Ne tombez pas dans le piège de la foi aveugle : pourquoi la théorie du cycle de quatre ans échoue sous l'examen statistique

Les communautés crypto et finance traditionnelle sont obsédées par les schémas. Un récit particulièrement populaire est la « théorie du cycle quadriennal » — l’idée que les marchés fonctionnent selon des intervalles prévisibles de quatre ans. Mais voici la vérité inconfortable : cette théorie repose sur une foi aveugle plutôt que sur une analyse rigoureuse. Avec moins de quatre cycles complets de données historiques, tirer des conclusions confiantes sur le comportement du marché n’est pas de la science — c’est de la spéculation.

Cette analyse réexamine l’évaluation du risque de marché en utilisant une approche statistique plus défendable, allant au-delà du dogme cyclique pour un raisonnement probabiliste. Au lieu de se demander « le cycle de quatre ans tiendra-t-il ? », nous devrions demander « que nous disent réellement les données historiques sur la probabilité d’un marché baissier à la fin 2025 et au début 2026 ? »

Le problème de la taille de l’échantillon : pourquoi trois points de données ne suffisent pas

Le problème central est simple : d’ici 2025, nous avions vécu moins de quatre cycles quadriennaux complets. Tout statisticien crédible signalerait immédiatement cela comme un signal d’alarme. Lorsqu’on tire des conclusions à partir de seulement trois points de données valides, on ne construit pas une théorie — on fait du « pattern matching » sur des coïncidences.

Prenons une analogie : si quelqu’un lance une pièce trois fois et obtient face à chaque fois, concluriez-vous que la pièce est biaisée vers face ? Bien sûr que non. De même, observer trois cycles de marché ne fournit pas suffisamment de preuves pour faire des prédictions irréfutables sur le quatrième. Pourtant, c’est précisément ce que font les partisans du cycle quadriennal.

Le problème avec l’analyse d’un petit échantillon sur les marchés financiers, c’est qu’elle est particulièrement vulnérable au biais de survivance et au biais de confirmation. Les traders se souviennent des cycles qui « ont fonctionné » et ignorent ceux qui n’ont pas marché. Cette mémoire sélective crée une illusion de prévisibilité qui n’existe pas réellement.

Une alternative plus rigoureuse : le cadre probabiliste bayésien

Plutôt que de s’appuyer sur des schémas cycliques, nous pouvons utiliser des méthodes de probabilité bayésienne — un cadre mathématique qui nous permet de mettre à jour nos croyances en fonction des preuves. Cette approche offre une base plus solide pour évaluer le risque.

La question bayésienne devient : étant donné ce que nous savons de l’histoire économique, quelle est la probabilité réelle qu’un marché baissier se produise durant cette période spécifique ?

Pour répondre, nous avons besoin de trois éléments d’information :

1. Taux de base : à quelle fréquence les marchés baissiers se produisent-ils réellement ?

Le S&P 500 a connu 27 marchés baissiers depuis 1929. Cela correspond à environ un marché baissier tous les 3,5 ans, soit environ 28,6 % par an. En se concentrant sur la fenêtre trimestre par trimestre (Q4 dans Q1), la probabilité tombe à environ 15-20 %. En adoptant une position prudente : P(marché baissier) ≈ 18 %

2. Déclencheur économique : la trajectoire stagflation-recession

Les précédents historiques montrent que la stagflation (inflation simultanée et stagnation économique) précède fréquemment des récessions, qui souvent s’accompagnent de marchés baissiers. En examinant les 50 dernières années :

• 1973-74, 1980, 1981-82 : stagflation menant à des récessions
• 2000-01 : éclatement de la bulle tech lors d’une stagflation modérée
• 2007-08 : crise financière issue de conditions de stagflation
• 2011-12 : crise européenne créant une stagflation sans récession complète (atterrissage en douceur)
• 2018-19 : tensions commerciales résolues en atterrissage en douceur

Sur environ six scénarios de stagflation menant à une récession dans ces 50 ans, quatre ont abouti à une récession complète (66%) et deux ont abouti à un atterrissage en douceur (34%). En tenant compte des conditions actuelles — baisses de taux actives de la Fed, marché du travail résilient, incertitude politique — nous estimons : P(stagflation → récession) ≈ 45 %

3. Probabilité conditionnelle : lorsque des récessions surviennent, à quelle fréquence coïncident-elles avec des marchés baissiers ?

