Comment les IA cherchent une stratégie : quatre pilotages de la Lab, mesurés
Le 17 novembre 2026, quatre modèles d’IA ont piloté en direct la Lab Strategy Arena 0.1.0-266, une application de bureau gratuite qui se commande par MCP. Même consigne de base pour tous : chercher une stratégie qui tienne sur une période scellée, déclarer son hypothèse avant tout essai, tenir un journal. Cette page publie ce que la Lab a enregistré, appel par appel : combien d’appels, quels outils, combien d’essais, combien de périodes scellées ouvertes, quels verdicts. Recherche sur données passées, jamais un conseil.
Branchez votre IA sur la Lab et faites la même expérience
Application de bureau gratuite pour Windows et Linux. Son serveur MCP local se branche sur Claude, Codex, Cursor, LM Studio ou opencode : donnez la même consigne à votre IA et comparez son journal à ceux-ci. Recherche sur données passées ; rien n’est relié à un compte réel.
Prendre la Lab gratuite → Pas d’IA sous la main ? Juger un script Pine dans le navigateur →À lire avant les chiffres
- Une seule session par modèle (n = 1) : ce sont des observations, pas un classement. Aucune conclusion du type « tel modèle est meilleur » n’est tirée ici.
- Les conditions n’étaient pas identiques. Chaque modèle passait par un client (Codex, Grok, Cursor), avec un profil d’outils différent. Les sessions se sont suivies sur le même PC : chacune est arrivée dans une Lab déjà utilisée par les précédentes (essais et périodes déjà comptés). La quatrième avait une consigne plus serrée (100 appels, sans parallélisme).
- Gemini Hydrogen et Muse Wonder sont passés par le même client (Cursor) avec la même étiquette dans le journal : leurs sessions sont séparées par l’heure, au trou de plus de 9 minutes entre les deux.
- Les noms de modèles sont ceux annoncés par les clients ; nous ne les avons pas vérifiés.
- Les chiffres viennent des journaux de la Lab, recalculés par un script publié avec la méthode. Les verdicts viennent des rapports de preuve SAP-… de la Lab.
Ce que la Lab apporte à une IA qui cherche
Une hypothèse datée avant le premier essai
Les quatre sessions ont déclaré leur idée avec discovery avant de lancer la moindre recherche. La Lab horodate cette déclaration et compte ensuite chaque réglage essayé : l’IA ne peut pas réécrire son point de départ.
Arrêter une piste sans brûler la période scellée
Le diagnostic (frais, timing des entrées, sous-périodes, concentration des gains) et le seuil de puissance affiché par le tableau suffisent souvent à abandonner une idée sur les seules données d’entraînement. Deux sessions ont arrêté toutes leurs pistes sans ouvrir de sceau ; une autre en a laissé une douzaine de côté de la même façon.
Un juge qui se souvient des regards
Une rotation de secteurs américains a battu sa référence sur la période de test, et la Lab a pourtant répondu « non concluant » : cette période avait déjà été ouverte 5 fois auparavant. La Lab compte les ouvertures et ne laisse pas un résultat vu plusieurs fois devenir une preuve (rapport SAP-281cfd6ddd13).
Un verdict en trois mots et un rapport rejouable
Résiste, mirage ou non concluant, avec les raisons et les chiffres de la période scellée, dans un rapport SAP-… que l’on peut relire et rejouer.
Les sessions, dans l’ordre où elles ont eu lieu
BTC 4 h, une idée de rebond après un RSI bas
21:42–21:47 UTC
Style de recherche observé. Court et économe. Une hypothèse, un plafond de 64 essais fixé à l’avance, une recherche d’environ une seconde, puis une lecture attentive du diagnostic : l’avantage disparaissait dès 10 points de base de frais et le timing des entrées n’avait rien de rare. Décision : arrêter sur l’entraînement, sans ouvrir la période scellée, avec deux critères d’arrêt annoncés avant l’essai.
Résultat. Aucun verdict demandé : piste arrêtée avant le sceau (hypothèse SAH-64faecbe2f04).
