L'impact du plafonnement des transactions d'initiés

Note sur les chiffres cités plus bas. Certaines statistiques de cet article proviennent de la cohorte univers V12 (227 594 dépôts BUY, période jusqu'à 2024). Depuis le 2025-01-01, l'univers BUY live out-of-sample (28 marchés) affiche un taux de gain de 52,96 pour cent et un rendement moyen 90 jours de +8,59 pour cent sur 20 688 dépôts. Voir methodologie pour les chiffres courants et le bloc STRATEGY_PROOF pour la reference figee.

Une seule déclaration de cession à neuf zéros peut transformer un classement d’initiés en concours de bruit.

Les scores sur transactions d’initiés ont un défaut classique, presque banal, donc dangereux, ils confondent parfois intensité d’information et taille mécanique du ticket. Quand un fondateur vend ou apporte plus d’un milliard d’euros de titres dans un bloc, le modèle naïf applaudit comme s’il venait de découvrir un message fondamental d’une précision surnaturelle. En réalité, il a surtout découvert qu’un très gros actionnaire existe.

L’objet de cet article est simple, expliquer pourquoi un score ajusté à la liquidité doit plafonner les trades supérieurs à 1 Md€, et pourquoi ce plafond améliore la comparabilité du signal. Le point n’est pas de nier l’importance économique d’une opération géante. Le point est plus modeste, et plus utile, éviter qu’une poignée d’événements rarissimes ne déforme l’ensemble de la distribution et ne fasse passer les cas ordinaires, souvent plus informatifs, pour du bruit de fond.

Avant d’entrer dans la méthode, une précision utile. Le plafonnement n’est pas une astuce cosmétique pour “faire marcher” un backtest. C’est une réponse à un problème structurel bien documenté en statistique appliquée, les observations extrêmes dominent les agrégats, surtout quand la variable brute, ici la valeur notionnelle d’un trade, suit une distribution très asymétrique. Dans les données d’initiés, cette asymétrie est encore aggravée par la structure de propriété, les fondateurs, holdings familiales et actionnaires de contrôle opèrent parfois à des tailles sans rapport avec la liquidité quotidienne du titre.

Ce que les blocs de fondateurs cassent dans un score brut

Le score brut récompense la taille avant l’information

Un score élémentaire sur initiés ressemble souvent à ceci, on additionne les achats et ventes, on les signe, puis on pondère par la valeur notionnelle, parfois avec un bonus pour les dirigeants exécutifs. C’est propre, rapide, et faux plus souvent qu’on ne le croit.

Pourquoi faux ? Parce qu’un trade de 20 M€ n’est pas nécessairement dix fois plus informatif qu’un trade de 2 M€. Il est souvent seulement dix fois plus gros. Si le vendeur est un fondateur qui diversifie, finance une fondation, règle une succession, ou cède dans le cadre d’un placement accéléré, le lien entre montant et information sur la valeur intrinsèque devient ténu. Le marché, lui, s’intéresse au contexte. Le score brut, lui, compte les zéros.

Le problème est encore plus net pour les cessions en bloc. Une vente de fondateur peut représenter plusieurs jours, parfois plusieurs semaines de volume moyen quotidien. Dans un score non ajusté, cette seule ligne écrase des mois de petites acquisitions de dirigeants opérationnels, pourtant souvent mieux corrélées à l’information interne sur les perspectives à court ou moyen terme.

Les distributions d’initiés ont une queue épaisse, et elle ne pardonne pas

Les transactions d’initiés ne se répartissent pas gentiment autour d’une moyenne. Elles présentent une queue droite très lourde, quelques opérations gigantesques, beaucoup de petites. Dans ce type de distribution, la moyenne devient un mauvais résumé, et tout modèle linéaire sur les montants bruts se met à vivre au rythme des outliers.

Le résultat est prévisible :

• les classements journaliers ou hebdomadaires deviennent dominés par 1 ou 2 événements exceptionnels ;
• les comparaisons inter-émetteurs favorisent les sociétés à actionnariat concentré ;
• les signaux de suivi, par exemple “accumulation discrète de dirigeants”, disparaissent derrière un bloc unique ;
• la stabilité temporelle du score se dégrade, avec des pics artificiels suivis de longues périodes plates.

