Information coefficient : la clé pour décoder vos analyses

Un analyste quant m'a montré un jour son backtest. Sharpe de 1,8. Belle courbe. Il était fier. J'ai regardé l'information coefficient moyen de sa stratégie : 0,008. Autrement dit, du bruit avec une jolie présentation. Six mois plus tard, la stratégie avait rendu l'argent qu'elle avait fait semblant de gagner en simulation.

L'information coefficient (IC) est la métrique la plus utile et la plus mal comprise de la finance quantitative. Elle mesure une chose simple : est-ce que vos prédictions de rendement ont un lien réel avec les rendements qui se produisent vraiment ? Pas de P&L, pas de Sharpe, pas d'histoire. Juste : votre signal raconte-t-il quelque chose sur l'avenir ?

Le problème, c'est que la plupart des gens regardent l'IC moyen et s'arrêtent là. C'est une erreur que j'ai faite pendant des mois. Je vais vous montrer pourquoi, et comment lire cette métrique correctement.

L'information coefficient, définition sans détour

Formellement, pour une période t et un horizon h, sur un univers de N actifs :

IC_t = corrélation( scores_t , rendements_{t→t+h} )

Vous classez vos actifs par score (le signal de votre modèle), vous prenez leurs rendements futurs, et vous calculez la corrélation entre les deux vecteurs. Voilà. Rien de plus.

Le score peut venir d'un modèle factoriel, d'un ranking de momentum, d'une prédiction de machine learning, d'un avis d'analyste transformé en note. Le rendement réalisé, lui, est ce qui s'est effectivement passé sur l'horizon. La corrélation entre les deux, c'est l'IC.

Comment lire l'échelle, concrètement

L'IC vit entre -1 et +1. Mais l'erreur classique consiste à le lire comme on lirait un R² ou un pourcentage de réussite.

• IC ≈ 0 : votre signal n'a aucun pouvoir prédictif linéaire. Poubelle.
• IC négatif : votre signal est directionnellement à l'envers. Ce n'est pas forcément inutile — inversez-le, mais vérifiez d'abord que ce n'est pas un artefact de données.
• IC faible positif (0,02 à 0,05) : c'est déjà beaucoup en finance. Ne ricanez pas.
• IC supérieur à 0,10 en moyenne sur un long historique : soit vous avez trouvé quelque chose de rare, soit vous vous êtes trompé quelque part dans le calcul.

Oui, ces chiffres paraissent minables. Un IC de 0,05, c'est 0,25 % de variance expliquée. Et pourtant, exploité sur des centaines d'actifs avec un turnover bien géré, ça peut générer un Sharpe décent. La finance quantitative est un jeu de marges infimes répétées.

La formule complète et un calcul pas à pas

Le grand absent des explications qu'on trouve en ligne, c'est le calcul reproductible. On vous donne la théorie, jamais l'arithmétique. Je répare ça.

La version simple

Supposons cinq actifs, un horizon d'un mois. Vos scores et les rendements réalisés :

Actif	Score du signal	Rendement réalisé (%)	Rang score	Rang rendement
A	2,4	+1,8	5	5
B	1,1	+0,4	3	3
C	1,7	+1,2	4	4
D	-0,6	-1,1	2	1
E	-1,2	-0,2	1	2

La corrélation de rang entre colonne 4 et colonne 5 donne ici un IC proche de 0,9. Mais attention : sur cinq actifs, ce chiffre ne veut rien dire. Un univers de cinq titres, c'est une anecdote, pas une statistique.

Le vrai calcul, avec les pièges

Dans la pratique, vous ne calculez jamais un IC isolé. Vous en calculez des centaines, un par période, sur un univers large. Trois pièges reviennent systématiquement :

1. Les valeurs manquantes : un actif sans rendement sur l'horizon (suspension, radiation) biaise la corrélation. Excluez l'actif de la période, ne le remplacez pas par zéro — c'est la faute que j'ai commise pendant deux mois.
2. Les périodes partielles : si vos rendements sont calculés sur des fenêtres de longueur différente, l'IC devient incomparable d'une période à l'autre.
3. La taille de l'univers : un IC sur 20 actifs est bien plus bruité qu'un IC sur 500. Notez toujours N à côté de votre IC moyen, sinon il ne veut rien dire.

La formule standard pour un univers de N actifs sur une période :

IC_t = cov(score_t, rendement_t) / (σ_score × σ_rendement)

C'est une corrélation de Pearson classique. Et c'est là que le débat commence.

Spearman contre Pearson : le choix qui change votre IC

Pearson mesure une relation linéaire. Spearman mesure une relation monotone, via les rangs. La différence n'est pas cosmétique.

Si votre signal est construit par ranking ou normalisé en z-score, et que vos rendements ont des queues épaisses (ce qui est presque toujours le cas en actions), Spearman est le choix par défaut. Un seul rendement aberrant peut faire exploser ou s'effondrer un IC de Pearson sans que la qualité du signal ait changé d'un iota.

Pearson reste pertinent dans un cas : quand vous voulez mesurer la relation en magnitude, par exemple si vous pondérez vos positions proportionnellement au score. Là, ce qui compte, ce n'est pas seulement l'ordre, c'est l'intensité.

J'ai testé les deux sur un même signal de momentum pendant plusieurs mois. L'IC de Spearman était systématiquement plus stable d'une période à l'autre. L'IC de Pearson variait du simple au triple selon la présence ou l'absence de deux ou trois valeurs extrêmes. Le choix ne change pas votre stratégie, mais il change votre capacité à l'évaluer honnêtement.

