TechFlow Logo
Connexion/ Inscription
Frais ETH
Gwei
Peur
gas
Partage du fondateur de l'institution de trading quantitatif Manifold : Comment contourner des géants comme Jump pour saisir les arbitrages sur les écarts de prix CEX-DEX ?

Partage du fondateur de l'institution de trading quantitatif Manifold : Comment contourner des géants comme Jump pour saisir les arbitrages sur les écarts de prix CEX-DEX ?

2026.08.24
Partager vers
Un entrepreneur de 21 ans dénué d'expérience en trading quantitatif exploite l'arbitrage on-chain CEX-DEX pour pénétrer des marchés négligés par les acteurs dominants, puis transforme, grâce à une itération rapide, un prototype rudimentaire en une entreprise générant six chiffres de profits quotidiens.

Auteur : Jae Chung

Traduction : TechFlow

TechFlow : Le premier avantage de Manifold provenait de l'arbitrage de prix entre les échanges centralisés (CEX) et décentralisés (DEX). À cette époque, des géants comme Jump et Tower se concentraient sur les infrastructures des CEX, offrant aux petites équipes une fenêtre pour capturer une part de ce marché grâce à l'inefficacité on-chain. Cette autobiographie du fondateur décortique comment une équipe sans aucune expérience a su choisir sa cible, identifier un edge, et itérer rapidement, constituant une référence précieuse pour les professionnels souhaitant entrer dans le trading quantitatif ou on-chain.

Pourquoi avoir créé une entreprise de trading quantitatif ?

En 2021, je dormais très peu. Naturellement, j'ai cherché un moyen de gagner de l'argent en dormant.

Je rêvais que des robots impriment de l'argent pendant que je me repose confortablement dans mon lit.

À vingt-et-un ans, naïf, je me suis dit : « Comment est-ce bien difficile ? »

Tous mes conseillers m'ont dit que c'était une idée stupide. Je ne savais absolument pas qui étaient mes concurrents (Jump, Tower, Jane Street) et je n'avais aucune expérience dans ce domaine.

Ils avaient raison.

Avant de créer Manifold :

J'ai intégré le secteur des cryptomonnaies en 2016/2017 en tant qu'hacker éthique

J'ai exploité des nœuds de validation pendant quelques années

J'ai réalisé quelques trades et investissements chanceux durant l'été DeFi et la folie des NFT

Rien de tout cela n'avait le moindre lien avec le trading quantitatif. En fait, je ne savais même pas ce qu'était l'"alpha" !

Mais comme à mon habitude, je n'ai pas écouté mes conseillers. Cinq ans plus tard, j'ai considérablement progressé sur le sujet (*right shoku* ?), mais à 21 ans, j'étais très têtu et j'aimais apprendre par la méthode la plus douloureuse.

La phase initiale

Beaucoup pensent que le trading quantitatif consiste simplement à :

Identifier des schémas

Gagner de l'argent

J'en faisais partie. Mais la réalité est bien différente.

Certaines des premières itérations de nos stratégies de trading ont été plutôt embarrassantes.

Nous avons tout essayé. Arbitrage, capture de spreads, trading de différentiel, arbitrage statistique, farming de rendement, voire apprentissage profond !

Au début, aucun ne fonctionnait. Le trading est un jeu à somme nulle. Si assez de gens jouent mieux que toi à ce même jeu, les restes seront vite réduits à rien.

Nous devions trouver notre propre avantage. Mais lequel serait-ce ?

Choisir la table

La plupart des entreprises de premier plan possèdent généralement un avantage dans l'un des domaines suivants :

La rapidité/la latence (infrastructure de trading)

Des données propriétaires/des flux d'ordres

De la recherche/génération d'alpha

Sur les échanges centralisés, ces trois piliers sont déjà entièrement dominés depuis longtemps par des sociétés comme Jump et Tower.

Ils ont déployé des infrastructures de low-latency de pointe sur tous les principaux échanges (Binance, OKX, Bybit, Coinbase, etc.). Ils bénéficient de paliers de frais inaccessibles car nous n'avons pas leur volume. Leurs clients leur génèrent d'importants flux d'ordres et des données.

Notre infrastructure de trading et de recherche n'était au mieux qu'à un niveau débutant, et nous ne disposions pas d'une armée d'ingénieurs et de chercheurs capables de combattre sur leur terrain.

Nous devions donc d'abord trouver un autre jeu et y bâtir notre avantage.

