Backtesting des stratégies de marchés de prédiction : guide honnête (2026)

Le backtesting — qui consiste à tester une stratégie sur des données historiques pour voir comment elle se serait comportée — est l'un des outils les plus utiles et les plus mal employés du trading. Ce guide explique comment backtester honnêtement des stratégies de marchés prédictifs, ce qui pousse les backtests à mentir, et à quoi ressemblent des résultats réalistes.

## Ce que le backtesting vous apprend (et ce qu'il n'apprend pas)

Le backtesting peut répondre à : « Si j'avais appliqué exactement cette stratégie aux marchés qui existaient dans le passé, quel aurait été mon résultat ? »

Il ne peut pas répondre à : - « Cette stratégie fonctionnera-t-elle à l'avenir ? » (Les performances passées ≠ les performances futures) - « Quelle est la stratégie optimale ? » (Le risque de surapprentissage est énorme) - « Combien puis-je gagner ? » (Les coûts d'exécution réels rognent les rendements) - « Est-ce sans danger ? » (Les cygnes noirs, par définition, ne figurent pas dans l'historique)

Un bon backtest est un contrôle de cohérence qui vérifie que votre stratégie n'est pas manifestement défaillante. Un mauvais backtest est un exercice gonfleur de confiance qui vous pousse à surmiser sur quelque chose qui échouera en production.

## Le déroulement d'un backtest

### Étape 1 : définir la stratégie avec précision

Règles floues : « Trader quand il y a une bonne opportunité +EV »

Règles précises : « Acheter YES au prix du marché lorsque (1) l'estimation de probabilité par l'IA dépasse le prix du marché de plus de 5 points de pourcentage ET (2) le volume sur 24 h dépasse 10 000 $ ET (3) il reste au moins 7 jours avant la résolution. Taille de position : 3 % du bankroll initial par trade. Stop-loss : 25 % de drawdown par rapport à l'entrée. Prise de profit : 40 % au-dessus de l'entrée OU à la résolution, selon ce qui survient en premier. »

Vous ne pouvez pas backtester la version floue. Vous pouvez backtester la version précise. La plupart des stratégies échouent à cette étape parce que le trader ne sait pas réellement ce qu'il ferait.

### Étape 2 : récupérer les données historiques

Pour les marchés prédictifs : - Les prix historiques de Polymarket via leur API publique - Les résultats de résolution depuis les métadonnées des marchés - Les instantanés de volume et de liquidité au fil du temps - Les estimations de probabilité par l'IA (si votre stratégie les utilise — il faut alors les calculer aussi sur l'historique)

Note : l'API historique de Polymarket est soumise à des limites de débit et ne couvre pas tout. L'outil de backtest de Predite s'appuie sur des instantanés de marché mis en cache, alimentés par notre cron de scan — ce qui signifie que l'historique s'enrichit avec le temps. Les premiers résultats de backtest disposent de moins de données que ceux obtenus après des mois d'exploitation de la plateforme.

### Étape 3 : simuler l'exécution

Parcourez les données historiques jour par jour. À chaque horodatage : - Vérifiez si des positions ouvertes doivent être clôturées (stop-loss, prise de profit, résolution) - Vérifiez si de nouvelles positions doivent être ouvertes (les critères de la stratégie sont remplis) - Mettez à jour le bankroll en fonction des résolutions - Enregistrez chaque action et le P&L

La simulation doit être déterministe — les mêmes entrées produisent toujours les mêmes sorties. Si vous testez plusieurs stratégies, exécutez-les sur des données identiques.

### Étape 4 : calculer les métriques

Pour comprendre à quoi ressemblent des rendements réalistes, consultez notre [guide du trading +EV](/blog/what-is-positive-ev-trading) et notre [guide de gestion du risque](/blog/risk-management-prediction-markets).

Pour chaque exécution de stratégie : - Rendement total (% de gain sur le bankroll initial) - Nombre de trades exécutés - Taux de réussite (% de positions clôturées en bénéfice) - Rendement moyen par trade - Drawdown maximal (plus grande perte du pic au creux) - Ratio de Sharpe (rendement par unité de variance) - Ratio de Calmar (rendement par unité de drawdown maximal)

Une stratégie affichant 10 % de rendement annuel et 50 % de drawdown maximal est bien pire qu'une stratégie à 8 % de rendement et 15 % de drawdown — même si le rendement absolu est plus faible.

