Quelqu’un est devenu célèbre récemment sur X

Si vous parcourez X (Twitter) ces derniers temps, vous avez peut-être déjà vu ce compte : @aleabitoreddit, pseudo Serenity.

Sa bio ne tient qu’en une ligne : ancien trader connu de Reddit WallStreetBets, analyste de la chaîne d’approvisionnement IA/semi-conducteurs, ancien membre de la RISC-V Foundation, ancien chercheur en IA, aujourd’hui spécialisé dans le trading des « sociétés goulots d’étranglement négligées ».

Ça ressemble à une bio typique de vantard sur X ? Mais les chiffres parlent : inscrit en juillet 2025, il atteignait déjà plus de 350 000 abonnés en mai de cette année, et son nombre de followers frôle celui d’Elon Musk.

Encore plus impressionnant, son palmarès. Il se vante d’un taux annualisé maximal de +501 %, stabilisé actuellement autour de +122 %, et a nommé publiquement plus de 38 titres. Quelqu’un a même créé un site « Serenity Tracker » pour suivre ses positions : il en ressort que son taux annualisé de 3840 % provient principalement d’investissements précoces dans de petites sociétés obscures de la chaîne IA et semi-conducteurs.

Des vérifications ont-elles été faites ? Oui. À l’époque de Reddit, il avait été banni du subreddit WallStreetBets pour avoir recommandé \(AXTI (passé de 12 \) à 70 $), officiellement parce que « le modérateur était gêné que les petits investisseurs gagnent trop ». Ce détail est plutôt amusant.

Bien sûr, il faut toujours prendre les captures d’écran de gains sur les réseaux sociaux avec des pincettes. Mais uniquement sur la capacité à choisir les actions, les vérifications indépendantes autour de ses recommandations arrivent toutes à la même conclusion : c’est effectivement très juste. Alors je me suis demandé : ne pourrait‑on pas intégrer en temps réel les signaux de ses tweets dans un système de trading ?

Quelle est la valeur de ce type d’information

D’abord, un peu de contexte.

En Chine (marché A), nous avons l’habitude de consulter les rapports de recherche, de surveiller les flux de capitaux des gros joueurs, de guetter les fuites d’informations. Mais sur les marchés américains et crypto, l’influence des KOL sur X est parfois comparable à celle des rapports institutionnels – surtout ceux qui ont une vraie expertise dans leur domaine.

La méthode de base de Serenity s’appelle la théorie du « Chokepoint » : partir d’une demande finale à forte certitude (l’explosion de la puissance de calcul IA) et remonter la chaîne d’approvisionnement en sens inverse, en identifiant les petites entreprises en amont qui possèdent une barrière technologique très élevée et un fort déséquilibre entre offre et demande. Ces sociétés ont souvent une très faible capitalisation, ne sont pas couvertes par les institutions, mais si la demande explose, l’effet de levier peut être énorme.

La logique est claire, et il suit ses positions de manière continue (même sous pseudonyme), ce n’est pas un influenceur qui crie un conseil puis disparaît.

On peut étendre cette logique à bien d’autres domaines :

-- Un tweet d’Elon Musk sur X peut faire monter le Dogecoin en quelques minutes
-- Un grand nom dans la crypto qui vante une altcoin est souvent le signal du début du dump pour les petits porteurs (on peut aussi l’utiliser en sens inverse)
-- Certains analystes financiers traditionnels divulguent leurs positions sur X bien avant les rapports publics

L’information issue des réseaux sociaux est en soi une alpha, mais la plupart des gens ne l’intègrent pas de manière systématique.

Mais un problème concret : nous ne pouvons pas acheter les actions américaines en direct

Les recommandations de Serenity portent principalement sur des actions américaines, comme NVDA, MRVL, AVGO, SIVE. Les utilisateurs ordinaires n’ont pas de compte boursier américain, ou ne veulent pas emprunter cette voie. Que faire ?

Voici une piste : les contrats perpétuels sur actions TradFi de Binance.

Binance a lancé une série de contrats perpétuels adossés aux actions américaines, réglés en USDT, autorisant les positions longues et courtes, sans nécessiter de compte boursier américain, et accessibles 7j/24. Actuellement, ils couvrent des dizaines de titres américains majeurs, dont NVDA, MRVL, AMD, AVGO, META, MSFT, AMZN, GOOGL, et la liste s’allonge.

Cela signifie : si Serenity recommande MRVL, je n’ai pas besoin d’ouvrir un compte boursier américain ; je peux tout simplement ouvrir une position longue sur le contrat perpétuel MRVL_USDT sur Binance.

Bien entendu, ce type de contrat diffère de la détention directe d’actions – pas de dividendes, simple suivi du prix, et des frais de financement sont applicables. Mais pour du trading directionnel à court ou moyen terme, c’est largement suffisant.

Logique générale du système

Une fois cette idée en tête, j’ai commencé à concevoir le système.