Depuis 1929, sur 27 marchés baissiers, environ 12 ont été associés à des récessions. Parmi ces 12 marchés baissiers en récession, environ 4 ont connu des conditions de stagflation. Cela nous donne : P(stagflation → récession | marché baissier) ≈ 33 %

Le calcul bayésien : que montrent les chiffres ?

En utilisant la formule bayésienne standard :

P(Marché baissier | stagflation → récession) = P(stagflation → récession | marché baissier) × P(marché baissier) / P(stagflation → récession)

En substituant nos estimations :

= 0,33 × 0,18 / 0,45 = 13,2 %

Cela donne une probabilité d’environ 13,2 % pour un marché baissier dans des conditions spécifiques de stagflation et de récession. En élargissant l’analyse pour prendre en compte l’incertitude et plusieurs voies menant au stress du marché, l’évaluation globale du risque ressemble à ceci :

Évaluation du risque : la vraie image du risque pour fin 2025-début 2026

Les données suggèrent une fourchette plutôt qu’un point unique :

• Scénario optimiste : probabilité de 12 %
• Expectation médiane : probabilité de 17 %
• Scénario pessimiste : probabilité de 25 %

Consensus global : une probabilité de marché baissier de 15-20 %

Cela nous indique quelque chose d’important : bien que le risque de marché baissier existe et mérite attention, il reste statistiquement peu probable à court terme. La probabilité est suffisamment significative pour justifier la prudence, mais pas si élevée qu’elle justifie la panique.

Pourquoi la probabilité reste modérée : distinctions clés

L’estimation de probabilité relativement modérée reflète plusieurs facteurs stabilisateurs absents lors des crises précédentes :

• La Fed qui coupe activement les taux (contre un resserrement passif dans la stagflation des années 1970)
• La résilience du marché du travail face aux risques financiers systémiques observés en 2008
• La diversification des classes d’actifs mondiaux et des outils de couverture de portefeuille, absents dans les décennies passées
• Les outils politiques et les coupe-circuits conçus pour limiter les défaillances en cascade

Ces différences structurelles expliquent pourquoi les scénarios de stagflation contemporains ne se traduisent pas automatiquement par des marchés baissiers à la mode des années 1970.

Réponse stratégique : défense tactique, pas panique

L’évaluation du risque indique une posture de gestion du risque spécifique : une défense tactique plutôt qu’un retrait stratégique.

« Défense tactique » signifie :

• Maintenir une exposition aux actifs de croissance tout en réduisant le risque de concentration
• Constituer des réserves pour des achats opportunistes en cas de corrections
• Couvrir certains secteurs ou expositions géopolitiques
• Tester la résilience du portefeuille

« Retrait stratégique » signifie :

• Liquider prématurément des positions à long terme
• Passer en positions de cash défensif
• Abandonner totalement l’exposition à la croissance

Les données soutiennent la première option, pas la seconde. Une probabilité de 15-20 % d’un marché baissier ne justifie pas une refonte totale du portefeuille — elle justifie une gestion prudente du risque.

La leçon plus large : les données plutôt que le dogme

L’argument initial contre la foi aveugle dans la théorie du cycle quadriennal n’est pas seulement académique. Il reflète un principe crucial pour les investisseurs : rester sceptique face à tout récit qui prétend une certitude basée sur des échantillons limités.

Que ce soit la théorie cyclique, les schémas techniques ou tout autre cadre prédictif, la question doit toujours être : combien de données soutiennent cela ? Quelle est la marge d’erreur ? Quelles autres explications existent ?

L’utilisation du raisonnement bayésien nous oblige à répondre explicitement à ces questions. Elle nous empêche de tomber dans le piège de la foi aveugle où l’on confond reconnaissance de schéma et causalité prouvée. La théorie du cycle quadriennal peut contenir des vérités partielles, mais elle ne doit pas être votre principal outil de décision lorsque la taille de l’échantillon est insuffisante et que d’autres méthodologies offrent des perspectives plus claires.

Le marché comporte de vrais risques pour fin 2025 et début 2026, mais ces risques sont quantifiables et gérables avec une analyse disciplinée — pas avec une conviction aveugle dans les schémas cycliques.