Une étude publiée sur SSRN en septembre 2026 s'est donné pour but de tester les règles derrière l'ICT et les smart money concepts sur de vraies cotations forex. SSRN est un site où des chercheurs partagent leurs travaux avant qu'une revue les ait relus. Le résumé dit que l'auteur ne trouve « no evidence that ICT/SMC concepts work as literally taught », donc aucune preuve que les concepts ICT/SMC fonctionnent tels qu'ils sont enseignés à la lettre. Le titre, « Smart Money or Costly Folklore? », est une question dont le camp est déjà choisi.

Le résultat est plus nuancé que le titre, et l'étude est plus prudente que la plupart des publications sur les réseaux sociaux qui la citeront. Cet article passe en revue ce qui a été testé et ce qui en est sorti. Il couvre les points où l'auteur recommande la prudence, et un backtest distinct sur un autre marché qui va dans le même sens.

Chronologie rapide

Date Ce qui s'est passé Où c'est consigné
septembre 2020 Début de l'historique de prix horaire utilisé pour la plupart des paires de l'étude (USDJPY commence en septembre 2021) L'étude, section données
1er juillet 2026 La date inscrite sur l'étude Page de résumé SSRN
3 septembre 2026 Un backtest ICT distinct sur barres journalières est publié sur le site StatOasis, mis à jour le 17 septembre L'article de StatOasis
14 septembre 2026 L'étude est mise en ligne sur SSRN, 34 pages Page de résumé SSRN
30 octobre 2026 SSRN affiche 616 téléchargements et 1,450 vues du résumé, aucune citation. Nous n'avons trouvé aucune réaction publique de fans ou de critiques Page de résumé SSRN ; nos propres recherches

Qu'est-ce que cette étude, et qui l'a écrite ?

L'étude s'intitule « Smart Money or Costly Folklore? A Systematic Evaluation of ICT/Smart-Money-Concepts Trading Rules in G10 FX », par Shepherd Mahadzva, qui n'indique aucune institution et signe comme chercheur indépendant. C'est le Working Paper 3 sur 10 d'un projet auto-publié appelé The Deflated Alpha Series.

La note de l'auteur en première page est franche sur les limites. Elle dit que l'étude est un document de travail indépendant qui n'est pas passé par l'évaluation par les pairs (le processus où d'autres experts relisent un article avant qu'une revue l'imprime). Elle dit que toutes les données viennent d'un seul flux de courtier MT5 grand public, pas d'un jeu de données académique. Elle dit aussi qu'un modèle de langage IA a aidé à la rédaction et à la révision sous la direction de l'auteur. SSRN n'indique aucun financement ni aucun conflit d'intérêts.

Rien de cela ne rend les chiffres faux. Cela veut dire que personne en dehors du projet ne les a encore vérifiés.

Qu'a-t-elle testé exactement ?

Six règles que l'auteur a transformées en instructions strictes et mécaniques qu'un ordinateur peut suivre. Voici chacune en mots simples, avec les définitions de l'étude.

  1. Retournements après liquidity sweep. Deux plus hauts ou plus bas de swing se forment à peu près au même niveau. Le prix perce le niveau, referme à l'intérieur, et le manuel dit qu'il va alors se retourner.
  2. Un correctif de coûts pour cette stratégie. Une distance de stop minimale, ajoutée parce que des stops minuscules et une commission fixe mangeaient l'edge.
  3. Canaux et lignes de tendance. Inclus volontairement comme contrôle négatif, un test dont on s'attend à ce qu'il ne trouve rien, pour montrer à quoi ressemble un résultat sans signification.
  4. Order blocks et Change of Character. Un order block est la dernière bougie baissière avant que le prix casse au-dessus d'un swing high récent, avec l'image miroir de l'autre côté. L'étude attend un changement de structure à court terme avant d'entrer.
  5. Balayages de la plage de la session asiatique. La plage de nuit est traitée comme une étagère d'ordres en attente que Londres ou New York peut balayer.
  6. Change of Character plus retracement vers un Fair Value Gap. Un fair value gap est un trou de trois bougies : pour un gap haussier, le plus bas de la troisième bougie se situe au-dessus du plus haut de la première. La règle achète (ou vend) quand le prix revient dans ce gap après un changement de structure.

Les données portent sur quatre paires : EURUSD, GBPUSD, AUDUSD et USDJPY. L'historique horaire va de septembre 2020 à septembre 2026 (USDJPY depuis septembre 2021), l'historique en 15 minutes depuis septembre 2022, et environ dix semaines de données à la minute pour une seule étude.

Comment a-t-elle été testée ?

Les coûts sont inclus, ce que beaucoup de backtests omettent. Chaque backtest applique la moitié du spread bid/ask historique médian, une commission fixe de $7 par aller-retour et par lot standard, et un point de slippage défavorable à l'entrée et à la sortie. La taille de position risque 1 % du capital par trade.

