Vibecoding d’un bot de trading -
Part 2 : Transformer le
De l’architecture au code
$SOL
Dans la partie 1, j’ai détaillé les trois couches dont a besoin chaque bot de trading : le flux de données, la logique de décision et l’exécution. Si vous l’avez manqué, retournez la lire d’abord, car cette partie s’appuie directement dessus.
Parlons maintenant de la façon de transformer tout ça en code fonctionnel — et plus précisément, de la place de l’IA dans ce processus. C’est de ça que les gens parlent quand ils disent « vibecoding ».
Le vibecoding n’est pas « l’IA écrit le bot pour vous »
Beaucoup de gens entendent « vibecoding » et s’imaginent taper « construis-moi un bot de trading » dans un prompt, puis s’en aller en laissant l’IA produire un résultat fini. Ce n’est pas comme ça que ça marche, et traiter ça de cette manière, c’est comme ça qu’on finit avec des bots qui échouent silencieusement ou qui laissent fuir des fonds.
À quoi ressemble concrètement le vibecoding :
1. Poser d’abord le socle, puis la logique
J’ai commencé par mettre en place le squelette - la structure de fichiers, la manière dont la source de données se connecte à la couche de décision, et comment la couche de décision passe la main à l’exécution. L’IA est vraiment rapide sur cette partie. C’est du code passe-partout, et justement : le code passe-partout est exactement là où l’aide de l’IA brille.
2. Lis tout ce qu’il te donne. C’est la partie que les gens sautent. Chaque fonction que l’IA génère, je l’ai examinée ligne par ligne - pas parce que je ne lui faisais pas confiance, mais parce que je devais comprendre réellement ce que fait mon propre bot. Si tu ne peux pas expliquer pourquoi un morceau de ton code marche, tu ne peux pas le réparer quand il casse à 2h du matin avec de l’argent réel en jeu.
3. Itérer en petits morceaux, pas avec un seul gros promptAu lieu de demander à construire tout le bot d’un coup, je l’ai assemblé couche par couche : la source de données fonctionnelle et testée avant de toucher à la logique de décision, puis la logique de décision testée avec des données factices avant de la connecter à une exécution réelle. Le vibecoding marche mieux comme une boucle serrée : prompt, lecture, test, ajustement, recommencer. Pas un “one shot”.
4. Traite l’IA comme un jeune dev rapide, pas comme une oracleElle va produire, avec assurance, des choses subtilement incorrectes, surtout autour des cas limites comme des transactions échouées, des limites de débit, ou des données mauvaises. Les détecter n’est pas optionnel. C’est encore ton travail.
Pourquoi cela compte spécifiquement pour la couche de décisionLa logique de scoring - la partie qui détermine ce qui vaut réellement la peine d’être exécuté - est celle où j’ai passé le plus de temps à l’affiner, parce que c’est là que vit le vrai avantage (ou son absence). Je ne vais pas entrer dans les pondérations spécifiques ici, mais en bref : aucun signal unique ne raconte toute l’histoire, et obtenir cette combinaison correctement a nécessité beaucoup plus d’itérations que le simple “scaffold”.
La partie 3 va expliquer comment j’ai réellement entraîné et réglé cette couche de décision - ce que “l’entraînement” veut vraiment dire pour un bot comme celui-ci, et comment le backtesting l’a façonnée.
Partie 3 - entraîner la prise de décision du bot - bientôt.
Avertissement :
Ce n’est pas un conseil financier. Contenu éducatif uniquement. Le trading comporte des risques.