### Étape 5 : comparer à une référence

Backtestez toujours une référence « ne rien faire » ou « trader au hasard » en parallèle de votre stratégie. Si votre stratégie ne bat pas le hasard avec une marge significative, ce n'est pas vraiment une stratégie.

## Ce qui pousse les backtests à mentir

C'est la section la plus importante. La plupart des backtests ont fière allure puis échouent en production à cause des problèmes suivants :

### Biais du survivant

Votre jeu de données historiques ne contient peut-être que des marchés qui se sont résolus proprement. Ceux qui ont été retirés, annulés ou résolus de manière ambiguë sont absents. Le trading réel inclut tous ces cas — et ce sont souvent eux, les pertes.

Atténuation : incluez dans vos données les marchés annulés et à résolution ambiguë. Traitez-les comme des pertes (la plupart des stratégies n'ont pas de sortie propre quand un marché part en vrille).

### Biais d'anticipation

Vous utilisez à l'instant T une information qui n'aurait pas été disponible à l'instant T. Exemple : utiliser le résultat de résolution final pour filtrer les « bons marchés » avant de les trader. Forcément, la stratégie gagne — vous filtrez pour ne garder que les gagnants.

Atténuation : à chaque horodatage de la simulation, n'utilisez que les données qui existaient jusqu'à cet horodatage. Strictement chronologique. Aucun coup d'œil en avant.

### Surapprentissage

Vous ajustez les paramètres de votre stratégie jusqu'à ce qu'elle obtienne des performances exceptionnelles sur vos données historiques. La stratégie ne fait que mémoriser le bruit du passé, elle ne capture pas un véritable edge.

Atténuation : divisez les données en une période d'entraînement (réglage des paramètres) et une période de validation (test hors échantillon). Si la performance en validation est moins bonne qu'à l'entraînement, vous avez surappris. La plupart des stratégies qui brillent en échantillon ont un edge hors échantillon nul ou négatif.

### Hypothèses d'exécution

Pour en savoir plus sur l'exécution réelle et le slippage, consultez notre [guide du CLOB](/blog/understanding-clob-order-book).

Votre backtest suppose que vous êtes exécuté au prix milieu de marché. En réalité, vous êtes exécuté au ask (moins favorable pour les achats). Votre backtest suppose une liquidité infinie. En réalité, votre taille fait bouger le prix. Votre backtest ignore les frais de gas. Ils rognent 5 à 10 % des petits profits.

Atténuation : ajoutez des frictions réalistes à vos backtests. Supposez une exécution au ask, pas au milieu. Soustrayez une estimation du gas. Plafonnez les tailles de position aux montants réellement exécutables.

### Biais de sélection dans les stratégies

Vous ne backtestez que les idées qui semblent prometteuses. Les stratégies que vous écartez sans les backtester étaient peut-être les vraies gagnantes. Vous ne produisez pas la « meilleure stratégie » — seulement la « meilleure stratégie parmi celles que vous avez testées ».

Atténuation : backtestez aussi les idées étranges. Parfois, les stratégies contre-intuitives fonctionnent. La sélection au stade de la génération d'idées est difficile à détecter.

## À quoi ressemble un backtest réaliste

Pour une stratégie +EV typique sur Polymarket, appliquée à 30-90 jours de données historiques :

Bons signes : - 15 à 30 trades clôturés (échantillon suffisant pour avoir un sens statistique) - Taux de réussite de 50 à 65 % - Gain moyen supérieur à la perte moyenne (rendements asymétriques) - Drawdowns inférieurs à 30 % du bankroll - Performance cohérente sur différentes périodes de marché

Signaux d'alarme : - Moins de 10 trades (échantillon trop réduit) - Taux de réussite supérieur à 80 % (probablement surappris) - Un seul gros gagnant qui contribue à l'essentiel des rendements - Drawdowns supérieurs à 50 % (variance trop élevée pour de l'argent réel) - Rendements concentrés sur un seul événement / cycle d'actualité

Une stratégie qui backteste à 8-15 % de rendement annuel après coûts réalistes est plausible. Une stratégie qui backteste à 300 % par an est presque certainement défaillante ou surapprise.

