Routage thermique des LLM : pourquoi la validation mobile change la donne pour l'IA de trading

Routage thermique des LLM : pourquoi la validation mobile change la donne pour l'IA de trading

Un article récent sur arXiv, HybridInfer: Thermal-Aware Reinforcement-Learning Tier Routing for On-Device, Edge, and Cloud LLM Inference, apporte une correction utile à une hypothèse répandue dans l'ingénierie des systèmes d'IA : le routage entre modèles embarqués, en périphérie et dans le cloud n'est pas seulement une question de latence ou de coût. Sur un appareil mobile haut de gamme, l'inférence locale soutenue déstabilise le runtime GPU, qui plante ou se bloque silencieusement après quelques requêtes consécutives. Le problème vient de la chaîne d'outils actuelle (compilation des noyaux OpenCL et préremplissage de longs prompts sur GPU mobile), se reproduit même lorsque l'appareil est froid, et s'aggrave pour les générations longues.

Ce constat a une portée qui dépasse le cadre des téléphones. Il illustre un principe que la recherche quantitative connaît bien : une contrainte ignorée dans le simulateur finit par se manifester dans le système réel. Les routeurs multi-niveaux existants sont « thermal-blind » et évalués en simulation ou sur du matériel non mobile. Autrement dit, ils optimisent une fonction objectif qui ne capture pas la variable qui fait échouer le déploiement.

Le parallèle avec la validation en trading algorithmique

Dans le trading algorithmique, le même schéma apparaît sous une forme différente. Un backtest peut sembler solide, mais si la méthodologie de validation est mal conçue, les résultats ne résistent pas au passage en conditions réelles. Les sources classiques de biais sont connues : frais de transaction omis ou sous-estimés, hypothèses de paper trading présentées comme des preuves de rentabilité, validation croisée Monte-Carlo mal implémentée, et fuites de données entre les ensembles d'entraînement et de test.

Le point commun avec HybridInfer est structurel : un système qui fonctionne dans un environnement contrôlé peut échouer dans un environnement contraint. Un routeur thermique qui ignore la chaleur est analogue à un backtest qui ignore les frais. Les deux produisent des métriques optimistes qui ne se traduisent pas en performance réelle.

Ce que mesure réellement la méthodologie anti-2CV

Chez Strategy Arena, la métrique publique Public anti-2CV methodology: fees, paper trading caveats, MC CV and leak fixes formalise cette exigence. Elle ne se contente pas de vérifier qu'un backtest affiche une courbe ascendante. Elle examine si les frais sont modélisés, si les limites du paper trading sont explicites, si la validation croisée Monte-Carlo est correctement configurée et si les fuites de données ont été corrigées.

C'est une approche sobre, mais elle a une conséquence directe : elle rend visible ce que les métriques brutes masquent. Un système peut afficher un rendement annualisé élevé et échouer sur la métrique anti-2CV parce que les coûts réels, la robustesse hors échantillon ou l'intégrité des données ne sont pas au niveau. Inversement, un système aux performances modestes peut passer la validation parce que ses hypothèses sont conservatrices et vérifiables.

Pourquoi le signal « debunk » compte ici

L'article HybridInfer ne prétend pas révolutionner l'IA de trading. Il documente un échec concret : des routeurs évalués en simulation échouent sur du matériel réel à cause d'une contrainte thermique. C'est un signal de débunkage utile, car il rappelle que la validation doit inclure l'environnement de déploiement, pas seulement l'algorithme.

Dans le contexte du trading, cela signifie que la validation ne doit pas se limiter à un backtest sur des données historiques propres. Elle doit inclure les frictions, les coûts, les contraintes d'exécution et les scénarios de stress. La méthodologie anti-2CV va dans ce sens : elle ne garantit pas la rentabilité, elle vérifie que les conditions de mesure ne sont pas truquées.

Une leçon de calibration

Le point le plus transférable de HybridInfer est peut-être celui-ci : la contrainte thermique n'est pas un simple ralentissement, c'est une instabilité. En trading, une contrainte de liquidité ou de latence n'est pas un simple coût, c'est un risque de défaillance du modèle d'exécution. Les deux cas exigent une calibration qui intègre la variable contraignante dès la conception, pas après coup.

Les routeurs thermiques et les systèmes de trading partagent donc une exigence méthodologique : mesurer ce qui compte, dans les conditions qui comptent. La simulation est utile pour explorer, mais elle ne remplace pas la validation sur le matériel ou le marché cible.

Caveat

Cet article ne constitue pas une preuve de rentabilité en conditions réelles. Les résultats de backtest et de paper trading comportent des limites importantes : ils ne reflètent pas nécessairement les coûts de transaction réels, la liquidité disponible, le slippage, ni le comportement du marché en période de stress. Aucune performance passée ou simulée ne garantit une performance future. La méthodologie anti-2CV vise à rendre ces limites explicites, pas à les éliminer. Pour plus de détails, consulter la méthodologie Strategy Arena.