Le biais de survivant en crypto : le piège qui fausse les performances

Bitcoin en est l’exemple parfait.

On peut aujourd’hui regarder son historique et constater qu’un achat réalisé à quelques dollars aurait généré une fortune. On peut retrouver les déclarations de ceux qui annonçaient sa disparition en 2011, 2014 ou 2018 et calculer combien vaudrait aujourd’hui un investissement réalisé au moment de chacune de ces critiques.

Le calcul est intéressant.

La conclusion peut devenir dangereuse.

Pourquoi ? Parce que nous savons déjà que Bitcoin a survécu.

Nous ne faisons pas le même exercice avec les milliers de cryptomonnaies lancées à la même époque ou lors des cycles suivants qui ont disparu, perdu presque toute leur liquidité, été abandonnées ou remplacées par d’autres projets.

Le problème est encore plus spectaculaire sur les meme coins. CoinGecko a étudié plus de 18,67 millions de tokens créés sur Pump.fun entre janvier 2024 et juin 2026. Résultat : 68,67 % avaient enregistré leur dernier trade le jour même de leur création. En ajoutant ceux qui disparaissaient le lendemain, 80,37 % n’avaient pas dépassé une journée d’activité selon cette méthodologie. Seulement 4,55 % dépassaient 90 jours, avec toutefois une limite méthodologique importante : certains tokens ayant migré vers des DEX externes n’étaient plus suivis de la même manière.

Une autre étude de CoinGecko estime que 53,2 % des cryptomonnaies ayant été actives sur GeckoTerminal entre juillet 2021 et décembre 2025 ne se négociaient plus, avec 11,56 millions d’échecs rien qu’en 2025.

Ces millions de morts apparaissent rarement dans les threads intitulés « voici comment transformer 1 000 dollars en 1 million ».

Le biais de survivant commence précisément là.

Le biais de survivant en crypto fait disparaître les perdants

Le concept existe depuis longtemps en statistiques et en finance. Le CFA Institute le décrit comme un problème apparaissant lorsque les données étudiées ne contiennent que les entités ayant survécu jusqu’à la fin de la période. Les statistiques obtenues peuvent alors devenir trompeuses.

En crypto, ce mécanisme est particulièrement violent parce que le nombre de tokens et de projets explose tandis que les survivants les plus visibles concentrent progressivement l’attention, la liquidité et la mémoire collective.

On se souvient de Bitcoin, beaucoup moins de ses contemporains

Prenons une phrase extrêmement courante :

« Si vous aviez investi 1 000 dollars dans Bitcoin il y a quinze ans, vous seriez riche aujourd’hui. »

C’est vrai dans son contexte.

Le problème commence si cette observation devient :

« Il suffit donc d’acheter très tôt une nouvelle cryptomonnaie et de conserver. »

La deuxième affirmation ne découle absolument pas de la première.

Bitcoin a traversé plusieurs marchés baissiers, des interdictions, des faillites de plateformes, des divisions internes, des critiques réglementaires et des périodes durant lesquelles sa valeur chutait de plus de 70 %. Il possède aujourd’hui une liquidité mondiale, un réseau extrêmement sécurisé, des infrastructures institutionnelles et une capitalisation de plus de mille milliards de dollars.

Ce résultat était loin d’être évident au début.

Le fonctionnement particulier de Bitcoin explique d’ailleurs pourquoi il est difficile de prendre son histoire puis de la copier sur un altcoin choisi au hasard. Offre maximale, Proof of Work, décentralisation, liquidité et absence d’équipe fondatrice capable de débloquer 30 % de nouveaux BTC créent une économie très différente.

Regarder Bitcoin aujourd’hui revient à observer le vainqueur d’une compétition après la ligne d’arrivée.

Le biais apparaît lorsqu’on imagine que ses caractéristiques actuelles étaient aussi faciles à identifier avant la course.

Les cimetières crypto sont beaucoup plus grands que les classements actuels

Ouvrez aujourd’hui CoinGecko ou CoinMarketCap.

Vous voyez Bitcoin.

Ethereum.

XRP.

BNB.

Solana.

Dogecoin.

Cardano.

Chainlink.

Des actifs liquides, suivis depuis plusieurs années.

Il est tentant de prendre ce groupe et d’étudier comment « les cryptomonnaies » se sont comportées historiquement.

Mais ce groupe contient déjà une information provenant du futur : ces actifs ont survécu jusqu’à aujourd’hui.

Les cryptos qui ont disparu ne sont plus dans votre sélection.

Les tokens dont les exchanges ont supprimé les dernières paires sont moins visibles.

Les projets abandonnés ne publient plus sur X.

Les communautés Telegram ont disparu.

Les sites ne sont plus renouvelés.

Les développeurs sont partis.

Les investisseurs qui ont perdu 98 % n’en parlent généralement plus tous les matins.

Votre écran nettoie progressivement le passé.

CoinGecko fournit une illustration particulièrement brutale de cette disparition. Son étude mise à jour en avril 2026 recensait environ 13,4 millions de cryptomonnaies devenues inactives parmi les actifs suivis dans son échantillon depuis 2021. Pour 2025 seul, le nombre atteignait 11 564 909.

En regardant seulement les actifs encore visibles en 2027, on observe donc une version sélectionnée de l’histoire.

Les morts ne produisent plus de graphique séduisant.

Le marché des meme coins pousse le phénomène à l’extrême

La facilité avec laquelle un token peut désormais être créé amplifie le biais de survivant.

Il n’est plus nécessaire de développer une blockchain.

Quelques opérations suffisent pour créer un actif sur une infrastructure existante.

Puis vient le marketing.

Un nom.

Un logo.

Un compte X.

Une communauté Telegram.

Une paire de liquidité.

Certains tokens disparaissent quelques heures plus tard.

L’étude Pump.fun de CoinGecko est instructive parce qu’elle fournit le dénominateur que les captures de gains oublient généralement.

