Nous avons secrètement battu le champion du concours de trading IA Qwen

DeepSeek n’est pas le seul à s’être fait « voler la vedette »...

Auteur : 1912212.eth, Foresight News

Le 4 novembre à 6h, la première compétition de trading de modèles d’IA nof1 s’est achevée, mettant fin à ce duel de grands modèles qui avait suscité une large attention dans le milieu technologique.

10 000 dollars en positions longues et courtes sur BTC, ETH, BNB, SOL, XRP et DOGE, et au final, Qwen3 Max s’est classé premier avec un rendement de 22,3 % ; DeepSeek Chat V3.1 s’est classé deuxième avec un rendement de 7,66 %. Les autres modèles ont tous subi de lourdes pertes : Claude Sonnet 4.5 a perdu 30,81 %, Grok 4 a perdu 45,38 %, Gemini 2.5 Pro a perdu 56,71 %, et GPT 5 a perdu 62,66 %.

La valeur finale du portefeuille de Qwen était de 12 231 dollars, celle de DeepSeek de 10 489 dollars, les deux seuls modèles parmi les six à avoir généré des profits, les autres ayant tous subi des pertes notables.

Un tournant décisif creuse l’écart

L’écart entre les grands modèles n’était pas prédéterminé dès le départ.

Au début de la compétition, le prix du bitcoin oscillait autour de 100 000 dollars, les variations de capital des participants étaient faibles, fluctuant légèrement autour du capital de départ de 10 000 dollars. Cette période ressemblait davantage à une phase d’échauffement, chaque IA s’adaptant aux règles et à l’entrée des données. DeepSeek a immédiatement affiché un style prudent, adoptant une stratégie multi-longue à faible effet de levier et portefeuille diversifié sur plusieurs cryptomonnaies, avec un effet de levier de 10 à 15 fois sur le long terme, mettant l’accent sur la diversification des risques et le suivi de tendance. Qwen3, quant à lui, était plus agressif, privilégiant un effet de levier élevé (jusqu’à 25 fois) et des positions concentrées sur 1 ou 2 cryptos, comme un ALL IN long sur BTC, à la recherche d’un taux de réussite élevé.

Claude et Grok étaient plus conservateurs, avec une faible fréquence de trading ; Claude détenait uniquement des positions longues avec un effet de levier modéré, tandis que Grok alternait habilement entre positions longues et courtes, mais s’est retrouvé en difficulté à cause d’un excès de positions courtes au début. En comparaison, Gemini et GPT-5 étaient très actifs, le premier effectuant 165 transactions, le second 63, mais leur stratégie était axée sur des entrées et sorties rapides, avec des durées de détention courtes, ce qui a posé problème dès le début à cause de positions entièrement courtes.

Après le 19 octobre, le BTC a commencé à grimper à partir de 106 000 dollars, et les performances d’openai et de gemini ont commencé à chuter, occupant les deux dernières places. Le 23 octobre, le BTC a enchaîné quatre jours de hausse depuis 107 000 dollars, marquant le début de la lutte pour la première place entre DeepSeek et Qwen3. Au départ, Qwen3 avait une avance considérable, puis, dans la soirée du 26 octobre, le BTC a chuté fortement depuis 115 000 dollars, permettant à DeepSeek de dépasser Qwen3, jusqu’à ce que, dans la soirée du 3 novembre, le BTC chute à nouveau et que Qwen3 reprenne la première place juste avant la fin de la compétition.

La clé du succès de DeepSeek a été son trading de tendance à faible fréquence et sa grande discipline, tandis que le taux de réussite élevé et l’effet de levier important de Qwen3 étaient impressionnants, mais son avidité dans les ajustements a conduit à des erreurs. Gemini et GPT-5, en bas du classement, sont de véritables contre-exemples en matière d’investissement. Les opérations à haute fréquence de Gemini ressemblaient à celles d’un petit investisseur courant après les hausses et vendant dans la panique, la courte durée de détention et le faible ratio gains/pertes amplifiant les frais et les erreurs, conduisant à une division par deux du capital. La prudence de GPT-5 et sa longue chaîne de décisions ont permis d’éviter de grosses pertes, mais ont fait rater des opportunités, avec des jugements de direction souvent erronés (comme les positions entièrement courtes au début), menant finalement à des pertes.

Bien sûr, tous les modèles participants se sont uniquement appuyés sur des indicateurs techniques tels que RSI, MACD, en se basant entièrement sur des signaux de comportement de prix, ignorant de nombreux facteurs macroéconomiques et l’impact des actualités. De plus, cette compétition de plus de dix jours a comporté de nombreux facteurs aléatoires, et même les « généraux invincibles » peuvent subir de lourdes pertes pour diverses raisons.

