Quelle IA est le meilleur chercheur quant ?

Xiaomi MiMo v2.6 Pro (essai 1)

Méthode : Lecture large de la documentation (contrat du moteur, exploration du Lab) et assemblage de plusieurs scripts avant le premier test, puis série de balayages refusés. Pistes visibles dans les refus : filtre ADX, paramètre de régime.

Pistes explorées : croisement de deux moyennes, prix au-dessus d'une moyenne, filtre ADX, filtre de régime

Vérifications annoncées : non disponibles (raisonnement abrégé)

Choix de la stratégie principale : Non détaillé dans le fichier conservé (raisonnement abrégé).

15 appels refusés sur 47, dont 10 balayages d'affilée avec une section et des conditions que le moteur ne prend pas en charge ; il a ensuite fait valider son script et enchaîné 10 backtests réussis. A rendu deux croisements presque identiques (11/209 et 12/211), étiquetés « robustes ». Le raisonnement conservé dans le fichier est abrégé.

Muse Spark 1.3 (contributor, free) (essai 1)

Méthode : Documentation, construction et validation du script (8 appels avant le premier test), puis backtests ciblés : découpe 70/30 refaite à la main, trois sous-périodes (hausse, baisse, reprise) et longueurs voisines. Un balayage de 50 variantes de sorties (stop, objectif, durée) avec 30 % mis de côté a montré que ces sorties faisaient moins bien que laisser courir.

Pistes explorées : prix au-dessus d'une moyenne simple (100 à 300), sorties par stop, objectif ou durée, canal Turtle 20

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : Le centre d'une zone 100-300 toutes positives, pas le meilleur réglage d'entraînement (250).

A gardé la règle la plus simple, prix au-dessus de la moyenne 200, et a écarté exprès la 250, meilleure sur les données de recherche, pour ne pas choisir un pic. A surtout travaillé par backtests un par un (18) plutôt que par balayages (3).

deepseek-flash (essai 1)

Méthode : 9 balayages (dont deux de 120 variantes classées de deux façons), puis 11 backtests : carte de la zone stable (moyenne courte 12-26, longue 236-320), trois durées de sortie, années 2021 et 2022 séparées, frais à 0 %, 0,1 % et 0,3 % par côté.

Pistes explorées : deux moyennes à l'achat et à la vente, puis à l'achat seul avec sortie au bout d'un temps fixe

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservationfrais plus élevés

Choix de la stratégie principale : Le centre de la zone stable, avec le meilleur rapport gain / pire baisse sur les données de recherche ; il note que sa partie mise de côté fait moins bien que l'achat-conservation.

Aucune lecture de documentation enregistrée : le premier appel est déjà un balayage, et les 21 appels ont tous réussi. Voyant que les meilleurs réglages d'entraînement s'effondraient sur les données mises de côté, il a abandonné les positions vendeuses et ajouté une sortie au bout de 120 bougies, puis a pris le centre d'une zone de réglages voisins (17/298).

Claude Sonnet 5 (essai 1)

Méthode : Lecture courte de la documentation, puis alternance de backtests et de balayages, jusqu'à 800 réglages d'un coup avec une partie des données mises de côté. A constaté que les entrées « prix au-dessus d'une moyenne » ne se refermaient jamais dans ce moteur, et a construit ses entrées sur des croisements, qui se referment au croisement inverse. Stops et stops suiveurs testés puis abandonnés.

Pistes explorées : croisements de moyennes simples et exponentielles, stops fixes et suiveurs

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : Entre deux candidates proches, celle qui faisait mieux sur les données mises de côté et sur la dernière année.

34 tests réussis en 43 appels, un seul refusé. A étiqueté ses deux stratégies « exploratoires » parce qu'elles perdaient hors de la hausse 2020-21 ; elles ont gagné sur la période scellée, et « robuste » aurait rapporté 20 points de plus.

Xiaomi MiMo v2.6 Pro (essai 2)

Méthode : Documentation, construction et validation, puis 9 refus d'affilée en ajoutant un champ manquant par essai. Une fois la requête correcte : balayages avec 30 et 40 % mis de côté, grilles de réglages voisins, trois sous-périodes et un achat-conservation de contrôle. A calculé que « exploratoire » rapportait plus en moyenne que s'abstenir.

Pistes explorées : croisement de deux moyennes, canal de prix

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : Le réglage le plus régulier d'une découpe à l'autre.

23 appels refusés sur 47 : il a découvert les champs obligatoires un par un, en envoyant chaque fois un backtest et un balayage avec la même erreur. A choisi 17/280, meilleur réglage sur 30 % mis de côté et seul positif sur 40 % ; l'étiquette « exploratoire » lui a coûté 20 points par rapport à « robuste ».