Sur 18 675 645 tokens étudiés, 12 825 175 avaient enregistré leur dernière transaction le jour même du lancement. Un autre groupe de 2,18 millions disparaissait après seulement une journée supplémentaire. La population dépassant 90 jours représentait 850 180 tokens, soit 4,55 % selon la méthodologie.

Même ce dernier chiffre doit être lu avec prudence puisque CoinGecko précise que certains tokens ayant migré hors de la bonding curve vers d’autres DEX peuvent être mal classés.

La tendance générale reste difficile à ignorer.

Lorsqu’un investisseur raconte comment il a fait x100 avec un meme coin, il raconte l’histoire d’un survivant.

Pour comprendre la probabilité réelle de reproduire son résultat, il faudrait également observer tous les tokens ressemblant au gagnant lors de leur lancement et qui ont ensuite disparu.

C’est beaucoup moins spectaculaire.

C’est statistiquement beaucoup plus utile.

Le gagnant paraît évident uniquement après avoir gagné

Un autre piège intervient lorsque nous expliquons rétrospectivement pourquoi une cryptomonnaie a réussi.

« Solana était rapide. »

« Ethereum avait les smart contracts. »

« Dogecoin avait une communauté. »

« Bitcoin était rare. »

Ces explications peuvent contenir beaucoup de vérité.

Le problème consiste à oublier que plusieurs projets disparus possédaient eux aussi des arguments très convaincants à leur époque.

Une équipe prestigieuse.

Une roadmap ambitieuse.

Une communauté active.

Des partenariats annoncés.

Une technologie supposée plus rapide.

Une nouvelle narrative.

Un financement important.

Un token peu cher.

Beaucoup d’échecs avaient des caractéristiques qui semblaient excellentes avant leur échec.

Après coup, l’esprit humain reconstruit facilement une histoire cohérente autour du vainqueur.

Le succès paraît presque inévitable.

Le risque disparaît de la narration.

C’est exactement ce que le biais de survivant produit : il remplace une distribution de résultats incertaine par l’histoire propre des quelques acteurs qui sont arrivés jusqu’au présent.

« Il fallait simplement conserver » est souvent une phrase de survivant

Le HODL est une stratégie extrêmement simple.

Acheter.

Ne pas vendre.

Sur Bitcoin, cette approche a historiquement été remarquablement puissante pour de nombreux investisseurs ayant traversé plusieurs cycles.

Elle devient beaucoup plus dangereuse lorsqu’elle est généralisée à toutes les cryptomonnaies.

Une crypto qui chute de 95 % ne doit pas seulement remonter de 95 % pour récupérer son sommet.

Elle doit faire x20.

Une baisse de 99 % nécessite un x100.

Et lorsque la liquidité disparaît totalement, même cette arithmétique devient secondaire.

Le token peut ne plus disposer d’un marché suffisamment actif.

Dire « ceux qui ont conservé Bitcoin pendant dix ans ont gagné » ne prouve donc pas que conserver n’importe quelle crypto pendant dix ans soit rationnel.

Les survivants rendent le HODL visible.

Les projets morts rendent beaucoup moins visible le coût de l’obstination.

C’est pourquoi l’évaluation des cryptomonnaies doit être réactualisée au fil du temps. Une thèse peut être bonne au moment de l’achat puis devenir fausse trois ans plus tard.

Conserver n’est pas une vertu en soi.

Tout dépend de ce que l’on conserve.

Les anciens ATH créent le même piège

Une crypto cotait autrefois 20 dollars.

Elle vaut désormais 2 dollars.

Certains investisseurs concluent qu’elle possède automatiquement un potentiel x10 puisqu’elle « reviendra un jour » à son ancien sommet.

C’est un raisonnement très lié au biais de survivant.

Nous avons vu Bitcoin retrouver puis dépasser plusieurs anciens sommets.

Ethereum l’a aussi fait sur certains cycles.

Ces exemples deviennent disponibles mentalement.

Ils donnent l’impression que les actifs de qualité finissent naturellement par revenir.

Mais beaucoup d’altcoins ne récupèrent jamais leur ATH.

Entre le sommet et aujourd’hui, leur économie peut avoir totalement changé.

L’offre en circulation a augmenté.

Les investisseurs privés ont reçu leurs tokens.

La concurrence s’est développée.

Les utilisateurs sont partis.

Une nouvelle blockchain a remplacé l’ancienne narrative.

Les revenus ont diminué.

Les exchanges ont réduit les paires.

Le prix passé ne constitue donc pas une créance sur le marché.

L’ancien ATH montre ce que quelqu’un était prêt à payer dans une autre configuration de marché.

Rien de plus.

Le biais de survivant avantage aussi les influenceurs

La sélection ne concerne pas seulement les cryptos.

Elle touche les personnes.

Supposons 10 000 comptes sur les réseaux sociaux publiant chaque semaine des prédictions.

Certains sont haussiers sur Bitcoin.

D’autres baissiers.

Certains achètent Solana.

D’autres choisissent des meme coins.

Avec suffisamment de participants et suffisamment de paris, quelques personnes vont nécessairement produire une série spectaculaire de bonnes décisions.

Ces comptes attirent ensuite davantage d’abonnés.

Leurs anciennes publications sont repartagées.

« Il avait annoncé le breakout. »

« Il avait acheté avant tout le monde. »

« Il avait prédit le x20. »

Pendant ce temps, des milliers de comptes ayant fait de mauvaises prédictions deviennent beaucoup moins visibles.

Certains arrêtent de publier.

D’autres changent de pseudonyme.

Leurs posts obtiennent peu d’engagement.

La plateforme elle-même contribue donc à sélectionner les survivants.

Au bout de plusieurs années, l’utilisateur peut avoir l’impression qu’un groupe de traders possède une capacité extraordinaire à anticiper le marché.

Pour vérifier cette hypothèse, il faudrait étudier toutes leurs prédictions, pas les captures devenues virales.

Le biais de survivant fonctionne très bien avec un bouton retweet.

