La guerre secrète de la quantification cryptographique : la victoire se déplace progressivement des stratégies vers les infrastructures

Auteur : TechFlow

Lorsqu’on évoque les grands gagnants du marché des cryptomonnaies, on pense généralement aux plateformes d’échange, aux market makers ou encore aux « diamond hands » qui ont fait fortune du jour au lendemain durant une période haussière.

Les investisseurs particuliers subissent quant à eux des hauts et des bas spectaculaires lors des transitions entre marchés haussiers et baissiers : certains achètent au sommet, d’autres vendent au creux du marché ; la volatilité devient alors leur cauchemar.

Pourtant, au sein de ce marché marqué par la spéculation et l’excitation, existe un groupe d’acteurs qui génère régulièrement des profits stables : les équipes de trading quantitatif.

Ces gagnants mystérieux restent rarement dans le champ de la visibilité publique. Ils ne vantent pas leurs performances sur les réseaux sociaux, ne participent pas aux appels à l’achat ou à la vente lancés par des influenceurs (KOL), et accordent peu d’interviews aux médias. Ils constituent une « force occulte » agissant dans l’ombre du marché, tirant silencieusement profit de chaque fluctuation des cryptomonnaies.

Mais sur quoi reposent-ils précisément pour générer ces revenus stables ?

Dans un environnement aussi incertain, comment parviennent-ils à être à la fois offensifs et défensifs, transformant ainsi le trading en une véritable science ?

Le monde quantitatif : de l’arbitrage manuel à la course aux armements

L’histoire du trading quantitatif en cryptomonnaies condense l’évolution de la finance traditionnelle sur près d’un demi-siècle.

L’ère de l’arbitrage manuel (2017–2018) se caractérisait par des règles simples et brutales : les écarts de prix d’un même actif entre différentes bourses atteignaient 5 à 10 %. Un simple programme informatique exécuté sur quelques ordinateurs permettait déjà de générer des rendements annuels multipliés par plusieurs facteurs. Arthur Hayes, fondateur de BitMEX, et Sam Bankman-Fried (SBF), fondateur de FTX, ont tous deux réalisé leur premier gain substantiel grâce à ce type d’arbitrage. En 2018, SBF remarqua une prime de 10 % sur le bitcoin au Japon, réunit quelques amis et lança une opération d’arbitrage qui lui rapporta environ 20 millions de dollars américains en quelques semaines seulement — donnant naissance à Alameda Research.

C’était une époque de croissance sauvage. « C’était vraiment une période très difficile : les levées de fonds en phase primaire étaient largement souscotées, tandis que les marchés secondaires s’effondraient violemment ; de nombreux fonds spécialisés dans les tokens ont alors choisi de se reconvertir vers le trading quantitatif », se souvient Leo, ancien professionnel du capital-risque crypto. « Au tout début, les acteurs du trading quantitatif dans l’écosystème crypto provenaient essentiellement de trois milieux : des talents venus de Wall Street, des anciens traders du marché boursier chinois (A-shares), et des autodidactes issus purement de l’univers crypto. » À cette époque chaotique, chacun tâtonnait en période baissière : certains s’entraînaient avec des centaines de bitcoins, d’autres fulminaient contre les API des bourses, sujettes à des interruptions fréquentes.

L’ère de la professionnalisation (2020–2023) a été déclenchée par le « DeFi Summer ». De nombreuses équipes issues de la finance traditionnelle et du secteur technologique ont alors afflué sur le marché crypto, accélérant fortement la professionnalisation du trading quantitatif. Une évolution encore plus cruciale s’est produite côté financement : les offices familiaux et les gestionnaires d’actifs institutionnels ont progressivement remplacé les mineurs comme principaux bailleurs de fonds des équipes quantitatives.

« Aujourd’hui, les meilleures équipes quantitatives sont généralement « entretenues » par des offices familiaux ou des gestionnaires d’actifs institutionnels. Elles ne manquent pas de soutien financier et choisissent donc volontairement de rester discrètes », décrit Grace, chargée de développement commercial (BD) chez un gestionnaire d’actifs crypto.

