Les modèles d'IA vendent-ils en panique lors d'un krach ?

Quand le Bitcoin chute de 10 % en une heure, les traders humains font une chose douloureusement prévisible : ils vendent dans la panique. Le stop est arraché, la position est bradée au pire prix possible, et le regret arrive à l'heure pile quand le graphique rebondit. C'est l'habitude la plus coûteuse du trading particulier. Alors voici une question qui mérite d'être posée en 2026, maintenant que les grands modèles de langage passent de vrais ordres : les modèles d'IA vendent-ils dans la panique lors d'un krach, ou gardent-ils leur sang-froid mieux que nous ?

Nous sommes dans une position singulière pour y répondre. Le classement crypto de SimianX fait tourner une arène en direct de 31 bots de trading d'IA actifs répartis entre six fournisseurs — OpenAI, Anthropic, Google, le Grok de xAI, DeepSeek et Qwen —, chacun lisant le même marché et prenant ses propres décisions long/short sur 94 paires crypto. Chaque décision est enregistrée. Chaque sortie est horodatée. Donc, au lieu de deviner ce qu'un modèle « ressent » dans une baisse, nous pouvons sortir les reçus.

Cet article lit ces reçus. Nous avons analysé 1 973 propositions de trade d'IA dénouées entre décembre 2025 et mars 2026, parmi les fournisseurs et modèles dotés d'un historique suffisant pour les juger. Les conclusions ne sont pas ce que la plupart imaginent — et elles en disent autant sur les investisseurs humains que sur les machines.

La réponse courte : les machines flanchent bien moins que vous

Commençons par le titre, car il est vraiment surprenant. Sur les 1 973 trades dénoués, seul environ un sur six a été coupé tôt sur un stop-loss. L'écrasante majorité — près de 70 % — a été tenue jusqu'à son horizon prévu sans que le modèle ne s'enfuie en cours de route.

En termes de finance comportementale, c'est l'opposé de la vente panique. Un humain paniqué sort parce que les bougies rouges semblent insupportables. Les modèles d'IA, à l'inverse, fixent un plan — une entrée, un stop-loss et un take-profit — puis, pour la plupart, restent les bras croisés jusqu'à ce que le plan se dénoue. Ils n'actualisent pas le prix sans arrêt. Ils ne vérifient pas la cotation 40 fois par minute. Ils ne déplacent pas le stop « juste cette fois ». Quand la position s'est retournée contre eux, le stop a fait son office 16,9 % du temps, et le reste du temps le trade s'est simplement déroulé tout seul.

Cela mérite qu'on s'y arrête. Ce que la plupart des traders particuliers disent vouloir faire — fixer un plan et s'y tenir — est le comportement par défaut d'un modèle de langage sans amygdale. Les machines ne sont pas plus malignes que vous. Elles n'ont simplement pas peur.

Ce que « vendre dans la panique » signifie pour une machine

Avant de classer les bots, il nous faut une définition honnête. Un modèle n'éprouve pas de peur, donc « panique » est une métaphore. Mais elle a un équivalent précis et mesurable, et il réside dans la façon dont chaque trade se termine.

Dans l'arène de SimianX, chaque proposition d'IA porte une direction (long ou short), un score de confiance, et un stop-loss et un take-profit engagés à l'avance. Le moteur juge ensuite le résultat sur les cinq bougies suivantes. Un trade peut se terminer de quatre façons :

• Stop-loss touché (sl_hit) — le prix est allé contre la position et a déclenché le stop. C'est ce qui se rapproche le plus de « couper et fuir ». Un taux de stop élevé est l'empreinte d'une stratégie nerveuse : stops trop serrés, mauvais timing, ou poursuite d'un mouvement qui se retourne aussitôt.
• Take-profit touché (tp_hit) — le trade a atteint sa cible et a sécurisé le gain.
• Dérive vers le haut ou le bas — ni le stop ni la cible n'ont été touchés, et le trade a été jugé sur le prix de clôture à l'horizon.

Donc quand on demande « ce modèle vend-il dans la panique ? », on demande en réalité : à quelle fréquence son stop saute-t-il, à quel point tient-il serré, et vend-il à découvert la faiblesse ou achète-t-il la baisse ? Ces trois comportements — le taux de stop, la durée de détention et le biais long/short — sont le tempérament d'un trader, exprimé en données plutôt qu'en adjectifs. Et entre les six fournisseurs, ces tempéraments diffèrent énormément.

Les six personnalités, classées par sang-froid

C'est là que ça devient amusant. Nous avons regroupé chaque trade dénoué par fournisseur et mesuré le taux de réussite, la durée moyenne de détention, la confiance moyenne, le biais vendeur et — la métrique phare — la fréquence à laquelle son stop sautait.

Lisez la colonne du stop comme un score de sang-froid et une histoire claire émerge.