Le test s'appelle walk-forward. L'ordinateur choisit les meilleurs paramètres sur une tranche plus ancienne de l'historique, trade la tranche suivante qu'il n'a jamais vue, puis avance et recommence, six fois. Les 15 % les plus récents de l'historique de chaque paire sont mis de côté comme holdout et regardés une seule fois, à la fin.

Trois contrôles s'y ajoutent. Un bootstrap rééchantillonne les trades 5,000 fois pour voir l'ampleur de l'incertitude. Un test de permutation (5,000 tirages) randomise la direction des trades pour demander à quelle fréquence le seul hasard égalerait le résultat. Un Deflated Sharpe Ratio, une méthode publiée, ajuste ensuite en fonction du nombre total de stratégies que le projet a essayées.

L'auteur a aussi laissé la direction des trades libre. L'ordinateur pouvait choisir de trader dans le sens du manuel ou contre lui. C'est la partie ingénieuse, parce qu'elle laisse les données dire quel sens est le bon.

Qu'a-t-elle trouvé ?

Ce qui ressort en premier, c'est la direction. Dans les règles de liquidity sweep, l'ordinateur a choisi de trader avec le mouvement, pas contre lui. Cela s'est produit dans 24 choix sur 24, tranche par tranche, dans la première étude et 18 sur 18 dans l'étude de la plage asiatique. Sur les trois constructions de type sweep, le résumé compte 65 choix sur 66 en faveur de la continuation. En mots simples, quand le prix perçait un niveau évident puis revenait, la recherche n'a jamais préféré le retournement du manuel. L'étude lit cela comme le sweep confirmant une vraie cassure. Elle ne présente pas le fait de trader la cassure comme une machine à gagner prouvée, et la première étude s'est aussi heurtée à un problème de coûts, parce que ses propres stops étaient si serrés que la commission comptait.

La règle du fair value gap est allée dans l'autre sens. L'ordinateur a choisi de parier contre l'entrée du manuel dans 23 choix sur 24. Un changement de structure haussier suivi d'un repli dans le gap valait mieux, d'après ces éléments, vendu qu'acheté.

Deux résultats ont franchi le seuil de significativité de l'auteur, tous deux sur le graphique horaire avec la direction fade (contre le manuel) :

Paire Trades hors échantillon Taux de réussite Espérance p de permutation Holdout
EURUSD 63 47.6 % +0.42R 0.019 60 trades, profit factor 1.50
AUDUSD 48 58.3 % +0.48R 0.007 43 trades, profit factor 1.44

L'espérance de gain en R est le gain ou la perte moyens mesurés en multiples du montant risqué. USDJPY (p d'environ 0.054) et GBPUSD (p d'environ 0.19) n'ont pas passé. La version en 15 minutes de la même règle n'a rien trouvé.

Deux autres éléments de l'étude valent le temps d'un trader. D'abord, l'edge d'une stratégie peut être plus petit que la commission qu'elle génère quand le stop est minuscule et la taille grande, ce qui explique pourquoi l'auteur a ajouté une distance de stop minimale. Ensuite, un vrai bug dans le code des order blocks, une mauvaise bougie de départ, a passé tous les filtres statistiques et n'a été trouvé que lorsqu'un humain a regardé un graphique.

Où l'étude recommande-t-elle la prudence ?

L'auteur liste les précautions, et elles comptent plus que le titre.

  • Le test strict échoue partout. Après l'ajustement du Deflated Sharpe, chaque stratégie de l'étude obtient 0.00. L'auteur y voit un résultat attendu quand on filtre à l'échelle du projet et dit qu'aucun des résultats ne doit être lu comme franchissant ce seuil très élevé.
  • AUDUSD paraît fragile. Son efficacité walk-forward, le rapport des résultats hors échantillon aux résultats dans l'échantillon, est de 2.08, au-dessus du plafond de 1.7 que s'est fixé l'auteur. L'auteur dit que cela pourrait être réel ou de la chance et ne tranche pas.
  • Petits nombres. Les deux meilleurs résultats reposent sur 63 et 48 trades. Dans l'étude de la plage asiatique, une première version avec 33 trades était trop petite pour conclure, et une version avec 48 trades a franchi la ligne de significativité.
  • Quatre paires et quatre à six ans. Des données plus larges pourraient changer les verdicts, surtout pour AUDUSD.
  • Un courtier, un modèle de coûts. Les chiffres de commission et de spread viennent d'un seul flux. Les chiffres changeront ailleurs.
  • Mécanique, pas discrétionnaire. Les setups viennent d'une tradition sans théorie formelle derrière. L'étude teste des versions rigides, et l'auteur note que les histoires économiques proposées pour les résultats sont des lectures plausibles, pas des hypothèses testées.

C'est sur ce dernier point qu'un fan du style répliquerait. Une règle qu'un ordinateur peut exécuter n'est pas la même chose qu'un trader qui lit le contexte, et l'étude ne prétend pas tester le jugement discrétionnaire.

Qu'a trouvé le backtest distinct ?