Même les témoignages de richesse sont sélectionnés

« J’ai quitté mon travail grâce à la crypto. »

Cette histoire attire naturellement l’attention.

« J’ai acheté quinze altcoins, perdu 70 %, puis arrêté de trader » produit beaucoup moins de contenu viral.

Les deux expériences existent.

Une seule devient facilement aspirationnelle.

Cette asymétrie affecte notre perception du rendement moyen.

Si cent personnes achètent chacune un meme coin différent et qu’une seule fait x100, cette personne peut devenir influenceuse.

Les 99 autres restent presque invisibles.

En observant uniquement l’influenceuse, on peut croire que le résultat x100 est beaucoup plus fréquent qu’il ne l’est.

Pour estimer la vraie probabilité, le dénominateur compte autant que le gagnant.

Combien ont essayé ?

Combien ont perdu ?

Combien n’ont pas pu sortir ?

Combien ont récupéré leur capital ?

Combien ont réellement encaissé le gain affiché ?

Ces questions sont moins excitantes.

Elles font la différence entre marketing et statistique.

Un portefeuille public peut cacher plusieurs portefeuilles morts

Le même problème apparaît dans les captures de wallets.

Un trader montre une adresse ayant transformé 5 000 dollars en 500 000.

La blockchain permet de vérifier.

L’histoire semble solide.

Mais cette personne possède-t-elle une seule adresse ?

Ou cinquante ?

Si elle a expérimenté avec cinquante wallets et qu’elle ne partage que celui qui a réussi, le résultat visible ne représente pas sa véritable performance.

Même logique avec les comptes d’exchange.

Un screenshot montre un PnL de +2 000 %.

Il ne montre pas nécessairement le portefeuille précédent liquidé.

Le capital supplémentaire injecté.

Les autres stratégies.

Les positions encore ouvertes.

La sélection peut être volontaire.

Elle peut aussi être involontaire.

Nous préférons naturellement montrer ce qui a fonctionné.

Au fil du temps, Internet devient donc une gigantesque base de données contenant énormément de survivants et relativement peu de cimetières.

L’investisseur doit reconstituer les absents lui-même.

Le biais de survivant fausse les rendements, les backtests et les stratégies crypto

Le biais devient encore plus dangereux lorsqu’il quitte les réseaux sociaux pour entrer dans les chiffres.

Un tableau peut avoir l’apparence de la rigueur scientifique tout en utilisant un univers déjà filtré par le futur.

C’est particulièrement problématique dans la crypto, où les actifs disparaissent rapidement et où les données historiques des petits tokens sont parfois difficiles à reconstruire.

Tester les cryptos actuelles sur le passé donne déjà la réponse

Imaginons qu’un analyste souhaite savoir si acheter les dix plus grosses altcoins et conserver pendant cinq ans constitue une bonne stratégie.

Il ouvre aujourd’hui la liste des grandes capitalisations.

Sélectionne ETH, XRP, BNB, SOL et quelques autres survivants.

Puis récupère leur historique lorsqu’il existe.

Il conclut que posséder « les grandes cryptomonnaies » était une excellente stratégie.

Le problème est énorme.

En 2021, il ne savait pas que ces dix cryptos seraient encore importantes en 2026.

Pour simuler correctement la décision d’un investisseur de 2021, il faudrait utiliser la liste réellement disponible en 2021, puis conserver dans le calcul les actifs qui ont ensuite décliné ou disparu.

Sinon, l’analyse utilise sans le dire une information du futur.

Le CFA Institute cite précisément le survivorship bias parmi les problèmes auxquels les analystes doivent prêter attention dans un backtest. Il recommande une approche qui essaie de reproduire le processus d’investissement réellement disponible à chaque période plutôt que de reconstruire un passé avec la connaissance du présent.

Un bon backtest doit voyager dans le passé sans emporter la liste des gagnants dans ses bagages.

Le top 100 actuel n’est pas le top 100 historique

Cette erreur est extrêmement facile à commettre.

Prenez les 100 cryptomonnaies les plus importantes de septembre 2026.

Calculez leur performance depuis 2022.

Puis utilisez cette moyenne pour mesurer ce qu’aurait rapporté une stratégie « diversifiée en altcoins ».

Vous n’avez pas calculé cela.

Vous avez calculé la performance passée des cryptos qui ont été suffisamment performantes ou résilientes pour se retrouver dans le top 100 en septembre 2026.

Les actifs qui figuraient dans le top 100 en 2022 mais qui en sont sortis sont absents.

C’est une sélection par le résultat.

Une méthodologie plus propre doit reconstruire le classement point in time.

Que pouvait acheter un investisseur à la date exacte ?

Quelle était l’offre ?

Quelle était la liquidité ?

Quels exchanges listaient l’actif ?

Puis conserver les échecs dans la base.

La différence semble technique.

Elle peut transformer radicalement le rendement calculé.

Dans les actions, le problème existe déjà avec les sociétés faillies ou retirées de la cote.

Dans la crypto, la vitesse des disparitions l’amplifie.

Un indice crypto peut sembler meilleur après avoir expulsé les perdants

Les indices peuvent eux aussi créer un effet de sélection.

Supposons un indice composé des vingt plus grandes cryptos et rééquilibré régulièrement.

Lorsqu’un token s’effondre et sort du top 20, il est remplacé par un actif plus performant.

C’est exactement ce qu’un indice dynamique est censé faire.

Le problème intervient lorsqu’on prend la composition actuelle puis qu’on calcule rétrospectivement sa performance comme si ces actifs avaient toujours été les constituants.

On élimine alors le coût historique des sorties.

L’indice rétrospectif paraît beaucoup plus solide qu’une stratégie réellement investissable.

Cela ne signifie pas que tous les indices crypto soient mal construits.

Cela signifie que la méthodologie compte.

Date de création.

Règles de sélection.

Rééquilibrage.

Traitement des delistings.

Liquidité minimale.

Prix utilisé lors d’une sortie.

Tout cela influence le résultat.