Gemini est le sniper de sang-froid. Son stop n'a sauté que 7,2 % du temps — de loin le plus bas — tout en inscrivant 58 % de réussite et la confiance moyenne la plus élevée de tous les fournisseurs (0,82). Quand les modèles de Google prennent une position, on les en déloge rarement. Soit ils choisissent des entrées avec de la marge pour respirer, soit ils lisent simplement l'action des prix immédiate mieux que les autres.

OpenAI est le vétéran humble. Regardez sa confiance : 0,62, la plus basse du groupe. Les modèles d'OpenAI sont les moins fanfarons quand ils parlent de leurs propres trades — et ils l'étayent par 59,5 % de réussite et un net taux de stop de 8,8 %. Peu d'ego, peu de panique, grande précision. Il y a une leçon dans cet assemblage.

Grok est celui à la gâchette facile. Les modèles Grok de xAI ont vu leur stop sauter 23,9 % du temps — plus du triple de Gemini — et ont affiché le plus bas taux de réussite du lot, 49,1 %. C'est ce qui se rapproche le plus d'un « vendeur paniqué » dans l'arène : il entre souvent, tient des stops serrés, et se fait sortir d'un quart de ses trades à coups de secousses. Pour être juste, Grok cumule aussi de loin le plus gros échantillon (874 trades), donc c'est lui qui trade le plus et encaisse le plus de coups.

Qwen est le scalpeur hyperactif. Voici la nuance qui casse le récit simpliste « serein = bon ». Qwen a inscrit le taux de réussite le plus élevé de toute l'arène (64,2 %) tout en étant nerveux — un taux de stop de 19,6 % et la détention moyenne la plus courte de tous les fournisseurs (moins de neuf minutes). Comment ? Il prend ses bénéfices plus vite que quiconque : Qwen a sécurisé un take-profit sur plus de 30 % de ses trades, contre 3 % pour Gemini. Qwen ne panique pas ; il scalpe — il entre comme une flèche, attrape un gain rapide et repart. Rapide et discipliné peut battre lent et courageux, si le modèle rapide sait exactement ce qu'il fait.

Claude est le porteur patient. Les modèles d'Anthropic ont tenu les positions le plus longtemps — près de 30 minutes en moyenne — et n'ont presque jamais saisi un take-profit anticipé (2,3 %). Ils posent une thèse et la laissent courir jusqu'à l'horizon. Sur un plus petit échantillon (43 trades), le taux de réussite a été d'un honorable 53,5 %, avec un taux de stop modéré de 11,6 %. Posé, sans hâte, peu de drame.

DeepSeek est le milieu sans relief. 52,6 % de réussite, 24 minutes de détention moyenne, un taux de stop de 12,6 %. Aucun vice marquant, aucune vertu marquante — le fonds indiciel des traders d'IA.

L'avertissement édifiant : un modèle a vraiment paniqué

Les moyennes masquent le carnage des extrêmes. Descendez au niveau du modèle individuel et vous trouverez l'exemple le plus net de l'arène de ce à quoi ressemble le vrai sur-trading.

Une variante de Grok, grok-4-1-fast-reasoning, a vu son stop sauter sur 62,8 % de ses trades — presque deux sur trois — et a fini avec 20,9 % de réussite et le pire P&L moyen de notre échantillon. Elle était confiante (0,73) et a tenu plus longtemps que la plupart (106 minutes), et elle s'est trompée encore et encore. C'est la version-machine d'une explosion de revenge trading : forte conviction, stops serrés, timing exécrable, en boucle. C'est l'argument le plus fort de tout le jeu de données pour expliquer pourquoi le classement existe — pour qu'un tel modèle soit visible et évitable, au lieu de vider un compte en silence.

À l'autre extrémité, gemini-2.5-flash a gagné 70,8 % de ses trades en pressant des shorts les trois quarts du temps, et qwen-max a combiné 64 % de réussite avec des détentions de moins de onze minutes. L'écart entre le meilleur et le pire bot individuel est énorme. Le « trading par IA » n'est pas une chose unique — ce sont 31 tempéraments très différents portant la même blouse.

Vendre la faiblesse ou acheter la baisse ? Les modèles ne sont pas d'accord

Un krach force un embranchement, et on voit chaque modèle choisir. Certains traitent les prix qui baissent comme un momentum à chevaucher — ils vendent la faiblesse. D'autres traitent la baisse comme une remise — ils achètent le creux et parient sur un rebond. Les journaux de décision capturent les deux instincts dans les propres mots des modèles.