Stephanie, associée au fonds quantitatif multi-stratégie Target Capital, précise que ses clients proviennent principalement d’offices familiaux renommés à Singapour et à Hong Kong. Pour ces derniers, l’attrait du trading quantitatif crypto est immédiat : ils ne veulent surtout pas rater une forte hausse, mais refusent catégoriquement d’endurer une chute brutale. Un rendement annuel stable de 15 à 25 % est bien plus séduisant qu’un token potentiellement susceptible de perdre intégralement sa valeur, malgré un potentiel multiplicateur de cent fois. Le trading quantitatif crypto est ainsi devenu la première porte d’entrée de nombreux offices familiaux traditionnels vers l’univers crypto.

L’ère de l’institutionnalisation (depuis 2024) coïncide avec l’approbation des ETF physiques sur BTC, la mise en place progressive de cadres réglementaires mondiaux et l’entrée massive d’institutions financières traditionnelles. La « table de jeu réservée aux particuliers » du marché crypto se transforme progressivement en « champ de bataille institutionnel ».

Mais cette évolution soulève un problème ressenti par tous les acteurs du secteur : les stratégies deviennent de plus en plus concurrentielles — et de plus en plus similaires.

Le jugement de Leo est sans appel : « Plus de 80 % des équipes actives sur les marchés secondaires adoptent aujourd’hui des stratégies d’arbitrage très neutres ; la standardisation des approches est extrêmement prononcée. »

Oliver Chen, CFO et COO de QSG, observant la tendance depuis la perspective d’un fournisseur d’infrastructures, confirme ce constat : « Un exemple flagrant est l’arbitrage sur les taux de financement (funding). Les grands fonds, les offices familiaux et les partenaires limités (LP) privilégient généralement des stratégies présentant de faibles retraits (drawdown) et des courbes de rendement stables, ce qui a rendu ce type de stratégie particulièrement encombré ces dernières années. Or, lorsque les signaux et la logique de trading de tous les acteurs convergent de plus en plus, ce qui fait réellement la différence en termes de rendement, c’est souvent l’infrastructure sous-jacente. »

Une situation encore plus embarrassante : les taux de rendement sans risque élevés sur les marchés crypto exercent une pression dévastatrice sur les stratégies quantitatives traditionnelles. Pendant une période haussière, les rendements sans risque sur Pendle peuvent atteindre 30 % — votre alpha laborieusement généré via des modèles complexes peut alors être inférieur à celui obtenu simplement en laissant vos actifs dormir sur la blockchain.

Lorsque les stratégies n’ont plus de marge de progression, la nature même de la concurrence change.

Passer de la compétition sur les stratégies à celle sur les outils : pourquoi la période actuelle constitue-t-elle une fenêtre opportune pour les infrastructures ?

Ce virage s’est déjà produit dans la finance traditionnelle.

En 2010, Spread Networks, une société spécialisée, dépensa 300 millions de dollars pour installer un câble optique traversant la chaîne des Appalaches, uniquement afin de gagner 3 millisecondes entre Chicago et New York. Jump Trading alla encore plus loin, installant directement une tour micro-ondes sur le toit du Chicago Board of Trade pour remplacer la fibre optique par une transmission sans fil quasi lumineuse. La course aux armements dans le domaine du trading haute fréquence à Wall Street dura près de vingt ans, aboutissant à un consensus clair : dès lors que toutes les stratégies sont suffisamment sophistiquées, la victoire revient à celui dont l’infrastructure est la plus rapide, la plus fiable et la plus proche des bourses.

Le marché crypto est en train de répéter rapidement ce scénario. La période 2024–2026 constitue précisément la fenêtre où cette course aux armements s’accélère, portée par trois forces simultanées.

La première est la transformation de la structure des participants après l’approbation des ETF physiques. Ces fonds négociés en continu (ETF) sur BTC et ETH ont permis à des capitaux traditionnels d’affluer massivement sur le marché, rendant la structure des transactions nettement plus institutionnelle. Les fonds institutionnels ne recherchent pas des tokens à multiplication cent fois, mais privilégient des rendements stables, un contrôle strict des retraits et une qualité d’exécution élevée. Cela élève directement les exigences en matière d’infrastructure.