Un graphique propre ne garantit pas un échantillon propre.

Les bots peuvent être entraînés sur un univers impossible

Le problème devient encore plus important avec les bots et l’intelligence artificielle.

Un développeur veut entraîner une stratégie sur « les meilleures cryptomonnaies liquides ».

Il télécharge aujourd’hui cinq ans de données sur BTC, ETH, SOL, BNB, XRP, DOGE, LINK et d’autres actifs encore importants.

Son modèle apprend parfaitement.

Puis le backtest affiche un superbe rendement.

Le bot de trading semble prêt.

Sauf que le dataset a été construit avec les gagnants survivants.

Le modèle n’a jamais appris ce qui se passe lorsqu’un token perd sa liquidité.

Lorsqu’il est délisté.

Lorsqu’un protocole s’arrête.

Lorsqu’un stablecoin casse son peg.

Lorsqu’un actif devient pratiquement impossible à vendre.

Le risque du monde réel est plus large que l’historique fourni à l’algorithme.

Le CFA Institute rappelle également que les rendements financiers présentent souvent asymétrie, queues épaisses et dépendances extrêmes que des backtests standards capturent imparfaitement.

Une stratégie peut donc être doublement optimiste : elle étudie uniquement les survivants et sous-estime encore les événements extrêmes qui les ont touchés.

Un backtest Bitcoin peut répondre à la mauvaise question

Bitcoin lui-même peut produire une autre version du biais.

Supposons qu’une stratégie technique soit testée uniquement sur BTC depuis 2012.

Elle semble très rentable.

Peut-on conclure qu’elle fonctionnera sur « les cryptomonnaies » ?

Non.

Une partie du résultat peut provenir simplement du fait que le sous-jacent étudié a connu une progression historique extraordinaire.

Une stratégie qui achète presque toujours peut sembler brillante sur un actif ayant fait des milliers de pourcents.

Pour mesurer sa valeur réelle, il faudrait la comparer à une stratégie simple d’achat et conservation.

Puis à différents actifs.

Puis à des périodes baissières.

Puis à des actifs qui n’ont pas survécu.

Sinon, le bot peut simplement être un moyen compliqué de rester long sur le gagnant historique du secteur.

L’automatisation ne corrige pas un échantillon biaisé.

Elle accélère seulement les calculs.

Le rendement moyen des traders peut lui aussi être trompeur

CoinGecko fournit ici un excellent cas réel.

Dans son étude publiée en mai 2026 sur les traders Pump.fun, la plateforme observait qu’en avril 2026 environ 73,3 % des traders étudiés affichaient un profit réalisé positif. Le chiffre pourrait facilement devenir un titre extrêmement optimiste : « trois traders de meme coins sur quatre gagnent de l’argent ».

Puis vient la méthodologie.

CoinGecko précise que l’étude ne comptabilise que le PnL réalisé.

Les bagholders qui n’ont jamais vendu leur token malgré une chute vers zéro ne sont donc pas pleinement reflétés.

L’étude signale elle-même que cela sous-estime les pertes.

Elle précise également que les trades sont agrégés au niveau du wallet et que les données de prix des actifs illiquides peuvent être imparfaites.

C’est un exemple précieux.

Le chiffre n’est pas faux.

Mais la population sélectionnée change profondément ce que le chiffre veut dire.

Un investisseur doit donc toujours demander :

qui est inclus ?

Qui manque ?

C’est parfois plus important que le pourcentage lui-même.

Une plateforme disparue disparaît aussi de certaines comparaisons

Imaginons que nous voulions comparer les meilleurs exchanges des dix dernières années.

Nous prenons uniquement les plateformes encore actives en 2027.

Puis nous calculons leur historique de liquidité, de frais et de sécurité.

La conclusion peut être flatteuse.

Pourtant, un utilisateur réel n’avait pas la garantie de choisir uniquement les exchanges qui survivraient.

Certaines plateformes ont fait faillite.

D’autres ont été piratées.

Certaines ont fermé.

D’autres ont perdu leur marché.

Si ces acteurs sont retirés de l’échantillon, le risque historique d’utiliser un exchange apparaît artificiellement faible.

La même logique vaut pour :

les fonds crypto ;

les stablecoins ;

les pools DeFi ;

les protocoles de lending ;

les validateurs ;

les services de staking ;

les wallets.

La survivance du fournisseur est elle-même une variable.

En finance traditionnelle comme en crypto, sélectionner uniquement les structures encore debout réduit mécaniquement la visibilité des catastrophes.

Les performances de fonds peuvent également être embellies

Supposons cent fonds crypto lancés pendant un bull market.

Après trois ans, cinquante ferment.

Les plus mauvais disparaissent principalement parce qu’ils n’ont plus suffisamment d’actifs ou de clients.

On calcule ensuite la performance moyenne des cinquante fonds restants.

Elle semblera meilleure que celle de la cohorte d’origine.

Le biais est exactement celui documenté historiquement dans l’industrie des fonds traditionnels.

Le mécanisme ne dépend pas de la blockchain.

Il dépend de la sélection de données.

Cela explique pourquoi les rendements publiés par une industrie doivent idéalement intégrer les fonds liquidés, fermés ou fusionnés.

Autrement, les survivants deviennent la norme statistique alors qu’ils sont précisément ceux qui ont mieux résisté.

Les histoires « Bitcoin est mort » sont vraies et pourtant faciles à surinterpréter

Bitcoin fournit un cas particulièrement subtil.

De nombreux médias, investisseurs et dirigeants ont publiquement critiqué BTC ou annoncé sa disparition à différentes périodes.

Comparer leurs déclarations avec le prix actuel permet de montrer à quel point certaines prédictions se sont trompées.

C’est parfaitement légitime.

Le problème survient lorsque ce résultat devient une règle générale :

« Quand tout le monde dit qu’une crypto est morte, il faut acheter. »

Non.

Bitcoin est justement le survivant.

Des milliers d’autres cryptomonnaies qui semblaient « mortes » étaient effectivement en train de mourir.