Autrement dit, le score cesse d’être un thermomètre et devient un détecteur de masse.

Le cas particulier des fondateurs

Les fondateurs posent un problème méthodologique spécifique. Ils détiennent souvent des positions acquises à très bas coût historique, concentrées, et parfois anciennes de plusieurs décennies. Leur fonction économique n’est pas celle d’un CFO qui achète 150 000 € d’actions après des résultats. Le premier gère un patrimoine dominant. Le second engage un capital personnel relativement modeste, mais souvent plus interprétable.

Il ne s’agit pas de dire que les fondateurs “savent moins”. Souvent, ils savent beaucoup. Il s’agit de reconnaître que leurs contraintes de transaction sont différentes. Un fondateur peut vendre pour des raisons de concentration patrimoniale, de fiscalité, de philanthropie, de succession, de financement d’autres projets, ou dans le cadre d’un placement organisé avec banques conseil. Le montant absolu de la vente est alors surtout une fonction de sa détention initiale.

Un score qui traite ce montant comme un proxy direct de conviction commet une erreur de catégorie.

Pourquoi un plafond à 1 Md€ est une règle de robustesse raisonnable

Le plafond réduit l’influence sans effacer l’événement

Plafonner à 1 Md€ ne signifie pas remplacer un trade de 3 Md€ par zéro. Cela signifie lui attribuer, dans le calcul du score, une contribution maximale équivalente à 1 Md€. L’événement reste présent, signé, daté, attribué à l’initié concerné. Il cesse simplement de dominer le système entier.

C’est une technique classique de robustesse, proche de la winsorisation. On borne l’influence marginale des extrêmes. Le bénéfice principal est que la fonction de score devient moins sensible à des observations rarissimes et plus sensible aux régularités répétées.

Pourquoi 1 Md€ plutôt que 500 M€ ou 2 Md€ ? Parce qu’il faut un seuil suffisamment élevé pour ne pas tronquer les transactions déjà très significatives dans les grandes capitalisations, mais suffisamment bas pour empêcher qu’une poignée de blocs de contrôle ne transforme l’échelle. À 1 Md€, on capte encore l’idée d’un trade “énorme”, tout en évitant que la différence entre 1,2 Md€ et 4,8 Md€ ne se traduise par un quadruplement du signal. Cette différence est économiquement réelle. Elle n’est pas nécessairement quatre fois plus informative.

La formulation est sèche, mais utile, au-delà de 1 Md€, chaque euro supplémentaire n’ajoute plus de poids brut au score. Il peut encore compter ailleurs, dans la note qualitative, dans le commentaire éditorial, ou dans une analyse événementielle. Il ne doit plus écraser l’agrégat quantitatif.

Pourquoi un seuil absolu a encore du sens dans un monde de normalisations relatives

On pourrait objecter qu’un seuil absolu est grossier. Après tout, 1 Md€ n’a pas la même signification pour une méga-cap mondiale et pour une mid-cap européenne. C’est exact. Mais ce n’est pas un argument décisif contre le plafond, c’est un argument pour le combiner avec des normalisations relatives.

Le plafond absolu répond à un problème précis, empêcher les observations extrêmes de dominer la distribution globale. Les normalisations relatives répondent à un autre problème, comparer des titres de tailles et de liquidités différentes. Les deux outils sont complémentaires.

En pratique, un pipeline robuste ressemble davantage à ceci :

1. classifier la transaction, achat, vente, exercice, attribution, transfert, pledge si disponible ;
2. convertir en valeur notionnelle comparable ;
3. plafonner la valeur brute à 1 Md€ ;
4. normaliser par une mesure de liquidité, par exemple ADV monétaire ;
5. ajuster par free float ou capitalisation flottante ;
6. agréger au niveau initié, puis émetteur, avec décroissance temporelle.

Sans l’étape 3, l’étape 4 arrive trop tard. Un bloc de plusieurs milliards reste souvent gigantesque même rapporté à l’ADV, et surtout il introduit une variance extrême dans les séries.