La deuxième est l’augmentation de la complexité des opportunités de trading. L’alpha ne se niche plus uniquement dans les écarts de prix entre bourses centralisées, mais également entre bourses centralisées (CEX) et décentralisées (DEX), entre contrats perpétuels et actifs au comptant, ou encore entre les rendements offerts sur la blockchain et ceux disponibles sur les marchés centralisés. Capturer ces opportunités transversales, impliquant plusieurs marchés et protocoles, exige des capacités bien supérieures en matière de collecte de données de marché, de routage, d’exécution et de gestion des risques.

La troisième est l’accélération apportée par l’IA dans la génération de stratégies — ce qui rend, paradoxalement, l’infrastructure encore plus rare. Autrefois, transformer une idée stratégique en système fonctionnel pouvait nécessiter plusieurs semaines d’itérations entre chercheurs et ingénieurs. Aujourd’hui, l’IA compresse ce cycle amont de recherche : le nettoyage des données, la formulation d’hypothèses sur les facteurs, la génération automatique de code et la mise en place de cadres de backtesting sont désormais réalisés bien plus rapidement. Mais plus la génération de stratégies s’accélère, plus leur homogénéité augmente. Ce qui fait désormais la différence, ce n’est plus seulement « qui a identifié un nouveau facteur en premier », mais plutôt « qui parvient le plus vite à connecter son signal au marché réel et à transformer le rendement théorique en bénéfice concret », tout en maîtrisant les délais, le glissement (slippage) et les contraintes liées aux autorisations.

Un phénomène encore plus remarquable est l’émergence, portée par l’IA, d’une nouvelle forme de trading : les agents IA (AI Agent). Autrefois, la chaîne décisionnelle était linéaire : « le chercheur formule une idée → l’ingénieur implémente la stratégie → le système exécute la transaction ».

Aujourd’hui, les agents IA commencent à fusionner ces trois étapes en une seule : perception autonome de l’état du marché, génération de décisions de trading, puis appel direct aux canaux d’exécution pour réaliser la transaction. Lorsque l’adoption du trading automatisé connaît une croissance exponentielle et qu’un nombre croissant d’opérations sont initiées non plus par des humains mais par des agents IA, les exigences relatives à l’infrastructure sous-jacente augmentent brutalement. Un agent IA ne passera pas un appel téléphonique à une bourse pour négocier un statut VIP, ne basculera pas manuellement entre des nœuds AWS, ni n’évaluera empiriquement, en cas de conditions de marché extrêmes, s’il convient ou non d’annuler un ordre. Il requiert une interface normalisée, à faible latence et hautement fiable, prête à être invoquée à tout instant et capable de répondre immédiatement.

Tommy Ho, CSO de QSG, formule le constat avec encore plus de clarté : « L’importance des stratégies n’a pas diminué, mais elles dépendent désormais davantage de l’infrastructure. De nombreux traders natifs du monde crypto possèdent une excellente compréhension du marché et font preuve d’une grande réactivité, mais ils peinent à rivaliser avec les grandes institutions dotées d’équipes complètes dédiées à l’infrastructure, notamment en matière de diffusion ultra-rapide des données de marché, d’exécution optimale des ordres ou d’optimisation de l’environnement AWS. Les stratégies ne sont pas devenues moins importantes : elles sont passées du statut de “seul cœur” à celui de “cœur parmi d’autres”. »

Décomposition de la pile technologique d’une équipe quantitative : combien de couches une transaction traverse-t-elle ?

Combien d’obstacles techniques une équipe quantitative doit-elle franchir entre la détection d’une opportunité et la réalisation effective du profit ?

Beaucoup pensent que le trading quantitatif consiste simplement à « écrire une stratégie et la faire tourner ». La réalité est bien plus complexe. Une transaction quantitative complète, depuis la génération du signal jusqu’à l’incorporation effective du profit, doit traverser au moins quatre couches technologiques. Chacune comporte ses propres seuils d’entrée et ses coûts cachés ; toute lacune à l’un de ces niveaux érode directement l’alpha généré par la stratégie.

Première couche : l’acquisition plus rapide des données de marché

C’est le point de départ de toute la chaîne de trading — et le plus facile à négliger.

