L’optimisation d’EA est le processus consistant à trouver des valeurs de paramètres qui améliorent la performance historique d’une stratégie. Bien faite, elle affine un avantage véritable. Mal faite, elle produit des paramètres qui semblent excellents sur les données historiques et échouent immédiatement en trading réel. La différence réside dans la discipline de l’analyse walk-forward.
Le problème central de l’optimisation
L’optimisation est une recherche dans un espace de paramètres de la combinaison qui maximise un indicateur choisi (rendement total, ratio de Sharpe, facteur de profit) sur un jeu de données historique. Le problème : avec assez de combinaisons de paramètres, vous pouvez toujours trouver des réglages qui semblent exceptionnels sur n’importe quelles données historiques — y compris du bruit aléatoire.
C’est le curve-fitting (aussi appelé sur-ajustement). Un EA en curve-fitting a mémorisé les mouvements de prix spécifiques de la période de backtest au lieu d’avoir découvert un avantage réel. Il sous-performera ou échouera en forward test.
La solution walk-forward
L’antidote au curve-fitting est le test hors échantillon. Réservez une portion de vos données historiques — typiquement les 20-30 % les plus récents — comme « jeu de validation » que vous n’incluez jamais dans l’optimisation. Puis :
- Optimisez les paramètres sur les données en échantillon plus anciennes (par ex. 2020-2024)
- Testez les meilleurs paramètres sur les données hors échantillon (par ex. 2025 uniquement) sans aucun ajustement supplémentaire
- Si la performance tient sur la période hors échantillon, les paramètres ont une certaine valeur prédictive véritable
Le Strategy Tester de MT5 dispose d’un mode intégré « Walk Forward Optimisation » qui automatise ce processus sur des fenêtres glissantes.
Test de stabilité — le raccourci pratique
Si l’optimisation walk-forward semble complexe, un signal plus simple de sur-optimisation est la sensibilité des paramètres. Après avoir trouvé les meilleurs paramètres, testez des variations : si le multiplicateur ATR par défaut est 2,0, testez aussi 1,8 et 2,2.
- Paramètres stables : la performance à 1,8 et 2,2 est similaire à 2,0. Le résultat n’est pas très sensible à ce paramètre — l’avantage est réel.
- Paramètres en curve-fitting : la performance chute brutalement à 1,9 ou 2,1. La valeur 2,0 a été optimisée spécifiquement sur les données historiques ; un léger changement fait s’effondrer le résultat.
Préférez toujours des paramètres situés dans un voisinage à performance plate, même si leur performance de pointe absolue est légèrement inférieure à un optimum plus sensible.
Quoi optimiser (et quoi non)
Optimisez :
- Les multiplicateurs de stop-loss (les stops basés sur l’ATR ont des plages de paramètres naturelles)
- Les seuils du filtre de tendance (niveaux ADX, périodes EMA)
- Les filtres de session (fenêtres d’entrée selon l’heure de la journée)
N’optimisez pas :
- Le pourcentage de risque par transaction — c’est une décision de dimensionnement de position, pas un paramètre d’avantage
- Les objectifs de sortie réglés pour maximiser le profit du backtest — le marché en avant n’est pas le marché en arrière
Quand cesser d’optimiser
Une règle d’arrêt pratique : dès que votre ratio de Sharpe sur la période hors échantillon dépasse 1,5 et que votre efficacité walk-forward (profit hors échantillon / profit en échantillon) est au-dessus de 0,5, cessez d’optimiser. Un affinage supplémentaire à ce stade ajoute du risque de curve-fitting sans amélioration proportionnelle de l’avantage.
La vérification finale avant de passer en réel : faites tourner l’EA optimisé sur un compte démo pendant un mois et comparez les résultats transaction par transaction au backtest. Si la performance démo est à moins de 20 % de la Sharpe du backtest, les paramètres sont viables. Si la démo sous-performe gravement, réexaminez les hypothèses du modèle d’exécution (spread, slippage) dans les réglages du backtest.