Outils utilisés
discovery 6 · list_sandbox_datasets 5 · board 4 · read_local_audit_events 3 · diagnose 3 · move 2 · start_here 1 · read_proof_report 1
Ce que la Lab a appris de cette session.
- Pour une même piste, le tableau, le diagnostic, le statut et le rapport ne donnaient pas la même consigne (l’un disait d’arrêter, un autre de lancer la preuve). (vague 276 A, en préparation)
- Un abandon motivé ne pouvait pas être enregistré et retrouvé plus tard. (vague 276 A, en préparation)
- Le diagnostic refusait une cellule de portefeuille déjà jugée. (vague 276 A, en préparation)
- Un connecteur annexe renvoyait une erreur générique qui ne disait pas quoi réparer. (prévu pour la Lab 267)
ETH 4 h, une tendance (clôture au-dessus de sa moyenne)
21:59–22:04 UTC
Style de recherche observé. Choisir un terrain vierge, puis une seule ouverture. Avant tout essai, la session a regardé l’état de plusieurs marchés et écarté ceux qui avaient déjà des essais comptés ou un sceau ouvert. Elle a déclaré trois structures, lancé une recherche, puis ouvert une seule période scellée et s’est arrêtée sur le verdict.
Résultat. Non concluant (SAP-d1b53a7bfb31) : sur la période scellée, +85,1 % en 126 trades contre +113,7 % pour la détention, avec une baisse maximale de 41 % contre 65 %.
Outils utilisés
board 7 · list_sandbox_datasets 5 · move 3 · discovery 2 · start_here 1 · gym 1 · promote 1
Ce que la Lab a appris de cette session.
- Le parcours numéroté de start_here menait à une preuve sur un seul réglage, alors que le bon chemin (board, discovery, move, promote) était ailleurs. (prévu pour la Lab 267)
- La liste des marchés, paginée et sans filtre, ne disait pas « sceau déjà ouvert ». (prévu pour la Lab 267)
- La réponse courte de promote repassait en anglais et perdait la phrase qui dit ce que la règle protège. (vague 276 A, en préparation)
- Le champ du moteur affichait CUDA alors que le calcul avait tourné sur le processeur. (prévu pour la Lab 267)
Large : portefeuilles (rotations, paniers de tendances), indices, devises, cryptos, matières premières
22:13–22:36 UTC
11 recherches avec essais sur 22 ont tourné sans hypothèse enregistrée, le plus souvent juste après une déclaration refusée.
Style de recherche observé. Exploration large, en rafales. La session a regardé plus d’une centaine de parties sur des dizaines de marchés, souvent plusieurs appels dans la même seconde, avec une vingtaine d’outils différents. Elle a arrêté une douzaine de recherches sans ouvrir leur sceau (pétrole, argent, BTC 4 h, BNB 4 h…), dont deux après lecture du diagnostic, et ouvert des périodes scellées pour ses portefeuilles et plusieurs scripts. La consigne proposait 3 ouvertures au plus ; rien dans la Lab ne rappelait ce budget.
Résultat. Aucun « résiste ». La rotation de secteurs américains (SAP-281cfd6ddd13) a dépassé sa référence sur la période de test, mais reste « non concluant » parce que cette période avait déjà été ouverte 5 fois. Les autres verdicts sont « mirage » (par exemple SAP-0831a01997ad, SAP-48b84150fec4) ou « non concluant » (SAP-40d9730c6722).
Outils utilisés
board 185 · run_sandbox_backtest 58 · compose_portfolio 54 · get_sandbox_capabilities 26 · discovery 25 · move 25 · list_sandbox_datasets 22 · diagnose 9 · promote 4 · search 4 · prove_sandbox_script 4 · market_catalog 3 · query_strategy_base 2 · suggest_lab_capability 2 · start_here 1 · get_lab_state 1 · get_lab_plan 1 · list_sandbox_experiments 1 · list_local_lab_reports 1 · inspect_local_strategy_progression 1 · read_locked_ai_search_trial_register 1 · list_strategy_atoms 1 · get_lab_capabilities 1 · read_proof_report 1 · explore_lab 1 · suggest_lab_experiments 1
Ce que la Lab a appris de cette session.
