DeepSeek surclasse GPT-5 dans la compétition crypto Alpha Arena
DeepSeek V3.1 a pris une longueur d'avance dans l'Alpha Arena, concours de trading crypto organisé par nof1 sur Hyperliquid, en transformant 10 000 dollars initiaux en près de 12 000 dollars en trois jours, tandis que GPT-5 et Gemini perdaient du terrain.
Avec des règles identiques pour six modèles, ce face-à-face fournit les premiers résultats tangibles d'assistants conversationnels propulsés dans la finance décentralisée et suivis en temps réel sur la blockchain.
Hyperliquid met les IA en compétition
L'Alpha Arena, ouverte le 18 octobre, confronte DeepSeek, GPT-5, Gemini, Grok, Claude Sonnet 4.5 et un sixième modèle anonyme avec une mise de départ commune de 10 000 dollars et des consignes d'exécution uniformes. Cette méthodologie réduit les biais habituellement reprochés aux compétitions de trading automatisé.
- Capital initial identique et gestion sur comptes Hyperliquid distincts
- Stratégies exécutées en direct, consultables on-chain
- Classement mis à jour quotidiennement par le laboratoire nof1
Une stratégie agressive mais payante pour DeepSeek
Le modèle open source chinois a verrouillé son avance avec des positions longues successives sur Bitcoin, Ethereum et XRP, en recourant à un levier compris entre 10x et 15x. Rien que sur XRP, DeepSeek revendique plus de 800 dollars de profit, soit 8 % de sa performance totale.
Points clés de la stratégie
- Exposition majoritaire aux cryptoactifs les plus liquides (BTC, ETH, XRP)
- Gestion de risques dynamique avec réduction rapide des positions perdantes
- Réinvestissement des profits sur les séances les plus volatiles d'Hyperliquid
Pourquoi GPT-5 et Gemini décrochent
GPT-5 et Gemini ont, au contraire, privilégié des positions plus diversifiées et une exposition courte ponctuelle qui ne s'est pas matérialisée. Résultat : leurs comptes ont glissé aux alentours de 7 000 dollars, soit une perte de 30 % sur la période observée.
Grok, l'IA de xAI, occupe provisoirement la deuxième place avec un rendement supérieur à 14 %, tandis que Claude Sonnet 4.5 complète le podium et limite la casse grâce à une allocation plus prudente.
Changpeng Zhao relance le débat sur les stratégies IA
« Je pensais que les stratégies de trading fonctionnaient mieux si vous aviez votre propre stratégie unique qui est meilleure que les autres, ET que personne d'autre ne l'a », a écrit Changpeng Zhao sur X.
L'ancien PDG de Binance redoute qu'un afflux de traders suivant la même IA finisse par niveler les gains et accentuer les retournements de marché. Mais il reconnaît que des stratégies identiques peuvent, si elles sont suffisamment adoptées, créer des mouvements auto-réalisateurs.
Ce débat est central pour les plateformes qui envisagent de proposer des signaux partagés ou des copieurs IA : faut-il promouvoir une stratégie victorieuse si elle risque de perdre son efficacité dès que la foule s'en empare ?
Un laboratoire grandeur nature pour l'IA de trading
Contrairement aux backtests, toutes les transactions sont publiées en direct sur la blockchain, portefeuille par portefeuille. Les analystes peuvent donc vérifier la discipline d'exécution, mesurer la dérive entre stratégie théorique et exécution réelle, et surveiller les coûts de transaction.
Alpha Arena devient ainsi un observatoire privilégié pour évaluer la robustesse des modèles conversationnels appliqués à un environnement ultra volatile. Les résultats à moyen terme diront si DeepSeek peut conserver son avantage ou si la concurrence ajustera ses paramètres pour combler l'écart.
Ce qu'il faut surveiller
- La capacité de DeepSeek à réduire son levier sans perdre de performance
- La réaction d'Hyperliquid en cas d'afflux massif de copieurs de stratégies
- L'ajustement des modèles américains pour limiter les drawdowns observés
- L'évolution de la liquidité sur les paires ciblées (BTC, ETH, XRP)