Mis à jour le 02 octobre 2026 par l'Équipe de traders-forex.fr
Le Dr Ernest Chan est l'une des figures les plus connues du trading algorithmique. Depuis 1994, il conçoit des modèles statistiques et des algorithmes capables de repérer des régularités dans de grandes quantités de données. Ce n'est qu'à la fin des années 90, attiré par les lumières de Manhattan, qu'il a commencé à appliquer ces modèles aux marchés financiers.
Dans cette interview en 13 questions, il revient sur plus de deux décennies dans le secteur : pourquoi il a commencé à trader son propre argent en 2006, pourquoi il compte travailler jusqu'à 85 ans, et les deux critères à regarder avant de choisir un premier emploi. Nous avons complété l'entretien avec son parcours à jour, la liste de ses livres et une méthode en cinq étapes pour débuter.
L'importance de la chance est sous-estimée - c'est pourquoi j'essaie d'aider les moins chanceux. Dr Ernest Chan
Ernest P. Chan, que tout le monde appelle « Ernie », est docteur en physique théorique de l'université Cornell. Il débute comme chercheur en apprentissage automatique chez IBM, dans une équipe dont sont également issus Bob Mercer et Peter Brown, futurs dirigeants de Renaissance Technologies. Il rejoint Morgan Stanley en 1997, puis passe par Credit Suisse et plusieurs fonds spéculatifs, dont Millennium Partners, avant de se mettre à son compte en 2006.
Il est aujourd'hui fondateur et président non exécutif de QTS Capital Management, société de gestion quantitative, et fondateur de PredictNow.ai, une fintech spécialisée dans l'apprentissage automatique appliqué à la gestion du risque. Il a signé ou co-signé cinq livres, tous publiés chez Wiley.
| Période | Étape du parcours |
|---|---|
| 1994 | Doctorat de physique à Cornell, puis chercheur en apprentissage automatique chez IBM Research (centre T.J. Watson) |
| 1997 | Entrée chez Morgan Stanley, dans le groupe Data Mining et Intelligence artificielle |
| Années 2000 | Credit Suisse, Mapleridge Capital, Maple Securities, Millennium Partners |
| 2006 | Devient trader indépendant (ETF, actions, contrats à terme) |
| 2008 | Publication de son premier livre, Quantitative Trading |
| 2011 | Fondation de QTS Capital Management |
| 2020 | Fondation de PredictNow.ai |
| 2025 | Publication de Generative AI for Trading and Asset Management, co-écrit avec Hamlet Medina |
À propos de cette interview : l'entretien a été réalisé après la parution de son troisième livre (2017), lorsqu'Ernest Chan était membre directeur de QTS Capital Management. Ses réponses sont reproduites telles quelles et reflètent sa situation de l'époque. Le parcours, la liste des livres et les autres encadrés de cette page ont été mis à jour en octobre 2026.
1. Pouvez-vous vous rappeler quand et pourquoi vous vous êtes lancé dans le trading, et ce que vous y faites ?
Ma carrière dans le trading s'est déroulée en deux temps : d'abord dans le monde institutionnel, en commençant par Morgan Stanley, puis en tant que trader indépendant et gestionnaire de fonds. Rejoindre Morgan Stanley en 1997 était la décision naïve d'un jeune homme : je voulais vivre parmi les lumières de Manhattan (et le siège de Morgan Stanley à Times Square est certainement très voyant). Si je suis devenu trader indépendant en 2006, c'est parce que je ne pensais pas pouvoir trader de manière rentable avec toutes les contraintes institutionnelles. J'ai commencé mon activité indépendante en négociant des ETF, des actions et des contrats à terme.
2. Quel est votre style de trading et comment l'intégrez-vous dans les autres activités de votre vie ? Tradez-vous en fonction de votre vie, ou votre vie s'organise-t-elle autour du trading ?
Mon trading est entièrement quantitatif et automatisé. J'ai la chance de travailler avec un associé extraordinaire, qui est un as du logiciel, et avec un collaborateur très dévoué. Cela signifie que je peux consacrer mon temps à la recherche et à l'enseignement, et prendre des congés quand je le souhaite.
3. Qu'est-ce qui vous motive à travailler constamment à l'amélioration de vos systèmes de trading et à aimer ce que vous faites ?
Le défi intellectuel et l'excitation, le sens du devoir envers mes investisseurs et la nécessité de subvenir aux besoins de ma famille !
4. Tout au long de votre parcours, pouvez-vous identifier un moment ou une routine qui a ensuite fait toute la différence dans votre trading ou dans votre vie ?
J'ai commencé à trader avec mon propre argent en 2006. Rien ne concentre autant l'attention que de risquer son propre argent.