- Après le jugement d’un portefeuille, la quête affichait « sceau fermé » alors que l’ouverture était bien enregistrée dans le registre des ouvertures. (prévu pour la Lab 267)
- Le budget d’ouvertures de la consigne n’existe pas dans la Lab : rien ne prévient quand on le dépasse. (à l’étude)
- Plusieurs appels refusés (déclaration, diagnostic, composition de portefeuille), souvent au milieu de rafales d’appels. (à examiner pour la Lab 267)
- Sur des séries mensuelles, la recherche de portefeuille gardait des réglages par défaut pensés pour des barres quotidiennes ; la session l’a signalé elle-même avec l’outil de demande de la Lab. (à examiner pour la Lab 267)
Cryptos en journalier (ADA, XRP…) après un large tour du tableau
22:46–22:48 UTC
Consigne différente : budget de 100 appels, sans appels en parallèle.
Style de recherche observé. Repérage d’abord, puis deux pistes courtes. Les lectures du tableau (`board`) dominent, entrecoupées des recherches : deux hypothèses déclarées sur ADA et XRP en journalier, des recherches de plus de mille réglages chacune, une lecture du diagnostic, puis l’arrêt. Le tableau lui donnait la taille d’avantage que la période scellée peut détecter sur ces marchés (un Sharpe d’au moins 2,24) : avec ce repère, ouvrir le sceau n’avait pas de sens, et aucune période scellée n’a été ouverte.
Résultat. Aucun verdict demandé : deux pistes arrêtées avant le sceau (hypothèses SAH-1df8cb394ca4 et SAH-7bcd0a4664e3).
Outils utilisés
board 114 · get_sandbox_capabilities 8 · discovery 6 · list_sandbox_datasets 4 · move 4 · get_lab_state 2 · query_strategy_base 2 · explore_lab 1 · get_lab_capabilities 1 · start_here 1 · get_lab_plan 1 · suggest_lab_experiments 1 · diagnose 1 · validate_sandbox_strategy 1
Ce que la Lab a appris de cette session.
- Avec un budget d’appels, le tableau se lit marché par marché : un appel qui résume plusieurs marchés (essais comptés, sceau déjà ouvert) ferait gagner une bonne part du budget. (rejoint la demande de liste filtrée, prévue pour la Lab 267)
1 appel du journal ne portait aucune étiquette d’agent : il n’est compté dans aucune session.
Résultats des campagnes
Une ligne par preuve jugée par la Lab pendant ces sessions, construite uniquement depuis ses rapports de preuve. Des résultats seulement : aucune série de prix ni de rendements n’est publiée. Période scellée = la dernière partie de l’historique, tenue à l’écart de la recherche jusqu’au verdict.
