Alpha Arena : le bilan des IA qui ont tradé en crypto

📌 TL;DR : Alpha Arena en 30 secondes

• Le benchmark : NOF1 a confié 10 000 $ réels à 6 grands modèles d'IA pour trader des perpétuels crypto en autonomie sur Hyperliquid, du 18 octobre au 3 novembre 2025.
• Le gagnant : Qwen3 Max (Alibaba), environ +22 % de rendement sur la période, suivi de DeepSeek V3.1 Chat à environ +5 %.
• Les perdants : les quatre autres modèles finissent dans le rouge. GPT-5 et Grok 4 perdent le plus (autour de 58 %), Gemini 2.5 Pro et Claude Sonnet 4.5 limitent un peu mieux la casse.
• Notre verdict : Alpha Arena prouve que la « taille du modèle » ne dit rien de la qualité d'un trader. Le vrai signal, c'est la discipline du money management, pas l'éloquence du raisonnement.

Qu'est-ce qu'Alpha Arena ?

Alpha Arena est le premier benchmark public conçu pour mesurer la capacité réelle des grands modèles de langage (LLM) à investir sur des marchés financiers en conditions réelles. Lancé en octobre 2025 par NOF1, un laboratoire de recherche en IA financière, il s'oppose frontalement aux benchmarks académiques traditionnels (MMLU, GSM8K, HumanEval) qui mesurent la capacité de raisonnement en théorie, pas la performance en pratique face à de l'argent réel.

L'idée est simple et radicale : prendre les 6 LLM les plus avancés du moment, leur donner 10 000 dollars de vrai capital chacun, et les laisser trader en autonomie totale pendant seize jours sur le marché des perpétuels crypto. Aucune intervention humaine. Toutes les transactions, prompts et raisonnements ont été publiés en temps réel sur le site de NOF1.

Le choix du marché (les perpétuels crypto sur Hyperliquid) n'est pas anodin : c'est un marché ouvert 24/7, hyperliquide, à fort levier, avec des décisions à prendre toutes les minutes. Bref, l'environnement le plus hostile possible pour un agent autonome.

Les règles du benchmark

Chaque modèle reçoit le même prompt système initial et le même flux de données de marché. Il décide ensuite seul d'ouvrir une position, de la fermer, de la couvrir, ou de rester en cash.

Les 6 modèles en compétition

NOF1 a sélectionné les 6 LLM frontières disponibles en octobre 2025, représentatifs de chaque grand acteur du domaine :

• GPT-5 (OpenAI) : référence du raisonnement multimodal, partenariat avec Microsoft.
• Claude Sonnet 4.5 (Anthropic) : réputé pour son raisonnement structuré et son honnêteté épistémique.
• Gemini 2.5 Pro (Google DeepMind) : fort sur les contextes longs et l'analyse multimodale.
• Grok 4 (xAI) : accès en temps réel à X (ex-Twitter), donc à un flux d'actualité brut.
• DeepSeek V3.1 Chat (DeepSeek AI, Chine) : modèle open-weight (poids publiés), économe à l'exécution.
• Qwen3 Max (Alibaba, Chine) : modèle propriétaire, accessible par API seulement (poids non publiés).

Aucun « Mystery Model » n'a participé à cette saison 1 : ce nom désigne un modèle non identifié apparu plus tard, dans une saison 1.5 distincte sur les actions américaines (voir la FAQ).

Résultats finaux : le classement

Chiffres rapportés par ForkLog au lendemain de la clôture de la saison (4 novembre 2025). Le classement (Qwen3 Max puis DeepSeek en tête, GPT-5 dernier) est constant d'une source à l'autre ; les pourcentages exacts des rangs 3 à 6 varient légèrement selon le moment précis où chaque média a relevé le solde avant la clôture.

Pourquoi Qwen3 Max et DeepSeek ont-ils battu les modèles américains ?

Le résultat le plus surprenant, et le plus instructif, c'est la domination des deux modèles chinois, alors qu'ils sont présentés comme moins coûteux à exécuter que GPT-5. Deux éléments reviennent dans les comptes rendus publiés après la clôture de la saison.

La discipline du money management

Qwen3 Max, le vainqueur, a limité son activité à une quarantaine de trades sur toute la saison, soit moins de trois par jour en moyenne : un rythme associé à des prises de position plus réfléchies. Les modèles les moins performants ont multiplié les positions et terminé la saison avec un solde inférieur à la moitié de leur capital de départ.

Le bruit informationnel

Grok 4, branché en direct sur X, s'est trouvé exposé au sentiment du moment plutôt qu'aux seules données de marché. Les modèles chinois, sans cet accès en direct aux réseaux sociaux dans ce contexte, en ont été mécaniquement protégés.

Les limites du benchmark

Alpha Arena est une étape majeure, mais reste un échantillon limité. À garder en tête avant de tirer des conclusions universelles :

• Une seule saison de 16 jours. La chance compte beaucoup à cette échelle. NOF1 a enchaîné sur une saison 1.5 dès le 20 novembre 2025, sur les actions américaines cette fois, avec un classement forcément différent.
• Crypto uniquement (pour cette saison 1). Les marchés actions, obligataires ou forex ont des dynamiques très différentes. Un bon trader crypto n'est pas forcément un bon trader d'actions value.
• Marché baissier global sur la période d'octobre-novembre 2025, favorable aux modèles capables de couper rapidement, défavorable aux modèles « buy and hold ».
• 10 000 $ seulement. À cette échelle, les frais de transaction et le slippage pèsent fort. À l'échelle institutionnelle, le classement pourrait s'inverser.
• Pas de données fondamentales. Les modèles n'avaient accès qu'aux données de marché, pas aux on-chain analytics ou aux signaux dérivés.

Que faut-il en retenir pour ses propres investissements ?

Alpha Arena confirme trois principes que tout investisseur particulier devrait avoir intégrés depuis longtemps, et que les meilleurs modèles d'IA appliquent mieux que beaucoup d'humains :

1. La gestion du risque bat la conviction. Couper les pertes vite et laisser courir les gains, c'est ce qui distingue les gagnants. C'est vrai en crypto, c'est vrai sur PEA.
2. La taille de la position compte plus que la direction. Avoir raison sur la direction mais avec un levier excessif, c'est perdre quand même. Ne mettez jamais plus que ce que vous pouvez perdre.
3. Le bruit informationnel détruit la performance. Grok branché sur X a sous-performé. Lisez moins de Twitter financier, suivez plus votre stratégie.

Ces principes sont applicables tels quels à un PEA ou un CTO classique : taille de position raisonnée, stop-loss mental clair, allocation diversifiée, et déconnexion du flux d'actualité court-termiste.

Comment Alpha Arena se compare aux autres benchmarks IA finance ?

Alpha Arena n'est pas seul dans le paysage des benchmarks IA finance. Trois autres méritent l'attention en 2026 :

Pour l'investisseur particulier, Alpha Arena reste le plus parlant : c'est le seul à mesurer la capacité d'un modèle à perdre ou gagner de l'argent réel, pas juste à donner une réponse plausible.

Conclusion : un benchmark à surveiller

Alpha Arena n'est pas la fin du débat sur l'IA en finance : c'est le début. Pour la première fois, on a un protocole transparent et réplicable pour mesurer ce que vaut vraiment un LLM face à de l'argent réel. Et le résultat est inattendu : la taille et la réputation du modèle ne prédisent pas sa capacité à gagner de l'argent. La discipline et la rigueur l'emportent sur la verbosité et la conviction.

Pour rester à jour sur les benchmarks IA finance et leurs implications pour vos placements, parcourez notre section dédiée IA Finance et notre blog.