5. Je suppose que vous avez connu des échecs par le passé. Quelle a été votre approche pour les surmonter, et a-t-elle évolué depuis ?
Ne pas faire deux fois la même erreur, c'est ma devise. Je suis très stable sur le plan émotionnel - en partie grâce à mon âge ! Les revers temporaires ne me font pas peur. J'ai l'intention de vivre jusqu'à 100 ans et de travailler jusqu'à 85 ans au moins. J'ai donc tout le temps de me remettre de mes erreurs.
6. À quoi attribuez-vous votre réussite ? À la chance, à l'intelligence, ou à un travail acharné et constant ? Ou peut-être à une combinaison de tout cela ?
Je remercie mes parents pour leurs gènes et pour leur travail acharné, qui m'ont permis de fréquenter les meilleures écoles possibles. Grâce à cette base, à mon propre travail et à la chance, j'ai pu obtenir un succès modeste en tant que trader. L'importance de la chance est sous-estimée - c'est pourquoi j'essaie d'aider les moins chanceux.
7. Selon vous, qu'est-ce qui vous distingue des autres personnes qui tentent de réussir dans le trading algorithmique ?
La stabilité émotionnelle, l'intelligence et la curiosité.
Dans cette conférence en anglais, Ernest Chan explique comment l'apprentissage automatique s'utilise concrètement en finance, et où se situent ses limites.
8. Quel conseil donneriez-vous à ceux qui échouent, abandonnent ou ne se lancent jamais, que ce soit dans le trading ou dans un autre domaine ?
Trouvez votre avantage : la programmation ? Les mathématiques ? La comptabilité ? L'intuition du marché ? Le patrimoine ? Le réseau ? Et concentrez-vous sur l'utilisation de cet avantage pour réussir. En outre, il peut être plus amusant et plus productif de s'associer avec quelqu'un qui possède un avantage complémentaire.
9. Vous fixez-vous des objectifs ? Pensez-vous que ce soit un bon moyen d'obtenir ce que l'on veut ?
Mon objectif est de devenir Jeff Bezos. Non, sérieusement, je ne pense pas que les objectifs soient utiles. Je fais simplement de mon mieux chaque jour.
10. Avec ce que vous savez aujourd'hui, y a-t-il quelque chose que vous auriez aimé faire différemment, plus tôt ou plus tard dans votre vie ?
J'aurais aimé être plus patient dans la recherche du bon environnement institutionnel lorsque j'ai débuté dans ce secteur. Morgan Stanley est une entreprise formidable, mais je pense que j'aurais davantage appris en rejoignant un groupe de trading pour compte propre ou un fonds spéculatif quantitatif. Je n'avais pas les compétences nécessaires pour faire de la politique dans les grandes banques d'investissement.
11. Vous avez maintenant écrit trois livres sur le trading quantitatif. Pourquoi avoir décidé de les écrire ?
Écrire, enseigner et, plus généralement, expliquer quelque chose de manière systématique est le meilleur moyen de bien le connaître. Je tire toujours des idées de trading de ce processus.
12. Vous avez eu une belle carrière, d'IBM à Morgan Stanley, Credit Suisse et divers fonds spéculatifs. Quel est le principal enseignement que vous en tirez, et qui serait le plus utile à quelqu'un qui veut se lancer dans le trading systématique ?
Pour choisir son premier emploi, les critères les plus importants sont de savoir si le patron est un bon mentor et si le groupe que l'on rejoint a un fort potentiel de croissance. La rémunération est secondaire. J'ai adoré mon groupe chez IBM qui, comme beaucoup le savent, a donné naissance à des sommités des fonds spéculatifs comme Bob Mercer et Peter Brown. Par ailleurs, apprendre tout au long de sa vie est indispensable, où que l'on se trouve. À titre d'exemple, je viens d'apprendre à programmer correctement en Python en deux mois environ, après avoir commencé par le Basic au lycée, puis C, Mathematica, C++, Perl, Java, Matlab et R. On n'est jamais trop vieux pour apprendre un nouveau tour !
13. Pensez-vous que le trading discrétionnaire va devenir moins courant chez les débutants, maintenant qu'ils ont accès à de nombreux outils pour créer leurs propres stratégies systématiques (Excel, Python, R ou les langages des plateformes des courtiers) ?
Le trading discrétionnaire, c'est comme la conduite automobile. Ce n'est pas parce qu'un être humain décide de tourner à droite qu'il ne peut pas profiter des technologies d'aide à la conduite (par exemple, la détection des angles morts). Inversement, tout le monde n'a pas besoin d'une voiture autonome pour arriver à destination. L'un des ingrédients clés de la réussite en trading est la connaissance du marché et l'intuition. Cela ne s'apprend pas uniquement par la programmation et l'IA.
