Le trading algorithmique : définition, stratégies, HFT et régulation

Cet article est fourni à titre purement informatif et pédagogique. Il ne constitue pas un conseil en investissement financier. L'auteur n'est pas conseiller en investissement financier agréé. Le trading algorithmique est une activité réservée aux professionnels disposant de ressources techniques et financières importantes. Tout investissement comporte un risque de perte en capital.

En 2012, Knight Capital — l'un des plus grands teneurs de marché américains — perd 462 millions de dollars en 45 minutes à cause d'un algorithme défaillant, soit 10 millions par minute. En 2010, le "Flash Crash" voit le Dow Jones chuter de 1 000 points en quelques minutes avant de se rétablir presque aussi vite. Ces épisodes illustrent la puissance — et les risques — du trading algorithmique, qui représente aujourd'hui entre 60 et 80 % des volumes échangés sur les marchés financiers mondiaux. Voici tout ce qu'il faut comprendre sur ce phénomène qui façonne les marchés modernes.

1. Définition : qu'est-ce que le trading algorithmique ?

Le trading algorithmique désigne l'utilisation de programmes informatiques et d'algorithmes mathématiques pour exécuter automatiquement des ordres sur les marchés financiers, selon des règles prédéfinies et sans intervention humaine directe. Familiarize le définit ainsi : « le trading algorithmique améliore les rendements et gère les risques grâce à des algorithmes sophistiqués qui analysent les données du marché et exécutent des transactions en fonction de critères prédéfinis » [Familiarize].

En pratique, un algorithme de trading surveille en permanence les cours, les volumes, les nouvelles économiques ou tout autre signal défini par ses concepteurs — et déclenche automatiquement des ordres d'achat ou de vente quand les conditions programmées sont réunies. La décision humaine est prise en amont (conception de la stratégie) mais l'exécution est entièrement automatique.

Le trading algorithmique se distingue du trading manuel sur deux dimensions fondamentales :

La vitesse : un algorithme peut analyser des milliers de données et passer un ordre en quelques microsecondes — là où un trader humain met a minima plusieurs secondes.
L'absence d'émotion : l'algorithme applique la stratégie programmée sans jamais céder à la peur ou à l'avidité — les deux principales sources d'erreurs humaines en trading.

Le circuit d'un ordre algorithmique : de la donnée à l'exécution en quelques microsecondes

2. Les grandes familles de stratégies algorithmiques

2.1 Les algorithmes d'exécution : TWAP et VWAP

Ce sont les algorithmes les plus utilisés par les grands investisseurs institutionnels (fonds de pension, assureurs, gérants d'actifs) pour exécuter de très gros ordres sans impacter le marché. Le problème posé : si un gérant veut acheter 500 000 actions d'un coup, son ordre massif ferait monter le cours contre lui. La solution : découper l'ordre en de nombreux petits lots exécutés progressivement.

TWAP (Time-Weighted Average Price) : l'ordre est découpé en tranches égales exécutées à intervalles réguliers dans le temps. Simple et prévisible.
VWAP (Volume-Weighted Average Price) : l'ordre est exécuté en suivant le profil de volume habituel du titre — plus d'ordres aux heures de forte liquidité, moins aux heures creuses. L'objectif est d'obtenir un prix moyen proche du VWAP de la journée.

Exemple VWAP — Achat de 500 000 actions sur une journée :
  9h00-10h00 (forte liquidité) : achète 80 000 actions
  10h00-12h00 (liquidité normale) : achète 120 000 actions
  12h00-14h00 (faible liquidité, déjeuner) : achète 50 000 actions
  14h00-16h00 (reprise activité) : achète 150 000 actions
  16h00-17h30 (clôture, forte liquidité) : achète 100 000 actions
→ L'ordre géant est "camouflé" dans le flux normal du marché.
  Impact sur le cours : minimal.

2.2 L'arbitrage statistique

L'arbitrage exploite des inefficiences de prix temporaires entre marchés ou instruments. Familiarize décrit la logique : « si une action se négocie à des prix différents sur deux bourses, un trader algorithmique peut acheter à bas prix sur l'une et vendre à prix élevé sur l'autre, capturant l'écart » [Familiarize]. Ces écarts durent souvent quelques millisecondes — seuls des algorithmes peuvent les exploiter.

Exemples d'arbitrage :

Arbitrage spatial : même actif coté sur deux bourses différentes à des prix légèrement différents.
Arbitrage statistique (pairs trading) : deux actifs historiquement corrélés (ex : Coca et Pepsi) divergent temporairement. L'algorithme achète le moins cher et vend le plus cher, pariant sur la convergence.
Arbitrage ETF/sous-jacent : exploite les écarts entre le prix d'un ETF et la valeur de ses actifs sous-jacents.

