Le seul test public où des modèles de langage ont échangé de vraies cryptomonnaies est terminé, et le tableau des scores en dit plus que n’importe quelle démo.
Alpha Arena de Nof1, du 17 oct. au 3 nov. 2025 : six modèles, 10 000 USD chacun, des contrats perpétuels sur Bitcoin, Ethereum, Solana, BNB, Dogecoin et
$XRP . Quatre modèles sur six ont fini dans le rouge, ChatGPT a perdu 63 %, et les taux de réussite se situaient entre 25 et 30 % (Protos, 4 nov. 2025). Trois façons de mal interpréter ces résultats :
1. Prendre les deux gagnants comme preuve que les LLM peuvent trader, alors que Qwen3 Max a engrangé 2 232 USD avec une seule mise, sur une seule quinzaine et dans un seul régime de marché : considérez donc cela comme un échantillon unique et lisez les chiffres des perdants avant ceux du gagnant.
2. Laisser le modèle passer des ordres à son propre rythme — c’est ainsi que Qwen a payé 1 654 USD de frais, et que Nof1 a écrit que les coûts de trading dominaient les profits et pertes. Séparez donc les rôles : le modèle fait une proposition, une règle que vous avez écrite prend la décision, et aucun ordre dont le mouvement attendu est inférieur aux frais spot de 0,1 % n’est envoyé.
3. Faire confiance à un test simulé, alors qu’une étude sur arXiv (sept. 2026) a montré que le même agent Qwen avait gagné 10,1 % en simulation et 3,7 % en réel. Testez donc avec une mise réelle minuscule, à l’aide d’une clé API Binance en lecture seule, avec les retraits désactivés et un accès limité par IP, et demandez à Claude ou ChatGPT de rédiger la note de trade sur
$XRP pendant que vous appuyez sur le bouton.
Deux semaines avec de l’argent réel ont permis de trancher une question : le modèle est l’analyste, vous êtes le trader.
#AutomateYourCrypto #XRP #AITrading #AIAgents