J'ai réalisé que notre avantage devait se trouver dans la DeFi, c'est-à-dire sur les exchanges décentralisés (DEX).

À l'époque, la plupart des fondations de blockchains dépensaient d'importants capitaux pour inciter les utilisateurs à fournir une liquidité passive sur les DEX. La majorité d'entre eux n'avaient pas de livre d'ordres, mais utilisaient le modèle AMM (Automated Market Maker), où les transactions s'exécutent le long d'une courbe de prix.

En résumé, les DEX nécessitent un système de trading unique capable de traiter simultanément les données de marché (prix, zones de liquidité/slippage) et la soumission d'ordres (exécution/validation des trades).

Les grandes sociétés n'étaient pas encore très agressives sur ce front, probablement parce que : a) cela s'éloigne de leurs infrastructures solides ; b) ce marché est plus petit comparé aux CEX classiques ; c) il existe une incertitude réglementaire autour des DEX ; d) elles gagnent beaucoup d'argent ailleurs.

L'adéquation des profils recherchés convenait aussi parfaitement à notre équipe. Nous avions une combinaison unique : des ingénieurs natifs de la crypto maîtrisant les smart contracts (indispensables pour l'exécution on-chain) travaillant aux côtés de chercheurs quantitatifs issus de milieux plus traditionnels (Citadel, Tower, etc.).

Par exemple, l'un de nos meilleurs employés à venir était ingénieur de données dans une assurance. En parallèle, il était searcher MEV indépendant et faisait tourner à petite échelle ses propres stratégies d'arbitrage atomique sur la blockchain Polygon. Avant son arrivée, je communiquais avec lui via son adresse email anonyme 0xaddress@protonmail. En examinant l'historique des transactions de son adresse de robot sur un explorateur de blocs, j'ai immédiatement perçu son potentiel.

Avant de basculer toute l'équipe vers les DEX, j'ai validé ce concept : j'ai codé un simple système de trading on-chain intégralement en TypeScript, exécutant une stratégie d'arbitrage entre un CEX et un DEX (comparaison Binance/FTX avec les dix blockchains les plus liquides). Nous avons appelé cela l'arbitrage CEX-DEX.

Ce type d'opportunité existait parce que les blockchains « bloquent » les transactions sur une période de blocage (de 200 ms à 1 ou 2 secondes, voire plusieurs secondes). Cela est intrinsèquement plus lent que chaque tick d'un CEX, créant ainsi toujours un certain délai de propagation. La majeure partie de la liquidité sur les DEX est passive ou obsolète, non gérée activement par des robots, ce qui génère des écarts de prix entre les plateformes puisque la découverte des prix se produit principalement off-chain.

Même avec un prototype aussi brut et insensible à la latence, la stratégie parvenait à saisir de véritables opportunités d'arbitrage et restait rentable après déduction des frais !

Après plusieurs mois de recherche infructueuse, j'ai enfin entrevu un potentiel.

Trouver l'avantage concurrentiel

Le plus excitant dans cette stratégie, c'est qu'elle fonctionnait déjà un minimum, et ce, dès la phase de prototype.

Pour une stratégie d'arbitrage, voir un prototype fonctionner est rare. Par définition, l'arbitrage est un profit sans risque posé sur la table. Il y a toujours quelqu'un d'autre prêt à le saisir (plus vite que vous), faisant disparaître l'opportunité ou la rendant moins évidente.

Nous savions déjà qu'il existait plusieurs façons d'améliorer la stratégie :

Réécrire le système TypeScript dans un autre langage (pour plus de vitesse)

Ajouter davantage de DEX à chaque chaîne, et multiplier les chaînes (plus d'opportunités d'arbitrage)

Des calculs mathématiques plus précis (taille des positions, slippage)

Une optimisation des frais (augmenter la marge par trade)

Nos frais sur les CEX étaient loin des meilleurs paliers ; ils diminueraient encore avec le volume

Des méthodes créatives pour réduire le Gas par transaction on-chain (frais de réseau blockchain)

De meilleures techniques d'exécution on-chain (améliorer le taux d'exécution)

Une optimisation des stocks (améliorer le rendement, l'efficacité du capital et le temps de fonctionnement)

À partir de là, tout dépendait de l'exécution.

L'avantage du trading haute fréquence est que le marché fournit un feedback instantané. Dès que vous implémentez quelque chose et lancez la stratégie, vous obtenez presque immédiatement un résultat binaire et sans ambiguïté : est-ce que ça augmente la rentabilité ? Cela crée un cycle de rétroaction extrêmement rapide entre « implémentation technique » et « conversion en dollars ».

