La vidéo s'ouvre sur une question simple mais provocante : et si le meilleur trade était l'exact opposé de ce que tout le monde dit ? L'idée est de construire un bot IA qui transforme les appels à l'achat partagés comme des gagnants certains par les influenceurs crypto en ventes à découvert. L'expérience entière se déroule sur le testnet de Binance sur une fenêtre de 48 heures, avec des résultats partagés étape par étape.
Un cadre clair est d'abord établi : il n'y a pas de risque zéro sur un échange ; le risque commence au moment où l'argent est mis en jeu. C'est pourquoi le système fonctionne avec de l'argent fictif sur le réseau de test et n'est explicitement pas un conseil en investissement. Ce cadrage transforme le reste de l'expérience d'une histoire de jeu en un essai d'ingénierie.
L'architecture comporte trois modules : extraire les données d'un canal Telegram, analyser le signal avec Gemini, puis envoyer l'ordre à l'échange. Le plan initial était de s'introduire dans des groupes Telegram et d'en extraire des informations, ce qui nécessitait la location d'un numéro virtuel. Mais la banque a bloqué le paiement destiné au Nigeria, et le service alternatif avait un dépôt minimum décourageant.
La solution est de passer à une configuration de scraping qui ne nécessite ni compte ni connexion, ne collectant que des données publiques. Un groupe Telegram public est trouvé par la recherche, et les textes de signaux partagés sont extraits de là. Une fois la connexion Telegram établie et le dernier message du canal capturé, la partie données est complète.
Pour la partie analyse, une clé API est créée via Google AI Studio, offrant jusqu'à 500 questions par jour. La première tentative échoue avec une erreur de nom de modèle ; après avoir ouvert la documentation et copié le nom du modèle actuel, l'analyse IA commence à renvoyer des réponses. Dès lors, chaque signal passe par le modèle linguistique avant de devenir un trade.
Pour la partie exécution, une clé API est générée sur Binance afin que le bot puisse communiquer avec l'échange. D'abord, une erreur de passerelle apparaît ; une recherche rapide révèle que l'adresse du testnet a changé, et la mise à jour aide. Ensuite, une erreur d'horodatage apparaît et est résolue en synchronisant l'horloge de l'ordinateur. La connexion réussit, et une première position d'essai apparaît sur le panneau avec une petite perte.
Ensuite, les trois modules sont fusionnés en un script principal : lorsqu'il est exécuté, il trouve cinq messages dans le canal, produit une stratégie et transmet l'ordre ; la position est confirmée sur le panneau Binance. Le regarder via le terminal est amusant, mais un simple tableau de bord Streamlit est construit pour voir les données en un seul endroit, suivant la capture du signal, la sortie de la stratégie et le flux d'ordres.
Les résultats intermédiaires augmentent les enjeux : d'abord environ 130 $ de profit et 4 % de rendement, puis environ 12 heures plus tard, le total grimpe à 462 $, autour de la bande des 15 %. Lorsqu'un nouveau signal est capté, une position en sens inverse est ouverte et l'attente commence ; un appel à l'achat sur Bitcoin, par exemple, est interprété par le système comme une pression de vente.
Le décompte final atteint 776 $ de profit, souligné dans la vidéo comme le produit des signaux d'un seul canal. Une question naturelle suit : si un canal a fait cela, que ferait un système de suivi et de recoupement d'une centaine de canaux ? L'idée est laissée aux commentaires, ouvrant la porte à la prochaine expérience.
La conclusion garde une note réaliste : le risque zéro n'existe que sur le réseau de démonstration, et l'expérience a été faite pour tester une idée de manière contrôlée, non pour vendre une stratégie à quiconque. Le code complet, ainsi que les invites Gemini et l'architecture, sont partagés sur GitHub, et les spectateurs sont invités à signaler les bugs dans les commentaires. La prochaine expérience est également annoncée : un petit serveur laissé ouvert à Internet pour voir qui le remarque en premier.
Commentaire de l’IA
"« Je pense que la vraie valeur de cette expérience n'est pas le chiffre du profit, mais la méthode : au lieu de débattre de l'idée d'aller à contre-courant, elle a été rendue mesurable sur un testnet. Je ferais fonctionner ce bot sur une période beaucoup plus longue avant de le laisser approcher de l'argent réel. »"
Évaluation de l’IA
Pour défendre l'autre côté : parier contre les signaux des influenceurs peut être plus rationnel qu'il n'y paraît. Rejoindre la foule des acheteurs au sommet de l'euphorie signifie acheter un marché surchauffé au plus haut ; comme le souligne l'analyse de Bookmap, la psychologie de troupeau produit des extrêmes de marché, et se positionner contre ces extrêmes est la définition même des stratégies contrariennes. L'intuition de l'expérience n'est donc pas vide de sens.
Mais les limites méthodologiques parlent plus fort que les résultats. L'échantillon est de 48 heures et un seul canal ; le régime de marché, le nombre de signaux, les tailles de position et le capital de départ restent flous. Le problème le plus lourd est l'écart entre le testnet et les marchés réels : comme le souligne le guide Paybis, les frais, le slippage et la latence érodent les profits théoriques en réalité ; des carnets d'ordres minces et des commissions composées sur chaque transaction peuvent inverser le résultat d'un bot qui trade fréquemment.
En matière de vérifiabilité, le tableau est incomplet : ce que 776 $ signifie par rapport au capital de départ, si les signaux eux-mêmes étaient mauvais ou si l'inversion les a sauvés, et comment les trades perdants ont été distribués, tout cela reste inconnu. Il n'y a pas de réplication indépendante, et une seule expérience ne peut pas généraliser. Les chiffres doivent être lus comme une observation à répéter, et non comme une preuve.
Mon principal enseignement pratique : pour quelqu'un qui apprend et bricole, c'est un excellent modèle de projet sur un testnet ; pas pour de l'argent réel. Si je gérais un bot similaire, j'allongerais la fenêtre à des semaines, je suivrais plusieurs canaux à la fois, je comptabiliserais des frais et un slippage réalistes sur chaque transaction, et je mesurerais la qualité brute du signal séparément de l'inversion. Je ne tirerais pas de conclusions avant de voir ce tableau.
Sources
6 liens ; aucun autre article publié ne les cite. Stories sharing a link do not confirm each other; a source's origin is not inferred from how often it is cited.
- @youtube https://www.youtube.com/watch?v=2Vz0pSKhc1g
- @bookmap https://bookmap.com/blog/going-against-the-crowd-in-trading-contrarian-strategies-for-market-success
- @paybis https://paybis.com/blog/how-to-backtest-crypto-bot
- @binance https://www.binance.com/en/square/post/302385715081681
- @gainium https://gainium.io/crypto-strategy-testing
- @coinbureau https://coinbureau.com/guides/how-to-backtest-your-crypto-trading-strategy
contre-trading · testnet binance · signaux telegram