La grande majorité des équipes quantitatives récupèrent les données de marché via les interfaces WebSocket publiques des bourses. Or, ce canal est fondamentalement « grand public ». L’écart de latence entre les flux de données publics fournis par les bourses et les canaux internes réservés aux market makers peut atteindre plusieurs fois le même ordre de grandeur. Dans un marché calme, cet écart n’est pas critique. Mais les marchés crypto sont notoirement sujets à des épisodes extrêmes.

Lors de telles périodes de forte volatilité ou de surcharge informationnelle, la latence des flux publics peut passer de l’échelle milliseconde à celle de la seconde. Sur les marchés de contrats à effet de levier élevé, cela suffit à ce que le cours traverse plusieurs niveaux de prix, voire déclenche une série de liquidations en cascade ou d’ordres stop-loss. Le modèle continue d’opérer sur la base de données obsolètes, tandis que le marché réel est déjà passé à un autre état.

C’est pourquoi, ces deux dernières années, certaines équipes quantitatives crypto ont commencé à externaliser la question du « canal de données de marché », auparavant considérée comme un problème interne d’ingénierie, vers des prestataires spécialisés en infrastructure. QSG figure parmi les représentants les plus emblématiques de cette tendance.

QSG ne se contente pas d’offrir « une API plus rapide » : elle industrialise et met à disposition des équipes quantitatives de taille moyenne ou petite des capacités de trading à faible latence, auparavant réservées aux market makers de premier plan. Son produit de diffusion de données de marché (Sytus Feed), par exemple, réduit la latence de l’ordre de la seconde à celui de la centaine de millisecondes en cas d’événements extrêmes, tout en atténuant significativement les variations de latence (jitter).

La spécificité de QSG réside dans son approche inverse : elle ne part pas d’une vision classique de logiciel en tant que service (SaaS), mais construit ses produits à partir de l’expérience pratique acquise sur le terrain dans le trading quantitatif et le market making. Ses membres clés proviennent de Kronos Research, Jane Street et WorldQuant, et l’entreprise entretient depuis longtemps un statut VIP élevé auprès de Binance ainsi que des accréditations de market maker.

Oliver reconnaît que d’autres équipes proposent également des services de faible latence, mais souligne que la barrière à l’entrée de QSG repose sur la combinaison unique de « compréhension des marchés + capacité d’ingénierie + expérience opérationnelle ». « Si l’on se limite à vendre des données colocalisées (colo), les différences fondamentales entre prestataires restent limitées. La difficulté réelle commence là où, même en disposant tous d’une infrastructure colo, on parvient à créer un avantage de performance de 30 à 50 % grâce à l’optimisation des points de réception, des points d’émission, des itinéraires réseau, des noyaux système et de la compréhension fine des interfaces des bourses. »

Le problème de l’infrastructure dans les marchés crypto n’est pas seulement technique : il touche aussi au trading lui-même et aux conditions extrêmes. Lors des épisodes de volatilité extrême, les systèmes révèlent le plus souvent leurs faiblesses : latence accrue des données de marché, coupures et reconnexions répétées, congestion des moteurs de matching, échecs d’annulation d’ordres. Sans avoir personnellement vécu ces situations, il est extrêmement difficile de concevoir un produit robuste uniquement sur la base de raisonnements techniques abstraits.

Deuxième couche : une exécution d’ordres plus fiable

Même si l’on voit le bon prix, une vitesse d’exécution insuffisante rend la transaction inutile.

Le goulot d’étranglement de l’exécution d’ordres ne réside généralement pas dans le réseau, mais dans les capacités internes d’ingénierie. Construire un canal d’exécution à faible latence, profondément optimisé, exige des ingénieurs maîtrisant l’ajustement fin des noyaux Linux, l’optimisation des pilotes de cartes réseau et les piles réseau en espace utilisateur — des compétences rares à l’échelle mondiale, et encore plus exceptionnelles dans le secteur crypto.

Un exemple parlant de l’importance de l’infrastructure : durant une période de forte volatilité en décembre 2024, la latence moyenne des ordres chez la plupart des institutions de trading dépassait les 120 millisecondes, tandis que les équipes utilisant des canaux d’exécution institutionnels restaient stables autour de 40 millisecondes. Selon des tests réels menés par des clients, l’amélioration de la latence dans certains scénarios d’interaction avec les bourses excédait 90 %.