Le contre-indicateur ne fonctionne que si l’actif possède encore des fondamentaux suffisamment solides pour survivre à la crise.

Acheter Bitcoin après une panique historique et acheter un token sans développeur après -95 % ne sont pas la même stratégie.

Le biais de survivant transforme facilement la résilience exceptionnelle de BTC en conseil générique pour attraper des couteaux qui tombent.

Même les fameux x100 sont sélectionnés depuis la fin

Une liste intitulée « les cryptos qui ont fait x100 » contient par définition des cryptos qui ont fait x100.

Elle ne permet pas d’identifier ce qu’il fallait acheter avant.

Pour être utile, il faudrait reprendre l’ensemble des tokens disponibles au point de départ.

Puis mesurer combien ont fait x100.

Combien ont fait x10.

Combien ont perdu.

Combien sont tombés à zéro.

Combien avaient exactement les mêmes caractéristiques visibles que les futurs gagnants.

La comparaison entre Bitcoin et les meme coins devient beaucoup plus intéressante lorsqu’on regarde cette distribution complète.

Dire qu’un token gagnant avait « une communauté très forte » n’est utile que si les tokens ayant échoué n’avaient pas eux aussi des communautés apparemment fortes.

Sinon, ce critère n’explique peut-être rien.

L’analyse après coup confond facilement caractéristiques du gagnant et causes de la victoire.

Le biais de survivant amplifie l’illusion de talent

Imaginez 10 000 traders qui lancent chacun dix paris indépendants.

Même sans compétence particulière, quelques personnes obtiendront des séries extraordinaires uniquement par chance.

Si seules ces personnes continuent à publier leurs résultats, leur track record paraîtra remarquable.

Le marché peut ensuite leur attribuer du talent.

Elles peuvent elles-mêmes finir par croire que leur réussite vient uniquement de leur méthode.

Le problème devient particulièrement fort lorsqu’un bull market fait monter presque tous les actifs d’un secteur.

Le trader choisit cinq meme coins.

Quatre explosent.

Il conclut qu’il possède une méthode exceptionnelle.

Puis le régime de marché change.

Le modèle cesse de fonctionner.

La compétence réelle apparaît souvent lorsque les conditions deviennent différentes de celles qui ont créé le succès initial.

C’est pourquoi analyser uniquement le rendement ne suffit pas.

Risque.

Drawdown.

Durée.

Nombre de trades.

Régimes de marché.

Capital réellement engagé.

Toutes ces données permettent de mieux séparer chance et compétence.

Les stratégies de 2021 ne doivent pas être jugées avec les gagnants de 2027

Cette règle résume une grande partie du problème.

Pour évaluer une décision passée, il faut utiliser les informations disponibles à cette date.

Pas celles révélées six ans plus tard.

En 2021, personne ne pouvait savoir exactement quels Layer 1 conserveraient une communauté importante en 2027.

Personne ne connaissait avec certitude les futurs vainqueurs de la DeFi.

Personne ne savait quel exchange survivrait à chaque crise.

Le travail analytique sérieux consiste à retrouver l’incertitude qui existait alors.

Le biais de survivant fait l’inverse.

Il réécrit le passé comme si le présent avait toujours été évident.

Corriger le biais de survivant en crypto change complètement la manière d’investir

Il est impossible d’éliminer totalement tous les biais.

On peut néanmoins modifier la méthode.

Le premier changement consiste à arrêter de demander seulement : « quel projet a gagné ? »

La question devient :

parmi tous les projets qui semblaient comparables au départ, quelle proportion a gagné ?

Cette simple formulation ramène le dénominateur dans l’analyse.

Toujours chercher la population de départ

Supposons qu’un article affirme :

« huit des dix meilleures cryptos de cette catégorie ont surperformé Bitcoin ».

Avant de conclure que la catégorie possède un avantage structurel, il faut demander comment les dix cryptos ont été choisies.

Top 10 aujourd’hui ?

Top 10 au début de la période ?

Tokens encore liquides ?

Tokens listés sur un seul exchange ?

Si la liste est construite aujourd’hui, le biais de survivant devient probable.

Une analyse plus robuste doit idéalement partir de la population disponible au moment de la décision.

Pour les meme coins, cela pourrait signifier tous les tokens répondant à certains critères lors de leur lancement, pas seulement ceux encore actifs six mois plus tard.

Pour les Layer 1, tous les projets suffisamment capitalisés à la date étudiée.

Pour les exchanges, toutes les plateformes utilisées à l’époque.

Pour un bot, toutes les paires tradables selon les règles historiques.

Le principe est simple.

Ne jamais commencer le passé avec une liste construite par le futur.

Intégrer les tokens morts avec une valeur proche de zéro

Lorsqu’un actif a disparu, le retirer du dataset est généralement le mauvais réflexe.

C’est précisément son résultat.

Si un token valait 10 dollars puis devient pratiquement invendable, son rendement économique n’est pas « donnée manquante ».

Il est proche d’une perte totale pour beaucoup de détenteurs.

La difficulté vient des données.

Les derniers prix peuvent être peu fiables.

La liquidité peut être nulle.

L’exchange peut avoir supprimé la paire.

Il faut alors définir méthodologiquement comment traiter la sortie.

Dernier prix liquide.

Prix de delisting.

Valeur zéro après disparition complète.

La convention peut être imparfaite.

Elle reste souvent moins trompeuse que supprimer simplement l’actif.

Le dataset doit conserver la mémoire des échecs.

Utiliser des snapshots historiques plutôt qu’une liste actuelle

Pour une stratégie quantitative, l’idéal est de reconstruire l’univers à intervalles réguliers.

1er janvier 2023 : quels actifs répondaient réellement aux critères ?

1er février : lesquels ?

1er mars : lesquels ?

Puis appliquer les règles de rééquilibrage sans regarder le classement futur.

Cette approche point in time demande davantage de travail.

Elle rapproche énormément le backtest d’une situation réellement investissable.

