Cryptonex
Bot de trading algorithmique sur le bitcoin, autonome et sans serveur, construit autour d'une évaluation rigoureuse de ses propres résultats.
L'application
Ce que fait l'app
Cryptonex analyse le marché du bitcoin toutes les 4 heures, estime avec un modèle d'apprentissage automatique les chances qu'un trade soit gagnant, puis achète ou vend sur un compte de simulation (paper trading). Il tourne seul dans le cloud, sans ordinateur allumé, et se suit en direct depuis un dashboard installable sur iPhone.
Le projet est né d'une question simple : un modèle d'apprentissage automatique peut-il trader le bitcoin mieux que l'achat-conservation ? Au-delà du bot lui-même, le travail a surtout porté sur la fiabilité et l'honnêteté de la mesure. L'audit du projet a démonté un premier résultat de +24 % qui n'était qu'un artefact de découpage des données. Il a aussi corrigé des défauts invisibles en backtest (données du futur, week-ends absents de l'entraînement, barres de marché périmées) et mesuré les vrais frais du courtier sur un ordre réel. Cryptonex est aujourd'hui en phase bêta, en validation sur un compte de simulation.
Fonctionnalités clés
Ce que ça change au quotidien
Trading automatisé
- Analyse du BTC/USD sur des bougies de 4 heures, 6 décisions par jour
- Modèle de gradient boosting (scikit-learn) nourri de 36 signaux : tendance, momentum, volatilité, volume, S&P 500, indice du dollar, indice Crypto Fear & Greed
- Le modèle apprend l'issue réelle du trade qu'il déclencherait, frais de courtage inclus (0,25 %)
- Trois conditions d'entrée : confiance du modèle, momentum haussier, volume, et pas d'entrée le week-end
- Sorties automatiques : stop suiveur à −6 % et sortie après 24 h
- Ordres passés via l'API d'Alpaca (paper trading)
Robustesse
- Déclenchement ponctuel par un cron Cloudflare, avec le planning GitHub en secours
- Anti-doublon : chaque barre de marché n'est évaluée qu'une fois, même si deux déclencheurs arrivent
- Garde-fou contre les données incomplètes : pas de décision sur une barre périmée, mais la protection des positions ouvertes continue
- Suivi exact des quantités réellement reçues après frais
- Historique et état persistés dans le dépôt Git, sur des serveurs éphémères
Dashboard en direct
- Valeur du compte, P&L, position et distance au stop
- Graphique du prix sur 7 jours, avec chaque décision du bot placée dessus
- Détail des conditions du signal courant et des filtres qui bloquent les entrées
- Journal complet des décisions
- Rafraîchissement automatique, thème sombre, installable sur l'écran d'accueil iPhone
- Numéro de version et date de dernière modification
Stack technique
Comment c'est construit
Défis techniques
Ce qui a été le plus difficile
- 1
Mesurer honnêtement : entraînement sur 2021-2023, réglage sur 2024-2025, validation sur 2026 sans jamais s'en servir pour choisir. Mesures avant/après avec intervalles de confiance par bootstrap.
- 2
Traquer les écarts entre backtest et réalité : barre en cours de formation lue comme clôturée, données SPY visibles jusqu'à 20 h avant d'être connues, week-ends exclus de l'entraînement alors que le bot trade 7 jours sur 7.
- 3
Rendre fiable une infrastructure gratuite : le planning GitHub sautait la moitié des cycles, d'où le déclenchement par Cloudflare doublé d'une protection anti-doublon.
- 4
Garder des coûts réels : frais du courtier mesurés sur un vrai ordre (0,25 %, et non 0,15 % comme supposé).
Résultats
Ce que ça donne, chiffres à l'appui
| Période | Cryptonex | Achat-conservation |
|---|---|---|
| 2024-2025 (marché haussier) | +4,9 % | +107 % |
| 2026 (marché baissier) | +4,4 % | −12 % |
Résultats simulés (paper trading), sur environ 10 trades par période, frais réels inclus. Ce qu'on peut en conclure : le bot préserve le capital quand le marché baisse, mais passe à côté des hausses. Sa capacité à prédire reste proche du hasard — aucun avantage durable n'est démontré à ce stade. Le projet vaut surtout par sa rigueur d'ingénierie et d'évaluation.
Public cible
Pour qui
- Aujourd'hui
- Projet personnel de recherche et d'apprentissage.
- Lecteurs du portfolio
- Recruteurs et clients intéressés par l'apprentissage automatique appliqué, l'automatisation sans serveur et la validation de modèles.
- Si le projet était ouvert
- Développeurs et passionnés de trading algorithmique qui veulent un cadre transparent et vérifiable, plutôt qu'une promesse de rendement.
Modèle d'affaires
Comment ça fonctionne
Aucun modèle commercial actuel — projet non commercial, coût d'exploitation de 0 $ par mois (offres gratuites de GitHub Actions, Cloudflare Workers et Alpaca paper, données de marché publiques).
- Publication en code source ouvert, pour la visibilité et la crédibilité.
- Contenu éducatif sur les pièges du backtesting.
- Tableau de bord de suivi pour les bots d'autres développeurs.
À éviter — Vendre des signaux de trading : aucun avantage n'est démontré, et au Québec, conseiller sur des placements contre rémunération peut exiger une inscription auprès de l'AMF.
En validation en paper trading depuis septembre 2026 (projet démarré en juin 2026).
Projet de recherche en simulation, sans argent réel. Ne constitue pas un conseil financier.