Tommy nous explique que de nombreux clients rencontrent le même piège aux niveaux de la diffusion des données de marché et de l’exécution : « Beaucoup d’équipes se concentrent initialement sur la latence moyenne, estimant que leur système est suffisamment rapide. Or, c’est uniquement lors des phases les plus violentes du marché que la latence à l’extrémité supérieure (tail latency) détermine réellement si vous recevez les données de marché à temps, si vous envoyez vos ordres sans délai et si vous contrôlez efficacement vos risques. Nous disons souvent en interne : le percentile 50 (P50) détermine si vous semblez rapide en conditions normales, mais le percentile 99 (P99) détermine si vous survivrez pendant les moments les plus intenses du marché. »

La diffusion des données de marché et l’exécution des ordres forment ensemble la chaîne complète allant de la « perception » à la « capture effective » du profit. Chaque milliseconde supplémentaire de latence sur cette chaîne réduit proportionnellement le rendement effectif de la stratégie. Les équipes pratiquant l’arbitrage inter-bourses en ressentent particulièrement l’impact : la distance physique entre Tokyo et Hong Kong constitue déjà un facteur de latence. Certains fournisseurs d’infrastructure proposent des outils de connexion interrégionale capables de réduire cette latence aller-retour de plus de 30 %, tandis que d’autres identifient automatiquement le nœud cloud optimal pour accéder à une bourse cible. Ce sont des optimisations « dernier kilomètre » qui, isolément, paraissent insignifiantes, mais dont l’accumulation détermine la capacité d’une équipe à surpasser ses concurrents dans un environnement où les stratégies tendent à se standardiser.

Troisième couche : des droits accrus sur les bourses

Il existe un secret bien connu dans le monde du trading quantitatif : la même stratégie peut générer un rendement deux fois supérieur lorsqu’elle est exécutée sur un compte VIP3 comparé à un compte VIP9.

La raison en est simple. Plus le niveau VIP est élevé, plus les frais de transaction sont réduits (certains VIP de haut niveau bénéficient même de taux négatifs sur les ordres « maker », c’est-à-dire que la bourse paie l’utilisateur), plus les limites de débit des API sont souples, et plus les taux d’emprunt sont avantageux. Encore plus crucial : les privilèges de market maker incluent l’accès à des points de terminaison dédiés à faible latence, nettement plus rapides que les API publiques.

Cependant, l’accès aux niveaux VIP les plus élevés est extrêmement sélectif. Par exemple, pour obtenir le statut VIP9 sur Binance, il faut atteindre un volume mensuel de trading sur les contrats à terme de l’ordre de 25 milliards de dollars américains. Si la stratégie ne génère pas de profit, les coûts de friction liés au maintien d’un tel volume de transactions peuvent entraîner une perte annuelle de plusieurs millions de dollars. On retrouve ici le fameux dilemme du « chicken or egg » : vous avez besoin des avantages coût-efficacité d’un VIP de haut niveau pour rendre votre stratégie rentable, mais vous devez d’abord générer un volume suffisant pour y accéder.

QSG adopte ici une approche différente de celle des courtiers. Dans un contexte où les principales bourses interdisent explicitement les activités de courtage, QSG a trouvé une voie gagnant-gagnant avec les bourses : elle utilise des technologies de trading haute fréquence pour aider ses clients à générer, sur leurs propres comptes, un volume de transactions additionnel réel, leur permettant ainsi d’atteindre les seuils requis pour obtenir le statut de market maker ou un niveau VIP élevé. Les avantages obtenus — réduction des frais de transaction, accès à des points de terminaison à faible latence, droits d’emprunt institutionnels — sont directement liés au compte du client, et non à un sous-compte ou à une relation d’intermédiaire quelconque. Pour les bourses, ce modèle se traduit par une croissance réelle de la liquidité ; pour les clients, il offre des économies tangibles. Les intérêts des deux parties sont parfaitement alignés.

Quatrième couche : une exécution à moindre glissement pour les ordres importants

Pour un fonds quantitatif gérant plusieurs dizaines de millions de dollars, le problème le plus épineux n’est souvent pas la stratégie, mais l’exécution.