Il faut également tenir compte des dates de listing.

Un token lancé en 2025 ne peut évidemment pas apparaître dans un portefeuille simulé en 2023.

Cela paraît évident.

Les erreurs de bases de données rendent pourtant ce genre d’anachronisme étonnamment fréquent.

Le futur doit rester hors du passé.

Comparer une stratégie complexe avec un benchmark simple

Un bot réalise +120 % en quatre ans.

Très bien.

Bitcoin a fait combien sur la même période ?

Un portefeuille 50 % BTC, 50 % ETH ?

Un simple DCA ?

Un indice large construit sans survivorship bias ?

La comparaison permet de savoir si la sophistication a réellement ajouté quelque chose.

Un bot qui gagne 100 % pendant que Bitcoin fait +300 % n’est pas automatiquement inutile s’il possède beaucoup moins de volatilité.

Mais il faut alors démontrer cette réduction de risque.

La complexité doit gagner sa place.

Sinon, elle peut seulement masquer une exposition passive au survivant dominant du secteur.

Tester plusieurs régimes de marché

Le biais de survivant est souvent accompagné d’un biais de période.

Une stratégie conçue pendant un bull market paraît excellente.

Un bot de breakout adore les tendances.

Un Grid adore les ranges.

Un système de short peut sembler brillant pendant une crise.

Le marché change.

Pour 2027, un backtest sérieux devrait donc inclure plusieurs environnements lorsque les données le permettent.

Hausse.

Baisse.

Range.

Crise de liquidité.

Forte volatilité.

Marché calme.

Le CFA Institute recommande justement de compléter les backtests par des analyses de scénarios et simulations, car l’histoire disponible ne représente pas toutes les configurations futures possibles.

L’objectif n’est pas de prouver qu’une stratégie gagne partout.

Une stratégie honnête peut parfaitement avoir des périodes mauvaises.

Le but est de savoir lesquelles.

Les délistings doivent devenir une donnée, pas un oubli

Sur les altcoins, le delisting constitue une information fondamentale.

Une crypto retirée de Binance, Coinbase ou d’autres grandes plateformes peut perdre beaucoup de liquidité.

Cela ne signifie pas automatiquement qu’elle tombe à zéro.

Le risque de sortie augmente néanmoins.

Pour un backtest, ignorer les delistings revient à supposer que l’investisseur dispose éternellement du même marché.

Ce n’est pas réaliste.

Pour un investissement réel, suivre la liquidité est donc aussi important que suivre le prix.

Un token à -60 % mais encore échangé sur plusieurs marchés liquides ne se trouve pas dans la même situation qu’un token à -60 % dont presque toutes les grandes plateformes réduisent les paires.

Le deuxième peut être en train de sortir progressivement de l’univers investissable.

La liquidité aide à identifier les zombies avant leur disparition

Tous les projets morts ne tombent pas brutalement à zéro.

Certains deviennent des zombies.

Le site existe encore.

Le token est encore techniquement transférable.

Un DEX affiche une paire.

Mais le volume est presque nul.

Le spread est énorme.

Les développeurs publient peu.

La communauté s’est vidée.

Dans un classement purement nominal, la crypto « existe » toujours.

Economiquement, sa survie est déjà discutable.

Le volume, la profondeur du carnet, le nombre de marchés actifs et la concentration des détenteurs permettent d’aller au-delà de la simple existence technique.

C’est particulièrement important lorsque l’on évalue la valeur réelle d’une cryptomonnaie.

Une market cap affichée n’est pas nécessairement convertible en argent.

Un survivant sans liquidité ressemble parfois davantage à un cadavre comptable qu’à un actif investissable.

Les unlocks créent une autre forme de survivorship bias

Les jeunes tokens apportent un problème supplémentaire.

Imaginons qu’un projet réussisse brillamment pendant sa première année.

Son token fait x8.

On le compare à d’autres lancements et on le présente comme modèle.

Mais seulement 15 % de l’offre circule.

Les investisseurs privés, l’équipe et la fondation possèdent encore d’énormes allocations qui seront débloquées pendant quatre ans.

Le token a survécu à la première étape.

Cela ne signifie pas que son économie a traversé tout son cycle de dilution.

Le biais peut donc apparaître dans le temps, même avant la disparition du projet.

Évaluer trop tôt un gagnant revient parfois à déclarer vainqueur un marathonien au kilomètre dix.

Pour 2027, market cap, FDV et calendrier d’unlocks doivent donc accompagner les performances.

La survivance doit être observée sur une durée suffisamment longue pour être significative.

Le biais de survivant ne signifie pas qu’il faut ignorer les gagnants

Attention à l’excès inverse.

Le fait que Bitcoin soit un survivant ne rend pas son histoire inutile.

Au contraire.

La longévité elle-même contient une information.

Un réseau qui fonctionne depuis plus de quinze ans, conserve une forte liquidité, attire des capitaux institutionnels et résiste à plusieurs crises a démontré quelque chose qu’un token créé hier n’a pas encore démontré.

La survie peut devenir un élément du dossier fondamental.

Il faut simplement éviter deux erreurs opposées.

Première erreur : considérer le survivant comme représentatif de tous les projets qui existaient autrefois.

Deuxième erreur : considérer sa survie comme un pur hasard et ne lui accorder aucune valeur.

Bitcoin n’est pas intéressant malgré sa survie.

Sa capacité à survivre fait partie de ce qui le distingue.

Le biais arrive lorsque cette survie est utilisée pour réécrire les probabilités du passé ou prédire le destin de tous les actifs futurs.

Un actif plus ancien mérite parfois une prime pour sa survie

Cette idée est importante pour la comparaison entre cryptos.

Un projet ayant fonctionné pendant huit ans a déjà traversé beaucoup plus de scénarios qu’un projet de huit mois.

Bear markets.

Pannes.

Tentatives d’attaque.

Changements réglementaires.

Départ de développeurs.

Cycles d’attention.

La durée ne garantit rien.