## Outils de backtesting

### Le widget de backtest de Predite

La plateforme Predite dispose d'une fonction de backtest intégrée pour les configurations de bots. Vous définissez les règles d'entrée et de sortie, et le système simule sur les données de marché mises en cache. Honnête quant aux limites des données — il indique clairement si la période historique offre une couverture suffisante pour des résultats significatifs.

Limites : ne couvre que les données Polymarket que nous avons mises en cache (en général 7 à 90 jours selon le moment où vous commencez). Ne simule pas explicitement les frais de gas (vous devriez soustraire 1 à 3 % des résultats bruts pour obtenir des estimations réalistes).

### Backtests Python sur mesure

Pour les développeurs expérimentés, construire son propre backtest en Python offre un contrôle total. Bibliothèques à connaître : - pandas (manipulation de données) - numpy (calcul numérique) - requests (appels à l'API Polymarket) - matplotlib (visualisation)

Investissement en temps : 1 à 2 semaines de développement, plus une maintenance continue à mesure que les API évoluent.

### Backtests sur tableur

Pour des stratégies simples, Excel / Google Sheets font l'affaire. Saisissez manuellement les données de marché historiques, définissez des formules d'entrée et de sortie, calculez le P&L.

Fastidieux mais transparent — vous voyez exactement ce qui se passe à chaque étape. Idéal pour apprendre.

## Le test en conditions réelles (forward test)

La bonne manière de faire un forward test, c'est le paper trading. Notre [guide du paper trading](/blog/paper-trading-prediction-markets) explique comment le faire correctement.

Même un backtest parfait ne prouve pas qu'une stratégie fonctionnera à l'avenir. La seule validation honnête est le forward test : faites du paper trading avec la stratégie sur des marchés en direct pendant 30 à 60 jours, en appliquant les mêmes règles que dans votre backtest.

Comparez le P&L du forward test au P&L du backtest. S'ils sont proches, votre backtest est réaliste. Si le forward test est nettement moins bon, votre backtest contenait des bugs cachés (biais du survivant, anticipation, etc.).

La plupart des stratégies qui brillent en backtest sous-performent de 30 à 50 % en forward test. C'est le prix de toutes ces frictions réalistes que vous n'aviez pas prises en compte.

## Un déroulement réaliste

1. Définir la stratégie avec précision (mettre les règles par écrit) 2. Construire un backtest de base sur 30 à 60 jours de données 3. Vérifier l'absence de bugs évidents (anticipation, etc.) 4. Si les résultats semblent bons, faire du paper trading en direct pendant 30 jours 5. Comparer les résultats du paper trading à la projection du backtest 6. S'ils sont proches, déployer avec de petites tailles de position réelles 7. Continuer à suivre et à ajuster en fonction des performances réelles

Ce déroulement prend 2 à 3 mois au total. La plupart des traders sautent les étapes 4-5 et passent directement du backtest à de grosses positions réelles. Ils perdent de l'argent.

## En résumé

Les backtests servent à écarter les stratégies manifestement défaillantes et à obtenir des estimations de performance approximatives. Ils ne PROUVENT pas que votre stratégie fonctionne. La seule preuve, c'est le trading réel sur plusieurs mois, avec de l'argent réel, à des prix réels.

Construisez vos backtests avec soin. Tenez compte des frais, du slippage et du biais du survivant. Validez par un forward test avant de monter en taille. Suivez tout.

Les meilleures stratégies sur les marchés prédictifs sont généralement simples. Notre [guide pour trouver des marchés +EV](/blog/how-to-find-ev-markets-polymarket) détaille l'un de ces déroulements : identifiez une catégorie dans laquelle vous avez un edge informationnel, dimensionnez vos positions prudemment, exécutez avec constance. Aucun backtesting ne compense l'absence d'un véritable edge.