Ratio d'information : le compagnon indispensable de l'IC

Un IC moyen seul ne dit rien sur la régularité du signal. Deux stratégies peuvent avoir un IC moyen identique de 0,04 — l'une avec un IC qui oscille entre 0,02 et 0,06, l'autre qui alterne entre +0,20 et -0,12. La seconde est un désastre déguisé.

C'est là qu'intervient le ratio d'information, noté IR :

IR = moyenne(IC) / écart-type(IC)

Plus l'IR est élevé, plus votre signal est consistant. Un IC moyen de 0,04 avec un écart-type de 0,02 donne un IR de 2 — c'est excellent. Le même IC moyen avec un écart-type de 0,10 donne un IR de 0,4 — c'est fragile.

La leçon que j'aurais aimé qu'on me donne plus tôt : regardez toujours l'écart-type de votre IC avant de vous enthousiasmer sur sa moyenne. Une moyenne flatteuse avec une variance énorme est le piège numéro un des backtests qui ne survivent pas au direct.

Transfer coefficient : quand votre signal est dilué par les contraintes

Vous avez peut-être croisé le terme transfer coefficient dans des contextes de gestion de portefeuille. Il répond à une question différente mais liée : dans quelle mesure les contraintes de votre portefeuille (limites de position, secteurs interdits, contraintes de liquidité) empêchent votre signal d'être pleinement transmis aux positions finales.

Un signal avec un excellent IC peut produire une stratégie médiocre si le transfer coefficient est faible. Le cas typique : vous identifiez les meilleures opportunités sur des petites capitalisations, mais vos contraintes de liquidité vous empêchent d'y allouer suffisamment. L'IC reste bon, le transfer coefficient s'écroule, la performance s'effondre.

La distinction est importante : l'IC mesure la qualité de votre prédiction. Le transfer coefficient mesure la qualité de votre traduction de cette prédiction en positions réelles. Les deux peuvent diverger fortement.

Comment diagnostiquer un transfer coefficient faible

Comparez le rendement de votre signal brut (classement idéal sans contraintes) avec le rendement de vos positions effectives. Si l'écart est important et persistant, vos contraintes sont le problème, pas votre modèle. Dans mon expérience, ce diagnostic prend une heure et fait souvent gagner des semaines de re-travail du signal.

Les erreurs qui pourrissent un IC sans qu'on s'en aperçoive

Après avoir vu beaucoup de backtests passer sur mon bureau, je peux dire que les mêmes erreurs reviennent. Elles ne sont pas exotiques. Elles sont banales, et c'est justement pour ça qu'on les rate.

• Le look-ahead bias sur les données : utiliser un score calculé avec des données non disponibles au moment de la décision. Un IC magnifique, un direct catastrophique.
• Le survivorship bias : calculer l'IC uniquement sur les actifs encore cotés aujourd'hui. Ça gonfle artificiellement le résultat.
• La confusion horizon/IC : un signal de momentum a souvent un IC positif à 6 mois et négatif à 1 mois. Sans préciser l'horizon, l'IC n'a aucun sens.
• Le sur-apprentissage du seuil : choisir l'horizon qui maximise l'IC a posteriori. C'est du data mining pur.

J'ai perdu deux semaines à chercher pourquoi un signal avait un IC de 0,11 sur l'historique, avant de réaliser que j'avais utilisé les prix du jour de clôture pour générer un score censé être disponible le matin. Erreur de débutant. Coût : deux semaines et une confiance en soi légèrement entamée.

Questions qu'on me pose souvent sur l'IC

Quel niveau d'IC est considéré comme bon ?

Pour un signal cross-sectionnel sur actions, un IC moyen entre 0,03 et 0,05 est exploitable. Entre 0,05 et 0,10, c'est solide. Au-delà de 0,10 en moyenne stable sur un long historique, méfiez-vous : soit vous avez un signal exceptionnel, soit vous avez un biais quelque part. Un IC moyen de 0,05 calculé sur plusieurs centaines de périodes et un univers large est une bien meilleure nouvelle qu'un IC de 0,30 sur une période unique avec 15 actifs — le second est presque toujours du bruit.

Que faire d'un IC négatif ?

Deux possibilités. Soit votre signal est réellement inversé — dans ce cas, retournez-le et re-testez. Soit c'est un artefact : mauvaise direction de calcul, données mal alignées, ou horizon mal choisi. Avant d'inverser un signal, vérifiez que le signe négatif persiste sur plusieurs périodes. Un IC négatif isolé n'est pas une information, c'est un accident.

L'IC remplace-t-il le ratio de Sharpe ?

Non, et c'est une confusion fréquente. Le Sharpe mesure la performance ajustée du risque de la stratégie finale, après contraintes, coûts de transaction et dimensionnement. L'IC mesure la qualité brute du signal avant tout ça. Un bon IC est une condition nécessaire mais pas suffisante à un bon Sharpe. C'est pour ça que je regarde toujours les deux ensemble, plus le transfer coefficient, plus les coûts.

Ce qui reste quand on a compris l'IC

L'information coefficient n'est pas une métrique de performance. C'est un outil de diagnostic. Il vous dit si votre signal a quelque chose à raconter, pas si votre stratégie va gagner de l'argent.

La question que je me pose maintenant systématiquement avant de croire à un backtest : l'IC est-il stable sur plusieurs régimes de marché ? Un IC moyen correct calculé sur une période de taux bas qui s'effondre dès que le régime change, ce n'est pas un signal, c'est une coïncidence bien présentée.

Et si vous ne devez retenir qu'une chose : regardez l'écart-type de votre IC avec autant d'attention que sa moyenne. C'est là que se cachent les stratégies qui ne survivent pas au passage en production. La moyenne raconte une histoire. L'écart-type dit si elle est vraie.