Elle réduit cependant certaines inconnues.

C’est proche de l’« effet Lindy » souvent évoqué pour les technologies ou institutions : ce qui a déjà survécu longtemps peut parfois être considéré comme ayant démontré davantage de robustesse.

Il faut rester prudent.

Une vieille technologie peut devenir obsolète.

Un ancien token peut perdre lentement sa communauté.

La survie historique est une donnée.

Pas une assurance.

La meilleure défense reste la pensée en probabilités

Le biais de survivant devient particulièrement puissant lorsque l’investisseur raisonne de manière binaire.

« Ce projet sera le prochain Solana. »

« Cette crypto va mourir. »

« Ce trader est un génie. »

« Cette stratégie fonctionne. »

Le monde réel est beaucoup plus probabiliste.

Un petit token peut posséder 5 % de chances de produire une performance énorme et 70 % de chances de perdre presque toute sa valeur.

Une grande crypto peut avoir moins de potentiel extrême et davantage de probabilité de rester liquide.

Le choix d’investissement dépend alors du prix, de la taille de position et de la tolérance au risque.

Ce raisonnement évite de transformer chaque opportunité en certitude.

Il permet également de comprendre pourquoi une personne peut réaliser un x50 sans que sa décision ait été rationnelle ex ante.

Un événement improbable finit parfois par arriver.

Quelqu’un gagne toujours la loterie.

Le gagnant ne prouve pas que le ticket avait une espérance exceptionnelle.

La taille de position permet de survivre aux erreurs de sélection

Le biais de survivant fournit finalement une leçon de gestion du risque.

Si l’on accepte qu’il est difficile d’identifier les futurs survivants, concentrer tout son capital sur un jeune projet devient beaucoup plus agressif.

Un investisseur peut réserver des montants beaucoup plus petits aux paris dont la distribution ressemble à :

forte probabilité d’échec ;

faible probabilité de gain énorme.

Le capital principal peut être placé dans des actifs plus établis ou dans d’autres classes d’actifs.

Cette logique ne garantit aucun rendement.

Elle évite qu’une seule erreur de sélection termine toute l’expérience.

Dans un univers où des millions de tokens peuvent disparaître, la capacité à continuer d’investir au cycle suivant devient une ressource.

La survie compte aussi pour l’investisseur.

Diversifier ne signifie pas acheter cinquante tokens semblables

Il existe néanmoins un piège.

Acheter cinquante meme coins ne transforme pas automatiquement un portefeuille en investissement prudent.

Si tous dépendent de la même narrative, de la même blockchain et du même appétit spéculatif, ils peuvent s’effondrer ensemble.

La diversification utile cherche des sources de risque différentes.

Même au sein de la crypto, Bitcoin, stablecoins, infrastructures Layer 1, DeFi et meme coins n’ont pas exactement les mêmes moteurs.

Et la diversification patrimoniale dépasse évidemment la crypto.

Le biais de survivant peut pousser à surpondérer un secteur parce que nous observons ses gagnants les plus spectaculaires.

Regarder également les perdants rappelle pourquoi il n’est généralement pas nécessaire de construire toute sa vie financière autour d’une seule classe d’actifs.

Écrire la thèse avant de connaître le résultat

Une méthode très simple permet de lutter contre les reconstructions après coup.

Avant d’acheter, écrire :

pourquoi j’achète ;

quelles données soutiennent l’idée ;

quels risques sont identifiés ;

quel événement invaliderait la thèse ;

quelle durée est envisagée ;

quelle perte maximale est acceptable.

Six mois plus tard, relire le document.

Le résultat peut être excellent alors que le raisonnement initial était mauvais.

Ou inversement.

Cette séparation entre processus et résultat empêche le cerveau de réécrire automatiquement l’histoire.

Un x10 ne transforme pas chaque hypothèse de départ en génie.

Une perte ne signifie pas automatiquement que toute l’analyse était absurde.

L’incertitude produit parfois des résultats différents des probabilités initiales.

Le but est d’améliorer la méthode au fil de nombreuses décisions.

Pas de transformer chaque trade gagné en preuve de compétence.

Les réseaux sociaux devraient être lus comme une sélection éditoriale

Lorsqu’une capture impressionnante apparaît, quelques questions suffisent.

Depuis combien de temps cette personne trade-t-elle ?

Combien de comptes possède-t-elle ?

Combien d’autres positions ?

Le profit est-il réalisé ?

Le capital injecté est-il connu ?

Le levier est-il visible ?

Les pertes sont-elles publiées avec la même fréquence ?

Le wallet est-il vérifiable ?

Ces questions ne servent pas à accuser automatiquement le créateur de mentir.

Elles rappellent simplement que ce qui est affiché est une sélection.

Même une personne totalement honnête choisit naturellement les expériences qu’elle raconte.

L’investisseur doit donc considérer les success stories comme des études de cas.

Pas comme des statistiques sur la population.

Les articles « meilleures cryptos » doivent eux aussi montrer les disparitions

La presse crypto n’échappe pas au problème.

Un média peut écrire chaque année sur cinquante projets.

Trois deviennent énormes.

Quelques années plus tard, les dossiers historiques se concentrent naturellement sur ces trois réussites.

Les autres articles vieillissent au fond des archives.

Cela crée une mémoire éditoriale sélective.

Un travail plus utile consiste à revenir sur les anciennes sélections.

Qu’est devenu le projet ?

Le token est-il encore liquide ?

La roadmap a-t-elle été exécutée ?

Les investisseurs auraient-ils réellement pu sortir ?

Cette culture du bilan est beaucoup moins attractive qu’une nouvelle prédiction.

Elle améliore énormément la qualité journalistique.

Le biais de survivant n’est donc pas seulement un problème d’investisseur.

C’est aussi un problème de rédaction financière.

Le survivant doit toujours être comparé au cimetière

Cette règle résume presque tout.

Bitcoin a réussi ?

Regardons aussi les autres actifs disponibles à différentes périodes.