Lorsqu’il faut ouvrir ou clôturer une position importante d’un seul coup, la liquidité disponible sur le marché peut s’avérer insuffisante. Un ordre au marché de grande ampleur peut engendrer un glissement (slippage) qui absorbe plusieurs points de base. Exécuté plusieurs dizaines de fois par mois, ce glissement cumulé peut totalement effacer le profit généré par la stratégie. La finance traditionnelle dispose de canaux spécialisés pour les transactions de gros volumes et de « dark pools », mais le marché crypto a longtemps manqué de solutions équivalentes.

Certains fournisseurs d’infrastructure commencent à importer dans le domaine crypto les mécanismes traditionnels d’exécution de gros volumes, de routage intelligent et d’appariement des prix. Le service d’exécution de gros volumes de QSG en constitue un exemple : grâce à des algorithmes de trading et à des optimisations d’exécution, il cherche à réduire l’impact d’un ordre important sur le carnet d’ordres public. Tommy indique qu’ils ont pu améliorer les coûts d’exécution de l’ordre de 3 points de base par rapport à une stratégie TWAP classique dans certains scénarios. « Tous les clients ne s’intéressent pas aux centaines de microsecondes », précise-t-il, « mais certains gestionnaires de fonds (CTA), des équipes de trading long/short ou des gestionnaires de fonds de grande ampleur attachent une importance capitale au glissement lors de l’exécution d’ordres importants. À long terme, cette amélioration se traduit par un gain réel et tangible. »

Une fois ces quatre couches assemblées, une question cruciale émerge : faut-il construire soi-même ou externaliser ?

Les premières équipes quantitatives avaient tendance à adopter un modèle « full-stack », développant entièrement elles-mêmes tant les stratégies que l’infrastructure. Toutefois, le coût de ce modèle devient aujourd’hui insoutenable.

Tommy partage le cas d’un client particulièrement éloquent : une petite équipe quantitative, très performante en production réelle, possédait d’excellentes capacités stratégiques, mais n’avait pas le temps de recréer entièrement, de zéro, ses propres infrastructures VPC, réseau, format de données de marché, protocole d’envoi d’ordres et chemins d’accès aux bourses. « Leur problème n’était pas l’incapacité à concevoir des stratégies, mais le caractère cyclique des opportunités stratégiques. Si une stratégie est actuellement rentable, mais que l’équipe doit consacrer plusieurs mois à configurer son environnement AWS, son système de données de marché et son système d’envoi d’ordres, il se peut que l’opportunité ait disparu d’ici la fin de la mise en place de l’infrastructure. »

Pour de nombreuses équipes quantitatives de taille moyenne ou petite, la question n’est plus « peut-on construire soi-même ? », mais « est-ce pertinent de le faire ? »

Si l’avantage concurrentiel principal de l’équipe réside dans la recherche stratégique, la gestion des fonds et le contrôle des risques, alors consacrer une année entière à la conception d’un réseau à faible latence, à l’obtention de droits accrus sur les bourses, à la construction d’un moteur d’exécution ou à la mise en place d’un système d’exécution de gros volumes n’est probablement pas la solution optimale. Construire soi-même l’infrastructure garantit certes un meilleur contrôle, mais implique aussi des coûts fixes plus élevés, des délais de mise en production plus longs et une charge de maintenance accrue. Pour une équipe de 5 à 15 personnes, une division spécialisée du travail s’avère souvent plus réaliste que le modèle full-stack.

Encore plus critique : le facteur temps. La construction, à partir de zéro, d’un système de trading à faible latence prend, de façon conservatrice, entre 6 et 12 mois. Pendant ce laps de temps, vos concurrents auront déjà exploité le même alpha à l’aide d’infrastructures préexistantes. L’alpha possède une durée de vie limitée ; la fenêtre d’inefficience du marché se rétrécit rapidement à mesure que le nombre de participants augmente. Chaque jour passé à fabriquer soi-même des composants de base (« reinvent the wheel ») diminue la précision de votre stratégie.

Bien entendu, externaliser l’infrastructure ne signifie pas pour autant abandonner toute capacité interne d’ingénierie. La logique stratégique, le cadre de gestion des risques, la gestion des fonds et le traitement des anomalies doivent demeurer sous le plein contrôle de l’équipe. L’infrastructure tierce résout les problèmes d’efficacité au niveau de l’exécution, mais ne remplace pas les compétences fondamentales d’investissement de l’équipe.