campagnes JSON · CSV · CC BY-NC-SA 4.0 (https://creativecommons.org/licenses/by-nc-sa/4.0/)
| Rapport | Modèle | Marché | Règle | Période scellée | Règle / référence | Baisse max | PBO | DSR | N | Verdict |
|---|---|---|---|---|---|---|---|---|---|---|
| SAP-d1b53a7bfb31 | Grok 4.7 | ETH 4h | close_above_sma signal | 2023-05-17 → 2025-10-31 | +85,1 % / +113,7 % | 41,4 % | 51,3 % | 87,0 % | 28 | non concluant sous la référence sur la période scellée |
| SAP-0e29b611b467 | Gemini Hydrogen | AUDUSD + GBPUSD + USDCAD + USDCHF + USDJPY 1d | panier de tendances | 2010-01-05 → 2026-10-02 | +3,8 % / +4,1 % | 11,4 % | 49,4 % | 49,5 % | 12 | mirage Sharpe déflaté sous 50 % |
| SAP-11a68fc4db69 | Gemini Hydrogen | SOL + ETH + BNB + XRP 1h | rotation (momentum, top N) | 2025-11-15 → 2026-10-09 | -50,3 % / -24,8 % | 63,4 % | 63,1 % | 26,0 % | 525 | mirage PBO d’au moins 50 % (choix instable entre réglages) |
| SAP-ebbf5752c2f5 | Gemini Hydrogen | LTC 1d | close_above_sma timeout_short | 2023-06-21 → 2025-10-31 | -68,4 % / +11,9 % | 76,2 % | 87,4 % | 16,6 % | 80 | mirage PBO d’au moins 50 % (choix instable entre réglages) |
| SAP-163858f57a9e | Gemini Hydrogen | XLM 1d | close_above_sma timeout_short | 2023-08-11 → 2025-10-31 | +71,2 % / +117,9 % | 61,0 % | 59,6 % | 3,8 % | 678 | mirage PBO d’au moins 50 % (choix instable entre réglages) |
| SAP-48b84150fec4 | Gemini Hydrogen | ETH 1d | ETH Trend ADX | 2023-05-17 → 2025-10-31 | +2,9 % / +110,8 % | 63,0 % | 93,1 % | 73,8 % | 36 | mirage PBO d’au moins 50 % (choix instable entre réglages) |
| SAP-673c1ef71252 | Gemini Hydrogen | APT 1d | APT BB MeanRev LS | 2025-11-16 → 2026-10-09 | -31,2 % / -71,3 % | 44,7 % | 37,3 % | 48,5 % | 15 | mirage Sharpe déflaté sous 50 % |
Preuves laissées hors du fichier. Leur verdict est indiqué, pas leurs chiffres, parce que la licence des données sources n’a pas pu être confirmée :
- SAP-281cfd6ddd13 (Gemini Hydrogen, non concluant) : la Lab ne garde pas la source d’une série envoyée par l’agent : licence non vérifiable.
- SAP-0831a01997ad (Gemini Hydrogen, mirage) : source des séries non établie dans les rapports de la Lab.
- SAP-40d9730c6722 (Gemini Hydrogen, non concluant) : aucune licence écrite trouvée (diffusé librement pour la recherche, attribution requise) : permission de publier des statistiques dérivées non confirmée.
- SAP-cba119a28445 (Gemini Hydrogen, mirage) : la Lab ne garde pas la source d’une série envoyée par l’agent : licence non vérifiable.
- SAP-5f634e8c4981 (Gemini Hydrogen, mirage) : la Lab ne garde pas la source d’une série envoyée par l’agent : licence non vérifiable.
- SAP-9aefc6bc5538 (Gemini Hydrogen, mirage) : la Lab ne garde pas la source d’une série envoyée par l’agent : licence non vérifiable.
Recherches arrêtées sans ouvrir leur période scellée.
| Modèle | Marché | Réglages évalués | Diagnostic lu |
|---|---|---|---|
| Astra 6.2 | BTC 4h | 64 | oui : 3 alerte·s, timing des entrées au 60e percentile |
| Gemini Hydrogen | SILVER 4h | 355 | non |
| Gemini Hydrogen | BTCUSDT 1h | 380 | non |
| Gemini Hydrogen | OIL 4h | 348 | non |
| Gemini Hydrogen | BNB 4h | 709 | non |
| Gemini Hydrogen | non indiqué dans le journal | 1353 | oui : 1 alerte·s, timing des entrées au 79e percentile |
| Gemini Hydrogen | OIL 1d | 212 | oui : 1 alerte·s, timing des entrées au 94e percentile |
| Gemini Hydrogen | ETH 1d | 217 | non |
| Gemini Hydrogen | non indiqué dans le journal | 1975 | non |
| Gemini Hydrogen | BTC 4h | 288 | non |
| Gemini Hydrogen | SILVER 1d | 221 | non |
| Gemini Hydrogen | non indiqué dans le journal | 335 | non |
| Gemini Hydrogen | non indiqué dans le journal | 1179 | non |
| Muse Wonder | ADA 1d | 1514 | oui : 1 alerte·s, timing des entrées au 98e percentile |
| Muse Wonder | XRP 1d | 1126 | non |
Colonnes du fichier (schéma)