Claude Opus 5.5 (essai 1)

Méthode : Documentation, un script de base validé, puis 13 balayages de réglages et 2 backtests de contrôle à la fin. Les filtres ajoutés (ADX, croisement de deux moyennes) faisaient moins bien sur les données mises de côté et ont été écartés. Il a remarqué qu'un nom de paramètre non déclaré ne changeait rien au résultat et a corrigé ; jamais plus de 2 refus d'affilée.

Pistes explorées : prix au-dessus d'une moyenne longue, filtre ADX, croisement de deux moyennes

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : La longueur la meilleure sur toutes les tranches récentes (deux découpes à l'aveugle et la dernière année), avec la plus faible baisse sur l'ensemble.

A lu la documentation (4 appels) puis a testé dès l'appel 7. A gardé la moyenne exponentielle 300 parce qu'elle était la meilleure sur chaque tranche de données récentes, pas seulement sur l'ensemble. L'étiquette « robuste » lui a rapporté 20 points de plus que « exploratoire ».

Claude Fable 5.1 (essai 2)

Méthode : Exploration plus large des outils du Lab au début et après les premiers backtests (familles toutes faites, espace de balayage, contrat du moteur), puis balayages et backtests en alternance. Découpes à l'aveugle de 20 à 50 % et tranches par régime (baisse, marché sans direction).

Pistes explorées : prix au-dessus d'une moyenne simple ou exponentielle, croisements, double moyenne, confirmation par momentum, ADX, stop suiveur

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : Le centre de la zone stable (moyennes 196-308).

55 appels, 54 réussis. A recalculé les résultats par année à partir des journaux de trades, parce que le test à l'aveugle du Lab redémarre sans historique de moyenne. A gardé la moyenne exponentielle 300 au centre d'une zone stable et a laissé « exploratoire » une variante qu'il n'avait pas pu balayer.

Claude Sonnet 5 (essai 2)

Méthode : 16 appels avant le premier test : documentation et plusieurs noms de familles toutes faites inexacts. Ensuite, un balayage d'une seule longueur de moyenne (30 à 400), une comparaison avec les croisements de deux moyennes et des backtests de contrôle. Pas de position vendeuse, en citant des résultats antérieurs du projet.

Pistes explorées : prix au-dessus d'une moyenne simple, croisement de deux moyennes

Vérifications annoncées : test à l’aveugleréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : Le milieu de la zone stable.

10 appels refusés sur 35, dont 6 backtests lancés ensemble avec le même champ manquant, corrigé ensuite. A choisi la moyenne 245 au milieu d'une zone 230-290 vérifiée sur deux découpes à l'aveugle.

deepseek-flash (essai 2)

Méthode : 15 appels avant le premier test, surtout pour faire valider le script. Ensuite une courbe de 18 longueurs (60 à 400), deux découpes chronologiques (65/35 et 80/20), trois sous-périodes de régime et un achat-conservation mesuré avec le même moteur.

Pistes explorées : une seule famille : prix au-dessus d'une moyenne simple

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : Le haut d'une zone stable (160 à 400 toutes positives) ; il signale lui-même la découpe 80/20 négative.

A choisi une seule idée avant de tester (prix au-dessus d'une moyenne simple) et a rendu une seule stratégie, en expliquant que des candidates en plus n'ajoutent que du bruit. 5 refus sur 24, tous à la validation du script, le temps de trouver une écriture de paramètre acceptée.

Claude Fable 5.1 (essai 1)

Méthode : Documentation, un script de base, puis presque uniquement des balayages : chaque réglage cherché sur la partie ancienne et rejoué sur une fin de données intacte (de 20 à 50 % mis de côté), puis contrôlé sur trois années séparées. Les deux refus venaient de paramètres non pris en charge, abandonnés aussitôt.

Pistes explorées : prix au-dessus d'une moyenne simple ou exponentielle, croisements, ADX, filtre de régime, momentum, canal de Donchian

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : Positive sur 6 découpes sur 7, plus petite perte en année baissière, réglages au milieu de zones larges.

32 balayages, dont 31 réussis, et seulement 2 refus. A gardé une combinaison moyenne 280 + momentum 180, positive sur 6 découpes sur 7, et a laissé « exploratoire » une variante aux meilleurs chiffres bruts parce que ses réglages voisins variaient trop.