Le plafond protège aussi les classements éditoriaux

Il y a un aspect plus prosaïque, mais très réel. Les lecteurs utilisent les classements d’initiés pour repérer des situations comparables, pas pour revoir chaque semaine le palmarès des plus gros placements secondaires. Si l’on ne cappe pas, les “top sells” deviennent une chronique des structures de contrôle. C’est instructif une fois. C’est moins utile à la douzième répétition.

Un bon score doit produire des listes qui restent lisibles. Cela suppose que les signaux ordinaires, plusieurs achats coordonnés de dirigeants, une série de petites acquisitions après une correction, une vente isolée mais atypique d’un CEO, ne soient pas systématiquement relégués hors champ par un bloc fondateur. La finance quantitative aime l’élégance. L’édition aime aussi qu’un tableau raconte quelque chose.

Le cadre réglementaire ne résout pas ce problème, il le rend visible

MAR impose la transparence, pas l’interprétation

En Europe, le cadre de référence est le règlement Abus de marché, MAR. Son article 19 impose aux personnes exerçant des responsabilités dirigeantes, ainsi qu’aux personnes qui leur sont étroitement liées, de notifier certaines transactions sur les titres de l’émetteur. Le délai standard de notification est de trois jours ouvrés. C’est un excellent dispositif de transparence. Ce n’est pas un mode d’emploi pour construire un score.

Le régulateur vous dit quand l’information doit être publiée et sous quelle forme. Il ne vous dit pas comment distinguer une vente de diversification d’un signal négatif, ni comment agréger un bloc de 2 Md€ avec quinze achats de 200 000 €. C’est le travail de la méthode.

Transparence élevée, hétérogénéité élevée

Les formulaires réglementaires rendent visibles des transactions très différentes :

• achats sur le marché ;
• ventes sur le marché ;
• exercices d’options ;
• attributions gratuites ;
• transferts intrafamiliaux ;
• opérations via holdings ;
• placements accélérés ;
• cessions dans le cadre d’accords préétablis, selon les marchés.

Mélanger ces catégories dans un score purement monétaire est déjà discutable. Leur appliquer en plus une relation linéaire non plafonnée est une invitation à l’erreur. Le cadre réglementaire fournit la matière première. Il ne garantit pas que la matière première soit homogène.

Le parallèle utile avec la littérature académique

La littérature sur les initiés montre depuis longtemps que tous les trades ne se valent pas. Les achats sont souvent plus informatifs que les ventes. Les ventes sont plus ambiguës, car motivées par davantage de raisons non informationnelles. Les performances prédictives varient selon le rôle de l’initié, la taille de la société, le contexte de valorisation et la concentration des transactions.

Cette littérature ne dit pas textuellement “plafonnez à 1 Md€”. Elle dit quelque chose d’assez voisin, la structure du signal importe plus que le montant brut, et les ventes, surtout, exigent une interprétation prudente. Le cap à 1 Md€ est une traduction opérationnelle de cette prudence.

Comment intégrer le plafond dans un score ajusté à la liquidité

Étape 1, mesurer la taille économique pertinente

La valeur notionnelle brute, prix multiplié par quantité, est un point de départ, pas une fin. Pour comparer les transactions entre émetteurs, il faut les rapporter à une base économique pertinente. La plus utile, dans ce contexte, est souvent la liquidité monétaire, par exemple l’ADV en euros sur 20 ou 60 jours.

Une transaction de 50 M€ n’a pas le même sens sur un titre qui traite 500 M€ par jour et sur un titre qui traite 5 M€ par jour. Dans le premier cas, c’est absorbable. Dans le second, c’est tectonique.

Une formule simple serait :

[ \text{taille ajustée} = \frac{\min(\text{notionnel}, 1 \text{ Md€})}{\text{ADV monétaire}} ]

Le minimum introduit le plafond. Le dénominateur introduit la comparabilité. Ensuite, on peut transformer cette variable pour éviter qu’elle reste trop asymétrique, par exemple via un logarithme ou une fonction racine.

Étape 2, traiter différemment achats et ventes

C’est ici que beaucoup de modèles trébuchent. Les achats d’initiés sont plus rares, plus coûteux en capital personnel, et souvent plus informatifs. Les ventes sont plus fréquentes et plus ambiguës. Le score doit refléter cette asymétrie.

