étant intrinsèquement plus stable que celle des humains, la compétition porterait alors sur les capacités des modèles, la robustesse des systèmes et la vitesse d’exécution.
Toutefois, dans le marché des cryptomonnaies actuel, nous sommes encore très loin de ce stade. Globalement, il s’agit donc d’un processus évolutif continu. Tant que les humains resteront impliqués dans le trading, l’incertitude ne pourra jamais être totalement éliminée.
Mao Di : Je partage entièrement cette analyse. Car le trading consiste souvent précisément à appliquer la rationalité pour maîtriser les émotions. Si, à l’avenir, le trading était entièrement assuré par des IA, la compétition porterait alors essentiellement sur le niveau d’intelligence et la vitesse d’exécution.
Bill, docteur : Exactement. Nous en sommes encore très loin aujourd’hui, ce qui laisse une marge de manœuvre considérable — et rend ce domaine particulièrement passionnant.
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
吴说区块链