Muse Spark 1.3 (contributor, free) (essai 2)

Méthode : Documentation et validation (12 appels avant le premier test), puis balayages de 150 variantes avec 30 % des données mises de côté et backtests sur toute la période. Vérifications : trois sous-périodes, 9 réglages de sortie voisins, longueurs de canal 20, 55 et 100.

Pistes explorées : moyenne 200, canal de Donchian 55, croisement 50/200, moyenne exponentielle 50 avec ADX ; à l'achat seulement, avec stop, objectif et durée maximale

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisins

Choix de la stratégie principale : Un paramètre classique (Turtle, système 2) plutôt qu'un réglage issu de la recherche.

Stratégie principale : canal de Donchian 55, réglage classique de la méthode Turtle (système 2), pris tel quel et non trouvé par recherche. Sa candidate « exploratoire » (moyenne 50 au-dessus de la 200) a obtenu le meilleur résultat scellé de toutes les candidates de la manche, mais ce n'était pas sa principale. Le fichier de soumission conservé est un résumé ; le raisonnement complet a été transmis à part.

Claude Opus 5.5 (essai 2)

Méthode : Documentation (5 lectures), essais de familles toutes faites du Lab, puis 12 balayages et 9 backtests finaux pour découper les résultats par année. Les croisements de deux moyennes étaient bons sur l'entraînement mais instables à l'aveugle ; les filtres ajoutés n'apportaient rien.

Pistes explorées : croisements de deux moyennes, filtres ADX et alignement de moyennes, prix au-dessus d'une moyenne exponentielle de 100 à 600

Vérifications annoncées : test à l’aveuglesous-périodesréglages voisinscomparaison à l’achat-conservation

Choix de la stratégie principale : Le centre de la zone stable plutôt que le meilleur score d'entraînement, jugé trop proche d'une chute.

A préféré la moyenne 250, au milieu d'une zone de réglages qui marchent tous, plutôt que la 300 qui avait le meilleur score d'entraînement mais touchait une zone qui s'effondre. 7 appels refusés sur 32, surtout en cherchant comment déclarer un paramètre à balayer.

Claude Haiku 4.5 (essai 1)

Méthode : Lecture du contrat du moteur et des familles toutes faites, puis manches de démonstration et preuves rapides. Les chiffres cités dans la soumission (validation glissante, probabilité de sur-ajustement) viennent de ce jeu d'exemple.

Pistes explorées : croisement de moyennes simples, RSI de retour à la moyenne, croisement de moyennes exponentielles

Vérifications annoncées : aucune

Choix de la stratégie principale : La meilleure variante sur le jeu d'exemple.

Aucun balayage ni backtest sur les données de recherche : les 18 appels sont allés à des outils de démonstration et de preuve rapide du Lab, qui tournent sur un petit jeu d'exemple d'une semaine (juin 2026). La stratégie rendue (croisement 16/50 à l'achat et à la vente, stop 1,1 %, objectif 2,5 %) n'avait donc pas été mesurée sur la période demandée. L'étiquette « exploratoire » lui a évité 40 points de pénalité.

Claude Haiku 4.5 (essai 2)

Méthode : Lecture de la documentation et des suggestions du Lab, puis balayages envoyés avant d'avoir lu le format de requête attendu ; la lecture des capacités de l'appli est venue après cinq refus.

Pistes explorées : croisement 20/50 avec filtre ADX, alignement de trois moyennes, RSI de retour à la moyenne ; toutes à l'achat et à la vente, avec stops et objectifs serrés

Vérifications annoncées : aucune

Choix de la stratégie principale : Choisie sur principe (double confirmation de tendance) et étiquetée « robuste » sans mesure.

14 balayages lancés, aucun n'a tourné ; 1 backtest a abouti sur 6. Les requêtes ont été corrigées un champ manquant à la fois (11 refus d'affilée). Les trois stratégies rendues sont justifiées par des principes généraux, sans chiffre mesuré.

Nemotron 3.5 Lightning (free)

Méthode : Pas de recherche : la soumission décrit une méthode (découpe à l'aveugle, sous-périodes) qui n'a jamais été exécutée.

run_sandbox_sweep({ data_set: "ohlcv-sha256-9f8ce49cc04885b6", start: "2020-10-01", end: "2023-09-30", holdoutPercent: 20, strategy: "ema_cross", params: {fast: 12, slow: 26, signal: 9}, feeBps: 10, benchmark: "sharpe" })

Aucun appel d'outil, pas de journal scellé. Le « script » rendu est un appel de fonction inventé, pas un script exécutable par l'appli, et les résultats cités (découpe à l'aveugle, perte de 2,3 % après frais) ne viennent d'aucun calcul. Deux tentatives ont donné le même type de rendu : score 0, hors classement.