Guide pratique : Construire un bot de trading simple avec l’IA
Les bots de trading basés sur l’IA deviennent de plus en plus populaires, mais beaucoup pensent qu’ils sont réservés aux experts. En réalité, avec les bons outils, tu peux en créer un prototype simple sans être développeur confirmé.
Je vais te guider pas à pas avec Freqtrade, un bot de trading open source très utilisé.
Étape 1 : Préparer ton environnement
Avant tout, il faut :
- Un ordinateur (Windows, Mac ou Linux).
- Installer Python 3.10+ (Freqtrade fonctionne avec Python).
- Installer Docker (optionnel, mais facilite les choses).
- Créer un compte sur un exchange (Binance, Kraken, Bybit, etc.) en mode testnet (simulation sans argent réel).
Étape 2 : Installer Freqtrade
- Ouvre ton terminal (ou PowerShell).
- Tape :
git clone https://github.com/freqtrade/
cd freqtrade
- Ensuite, installe :
./setup.sh -i
Freqtrade est maintenant installé 
.
Étape 3 : Configurer ton bot
- Crée une configuration :
freqtrade new-config
- Choisis :
- La bourse (par ex. Binance).
- Les paires de trading (ex : BTC/USDT, ETH/USDT).
- Le montant de départ.
- Le mode dry-run (simulation).
Ton bot sera prêt à tourner en mode test.
Étape 4 : Comprendre les stratégies
Le cœur du bot, ce sont les stratégies.
Une stratégie est un ensemble de règles :
- Quand acheter (ex : RSI < 30 → acheter).
- Quand vendre (ex : RSI > 70 → vendre).
Tu peux :
- Utiliser les stratégies déjà incluses.
- En télécharger sur GitHub.
- Ou en créer une avec l’aide de ChatGPT (par ex. : “Écris-moi une stratégie Freqtrade simple avec MACD et RSI”).
Étape 5 : Lancer ton bot
Toujours en mode simulation d’abord :
freqtrade trade –dry-run
Ton bot commencera à passer des ordres virtuels selon la stratégie.
Étape 6 : Ajouter une touche d’IA
Freqtrade supporte le machine learning (par ex. avec scikit-learn, TensorFlow, etc.) pour optimiser les stratégies.
Mais au début, contente-toi des stratégies simples → c’est déjà puissant.
Conseils importants
- Ne mets pas d’argent réel tout de suite. Teste plusieurs semaines en mode simulation.
- Vérifie toujours tes stratégies avant de les utiliser.
- L’IA aide, mais le risque zéro n’existe pas.
Conclusion
Construire un bot de trading avec l’IA est à la portée d’un débutant motivé. Avec Freqtrade, tu peux expérimenter sans risque, apprendre les bases et progressivement créer des stratégies plus avancées grâce à l’IA.
Ton bot peut devenir un vrai laboratoire personnel d’investissement automatisé.
je vais te donner une stratégie Freqtrade toute prête que tu peux copier/coller dans ton bot et tester en mode simulation (dry-run).
Elle combine RSI (Relative Strength Index) et MACD (Moving Average Convergence Divergence), deux indicateurs classiques.
Exemple de stratégie Freqtrade : RSI + MACD
Crée un fichier rsi_macd_strategy.py dans ton dossier user_data/strategies/ de Freqtrade.
Colle ce code :
# — RSI + MACD Strategy for Freqtrade —
from freqtrade.strategy.interface import IStrategy
from pandas import DataFrame
import talib.abstract as ta
class RSIMACDStrategy(IStrategy):
# Paramètres de base
minimal_roi = {
« 0 »: 0.05, # Prend 5% de bénéfice
« 30 »: 0.02, # Après 30 min, accepte 2%
« 60 »: 0 # Après 1h, pas de limite
}
stoploss = -0.10 # Stop loss à -10%
timeframe = ‘5m’ # Intervalle de trading (5 minutes)
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
# Ajout RSI
dataframe[‘rsi’] = ta.RSI(dataframe, timeperiod=14)
# Ajout MACD
macd = ta.MACD(dataframe)
dataframe[‘macd’] = macd[‘macd’]
dataframe[‘macdsignal’] = macd[‘macdsignal’]
return dataframe
def populate_buy_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe.loc[
(
(dataframe[‘rsi’] < 30) & # RSI bas → marché survendu
(dataframe[‘macd’] > dataframe[‘macdsignal’]) # MACD croise vers le haut
),
‘buy’
] = 1
return dataframe
def populate_sell_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe.loc[
(
(dataframe[‘rsi’] > 70) | # RSI haut → marché suracheté
(dataframe[‘macd’] < dataframe[‘macdsignal’]) # MACD croise vers le bas
),
‘sell’
] = 1
return dataframe
Comment lancer ?
- Mets ce fichier dans user_data/strategies/.
- Dans ton terminal, lance :
freqtrade trade –strategy RSIMACDStrategy –dry-run
- Le bot va commencer à simuler des ordres en utilisant RSI + MACD.
Résultat attendu
-
Achat quand RSI < 30 et MACD croise vers le haut → signal de rebond.
-
Vente quand RSI > 70 ou MACD croise vers le bas → signal de surchauffe.
Avant de trader en réel, il faut backtester et optimiser ta stratégie.
Freqtrade a deux outils puissants :
- Backtesting → tester ta stratégie sur les données passées
- Hyperopt → optimiser automatiquement les paramètres (ex. RSI, stoploss, take profit…)
Étape 1 : Backtesting de ta stratégie
Dans ton terminal :
freqtrade backtesting –strategy RSIMACDStrategy
Ça va afficher les résultats (gains, pertes, profit factor…) sur l’historique des prix que tu as téléchargés.
(Tu peux télécharger des données avec : freqtrade download-data -t 5m -p BTC/USDT)
Étape 2 : Optimisation avec Hyperopt
Hyperopt teste des centaines de combinaisons pour améliorer les résultats.
Exemple de commande :
freqtrade hyperopt –strategy RSIMACDStrategy -s roi stoploss trailing –timeframe 5m –timerange 20230101-20230701
- roi → optimise la prise de bénéfices
- stoploss → optimise les pertes maximales
- trailing → optimise le trailing stop
Étape 3 : Exemple de paramètres optimisés
Après hyperopt, tu peux obtenir des résultats du style :
minimal_roi = {
« 0 »: 0.07, # Prend 7% au début
« 30 »: 0.03, # 3% après 30 min
« 60 »: 0 # Laisse courir après 1h
}
stoploss = -0.08 # Stop loss amélioré
Tu peux remplacer ces valeurs directement dans ta stratégie.
Étape 4 : Rapport visuel
Si tu veux un rapport avec graphiques (courbes des gains, drawdown, trades…) :
freqtrade backtesting –strategy RSIMACDStrategy –export trades
Tu pourras visualiser tes trades dans un fichier .csv ou via l’interface Freqtrade UI.