Un autre texte, « I Backtested ICT / Smart Money Concepts, What Survives », sur le site StatOasis, par Ali Casey, a été publié le 3 septembre 2026 et mis à jour le 17 septembre. Il teste sur des barres journalières de quatre fonds indiciels d'actions américaines (SPY, QQQ, DIA et IWM) dont l'historique commence entre 1993 et 2000. C'est un autre marché et un graphique beaucoup plus lent que l'étude ci-dessus.

Il a transformé les order blocks, les fair value gaps, les liquidity sweeps et une « optimal trade entry » de Fibonacci en règles uniquement acheteuses (long-only). Avec trois entrées de comparaison simples, cela fait 54 variantes, essayées avec trois horizons de sortie sur chacun des quatre fonds, soit 648 backtests. Selon l'article, un seul des 32 tests statistiques sur les rendements futurs a dépassé une t-statistique de 2. Aucune variante n'a battu le simple buy-and-hold en profit net. Les order blocks étaient la famille la plus constante, battant des entrées aléatoires dans la plupart des variantes. L'auteur dit que le test est sans friction (sans coûts) et ne dit rien du trading intrajournalier ou discrétionnaire. L'auteur dirige une formation au trading et une application de notation de backtests, et les deux sont mentionnées sur la page.

Les deux études utilisent des marchés, des unités de temps et des règles différents, leurs chiffres ne peuvent donc pas être additionnés. Elles s'accordent sur un point : les versions simples ne montrent pas d'edge fort.

Ce que dit l'autre camp

Nous n'avons trouvé aucune réponse publique à l'étude de la part de Michael Huddleston, qui est ICT, ni de fans du style. Il ne l'a pas commentée, à notre connaissance. Ce qui ressemble le plus à une déclaration est une réponse de mars 2025 à un abonné, dans laquelle il disait aux gens de faire un backtest puis un forward-test pendant des mois avant de trader en réel. Elle a été écrite bien avant l'étude et n'en est pas une réponse.

Des réactions sur X pourraient exister sans que nos recherches les aient atteintes. Nous ne devinerons pas ce qu'elles disent.

Ce que les traders peuvent en retenir

  • Testez la règle exacte que vous tradez, avec les coûts. Un bon backtest facture le slippage et la commission sur chaque trade. Beaucoup ne le font pas.
  • Comptez vos trades. Moins de 30, c'est maigre, et 48 ou 63 ne vaut guère mieux. Voir taille d'échantillon.
  • Laissez les données choisir la direction. Si vous ne testez que la version du manuel d'une idée, vous n'apprendrez jamais que l'inverse marche mieux.
  • Regardez le graphique, pas seulement les statistiques. Le bug dans le code des order blocks de l'étude a passé tous les tests et a été attrapé à l'œil.
  • Séparez « l'idée » de « ma version de l'idée ». Un journal construit à partir des données de votre propre courtier enregistre ce que vous avez réellement tradé, avec les coûts, pour que vous puissiez vérifier vos propres chiffres au lieu d'emprunter ceux de quelqu'un d'autre. Commencez par le backtesting et un journal de trading.

Questions fréquentes

L'étude SSRN de 2026 prouve-t-elle que l'ICT ne fonctionne pas ?

Non. C'est un preprint qui n'a pas été évalué par des pairs. Il teste six versions rigides et mécaniques d'idées ICT et smart money sur quatre paires forex, d'un seul courtier, et ne trouve aucun soutien pour la direction du manuel. Il ne teste pas un trader qui utilise son jugement.

Qu'a trouvé l'étude sur les fair value gaps et les liquidity sweeps ?

Dans ses données, trader le retournement du manuel après un liquidity sweep a perdu face au fait de trader avec la cassure. Pour la règle du fair value gap, le meilleur résultat est venu du pari contre l'entrée du manuel sur le graphique horaire d'EURUSD et d'AUDUSD. Le test le plus strict de l'étude a quand même noté chaque stratégie à zéro.

Qui est Shepherd Mahadzva ?

L'auteur est indiqué sur SSRN comme chercheur indépendant sans institution. L'étude dit être autofinancée, tirée des données d'un seul courtier grand public, et rédigée avec l'aide d'un modèle de langage IA. Nous n'avons trouvé aucun profil public au-delà des pages SSRN.

Puis-je vérifier l'étude moi-même ?

Oui. La page de résumé et le PDF sont gratuits sur SSRN, et la licence autorise le partage non commercial sans modification. L'étude dit que ses méthodes suivent le Paper 1 de la même série, c'est donc là qu'il faut chercher les formules.

Existe-t-il d'autres backtests ICT ?

Il existe un test distinct sur barres journalières de fonds indiciels américains par StatOasis, résumé plus haut. Il utilise des règles différentes et un autre marché. Considérez tout backtest, y compris ces deux-là, comme un point de départ et vérifiez combien de trades il a utilisés, s'il a facturé des coûts et qui l'a écrit.

Sources

Cet article s'appuie sur des sources publiques au 30 octobre 2026. Vous avez repéré une erreur ? Écrivez à info@setupbook.io.