QSG est désormais disponible sur le AWS Marketplace, selon le modèle standard de logiciel en tant que service (SaaS) destiné aux entreprises. Pour les institutions financières traditionnelles entrant sur le marché crypto, cela signifie un parcours d’achat conforme aux exigences réglementaires, une facturation standardisée, et aucune interaction nécessaire avec des tokens ou des processus complexes propres à l’écosystème crypto.

Le marché crypto entre rapidement dans l’ère de la « division spécialisée du travail ». Tout comme les fonds quantitatifs de la finance traditionnelle confient l’exécution de leurs transactions à des brokers principaux (prime brokers) et leurs données à Bloomberg, les équipes quantitatives crypto commencent à déléguer leur infrastructure à des prestataires tiers spécialisés. La stratégie reste un actif stratégique propre à l’équipe ; l’infrastructure, elle, n’a pas besoin de l’être.

Conclusion

Le jugement d’Oliver sur l’avenir est clair : « L’infrastructure quantitative crypto va passer du statut d’“outil optionnel” à celui de “standard indispensable pour toute équipe professionnelle de trading”. À mesure que l’IA s’impose de plus en plus profondément dans la recherche stratégique, la génération de signaux et l’optimisation des paramètres, le seuil d’entrée au niveau stratégique baissera, et un nombre croissant d’équipes pourront générer, à moindre coût, des idées de trading similaires. Les stratégies deviendront de plus en plus concurrentielles, et la véritable différenciation reviendra aux capacités d’exécution sous-jacentes. »

Il résume la future configuration concurrentielle par une formule : stratégie IA + qualité des données + système d’exécution + infrastructure à faible latence + capacité de gestion des risques. Il ne s’agit plus d’une confrontation unidimensionnelle, mais d’une compétition globale sur plusieurs fronts.

Dans la vision stratégique d’Oliver, l’un des axes d’évolution futurs de QSG consiste à utiliser les agents IA pour relier en une infrastructure intelligente intégrée la diffusion des données de marché, l’envoi d’ordres, l’optimisation des nœuds, les données, l’exécution de gros volumes et la surveillance des risques. « À l’avenir, un agent IA pourra jouer le rôle de copilote (co-pilot) pour l’infrastructure de trading, aidant les équipes à surveiller les marchés, diagnostiquer les dysfonctionnements systémiques et optimiser les trajets d’exécution », affirme-t-il. Tommy ajoute une analogie plus parlante : « Tout comme l’App Store a vu exploser le nombre d’applications après l’essor du smartphone, lorsque de plus en plus de traders commenceront à utiliser des programmes et des outils IA pour les assister dans leurs opérations, ce qu’ils rechercheront ne sera plus la construction, de zéro, de leur propre infrastructure, mais plutôt un réseau d’infrastructures de trading prêt à l’emploi et immédiatement invocable. »

Ce chemin a déjà été parcouru par la finance traditionnelle. Le Bloomberg Terminal, les principaux prime brokers : ces infrastructures ont fini par définir les règles du jeu à Wall Street. Le secteur du trading quantitatif crypto attend désormais son propre « moment infrastructure ».

Pour des prestataires comme QSG, l’opportunité ne réside pas uniquement dans la vente d’un simple outil aux équipes quantitatives, mais dans la participation active à la refonte des standards fondamentaux du trading crypto : comment les données de marché sont-elles collectées, comment les ordres sont-ils exécutés, comment les transactions de gros volumes sont-elles appariées, et comment les droits sur les bourses peuvent-ils être transformés en services standardisés.

Lorsque le marché crypto passe de l’ère sauvage à l’ère institutionnelle, les capacités autrefois réservées aux market makers de premier plan sont aujourd’hui décomposées, empaquetées et progressivement transformées en infrastructures publiques accessibles à un large éventail d’équipes.

Lors de la prochaine forte fluctuation du bitcoin, tandis que la plupart des acteurs attendront encore quelques secondes que les données de marché se rafraîchissent, la véritable bataille aura déjà pris fin.