rapport: identifiant du rapport de preuve de la Lab (SAP-…)date: heure du verdict, UTCagent: modèle annoncé par le client qui pilotait la LablabVersion: version de la Lab qui a jugétype: marché seul ou portefeuillemarcheOuUnivers: actif, ou actifs du portefeuilleunite: unité de temps des barresfamilleDeRegle: famille de la règle jugéefamilleDeRegleEn: famille de la règle, en anglaisentrainementDebut: début de la période d’entraînement (jour)entrainementFin: fin de la période d’entraînement (jour)scelleeDebut: début de la période scelléescelleeFin: fin de la période scelléeentrainementReglePct: rendement de la règle retenue sur l’entraînement, %entrainementReferencePct: rendement de la référence sur l’entraînement, %entrainementBaisseMaxPct: baisse maximale de la règle sur l’entraînement, %scelleeReglePct: rendement de la règle sur la période scellée, %scelleeReferencePct: rendement de la référence (détention, ou panier déclaré pour un portefeuille) sur la période scellée, %scelleeBaisseMaxPct: baisse maximale de la règle sur la période scellée, %scelleeTrades: trades sur la période scellée (marché seul)pboPct: probabilité de surapprentissage du backtest (CSCV), %sharpeDeflatePct: Sharpe déflaté lu par le verdict, %nDeclare: N retenu par le Sharpe déflaté (essais déclarés, regroupés par structure)essaisDeclares: essais déclarés au total, essais antérieurs comprisouverturesAnterieures: ouvertures de cette période scellée avant ce verdictverdict: code du verdict : survives, mirage, inconclusiveverdictFr: verdict en françaiscausePrincipale: première raison donnée par le juge (code)causeFr: première raison, en françaiscauseEn: première raison, en anglaissource: origine des données de marché
Les noms de colonnes restent les mêmes d’une édition à l’autre.
Le protocole, à refaire à chaque version de la Lab
La consigne commune.
- Commencer par start_here et suivre son parcours, sans lire le code.
- Chercher une stratégie qui tienne sur la période scellée, avec son propre plan : un marché seul ou un portefeuille.
- Déclarer son hypothèse avant tout essai (discovery), puis move, diagnose et promote au besoin.
- Budget : environ une heure, ou 3 périodes scellées ouvertes au plus.
- Tenir un journal de bord et rendre un rapport : verdicts exacts, hésitations, ouvertures justifiées ou non, ce qui aurait fait gagner du temps. Aucun conseil d’investissement.
Ce qu’on mesure.
- appels MCP, durée, appels par minute, part d’appels en échec
- outils utilisés
- hypothèse déclarée avant le premier essai (oui ou non), nombre d’hypothèses
- réglages évalués, backtests isolés, recherches arrêtées sans ouvrir leur sceau
- périodes scellées ouvertes, rattachées à l’appel qui les a ouvertes
- verdicts du juge, avec leur rapport SAP-…
- défauts de la Lab révélés, et la version qui les traite
Quand. À chaque nouvelle version publiée de la Lab, avec la même consigne. Chaque édition s’ajoute à cette page ; les précédentes ne sont pas réécrites.
Les chiffres sont recalculés depuis les journaux de la Lab par un script publié : mesurer_pilotage.py. Même Lab, autres suivis publics : le registre des règles gelées et le classement des IA chercheuses.
Version lisible par les IA : mesures.json.
Branchez votre IA sur la Lab et faites la même expérience
Application de bureau gratuite pour Windows et Linux. Son serveur MCP local se branche sur Claude, Codex, Cursor, LM Studio ou opencode : donnez la même consigne à votre IA et comparez son journal à ceux-ci. Recherche sur données passées ; rien n’est relié à un compte réel.
Prendre la Lab gratuite → Pas d’IA sous la main ? Juger un script Pine dans le navigateur →Pour comparer les IA sur d’autres usages : ScoreIA.
Recherche sur données passées, jamais un conseil. Une session par modèle, conditions différentes : aucun classement. Mesuré le 2026-11-17 22:52 UTC.