Globalement, trois étapes :

            
            
            
① Récupération en temps réel des tweets de Serenity  
        ↓  
② Analyse des signaux via un LLM (quel titre est visé ? quel niveau de confiance ?)  
        ↓  
③ Correspondance avec les contrats TradFi de Binance, exécution du trade + gestion des risques  

La première étape est cruciale – comment récupérer les tweets en temps réel ?

L’API officielle de Twitter est désormais payante, et pas bon marché. Existe‑t‑il une solution gratuite ?

Oui : RSSHub. C’est un outil open source qui permet de convertir n’importe quel site en flux RSS, y compris les tweets Twitter. En utilisant le cookie de son propre compte, on peut transformer en temps réel les tweets de n’importe quel utilisateur en flux RSS – en substance, on utilise son propre compte pour scraper la page, totalement gratuit.

Déploiement de RSSHub

J’ai déployé RSSHub sur un serveur situé à l’étranger, pour éviter les problèmes de réseau. Le serveur tourne sous CentOS avec Podman (un runtime de conteneurs courant), une seule commande suffit :

            bash
            
            
podman run -d \  
  --name rsshub \  
  -p 1200:1200 \  
  -e NODE_ENV=production \  
  -e CACHE_TYPE=memory \  
  -e TWITTER_AUTH_TOKEN="votre_auth_token" \  
  -e TWITTER_COOKIE="auth_token=votre_auth_token; ct0=votre_ct0" \  
  diygod/rsshub:latest  

Où auth_token et ct0 sont les cookies du compte Twitter, accessibles dans les outils de développement du navigateur (F12 → Application → Cookies → sous x.com).

Ces deux valeurs équivalent aux identifiants de connexion du compte – utilisez uniquement un compte secondaire et ne les divulguez pas.

Vérifions :

            bash
            
            
curl "http://localhost:1200/twitter/user/aleabitoreddit" | head -3  

Si vous voyez le contenu RSS commençant par <?xml, c’est réussi. Ensuite, dans la stratégie, il suffit d’appeler cette URL en HTTP pour obtenir la liste des derniers tweets.

Récupération dynamique de la liste des contrats

Les contrats TradFi de Binance sont régulièrement ajoutés, donc la liste ne peut pas être codée en dur ; il faut la rafraîchir au démarrage et périodiquement :

            python
            
            
def refresh_equity_contracts():  
    ms = exchange.GetMarkets()  
    new_map = {}  
    for key, market in ms.items():  
        info = market.get("Info", {}) or {}  
        sub_type = info.get("underlyingSubType", [])  
        # Filtrer les contrats perpétuels TradFi EQUITY  
        if (  
            ".swap" in key  
            and "TradFi" in sub_type  
            and info.get("underlyingType") == "EQUITY"  
        ):  
            ticker = key.replace("_USDT.swap", "")  
            new_map[ticker] = key   # {"NVDA": "NVDA_USDT.swap", ...}  
    return new_map  

Ainsi, les nouveaux contrats sont automatiquement inclus, et lors de l’analyse des tweets par le LLM, la liste à jour lui est transmise comme référence.

Faire comprendre le langage de Serenity au LLM

C’est l’étape la plus intéressante et la plus délicate du système.

Dire simplement au LLM « ce tweet est haussier ou baissier » est trop grossier – le style d’expression de Serenity est très particulier ; quelqu’un qui ne le connaît pas mal interpréterait beaucoup de choses.

Par exemple, il tweete souvent ce genre de message :

« Wow… new extremely transformative news got released today. Making a certain photonics company the effective upstream laser chokepoint for $NVDA NVLink fusion CPO ecosystem. Can anyone guess the name? »

Ce tweet est en fait destiné à attiser la curiosité et attirer l’attention ; le suivant sera celui où il nomme réellement le titre qu’il voit à la hausse. Si le LLM ne connaît pas cette habitude, il pourrait interpréter ce tweet comme un signal fortement haussier sur NVDA – complètement à côté de la plaque.

C’est pourquoi dans le system prompt il faut explicitement décrire ses habitudes d’expression :

            python
            
            
system_prompt = (
    "Tu es un extracteur de signaux de trading spécialisé dans l'interprétation des tweets de l'utilisateur Twitter « Serenity ». "
    "Cet utilisateur est un analyste de la chaîne d'approvisionnement en IA et semi-conducteurs. Tu dois comprendre ses habitudes d’expression spécifiques :\n"
    "1. Il dit rarement directement « acheter », mais suggère une vision haussière en décrivant la position dans la chaîne d’approvisionnement et les barrières à l’entrée.\n"
    "2. Mots-clés fortement haussiers : « I personally think », « undervalued », « going much higher », "
    "« chokepoint », « structural », « thesis validated », « go brrr », « bullish ».\n"
    "3. Mots-clés baissiers : « avoid », « overvalued », « nuking », « ban », « bearish ».\n"
    "4. Les tweets sous forme de questions (« Can anyone guess? », « Does anyone know? ») "
    "sont destinés à attirer l’attention, ne constituent pas un signal de trading ; leur direction doit être neutre.\n"
    "5. Les descriptions de tendances macroéconomiques sans mention explicite d’un actif spécifique ne constituent pas un signal.\n"
    "Ne produis que du JSON valide, rien d’autre."
)