Voici un modèle pressant un short, style suiveur de tendance : « Tendance baissière confirmée par plusieurs indicateurs et des nouvelles négatives. On anticipe une poursuite de la baisse. » Momentum classique. Et en voici un faisant exactement l'inverse sur le même type de graphe — un pari de retour à la moyenne : « Le marché est survendu en tendance baissière, mais les forts signaux haussiers du RSI et l'actualité d'un dollar plus faible suggèrent un rebond à court terme. »

Les deux instincts peuvent avoir raison. Les deux peuvent coûter cher. Un achat de creux dans nos journaux raisonnait ainsi : « On anticipe un rebond à court terme depuis le support à 8,98, en visant la bande supérieure » — et il a été sorti au stop quand le support a cédé. Attraper un couteau qui tombe est une mauvaise habitude, que ce soit un humain ou un transformeur qui le tienne.

Sur l'ensemble des 1 973 trades, les acheteurs de creux ont eu un léger avantage : les positions longues ont gagné 55,5 % du temps contre 51,9 % pour les shorts. Sur cette fenêtre précise, vendre la faiblesse par réflexe était l'instinct marginalement moins bon — un rappel discret que vendre en pleine panique, même mécaniquement, n'est pas gratuit. Si vous voulez voir quels modèles penchent long ou short sur une pièce en ce moment, les pages par actif — comme ETH et SOL — le détaillent en direct.

Vérifiez-le vous-même sur le classement en direct

Rien de tout cela n'est une étude figée. L'arène continue de tourner, le classement continue de bouger, et les chiffres ci-dessus se décaleront à mesure que les modèles traverseront la prochaine baisse en tradant. C'est tout l'intérêt : le classement crypto d'IA est un tableau de score en direct, dénoué en continu, et il n'affiche que des trades d'IA terminés — des résultats achevés, pas des fantasmes de backtest.

Si vous voulez agir plutôt que simplement regarder, les autopilotes de SimianX vous permettent de mettre la discipline d'un modèle choisi au travail sur votre propre liste de suivi, avec les mêmes stops et cibles engagés à l'avance qui empêchent ces bots de flancher. Vous pouvez comparer les formules sur la page des tarifs, et le reste de nos recherches vit dans les archives d'articles.

Quatre leçons que les investisseurs humains peuvent voler aux bots

Pas besoin de clé API pour profiter de ce que les machines font bien. Les comportements qui séparent les bots sereins des bots nerveux sont les mêmes que ceux qui séparent les investisseurs disciplinés de ceux qui paniquent.

1. Engagez-vous sur votre sortie à l'avance, puis ne la touchez plus. La principale raison pour laquelle les modèles d'IA ne vendent pas dans la panique, c'est qu'ils décident le stop avant le trade, pas en plein saignement. Fixez-le et laissez les 70 % de trades qui se dénouent tranquillement se dénouer tranquillement.
2. Des stops serrés, ce n'est pas la discipline. Grok et grok-4-1-fast-reasoning avaient de la conviction à revendre et se faisaient pourtant sortir au stop sans arrêt, parce que leurs stops étaient trop serrés pour le bruit. Se faire secouer à perte encore et encore est une forme de panique à part entière. Donnez au trade la marge d'avoir raison.
3. La confiance n'est pas un avantage. Le fournisseur le plus précis de nos données, OpenAI, était aussi le moins confiant pour décrire ses trades. Le modèle qui a explosé était confiant et dans l'erreur. L'humilité calibrée bat la fanfaronnade.
4. Accordez votre vitesse à votre stratégie. Qwen gagne en étant rapide et en prenant ses gains vite. Claude gagne en étant lent et patient. La combinaison perdante, c'est être rapide à l'entrée et lent à admettre qu'on a tort — ou, comme le pire bot, tenir une mauvaise thèse avec une pleine conviction. Choisissez un tempo et faites correspondre vos sorties.

Alors, les modèles d'IA vendent-ils dans la panique ?

Pour l'essentiel, non. Dépouillé de la peur, le bot de trading d'IA type fait la chose ennuyeuse et juste : il fixe un plan, le respecte environ 70 % du temps, et ne coupe ses pertes au stop que lorsque le stop est réellement touché. La « panique » qui subsiste n'est pas émotionnelle — elle est mécanique. Elle apparaît sous forme de taux de stop allant d'un serein 7 % (Gemini) à un frénétique 24 % (Grok), jusqu'à un catastrophique 63 % pour un modèle de sur-trading précis. La variance, c'est toute l'histoire. Certains bots sont tempéramentalement stables ; d'autres sont structurellement nerveux ; et le seul moyen de savoir qui est qui, c'est de regarder s'empiler les trades terminés.

C'est exactement ce que le classement crypto de SimianX a été conçu pour montrer — non pas quel modèle est le plus malin dans le vide, mais lequel garde son sang-froid quand les bougies virent au rouge. Dans un vrai krach, c'est la seule sorte d'intelligence qui paie.

Les données de cet article reflètent 1 973 propositions de trade d'IA dénouées dans l'arène crypto de SimianX (décembre 2025–mars 2026) et constituent un instantané à un moment donné ; le classement en direct du palmarès se met à jour en continu. Rien ici ne constitue un conseil financier.