Premièrement, le suivi de tendance et la discipline l’emportent sur le trading à haute fréquence : sur un marché incertain, une stratégie à faible fréquence et à long terme, avec un ratio gains/pertes élevé, est plus fiable et évite le trading émotionnel. Deuxièmement, la diversification des risques est préférable à une prise de risque agressive : l’effet de levier élevé de Qwen3 peut certes amplifier les gains, mais il peut aussi entraîner de lourdes pertes ; les investisseurs doivent accorder de l’importance à la gestion des positions et au stop loss. Troisièmement, les limites de l’IA rappellent l’importance de la décision humaine : bien que les IA utilisent les mêmes données, les différences d’entraînement conduisent à des résultats très différents ; les investisseurs peuvent s’inspirer de la rigueur quantitative de DeepSeek, mais doivent aussi intégrer l’analyse fondamentale et l’intuition humaine. Cette compétition a mis en avant le potentiel de l’IA dans la finance — par exemple, l’expérience de la société mère de DeepSeek peut l’avoir aidée à « survivre à de nombreuses batailles » — mais il ne faut pas en dépendre excessivement : l’IA doit être considérée comme un outil, et non comme un oracle ; c’est en combinant intelligence artificielle et expérience personnelle que l’on peut s’imposer sur le marché crypto.

Nous avons aussi tenté notre chance

Peu après le début de la compétition de trading IA, nous avons décidé sur un coup de tête de défier les IA. Les règles du concours étaient calquées sur celles de l’Alpha Arena, n’autorisant que le trading de contrats sur BTC, ETH, BNB, SOL, XRP et DOGE, la plateforme choisie étant Lighter, avec l’effet de levier maximal autorisé par Lighter. Pour éviter que certains ne « profitent » du capital de départ sans rien faire, il était obligatoire d’effectuer au moins 10 transactions pendant la période de l’événement.

Le nom du groupe choisi à l’époque reflétait notre détermination et notre objectif ultime — « Battre l’IA ».

Voici d’abord un aperçu des résultats finaux :

À la fin de l’événement, j’ai immédiatement demandé à chacun de partager son plan et son état d’esprit durant la compétition.

Yobo : Avant le début officiel de la compétition, je me suis fixé une règle de trading : ne trader que le bitcoin et l’ethereum, utiliser l’effet de levier maximal autorisé par la plateforme, ouvrir des positions représentant 30 à 50 % du portefeuille total, et placer des take profit et stop loss dans un ratio de 2,5:1. Les deux premiers jours, j’étais surexcité, enchaînant les trades inversés, ce qui a entraîné une perte de 24 % en seulement deux jours. J’ai alors décidé de faire une pause d’une semaine, puis le 28, j’ai ouvert une position courte, pris mes profits, et réduit la perte à 13 %. Mais c’est surtout grâce à un coup de poker le soir du 3, juste avant de sortir manger, que j’ai ouvert une position courte et profité d’une forte baisse. Même si le take profit était un peu conservateur, j’ai atteint mon objectif initial de « battre l’IA », ce qui me satisfait pleinement.

Huaxin Da Jiucai : Mon style de trading est prudent. Le 22 octobre au soir, un long sur ETH avec un gain de plus de 20 % a posé les bases. Ensuite, j’ai strictement suivi les règles de take profit et stop loss pour protéger mon portefeuille, terminant à 21,84 %. Je pensais finir premier, mais dans les 10 dernières heures, une grosse volatilité m’a fait passer derrière. Dommage.

Chelina : Je préfère les positions courtes aux longues. Avec la volonté de battre l’IA, je sortais dès que le profit attendu était atteint, attendant le prochain bon point d’entrée. Pour réduire les pertes, je ne gardais des positions que lorsque j’étais devant l’ordinateur. J’ai terminé avec un rendement de 3,02 %, mais ne pas avoir perdu, c’est déjà gagner.

Chloeppan : J’ai commencé très prudemment, n’utilisant que 5x pour des stratégies longues/courtes, atteignant un rendement maximal de 10 %. Après deux jours, je n’ai pas pu résister à l’envie de devenir agressive, passant à 10x et augmentant la marge. Malheureusement, une nuit, j’ai oublié de clôturer un short sur XRP, ce qui a entraîné une perte de 44 % sur une seule position. Pour la suite, j’ai « abandonné à l’avance », gardant quelques shorts jusqu’à la fin. Conclusion : il faut rester calme en trading de contrats, surveiller le marché en continu, et éviter de garder des positions à fort effet de levier la nuit. Pour ceux qui ont un travail prenant, il est vraiment utile de s’appuyer sur l’IA pour élaborer des stratégies, car elle obtient de meilleurs rendements que moi.