2.3 Le market making algorithmique

Le market maker (teneur de marché) propose en permanence des prix à l'achat et à la vente, gagnant le spread (écart entre bid et ask). IG France précise que grâce au HFT, des organisations comme les banques d'investissement et hedge funds utilisent des algorithmes capables de suivre plusieurs marchés financiers en même temps et d'exécuter un grand nombre d'ordres [IG France]. Un market maker algorithmique met à jour ses prix des milliers de fois par seconde selon les conditions de marché.

2.4 Le suivi de tendance (trend following)

Ces algorithmes détectent et suivent automatiquement les tendances de marché à partir d'indicateurs techniques (moyennes mobiles, momentum, RSI…). Quand une tendance haussière est détectée, l'algorithme achète — et vend quand elle se retourne. C'est la stratégie utilisée par de nombreux fonds CTA (Commodity Trading Advisors) qui gèrent des centaines de milliards de dollars.

2.5 Le retour à la moyenne (mean reversion)

Ces algorithmes partent du principe que les actifs qui s'écartent fortement de leur valeur moyenne tendent à y revenir. Quand un actif descend trop bas par rapport à sa moyenne historique, l'algorithme achète — et vend quand le cours remonte vers la moyenne. Familiarize le décrit comme l'une des stratégies fondamentales du trading algorithmique [Familiarize].

3. Le HFT : le trading à la vitesse de la lumière

Le High Frequency Trading (HFT) ou trading haute fréquence est la forme la plus extrême du trading algorithmique. IG France le définit comme une technique qui consiste à transmettre automatiquement, à très grande vitesse et sans intervention humaine, un grand nombre d'ordres sur les marchés financiers [IG France].

Ses caractéristiques extrêmes :

Vitesse : les ordres sont exécutés en quelques microsecondes (millionièmes de seconde) à quelques nanosecondes (milliardièmes de seconde). La vitesse de la lumière elle-même devient un facteur limitant — les câbles à fibre optique sont remplacés par des liaisons micro-ondes plus rapides sur certaines liaisons clés.
Volume : des milliers à millions d'ordres par seconde, avec des positions souvent détenues moins d'une seconde.
Co-localisation : Phemex explique que les sociétés HFT placent leurs serveurs à proximité immédiate des serveurs des bourses, réduisant la latence à quelques microsecondes [Phemex]. Le Journal de la Finance précise : des câbles à fibres optiques dédiés et des antennes micro-ondes relient directement les datacenters des bourses à ceux des traders HFT [Le Journal de la Finance].
Part de marché : le HFT représente entre 50 et 70 % des volumes sur les marchés actions américains, et une proportion croissante sur les marchés européens et cryptos.

Illustration de la latence en HFT :
  Distance New York - Chicago : ~1 200 km
  Vitesse de la lumière        : 300 000 km/s
  Latence théorique minimale   : 4 millisecondes
  Câble fibre optique           : ~8 ms (la lumière fait des zigzags)
  Liaison micro-onde            : ~4,2 ms (quasi vitesse de la lumière)
  Avantage micro-onde           : ~3,8 ms
  → 3,8 millisecondes d'avance peuvent valoir des millions de dollars
    par an en HFT. Des dizaines d'entreprises ont investi des centaines
    de millions pour gagner quelques millisecondes.

4. Les controverses et les risques

4.1 Les flash crashes

Le 6 mai 2010, le "Flash Crash" voit le Dow Jones perdre 1 000 points (9 %) en quelques minutes avant de se rétablir presque entièrement en moins de 20 minutes. Une cascade d'algorithmes de vente automatique s'est déclenchée en chaîne, amplifiant mécaniquement la chute. Rankia l'explique : le HFT présente des risques de flash trading et de réactions en chaîne amplifiant la volatilité [Rankia].

L'accident de Knight Capital en 2012 est encore plus spectaculaire : un bug dans un algorithme de trading a envoyé des ordres erronés pendant 45 minutes, causant une perte de 462 millions de dollars — mettant l'entreprise en quasi-faillite en moins d'une heure.

4.2 La "liquidité fantôme"

Les partisans du HFT affirment qu'il apporte de la liquidité aux marchés — en proposant en permanence des prix à l'achat et à la vente. Mais Phemex nuance fortement : « si le HFT favorise la liquidité et réduit les coûts de transaction, sa "liquidité fantôme" et l'extrême vitesse d'intervention évincent les acteurs traditionnels » [Phemex]. En période de stress, les algorithmes HFT retirent instantanément leurs ordres — exactement quand la liquidité est la plus nécessaire.

4.3 L'équité des marchés

Le HFT soulève des questions fondamentales d'équité. Quand un fonds HFT voit votre ordre d'achat arriver et achète l'action en quelques microsecondes avant vous pour vous la revendre légèrement plus cher — est-ce de l'arbitrage légitime ou une forme d'information privilégiée technologique ? C'est le débat central du livre "Flash Boys" de Michael Lewis (2014) qui a relancé le débat réglementaire mondial.