Un trader a fait x100 ?

Regardons le nombre de personnes ayant essayé des stratégies comparables.

Un bot affiche cinq années positives ?

Regardons les actifs qui ont quitté sa base de données.

Un fonds surperforme ?

Regardons les fonds fermés.

Une blockchain possède dix ans d’activité ?

Très bien. Cette survie possède une valeur, mais ne la rend pas automatiquement représentative des milliers de projets lancés autour d’elle.

Le gagnant raconte ce qui était possible.

Le cimetière aide à comprendre ce qui était probable.

Les deux informations sont nécessaires.

Ce que les données Pump.fun disent vraiment

Les 18,67 millions de tokens étudiés par CoinGecko fournissent peut-être l’illustration la plus parlante de ce dossier.

Les réseaux sociaux permettent de voir les quelques meme coins devenus énormes.

La blockchain permet de voir les millions qui ont existé.

CoinGecko estime que 68,67 % des tokens de son échantillon Pump.fun ont enregistré leur dernier trade le jour même de leur naissance et 80,37 % au plus tard le lendemain.

Voilà le dénominateur.

Il ne signifie pas qu’il est impossible de gagner sur un meme coin.

Il signifie qu’utiliser quelques réussites pour estimer les chances du prochain lancement est statistiquement dangereux.

Pour le spéculateur, la leçon n’est pas forcément « ne jamais toucher aux meme coins ».

Elle peut être beaucoup plus pratique :

considérer chaque petit token comme une position dont la perte totale est possible ;

éviter qu’un seul pari puisse détruire le portefeuille ;

ne jamais confondre viralité actuelle et survie future ;

et se demander si la liquidité permettra réellement de vendre lorsque l’attention se déplacera.

En 2027, le biais pourrait devenir encore plus important

L’intelligence artificielle, les launchpads et l’automatisation rendent la création de tokens toujours moins coûteuse.

Cela augmente l’offre de projets beaucoup plus vite que l’attention disponible pour les analyser.

Plus le nombre de candidats augmente, plus quelques survivants peuvent afficher des résultats extraordinaires.

Et plus leur histoire devient séduisante.

Imaginez 100 millions de tokens lancés.

Même si 99,99 % échouent, 0,01 % représente encore 10 000 survivants potentiels.

Internet disposera alors de milliers d’histoires de réussite à raconter.

La quantité d’histoires gagnantes peut donc augmenter en même temps que la probabilité moyenne de réussite diminue.

C’est contre-intuitif.

Et très important.

Un marché plus grand produit davantage de gagnants absolus.

Il peut simultanément devenir plus difficile pour chaque nouveau projet individuel de survivre.

Le nombre de captures de x100 n’est donc pas une mesure suffisante de l’opportunité.

Il faut toujours revenir au nombre total de tentatives.

Le biais de survivant change aussi notre manière de lire Bitcoin

Bitcoin mérite enfin une place particulière.

Sa survie depuis 2009 est un fait majeur.

Le réseau a construit une liquidité, une sécurité, une infrastructure et une reconnaissance qu’aucun nouveau token ne peut reproduire instantanément.

Cela constitue une information importante pour un investisseur.

Le biais de survivant n’oblige donc pas à relativiser Bitcoin jusqu’à le rendre banal.

Il oblige plutôt à formuler correctement la conclusion.

Bitcoin a démontré une capacité exceptionnelle à survivre jusqu’ici.

Cela renforce son historique.

Cela ne prouve pas que chaque critique future sera fausse.

Cela ne prouve pas qu’il ne connaîtra plus de baisse.

Cela ne prouve surtout pas que le prochain token ressemblant superficiellement au Bitcoin des débuts aura le même destin.

Une chose peut être rare parce qu’elle est extraordinairement robuste.

Pas parce que sa trajectoire est facile à reproduire.

C’est toute la différence.

Conclusion : les survivants racontent ce qui a marché, pas combien ont échoué

Le biais de survivant en crypto est dangereux parce qu’il produit des histoires parfaitement vraies.

Bitcoin a transformé de petits investissements historiques en fortunes.

Ethereum a créé un immense écosystème programmable.

Solana a survécu à des périodes pendant lesquelles beaucoup doutaient de son avenir.

Certains meme coins ont généré des multiples spectaculaires.

Certains traders ont réellement changé leur vie grâce au marché.

Rien de tout cela n’est nécessairement faux.

Le problème apparaît lorsque ces cas deviennent notre échantillon principal.

CoinGecko estime que plus de la moitié des cryptomonnaies ayant appartenu à son univers GeckoTerminal étudié depuis 2021 avaient cessé d’être activement tradées fin 2025. Sur Pump.fun, près de sept tokens étudiés sur dix avaient enregistré leur dernière transaction le jour de leur lancement.

Ces chiffres ne signifient pas que la crypto est condamnée.

Ils indiquent simplement que la sélection des gagnants est extrêmement brutale.

Pour investir en 2027, regarder les survivants reste utile.

Il faut simplement regarder simultanément ceux qui n’ont pas survécu.

Avant un x100, demander combien de tokens comparables ont disparu.

Avant de suivre un trader, demander combien de ses appels précédents ont échoué.

Avant de croire un backtest, vérifier si les actifs délistés sont encore dans les données.

Avant d’acheter une crypto à -95 % parce que Bitcoin a déjà rebondi après de grandes chutes, vérifier si le projet possède encore utilisateurs, développeurs, liquidité et raison économique d’exister.

Avant de conclure qu’une stratégie fonctionne, reconstruire les informations réellement disponibles à l’époque.

C’est moins spectaculaire qu’une capture de portefeuille.

Beaucoup plus proche de la réalité.

Le marché crypto produit énormément de survivants extraordinaires parce qu’il produit une quantité encore plus immense de tentatives.

Le gagnant vous apprend ce qui était possible.

Le nombre de perdants vous apprend ce qui était probable.

Pour 2027, cette seconde information mérite probablement beaucoup plus d’attention.