Retourne le format JSON unifié :

            python
            
            
{
    "tickers": ["MRVL", "LITE"],  # uniquement les actifs explicitement mentionnés par l’auteur, doivent figurer dans la liste des contrats
    "direction": "long",           # long / short / neutral
    "confidence": 85,              # 0-100, force globale du signal
    "reason": "L’auteur exprime clairement une vision haussière sur la demande de connectivité réseau IA"
}

Critères de confiance :

• Prise de position explicite + logique concrète : 80-95
• Faits positifs décrits mais sans prise de position explicite : 55-75
• Questions / teasing / interactions : 10-40 (dans ce cas, direction forcée à neutral)
• Description macro sans actif spécifique : 30-50 (tickers vides)

En pratique, la reconnaissance des « tweets d’appât » est très fiable ; ces tweets sont presque tous correctement filtrés.

Conception de la gestion des risques

Une fois le signal obtenu, la logique d’exécution n’est pas très complexe, l’essentiel est que la gestion des risques soit solide.

Gestion de position :
-- Taille unitaire : 5 % du capital du compte
-- Nombre maximum de positions simultanées : 5 actifs
-- Effet de levier : 1x, pas de levier

Stop‑loss :
-- Stop‑loss dur : perte de 5 % sur le prix d’entrée → clôture immédiate, sans négociation

Prise de profit : pas de take‑profit fixe, seulement un trailing stop sur drawdown

Cette conception s’inspire du style de position de Serenity : sa logique consiste à attendre que le déséquilibre offre/demande se réalise, la période de détention est souvent longue. Un take‑profit fixe couperait une grande partie des gains. On utilise donc un trailing stop basé sur le drawdown :

            python
            
            
# Profit flottant atteint 8 % → déclenchement du trailing stop
# Seuil de drawdown réel = max(30 %, pic × 35 %)
# Plus le pic est élevé, plus le drawdown autorisé est grand

giveback_pct = max(30, peak * 0.35)
drawdown = peak - pnl_pct
if drawdown >= giveback_pct:
    # Exécution de la clôture

Exemple pour mieux comprendre :
-- Pic +20 %, seuil = max(30 %, 7 %) = 7 %, le drawdown à +13 % déclenche la sortie
-- Pic +80 %, seuil = max(30 %, 28 %) = 28 %, le drawdown à +52 % seulement déclenche la sortie

Les gros gagnants peuvent courir pleinement, les petites pertes sont rapidement coupées – cette structure correspond au style de position de Serenity lui‑même.

Une soupape de sécurité : d’abord notifier, puis trader

Par défaut, la stratégie est en mode « notification uniquement » : en cas de signal, on enregistre le log, on ne passe pas d’ordre. Après une période d’observation, une fois confirmé que le jugement du LLM correspond à tes attentes, tu passes manuellement en mode « trading réel ».

Le tableau de bord contient quatre tableaux :

Dans l’historique des tweets, une colonne « Type de signal » indique automatiquement si le tweet est « 💎 Signal fort » ou « 🎭 Appât/Question », ce qui facilite la vérification a posteriori de la qualité du jugement du LLM.

Quelques réflexions supplémentaires

Ce cadre consiste essentiellement à structurer en temps réel une source d’information spécifique et à l’intégrer dans un système de trading. Serenity n’est qu’un exemple. Tant qu’il y a un RSS ou une source de données accessible, en théorie tout peut être connecté. RSSHub prend déjà en charge plusieurs milliers de sources, pas seulement Twitter.

Bien sûr, la qualité de la source de signaux détermine le plafond de tout le système. Choisir quelqu’un qui crie n’importe quoi, même le système le plus sophistiqué, ne sert à rien. Serenity fonctionne parce qu’il/elle a un cadre d’analyse complet, pas un influenceur de passage.

Pour finir

En construisant l’ensemble du système, ce qui a vraiment pris du temps, ce sont deux choses : d’abord le déploiement de RSSHub (serveur à l’étranger + configuration des cookies), ensuite l’optimisation du prompt du LLM (pour qu’il comprenne précisément les habitudes d’expression d’un KOL particulier).

La partie code n’est en fait pas très complexe. Le framework de la plateforme inventeur encapsule beaucoup de basses couches. L’important est de bien réfléchir à la logique métier.

Pour ceux qui débutent, je recommande de faire tourner le mode notification pendant un certain temps, de comparer les logs avec les jugements du LLM pour détecter d’éventuelles dérives, puis de passer en réel une fois la stabilité confirmée. Après tout, trader en suivant des signaux de réseaux sociaux, c’est essentiellement parier sur la capacité de jugement du KOL – ne prends pas trop de positions, diversifie, et garde un stop‑loss serré.

Le code de la stratégie et l’implémentation complète sont dans les commentaires. Bienvenue aux échanges.

Code de la stratégie : Stratégie de suivi des signaux KOL des réseaux sociaux – Contrats sur actions TradFi Binance