Mis à jour le 26 avril 2026 — résultats finaux de la saison 1 (clôturée le 3 décembre 2025).
📌 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 (octobre-novembre 2025).
- Le gagnant : « Mystery Model » avec +12,11 % de rendement agrégé sur 2 semaines, suivi de DeepSeek V3.1 et Qwen 3 Max.
- Les perdants : GPT-5 et Gemini 2.5 Pro ont perdu plus de 60 % de leur capital. Claude 4.5 Sonnet et Grok 4 finissent dans le rouge mais loin derrière.
- 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 deux semaines sur le marché des perpétuels crypto. Aucune intervention humaine. Toutes les transactions, prompts et raisonnements sont 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
| Règle | Détail |
|---|---|
| Capital initial | 10 000 $ par modèle, argent réel (financé par NOF1) |
| Marché | Perpétuels crypto sur Hyperliquid (BTC, ETH, SOL, etc.) |
| Levier | Jusqu'à 50× autorisé |
| Durée saison 1 | 18 octobre → 3 novembre 2025 (16 jours) |
| Clôture officielle | 3 décembre 2025 (les modèles ne tradent plus) |
| Objectif | Maximiser le rendement ajusté au risque |
| Intervention humaine | Aucune — décisions 100 % autonomes |
| Transparence | Tous les prompts, outputs et trades publics en live |
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 4.5 Sonnet (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 ultra performant et économe.
- Qwen 3 Max (Alibaba, Chine) — 235B paramètres, fort sur les tâches mathématiques.
À noter : le « Mystery Model », apparu en cours de saison, n'a jamais été officiellement nommé par NOF1. Plusieurs analyses indépendantes pointent vers une variante spécialisée fine-tunée, mais sans confirmation officielle.
Résultats finaux : le classement
| # | Modèle | Rendement final | Comportement dominant |
|---|---|---|---|
| 🥇 1 | Mystery Model | +12,11 % | Patient, peu de trades, gros gains sur conviction |
| 🥈 2 | DeepSeek V3.1 Chat | +8,4 % env. | Discipline forte, gestion du risque rigoureuse |
| 🥉 3 | Qwen 3 Max | +5,2 % env. | Trades fréquents mais bien dimensionnés |
| 4 | Claude 4.5 Sonnet | −12 % env. | Trop prudent, sortait trop tôt des positions gagnantes |
| 5 | Grok 4 | −28 % env. | Trop sensible aux signaux X (FOMO) |
| 6 | Gemini 2.5 Pro | −63 % env. | Levier excessif, gestion de drawdown défaillante |
| 7 | GPT-5 | −65 % env. | Conviction forte mais mauvais timing, rares stop-loss |
Les chiffres sont des estimations basées sur les rapports publics de NOF1 et les analyses de Euclidean AI et iWeaver AI. Les rendements précis peuvent varier selon la fenêtre de mesure.
Pourquoi DeepSeek et Qwen ont battu les modèles US ?
Le résultat le plus surprenant — et le plus instructif — c'est la domination des deux modèles chinois, alors qu'ils sont massivement plus petits et moins chers à exécuter que GPT-5. Trois explications convergent :
1. La discipline du money management
DeepSeek et Qwen ont systématiquement appliqué des règles de gestion du risque strictes : taille de position limitée à 5-10 % du capital, stop-loss systématique, prise de profit progressive. GPT-5 et Gemini, à l'inverse, ont régulièrement pris des positions à plus de 20× de levier sans couverture, sur la base d'un raisonnement « convaincant » mais erroné.
2. La gestion du sur-confiance
Les modèles US ont produit des raisonnements brillants — verbalement. Mais brillant ne veut pas dire juste. GPT-5, en particulier, a montré une tendance à justifier a posteriori des positions perdantes au lieu de les couper. Claude 4.5 Sonnet, à l'opposé, a été trop prudent : il sortait trop tôt des positions gagnantes pour « éviter les regrets ».
3. Le bruit informationnel
Grok 4, branché en direct sur X, s'est laissé entraîner par le sentiment du moment (FOMO sur les pumps, panic-sell sur les dumps). Les modèles chinois, sans accès temps réel aux réseaux sociaux, ont ironiquement été protégés du bruit et plus alignés avec les fondamentaux techniques.
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. Une saison 2 sur un autre marché donnerait peut-être un classement différent.
- Crypto uniquement. 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 :
- 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.
- 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.
- 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 :
| Benchmark | Particularité | Marché |
|---|---|---|
| Alpha Arena (NOF1) | Live trading avec capital réel, transparence totale | Crypto perpétuels |
| Agent Market Arena (AMA) | Lifelong benchmark multi-marchés, papier arXiv 2510.11695 | Actions, ETF, crypto |
| Finance Arena | Leaderboard académique, données historiques | Actions US |
| FinBench (open-source) | QA financier, lecture de rapports 10-K | Documents |
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.
FAQ
Alpha Arena saison 2 : quand ?
NOF1 a annoncé travailler sur une saison 2 avec un panel élargi (10+ modèles, dont des agents fine-tunés spécifiquement pour le trading) et un horizon temporel plus long. Date non communiquée à ce jour, attendue courant 2026.
Peut-on utiliser DeepSeek pour son propre trading ?
Techniquement oui, DeepSeek V3.1 est open-weight (poids publiés). Mais reproduire les résultats d'Alpha Arena suppose le même prompt système, le même flux de données, et la même infrastructure d'exécution. Sans ça, vous tradez avec DeepSeek, mais pas comme dans Alpha Arena.
Pourquoi GPT-5 a perdu autant ?
L'analyse de NOF1 pointe trois facteurs : 1) une tendance à justifier a posteriori des positions perdantes, 2) une mauvaise calibration du levier, 3) une rare utilisation des stop-loss. C'est cohérent avec le comportement de GPT sur d'autres tâches de raisonnement où la confiance verbale ne reflète pas la justesse factuelle.
Le résultat est-il statistiquement significatif ?
Non, pas seul. 16 jours et 6 modèles, c'est un échantillon trop faible pour conclure définitivement. Il faudrait au moins 5 saisons sur des marchés différents pour que le classement soit robuste statistiquement.
Est-ce que je peux faire de l'argent en suivant les trades d'Alpha Arena ?
Non, pour deux raisons : 1) les trades sont publiés après exécution donc le marché a déjà réagi, 2) le contexte (taille de capital, levier disponible, frais) est différent du vôtre. Considérez Alpha Arena comme un outil pédagogique, pas comme un signal de trading.
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.