Au moment de l'interview, Ernest Chan avait publié trois livres. Il en compte cinq aujourd'hui, tous édités par Wiley et rédigés en anglais. Les deux derniers portent sur l'intelligence artificielle appliquée au trading.
| Livre | Année | Sujet | Niveau |
|---|---|---|---|
| Quantitative Trading How to Build Your Own Algorithmic Trading Business | 2008 2e éd. 2021 | Trouver une stratégie, la backtester et monter son activité de trading algorithmique. La 2e édition ajoute du code Python et R. | Débutant à intermédiaire |
| Algorithmic Trading Winning Strategies and Their Rationale | 2013 | Stratégies de retour à la moyenne et de momentum, et la logique qui les sous-tend. | Intermédiaire |
| Machine Trading Deploying Computer Algorithms to Conquer the Markets | 2017 | Modèles plus avancés : séries temporelles, options, trading intrajournalier, apprentissage automatique. | Avancé |
| Hands-On AI Trading with Python, QuantConnect and AWS | 2025 | Ouvrage collectif : cas pratiques d'IA appliquée au trading, avec du code. | Intermédiaire à avancé |
| Generative AI for Trading and Asset Management avec Hamlet Medina | 2025 | IA générative pour les traders et les gérants, des usages sans code aux modèles appliqués aux séries de rendements. | Intermédiaire à avancé |
Voici une méthode progressive, construite à partir des conseils donnés par Ernest Chan dans cette interview et des principes développés dans ses livres.
Programmation, mathématiques, comptabilité, intuition du marché, capital ou réseau : repérez votre point fort et construisez votre approche autour de lui. Si une compétence vous manque, associez-vous à quelqu'un qui possède un avantage complémentaire.
Python est aujourd'hui le langage le plus utilisé pour la recherche quantitative. Ernest Chan raconte l'avoir appris en deux mois environ, après Matlab et R : il n'est jamais trop tard pour s'y mettre.
Écrivez des règles d'entrée, de sortie et de taille de position sans ambiguïté, puis testez-les sur des données historiques en intégrant les frais et en conservant une période de données hors échantillon pour limiter le sur-apprentissage.
Faites tourner la stratégie en conditions réelles de marché mais avec de l'argent fictif, chez un broker régulé, pour vérifier l'exécution des ordres et comparer les résultats à ceux du backtest.
Engagez uniquement une somme que vous pouvez vous permettre de perdre, limitez le risque par position, tenez un journal de vos erreurs pour ne pas les répéter et continuez de vous former.
Le parcours d'Ernest Chan montre que le trading algorithmique n'est pas réservé aux grandes institutions : après IBM et Morgan Stanley, c'est en indépendant, avec son propre capital, qu'il dit avoir le plus progressé. Son message tient en peu de mots : trouver son avantage, ne pas répéter ses erreurs, continuer d'apprendre et ne jamais oublier la part de chance dans la réussite.
Ses livres restent une porte d'entrée solide pour qui veut passer à la pratique, à commencer par Quantitative Trading. Et comme il le rappelle dans sa dernière réponse, les algorithmes n'effacent pas le besoin de connaître le marché : ils l'assistent.
| Broker | Régulation | Spread EUR/USD | Plateformes | Idéal pour | Site |
|---|---|---|---|---|---|
 | CBI (Irlande)ASICFSCA | ≈ 0,9 pip (fixe) | MT4, MT5, WebTrader, AvaTradeGO, AvaOptions | MetaTrader, options sur devises | |
 | KNF (Pologne)FCACySEC | ≈ 0,8 à 0,9 pip | xStation 5 (web, desktop, mobile) | Débutants, forex + actions réelles | |
 | CMVM (Portugal)FCASCB | dès 0,5 pip, ≈ 1 pip en moyenne | ActivTrader, MT4, MT5, TradingView | Utilisateurs de TradingView, day trading | |
 | CySECFCAASIC | ≈ 1 pip | Plateforme eToro (web, mobile) | Copy trading, débutants | |
 | BaFin (Allemagne)FCAASIC | dès 0,6 pip | Plateforme IG, ProRealTime, MT4, L2 Dealer | Traders actifs, analyse technique |
Avertissement sur les risques : les CFD sont des instruments complexes qui présentent un risque élevé de perte rapide en raison de l'effet de levier. Chez la plupart des brokers, entre 69 % et 80 % des comptes d'investisseurs particuliers perdent de l'argent en tradant des CFD. Consultez le pourcentage exact publié par chaque broker et assurez-vous de comprendre le fonctionnement des CFD avant d'investir.
