Quand j'ai découvert pour la première fois le market making haute fréquence sur les cryptos, j'ai passé trois semaines à essayer de reconstituer des carnets d'ordres historiques à partir de fichiers CSV téléchargés un par un. Le déclic est venu quand j'ai compris que Tardis stockait des ticks exacts à la microseconde près et que Nautilus Trader savait les rejouer avec une précision institutionnelle. Dans ce tutoriel pas à pas, je vous montre la méthode que j'utilise désormais pour valider chaque idée de stratégie avant de risquer un seul dollar réel.
Ce guide s'adresse aux débutants complets : aucune expérience préalable d'API n'est nécessaire. Suivez les étapes dans l'ordre, et vous aurez un backtest fonctionnel en moins de deux heures.
1. Comprendre ce que l'on va construire (et pourquoi)
Avant d'écrire la moindre ligne de code, prenons une minute pour visualiser l'architecture. Nous allons assembler trois briques complémentaires :
- Tardis : un service cloud qui archive chaque ordre, chaque annulation et chaque transaction sur les principales plateformes crypto (Binance, Coinbase, Bybit, OKX…). Les données sont fournies au format tick-by-tick, c'est-à-dire à la granularité la plus fine possible.
- Nautilus Trader : un framework open source (licence MIT) écrit en Rust, avec une interface Python. Il sait lire les fichiers Tardis, simuler un carnet d'ordres L2/L3 et exécuter une stratégie avec une latence typique de 0,31 ms par événement.
- HolySheep AI : l'API d'intelligence artificielle que nous utiliserons pour générer et analyser les paramètres de la stratégie grâce aux modèles S'inscrire ici (par exemple GPT-4.1 à 8 $/MTok, soit près de 9 fois moins cher que sur OpenAI direct grâce au taux ¥1 = $1).
📸 [Capture d'écran suggérée : ouvrir trois onglets de navigateur, un sur tardis.dev, un sur nautilustrader.io, un sur holysheep.ai]
2. Prérequis : ce qu'il faut installer avant de commencer
Vérifiez que votre machine dispose des éléments suivants. Tout est gratuit :
- Python 3.11 ou 3.12 (