Anecdote :

Je me souviens du 24 décembre 2021. Sid (mon cofondateur) et moi étions assis dans notre bureauappartement à coder toute la nuit. Aucun week-end, aucun jour férié. Ironiquement, créer Manifold m'a obligé à travailler plus et dormir encore moins.

Sous le bruit incessant des claviers, nous avions tous deux oublié que Noël était arrivé. Vers 1 heure du matin, j'ai regardé l'heure et dit : « Sid, aujourd'hui est Noël ! »

Trente secondes plus tard (j'ai cru qu'il m'ignorait complètement, mais en réalité il avait tout simplement oublié et continuait de bosser), il a répondu : « Ah. Joyeux Noël. »

Et nous avons repris le code.

En y repensant, c'était sûrement mon bureau préféré, celui où tout a commencé.

Améliorer l'avantage et le monétiser

Cet article est déjà plus long que prévu. Je dois m'entraîner à écrire plus concisement.

Pour gagner du temps, je ne détaillerai que certains points précis qui ont amélioré notre arbitrage CEX-DEX et augmenté sa rentabilité.

Si vous n'êtes pas intéressé par les méandres du trading, passez cette section. Peut-être que certaines astuces vous inspireront pour identifier et perfectionner votre propre avantage sur un autre marché, voire un domaine totalement différent. J'essayerai d'expliquer cela avec des mots plutôt qu'avec des formules mathématiques ou du code.

Pendant que nous appliquions ces améliorations générales, l'arbitrage CEX-DEX a commencé à générer plus de 10 000 $ par jour, avec seulement quelques millions de dollars déployés. Notre priorité initiale était de rendre le nouveau système (codé en Go + Solidity) suffisamment performant pour être déployé sur plusieurs chaines, avec 10 à 20 DEX par chaine. Nous avons également commencé à intégrer de nouveaux DEX utilisant le modèle de tarification par tick UniV3. Grâce à leur liquidité concentrée, ces DEX sont plus efficaces et présentent un slippage réduit. Au fur et à mesure de notre croissance, nos frais de trading sur CEX ont baissé grâce à l'augmentation de nos paliers de volume. Avec l'afflux de capital, nous avons ajouté davantage de paires de trading à nos pools.

Un jeu en évolution

Alors que nous raflions les gains faciles, nous avons remarqué une montée en puissance rapide de la concurrence. Sur certaines chaines, nous ne pouvions plus déclencher d'arbitrages sur un spread de 10 points de base, car d'autres robots acceptaient d'exécuter des trades à des seuils inférieurs. Ce jeu est passé de simples robots « identifie puis exécute » à des systèmes nécessitant une complexité technique supérieure. Ces derniers ont fait fuir les premiers arbitreurs qui cliquaient manuellement.

Exemple rapide :

ETH à 2 000 $ sur Binance.

ETH à 2 001 $ sur Quickswap (Polygon).

Spread de 2 001/2 000 = 0,05 % = 5 points de base.

Un robot (en supposant les frais et le slippage déduits) est programmé pour déclencher un arbitrage dès qu'un spread de 5 points de base apparaît. Il vendra de l'ETH sur Polygon et achètera de l'ETH sur Binance, ramenant les prix à peu près à la parité.

Cela signifie que notre robot ne verra jamais l'opportunité, car un autre robot fermera le spread avant que l'ETH sur Polygon n'atteigne 2 002 $, seuil correspondant à notre spread cible de 10 points de base.

Bien sûr, le coût d'exécution de chaque arbitrage varie selon les acteurs. Cela dépend de plusieurs facteurs : a) leurs frais sur les CEX ; b) s'ils prennent le marché ou affichent des limites sur le CEX (les orders limit sont souvent moins chers, parfois avec des rebonds) ; c) leur coût en Gas (frais de réseau blockchain pour traiter les transactions, détaillés ci-après).

Nous avons commencé à croiser d'autres sociétés comme Wintermute. Nous avons dû recourir à des enchères de priorisation Gas (PGA) sur un ensemble d'adresses de robots pour surenchérir sur certaines transactions. Technique issue du domaine MEV (Maximal Extractable Value), elle consiste à resoumettre continument une transaction spécifique avec un Gas prioritaire plus élevé afin de maximiser sa priorité dans un bloc donné.