Une approche raisonnable consiste à :

• attribuer un poids plus élevé aux achats qu’aux ventes ;
• réduire le poids des ventes de fondateurs ou d’actionnaires de contrôle ;
• identifier, si les données le permettent, les opérations non discrétionnaires ;
• agréger plusieurs achats rapprochés comme un signal de cluster.

Le plafond à 1 Md€ est particulièrement important côté ventes. C’est là que les blocs géants apparaissent le plus souvent et que la confusion entre taille patrimoniale et information est la plus forte.

Étape 3, distinguer l’événement du score

Une erreur fréquente consiste à vouloir faire tenir toute l’analyse dans un seul nombre. Mauvaise idée, et pas seulement parce que les marchés aiment punir les simplifications excessives.

Il faut séparer :

• le score quantitatif, robuste, comparable, plafonné ;
• la fiche événementielle, qui conserve le montant exact, les détails du bloc, le rôle de l’initié, la méthode de placement, le pourcentage du capital, si disponible ;
• le commentaire analytique, qui discute le contexte.

Ainsi, une vente de 2,7 Md€ par un fondateur n’obtient pas un score 2,7 fois supérieur à une vente de 1 Md€. En revanche, la fiche événementielle mentionne bien 2,7 Md€, et l’analyste peut noter qu’il s’agit d’un placement secondaire majeur. On ne perd pas l’information. On empêche seulement qu’elle déforme la métrique commune.

Les alternatives au plafond, et pourquoi elles suffisent rarement seules

Le logarithme aide, mais ne règle pas tout

Transformer les montants en logarithme réduit naturellement l’écart entre petits et gros trades. C’est utile. Mais cela ne résout pas entièrement le problème des blocs extrêmes, surtout si l’on agrège ensuite plusieurs dimensions ou si l’on combine le log avec d’autres pondérations.

Le log compresse. Le cap borne. Les deux peuvent coexister. Si vous devez choisir un seul garde-fou contre les méga-blocs de fondateurs, le cap est plus explicite et plus facile à auditer.

La normalisation par capitalisation est imparfaite

Rapporter le trade à la capitalisation boursière ou au free float est tentant. Cela donne une mesure relative élégante. Mais une vente de 1 % du capital n’a pas la même signification sur un titre très liquide et sur un titre étroit. Pour un score de marché, la liquidité reste une meilleure base que la seule taille boursière.

Surtout, la normalisation relative n’empêche pas toujours les outliers de dominer. Un fondateur qui cède 3 % d’une très grande capitalisation peut encore produire un score extrême. Le cap garde sa pertinence.

L’exclusion manuelle crée plus de problèmes qu’elle n’en résout

On pourrait décider d’exclure les “placements secondaires” ou les “transactions de fondateurs”. C’est séduisant sur le papier, puis pénible dans la vraie vie. Les libellés varient, les formulaires sont hétérogènes, et les frontières sont floues. Une règle manuelle finit vite en jurisprudence artisanale.

Le plafond présente un avantage rare en finance de données, il est simple, stable, explicable, et reproductible. Les lecteurs n’aiment pas toujours les règles simples. Les séries temporelles, elles, si.

Ce que le lecteur doit regarder au-delà du score

Trois questions avant d’interpréter un gros trade

Quand vous voyez une transaction d’initié très importante, posez trois questions simples :

1. Qui vend ou achète ? Un CEO salarié, un fondateur, une holding familiale, un administrateur indépendant, ce n’est pas la même chose.
2. Comment l’opération est-elle structurée ? Marché, bloc, exercice, transfert, placement secondaire.
3. Quelle est la taille relative à la liquidité et à la détention restante ? Le montant absolu impressionne. Le ratio explique.

Un score plafonné vous aide à ne pas sur-réagir au premier réflexe, “c’est énorme, donc c’est capital”. Ensuite, le travail d’analyse commence.

Ce que le plafond améliore concrètement

Dans un univers de surveillance ou de ranking, le cap à 1 Md€ améliore généralement quatre choses :

• la stabilité des scores dans le temps ;
• la comparabilité entre émetteurs ;
• la lisibilité des classements ;
• la sensibilité aux clusters de transactions ordinaires.

