Nos bots s'optimisent automatiquement chaque semaine grâce à Claude

Le problème des bots figés

La grande majorité des plateformes de trading automatique souffrent du même défaut fondamental : leurs bots sont configurés une fois, puis laissés tels quels pendant des mois, voire des années. Les marchés financiers, eux, ne s'arrêtent jamais d'évoluer. Ce qui fonctionnait en période de tendance haussière sur l'or peut s'effondrer en quelques semaines lors d'un régime de marché latéral.

C'est ce paradoxe — des algorithmes statiques face à des marchés dynamiques — qui pousse des milliers de traders à abandonner leurs bots après quelques semaines de déception. Les paramètres de stop-loss, de take-profit et de filtres de sessions ne peuvent pas rester figés indéfiniment sans perdre leur pertinence.

Adesto AI change radicalement cette approche. Nous avons conçu un système d'auto-optimisation hebdomadaire piloté par Claude (Anthropic) qui permet à chacun de nos 19 bots d'apprendre de ses propres performances et de s'ajuster en conséquence — sans intervention humaine.

Comment fonctionne l'auto-optimisation ?

Chaque semaine, à heure fixe, notre pipeline d'auto-optimisation s'exécute automatiquement pour l'ensemble de notre flotte de bots. Le processus suit un cycle rigoureux en quatre étapes :

1. Collecte des données : Tous les trades de la semaine écoulée sont extraits de la base de données — entrée, sortie, durée, résultat, heure d'exécution, régime de marché au moment du trade.
2. Analyse des patterns : Notre moteur d'analyse identifie les patterns de performance : quelles heures génèrent des pertes ? Quels spreads dégradent le win rate ? Quelle est la pire série de pertes consécutives ?
3. Consultation de Claude : Les données structurées sont envoyées à Claude (Anthropic) avec une instruction précise : identifier les ajustements paramétriques qui amélioreraient les performances, puis les justifier.
4. Backtest et validation : Les nouveaux paramètres proposés par Claude sont testés sur les 90 derniers jours. La mise à jour n'est appliquée que si le win rate s'améliore d'au moins 1,5 %.

Ce seuil de 1,5 % n'est pas arbitraire. Il évite ce que les data scientists appellent l'overfitting — des ajustements qui semblent bons sur le passé récent mais qui se révèlent contre-productifs en conditions réelles. Si Claude propose une modification qui n'améliore pas significativement les performances historiques, le bot conserve ses paramètres actuels jusqu'au prochain cycle.

Ce que Claude analyse

Claude ne reçoit pas simplement un chiffre de win rate. Il reçoit un rapport structuré complet qui comprend :

• Win rate global et par session (London, New York, Tokyo, Sydney)
• Profit Factor — le ratio entre les gains totaux et les pertes totales
• Les pires séries de pertes — drawdown consécutif maximal et sa durée
• Heures de perte dominantes — les plages horaires où le bot perd systématiquement
• Régimes de marché corrélés aux pertes — trending, ranging ou volatile au moment des mauvais trades
• Spread moyen au moment des entrées — pour détecter les entrées en période de faible liquidité

En ayant accès à cette vue d'ensemble, Claude peut identifier des corrélations que même un trader expérimenté mettrait des semaines à déceler manuellement.

Les paramètres ajustés

L'auto-optimisation peut modifier plusieurs catégories de paramètres, toujours dans des fourchettes prédéfinies pour éviter les dérives :

• sl_atr — le multiplicateur ATR pour le stop-loss (ex. : 2.5 → 2.8)
• tp_atr — le multiplicateur ATR pour le take-profit (ex. : 4.0 → 5.0)
• min_score — le score de confluence minimal pour déclencher un signal (ex. : 4/7 → 5/7)
• Filtres de session — activation ou désactivation de certaines sessions horaires
• max_spread — le spread maximal toléré à l'entrée (en pips)

Ces ajustements sont appliqués progressivement. Si Claude recommande de passer sl_atr de 3.0 à 2.5, la transition se fait sur deux semaines pour ne pas créer de rupture brutale dans les performances en temps réel.

Exemple réel : GoldScalperSMC

Voici comment l'auto-optimisation s'est concrètement appliquée à notre bot GoldScalperSMC au cours du premier trimestre 2026 :

Situation initiale

• sl_atr = 3.0, tp_atr = 5.0
• Toutes sessions actives (y compris asiatique)
• Win rate global : 65 %

Ce que Claude a détecté

En analysant les logs hebdomadaires, Claude a identifié que 74 % des pertes du bot survenaient entre 02h00 et 05h00 UTC — la session asiatique sur XAU/USD, caractérisée par une faible liquidité et des mouvements de prix peu structurés. Le bot tentait des entrées sur des Order Blocks formés dans des conditions de spread élevé, ce qui dégradait mécaniquement le ratio risque/récompense.

Paramètres après optimisation

• sl_atr = 2.8 (stop plus serré, cohérent avec la volatilité intra-session)
• tp_atr = 5.5 (objectif élargi pour capturer les mouvements de la session London)
• session_asian = off (désactivation complète de 02h à 06h UTC)
• Win rate après backtest : 68 % (+3 points)

Ce type d'optimisation — que vous réaliseriez manuellement en plusieurs semaines d'analyse — se produit automatiquement chaque semaine sur l'ensemble de notre flotte. Vos bots s'améliorent pendant que vous dormez.