Pour participer à ces enchères, il faut :

Savoir approximativement combien rapporte une transaction précise, pour déterminer le tarif exact que vous êtes prêt à payer

Disposer d'une infrastructure fiable permettant d'inscrire la transaction dans le bloc suivant dès qu'une opportunité d'arbitrage est détectée

Connaître les adresses contre lesquelles vous enchérissez, et savoir rapidement si vous remportez (ou perdez) l'enchère

Différentes blockchains utilisent des technologies similaires ou connexes selon leur architecture de tri et de soumission des transactions. Les blockchains modifient constamment leurs règles et mécanismes pour tenter de concentrer davantage de valeur chez les utilisateurs, les protocoles ou la chaine elle-même. Les arbitreurs doivent continuer à s'adapter.

Optimisation du Gas

Le coût total du Gas pour soumettre une transaction on-chain est fonction du volume de Gas requis multiplié par le prix du Gas. Ce dernier dépend de la congestion actuelle du réseau.

Le prix du Gas / les frais prioritaires interviennent dans les enchères de type PGA. Tant que vous parvenez à inclure la transaction dans un bloc, il y a peu de place à une optimisation supplémentaire ici.

Cependant, l'optimisation du Gas peut réduire significativement la quantité requise. Cela diminue proportionnellement les frais d'exécution on-chain.

Parmi toutes les astuces, l'une des plus intéressantes que nous avons utilisées est le compactage efficace des bits (bit packing). La machine virtuelle Ethereum (EVM) stocke les données dans des slots de 32 octets (ou 256 bits). En plaçant côte à côte des types de données plus petits, nous pouvons amener Solidity à les regrouper dans un seul slot. Cela réduit considérablement le coût d'exécution des opérations de lecture/écriture (SSTORE et SLOAD).

Comme vous pouvez le voir, nous avons sensiblement réduit le remplissage par zéros dans nos transactions. Cela minimise la taille globale payée pour chaque transaction, abaissant ainsi nos coûts totaux.

Désormais, nous pouvons saisir des opportunités « invisibles » pour ceux dont les frais Gas sont trop élevés, car ces dernières ne deviennent rentables qu'avec nos optimisations. Par exemple, un arbitrage pourrait nous rapporter net 1 $ après frais, mais 0 $ pour un acteur non optimisé. Nous refermerons le spread avant même que d'autres robots ne puissent le percevoir.

Cela nous permet également d'enchérir plus cher pour « remporter » l'arbitrage tout en restant rentable. Avec le temps, gagner plus d'arbitrages signifie non seulement plus de profits, mais aussi un volume accru. Ces avantages s'accumulent : meilleur palier de frais sur CEX, et capacité à capturer des spreads plus importants par trade.

Efficacité du capital

Avec toutes ces optimisations et améliorations, nous avons intensifié le déploiement de cette stratégie. Nous avons élargi notre portée en intégrant davantage de chaines, de DEX et de paires de trading. Plus le périmètre de trading est vaste, plus la capacité d'injection de capital est élevée. Allouer la majeure partie de nos fonds à l'arbitrage CEX-DEX était logique. La stratégie affichait un rendement annuel supérieur à 100 %, sans aucune journée négative.

Mais malgré la croissance rapide de nos fonds alimentée par les profits, nous savions que la capacité de cette stratégie était encore loin d'être saturée. Comment générer davantage de profits avec le capital actuel ?

Le problème à l'époque était que l'arbitrage CEX-DEX nécessitait de disperser les capitaux sur différentes plateformes. Il exigeait également de constituer des stocks sur plusieurs paires de trading différentes.

Prenons un exemple simple. Si vous arbitrez ETH/USDT entre Binance et Arbitrum, vous devez disposer d'ETH et de USDT sur les deux plateformes. Supposons que vous allouiez initialement 500 000 $ d'ETH et de USDT sur chacune, et que Binance présente une prime. Vous finirez par vendre de l'ETH sur Binance et en acheter sur Arbitrum. Si la prime persiste, vous épuisez rapidement votre réserve d'ETH sur Binance. Parallèlement, vos USDT sur Arbitrum s'épuisent suite aux achats répétés.

Les CEX offrent des services de margin vous permettant d'utiliser un peu de levier pour poursuivre les trades lors d'un déséquilibre de stock. Mais sur ces chaines, si le stock est vide, le robot cesse d'arbitrer. Pour le maintenir actif, nous devions procéder à des rééquilibrages constants : transférer les USDT excédentaires de Binance vers Arbitrum, et les ETH excédentaires d'Arbitrum vers Binance.