5. La régulation : l'encadrement par l'AMF et MiFID II

Le trading algorithmique — et le HFT en particulier — est strictement encadré en Europe depuis la directive MiFID II (2018). Rankia détaille les obligations : « la déclaration obligatoire des algorithmes utilisés, des tests de résistance pour s'assurer que les systèmes ne mettent pas en péril les marchés » [Rankia].

Les principales obligations réglementaires en France :

Déclaration à l'AMF : toute société utilisant des algorithmes de trading doit les déclarer et les documenter auprès de l'AMF.
Coupe-circuits (circuit breakers) : obligation de disposer de systèmes d'arrêt d'urgence capables de stopper tous les algorithmes en cas de dysfonctionnement.
Tests de stress : les algorithmes doivent être testés dans des conditions de marché extrêmes avant leur déploiement.
Surveillance renforcée : l'AMF dispose depuis 2018 de systèmes de surveillance capables de détecter les comportements algorithmiques abusifs (manipulation de cours, layering, spoofing).
Taxe sur les transactions financières (TTF) : en France, une taxe de 0,3 % s'applique sur les transactions en actions françaises. L'Italie a été pionnière en instaurant une taxe de 0,02 % spécifiquement sur les transactions HFT de moins de 0,5 seconde [Rankia].

6. Le trading algorithmique est-il accessible aux particuliers ?

La réponse honnête est : partiellement. Le HFT véritable — avec co-localisation, liaisons micro-ondes et latences en microsecondes — est réservé aux institutions disposant de dizaines à centaines de millions d'euros de ressources technologiques. Mais certaines formes de trading algorithmique sont accessibles aux particuliers avancés :

Les bots de trading crypto : des plateformes comme 3Commas, Pionex ou Bitsgap permettent de configurer des algorithmes simples (DCA automatique, grilles d'achat/vente, suivi de tendance) sur les marchés crypto, sans compétences en programmation.
Les API des courtiers : des courtiers comme Interactive Brokers proposent des API permettant aux développeurs de créer leurs propres algorithmes de trading en Python, Java ou C++.
Les plateformes de backtesting : QuantConnect, Backtrader ou TradingView permettent de tester des stratégies algorithmiques sur des données historiques avant de les déployer.

Une mise en garde importante : la grande majorité des algorithmes de trading développés par des particuliers perdent de l'argent à long terme, notamment à cause des frais de transaction, du suroptimisation sur les données historiques (overfitting) et de l'évolution des conditions de marché.

7. L'impact de l'IA sur le trading algorithmique

La frontière entre trading algorithmique classique et intelligence artificielle s'estompe. Phemex identifie la tendance majeure : « la montée en puissance de l'IA, l'intégration dans la finance décentralisée (DeFi) et un afflux massif d'acteurs institutionnels bouleversent l'écosystème » [Phemex].

Les grandes banques et hedge funds utilisent désormais des modèles de machine learning et de deep learning capables d'analyser des données non structurées (actualités, réseaux sociaux, images satellites de parkings de supermarchés…) pour anticiper les mouvements de marché. Ces algorithmes ne suivent plus des règles fixes programmées par des humains — ils apprennent et s'adaptent en permanence à partir des données.

Ce qu'il faut retenir

Le trading algorithmique désigne l'exécution automatique d'ordres boursiers par des programmes informatiques, selon des règles prédéfinies et sans intervention humaine directe. Il représente aujourd'hui 60 à 80 % des volumes échangés sur les marchés financiers mondiaux. Ses grandes familles de stratégies sont les algorithmes d'exécution (TWAP, VWAP), l'arbitrage statistique, le market making, le suivi de tendance et le retour à la moyenne.

Le HFT (High Frequency Trading) en est la forme la plus extrême : des ordres exécutés en quelques microsecondes grâce à des serveurs co-localisés dans les datacenters des bourses et des liaisons micro-ondes quasi-instantanées. S'il apporte de la liquidité aux marchés, il génère aussi des risques systémiques (flash crashes, liquidité fantôme) et soulève des questions d'équité. Il est strictement encadré par MiFID II et l'AMF en France.

Pour l'investisseur particulier, le trading algorithmique professionnel reste hors de portée. Mais comprendre son fonctionnement est indispensable pour comprendre la microstructure des marchés modernes — pourquoi les cours bougent parfois si vite, pourquoi les spreads se resserrent et s'élargissent, et pourquoi les flash crashes restent un risque permanent sur des marchés entièrement automatisés.

Sources citées

Les informations contenues dans cet article sont fournies à titre purement éducatif. Elles ne constituent pas un conseil en investissement financier. L'auteur n'est pas CIF agréé. Tout investissement comporte un risque de perte en capital.

Rechercher dans ce blog

Le marché Lucide