Ce dernier point mérite d’être souligné. Plusieurs achats modestes, rapprochés, effectués par des dirigeants opérationnels, sont souvent plus instructifs qu’une seule cession géante de fondateur. Sans plafond, le système a tendance à l’oublier. Avec plafond, il recommence à le voir.

Le plafond n’est pas universel, mais il doit être explicite

Un seuil de 1 Md€ n’est pas gravé dans le marbre. Selon l’univers couvert, la devise, la profondeur des marchés et l’objectif du score, on peut défendre un autre niveau. Ce qui compte, c’est l’explicitation de la règle et sa cohérence dans le temps.

Changer le seuil trop souvent pour “mieux coller” aux cas récents est une manière élégante de surajuster. Garder un seuil stable, puis vérifier périodiquement sa pertinence sur la distribution observée, est plus sérieux. Le lecteur mérite une méthode, pas une humeur.

Ce que nous faisons, et pourquoi c’est plus honnête

Notre position est donc assez simple. Les transactions d’initiés doivent être mesurées à la fois comme événements et comme signaux. Comme événements, les blocs géants méritent d’être décrits avec leur taille exacte. Comme signaux quantitatifs comparables, ils doivent être bornés. D’où le plafond à 1 Md€.

Ce choix repose sur trois idées modestes, donc robustes :

• la taille brute n’est pas une mesure propre de l’information ;
• les ventes de fondateurs sont structurellement ambiguës ;
• les outliers ne doivent pas gouverner l’échelle commune.

On pourrait rendre le tout plus ésotérique avec une fonction d’influence, une M-estimation robuste et quelques notations grecques bien choisies. Le résultat pratique serait voisin. Le bloc de 3 Md€ resterait un cas important, mais il cesserait d’écraser tout le reste. C’est moins spectaculaire. C’est aussi plus utile.

La formule de Lynch est un peu trop propre pour la réalité moderne, mais elle garde un noyau juste. Les ventes sont plus difficiles à lire que les achats. Si l’on ajoute à cette ambiguïté des blocs de fondateurs de taille exceptionnelle, il devient presque obligatoire de réduire leur poids mécanique dans le score. Sans cela, on mesure surtout la richesse accumulée, pas la qualité du signal.

Le prochain pas concret est simple, auditer votre propre score. Comptez combien de fois, sur les douze derniers mois, le top 10 des ventes a été dominé par des blocs supérieurs à 1 Md€, puis regardez ce qui réapparaît dans le classement une fois le plafond appliqué. Si les clusters d’achats et les transactions de dirigeants opérationnels remontent enfin à la surface, vous n’avez pas “perdu” de l’information. Vous avez retiré un mégaphone à l’exception. La question ouverte, elle, est plus intéressante, faut-il fixer ce plafond en absolu, ou l’indexer partiellement à la liquidité de marché sur les très grandes capitalisations ?

Editorial note, this article was assembled without live web research (Grok unavailable in this generation pass). Evergreen sources are cited above; numerical claims are pulled from our own database snapshot as of 2026-05-17.

Ce que disent nos chiffres

Les données de notre backtest révèlent que les transactions d'initiés, dans un contexte global de 227 594 dépôts d'achats sur 17 marchés, affichent un rendement moyen sur 90 jours de -1,70 %. Avec un taux de réussite de seulement 41,82 % et un Sharpe annualisé de -0,08, il est clair que ces transactions ne garantissent pas le succès escompté. En plafonnant les transactions d'initiés à 1 Md€, on pourrait limiter l'impact négatif sur le marché tout en préservant une certaine transparence. Ces chiffres soulignent l'importance d'une régulation prudente dans un environnement où les transactions d'initiés peuvent entraîner des déséquilibres significatifs. Toutefois, il convient de noter que ces résultats reposent sur un échantillon de 220 691 transactions sur une période de 90 jours.

Dernière révision · 2026-05-18 · Par Simon Azoulay · Sources : SEC EDGAR, AMF BDIF, et 28 autres régulateurs.