Cependant, même avec la possibilité de rééquilibrer en continu 7 jours sur 7, nous manquions encore beaucoup de profits potentiels. Les gains et pertes d'arbitrage sont concentrés lors des périodes de forte volatilité du marché, car les spreads s'élargissent. À ces instants critiques, un stock de 500 000 $ peut se vider en quelques secondes. Durant les fortes volatilités, les délais de retrait des échanges s'allongent, passant déjà de ~5 minutes habituelles à bien plus. Cela signifie que notre robot ne pouvait pas arbitrer lors des moments les plus rentables.

Notre première idée fut de créer un système automatisé nommé Hydra, chargé de déplacer continument les fonds en exploitant les ponts interchaines et les API de retrait des CEX. L'objectif était que ce système identifie les actifs excédentaires sur certaines plateformes pour compenser les pénuries sur d'autres. Rien ne fonctionna comme prévu. Les ponts cross-chain étaient hautement imprévisibles. Les actifs disparaissaient ou se perdaient, nous obligeant à tracer manuellement quels ponts tombaient en panne et quand. De plus, les temps de transfert étaient souvent trop longs, nous faisant encore manquer les mouvements de volatilité.

Vint ensuite Hydra version 2. Au lieu de dépendre des ponts, nous avons développé notre propre système de margin spot on-chain en intégrant Aave (ou des protocoles similaires si indisponibles). Aave est un protocole de prêt déployé nativement sur la plupart des principales chaines.

Le concept est simple. Reprenons l'exemple précédent : si nous achetons de l'ETH sur Arbitrum, nous finirons par en détenir un surplus tandis que nos USDT diminueront. Le système identifiera cet excédent d'ETH, le prêtera sur Aave, et utilisera cette position comme collatéral pour emprunter des USDT.

Bien que relativement simple à mettre en œuvre, Hydra v2 a alors eu l'un des impacts les plus directs sur notre PnL (Profit et Perte).

En hindsight, il était impossible de concevoir toutes ces technologies d'un coup, bien qu'aucune amélioration ne relève de la science-fiction. Si le prototype initial avait échoué lamentablement, nous aurions probablement abandonné trop vite. Mais dès lors que la stratégie fonctionnait en conditions réelles, nous avons itéré continument. Nous monitorions le taux d'exécution et la rentabilité, et identifions les axes d'amélioration grâce au feedback rapide du marché. Cette boucle de rétroaction nous a permis d'accélérer notre progression.

La leçon que j'en retire est qu'il est difficile de résoudre un problème lorsque vous faites face à une multitude d'obscurs obstacles au départ. Une fois que vous évoluez parmi les meilleurs joueurs (au front) et que vous avez maîtrisé les fondamentaux, il devient plus aisé de conserver votre avance. Dans le trading particulièrement, le choix de la table/de la stratégie compte autant que son exécution.

Le cycle de vie de l'alpha

L'arbitrage CEX-DEX est resté notre principale source de profits pendant longtemps. À son apogée, lors des périodes de forte volatilité du marché, il générait quotidiennement des revenus dépassant six chiffres. Nous avons conçu une infrastructure suffisamment générique pour pouvoir brancher une nouvelle chaine en une heure. Cela nous a souvent permis d'être parmi les premiers arbitreurs sur les nouvelles blockchains, captant d'immenses spreads lorsqu'elles étaient encore les plus inefficaces.

Mais comme presque tous les alphas, il s'estompé avec le temps. Surtout l'arbitrage, la concurrence comprime les spreads jusqu'à ce que les marges profitables se réduisent drastiquement. Imaginez deux entreprises ayant exactement le même niveau d'optimisation Gas et les mêmes paliers de frais CEX, comme dans notre exemple PGA précédent. Puisque le coût par trade est identique, elles finissent par renchérir jusqu'à ce que leurs offres PGA atteignent leur seuil minimal de rentabilité. Fin 2025, l'arbitrage CEX-DEX n'était plus la stratégie à rendement effréné d'autrefois.

Heureusement, des stratégies stables à haut rendement opéraient déjà en toile de fond. Au fil du temps, nous avons pu rediriger notre temps et notre capital vers d'autres stratégies de trading offrant des marges encore plus élevées.

Je pourrais écrire bien d'autres épisodes sur les autres idées folles que nous avons développées au cours des années suivantes, mais c'est une autre histoire. L'arbitrage CEX-DEX occupe toujours une place particulière à mes yeux, car il nous a offert un point de départ légitime et ancré notre positionnement sur le marché.