Satisfait : Cette fois, j’ai principalement tradé le bitcoin et l’ethereum. Au début, le marché baissait, j’ai shorté avec un effet de levier de 20x, mais j’ai perdu jusqu’à 20 %. Ensuite, voyant que « Maji Big Bro » allait long, j’ai inversé et ouvert un long, atteignant un rendement maximal de 50 %. J’ai ensuite tenté de shorter à un niveau élevé avec take profit et stop loss, mais le stop était trop serré et j’ai été sorti prématurément, avec un drawdown de 30 %. Le marché a continué de baisser, j’ai shorté à nouveau, mais n’ai pas tenu la position, clôturant avec un petit profit. Le rendement est monté à 0,6 %. J’avais prévu de shorter à un nouveau sommet, mais après les pertes précédentes, j’étais trop prudent et n’ai pas osé entrer, manquant la vague baissière. Toutes mes opérations étaient entre 10x et 20x, donc je n’osais pas garder de positions la nuit, et j’étais très stressé chaque matin.

Far East : Au début, j’ai choisi de prendre des positions longues sur toutes les cryptos, mais face à la volatilité, je suis devenu plus prudent, ne prenant que de grosses positions longues sur BTC. Les derniers jours, sans stop loss, je pensais toujours que le marché rebondirait après une forte baisse, mais au final, j’ai perdu 45,37 %.

Kerry : Un petit pas pour ouvrir une position, un grand pas pour l’humanité. Je suis un trader prudent, et grâce au sponsoring de mon entreprise, j’ai ouvert mon tout premier contrat. La première semaine, je ne faisais que des longs sur BTC, ETH, XRP, SOL, DOGE, généralement en ouvrant une position avant de dormir et en la retrouvant clôturée au réveil. Petit profit ou petite perte, l’essentiel était de participer, car un petit pari détend l’esprit.

All-in jusqu’à la mort : Au départ, je voulais traverser la compétition avec de petites positions, mais j’ai finalement opté pour un style agressif. Premier trade : long 25x sur SOL, qui m’a infligé une perte. Ne voulant pas abandonner, j’ai continué à aller long, deuxième trade : 50x sur BTC, mais le marché a chuté, grosse perte. À ce stade, il ne me restait presque plus de capital, mais j’ai appris la leçon et suis passé short 50x pour tenter de récupérer. Après deux jours de pause, le marché a légèrement changé, je suis repassé long sur ETH, mais liquidation le même jour. Toujours têtu, j’ai continué à aller long, et le lendemain, j’ai récupéré la moitié du capital. Ensuite, j’ai tenté à plusieurs reprises de faire du 50x all-in sur des swings, pensant que ça allait s’arranger, mais non... Finalement, dans la nuit du 24, mon short a été liquidé par une mèche, mettant fin à cette compétition en montagnes russes.

Guangguang : tout perdu, pas de commentaire.

Sur les 10 participants, moins de la moitié ont terminé avec un rendement positif, seuls 2 ayant dépassé les 20 %, les autres n’ayant obtenu que de petits gains, frôlant la ligne de flottaison. Comparé aux 6 grands modèles d’IA, la répartition gains/pertes des joueurs est similaire.

Les premiers éliminés étaient les plus joueurs, utilisant un effet de levier maximal pour rechercher l’adrénaline, mais ils ont été sortis en premier ; même après avoir récupéré, une seule mèche du marché a suffi à les éliminer. Par rapport aux grands modèles d’IA, les « fluctuations émotionnelles » humaines poussent les joueurs à vouloir absolument récupérer leurs pertes, ce qui conduit à l’absence de stop loss, à des trades fréquents, et finalement à des pertes répétées et à l’impasse.

De plus, cette compétition a prouvé l’importance du choix du nom : les deux derniers du classement s’appelaient « All-in jusqu’à la mort » et « Guangguang » (qui signifie « tout perdu »), et ils ont effectivement fini « morts » et « ruinés ». Comme l’a souligné Chloeppan, le trading de contrats semble mieux convenir à ceux qui n’ont pas de travail, et le vainqueur s’appelle Yobo, un mot qui signifie aussi « flâneur » — une conclusion finalement assez logique.

All-in avec un effet de levier de 50x, trading fréquent et absence de stop loss sont les principales raisons des pertes, voire des liquidations, des joueurs lors de cet événement. Les traders de contrats doivent se transformer en machines à sang-froid pour survivre sur ce marché à haut risque. Si vous n’êtes pas doué pour le trading, il peut être judicieux de simplement détenir du BTC. Lors de cette compétition d’IA, le rendement final du simple HODL de bitcoin s’est classé troisième, juste derrière Qwen3 et DeepSeek.