Vous préférez tester avant de lire ? Accédez directement au simulateur Monte Carlo →
Imaginez que vous puissiez rejouer votre vie financière 500 fois. Pas pour changer vos décisions passées — mais pour explorer tous les futurs possibles à partir d’aujourd’hui. C’est exactement ce que fait la simulation Monte Carlo.
Monte Carlo, c’est le quartier des casinos à Monaco. Le nom vient de là : l’idée centrale est d’utiliser le hasard de façon contrôlée pour répondre à des questions complexes.
La méthode a été formalisée dans les années 1940 par des physiciens travaillant sur le projet Manhattan : ils avaient besoin de simuler des réactions nucléaires trop complexes à calculer directement. Ils ont eu l’idée de lancer des millions de tirages aléatoires et d’observer ce qui se passait en moyenne.
Depuis, la méthode s’est répandue partout : météorologie, médecine, ingénierie, finance. Et aujourd’hui, dans votre navigateur, pour simuler votre portefeuille ETF.
Quand vous utilisez un simulateur d’investissement classique, il vous donne une réponse nette : “Dans 20 ans, votre capital sera de 87 000 €.”
Cette réponse est partiellement fausse. Pas parce que le calcul est mauvais, mais parce que la question elle-même est mal posée.
Les marchés financiers ne se comportent pas comme un livret A. Le rendement d’une année n’est jamais exactement de 8 %. Certaines années c’est +22 %, d’autres c’est −35 %. Sur 20 ans, la séquence de ces rendements : leur ordre, leur intensité — change radicalement le résultat final.
Un calcul déterministe vous donne la trajectoire parfaite et irréaliste. La simulation Monte Carlo vous donne l’éventail de ce qui peut vraiment arriver.
Le principe tient en trois étapes.
1. On définit les paramètres du marché
On part de deux chiffres historiques pour un ETF monde type :
2. On simule des centaines de trajectoires
Pour chaque simulation, on génère une suite de rendements mensuels aléatoires cohérents avec ces paramètres. Certains mois seront excellents, d’autres catastrophiques, comme dans la vraie vie. On obtient alors une trajectoire complète sur 20 ans.
On répète ça 500 fois. On obtient 500 histoires différentes, toutes plausibles.
3. On analyse la distribution des résultats
On regarde l’ensemble des 500 capitaux finaux. On peut alors répondre à des questions bien plus utiles :
Pensez à lancer une bille au sommet d’un tableau de Galton : ce dispositif avec des rangées de clous. À chaque clou, la bille peut partir à gauche ou à droite. Au bout de 20 rangées, les billes forment une cloche : beaucoup se retrouvent au centre, peu aux extrêmes.
La simulation Monte Carlo, c’est pareil. Chaque “clou” est une année de marché. Le capital final de chaque simulation se retrouve quelque part dans la distribution. La plupart des résultats s’accumulent autour d’une valeur centrale, mais des scénarios extrêmes, très bons ou très mauvais, existent toujours.
Ce que le calcul classique fait, c’est pointer exactement le centre de la cloche. Ce qu’il ignore, c’est toute la largeur de cette cloche, c’est-à-dire le risque réel.
Deux investisseurs peuvent avoir exactement le même rendement moyen sur 20 ans et des capitaux finaux radicalement différents, selon que les mauvaises années arrivent au début ou à la fin.
Commencer avec une chute de 40 % la première année, quand votre capital est maximal, est bien plus douloureux que la même chute en fin de parcours quand vous avez déjà beaucoup capitalisé.
La simulation Monte Carlo explore toutes ces combinaisons possibles.
La “volatilité à 17 %” ne vous dit pas grand-chose intuitivement. Mais quand vous voyez que dans 12 % des scénarios simulés vous terminez sous votre capital investi, ça devient concret.
Monte Carlo transforme un chiffre abstrait en probabilité compréhensible.
L’une des comparaisons que permet Monte Carlo est Lump Sum (tout investir d’un coup) contre DCA (investir progressivement chaque mois).
En moyenne, le Lump Sum gagne parce que votre argent est exposé aux marchés plus longtemps. Mais dans les scénarios où les marchés chutent juste après votre investissement, c’est une catastrophe.
Le DCA limite ce risque de mauvais timing. Monte Carlo vous montre exactement dans quelles proportions, selon votre horizon et la volatilité supposée.
La simulation Monte Carlo est un outil puissant, pas une boule de cristal.
Elle dépend des paramètres qu’on lui donne. Si vous entrez un rendement de 10 % et une volatilité de 5 %, vous obtiendrez des résultats très différents d’une simulation à 8 % et 20 %. Les hypothèses comptent autant que le modèle.
Elle suppose que le passé ressemble à l’avenir. Les paramètres sont calibrés sur l’histoire des marchés. Des événements sans précédent : une crise systémique majeure, une décennie perdue comme au Japon peuvent sortir de la distribution simulée.
Elle ne modélise pas votre comportement. Si vous paniquez et vendez lors d’une chute de 40 %, la simulation ne le sait pas. Le risque comportemental est probablement plus important que le risque de marché pour la plupart des épargnants.
Quand vous faites tourner une simulation Monte Carlo sur votre portefeuille ETF, voici les chiffres qui méritent votre attention :
| Indicateur | Ce qu’il vous dit |
|---|---|
| Médiane (P50) | Le résultat le plus probable : ni optimiste ni pessimiste |
| P10 | Dans le pire dixième des scénarios, voici où vous êtes |
| P90 | Dans le meilleur dixième des scénarios |
| % de scénarios en perte | Probabilité de terminer sous votre capital investi |
| Espérance | La moyenne de tous les scénarios — toujours supérieure à la médiane |
Le P10 est particulièrement utile : c’est votre “plancher réaliste”. Si ce chiffre vous convient, votre stratégie est robuste. S’il vous inquiète, c’est le signal pour réduire le risque : soit en allongeant l’horizon, soit en diversifiant, soit en choisissant une volatilité plus faible.
La méthode Monte Carlo ne prédit pas l’avenir. Elle fait quelque chose de plus honnête : elle vous montre l’éventail des futurs possibles et la probabilité relative de chacun.
C’est le passage d’une fausse certitude : “vous aurez 87 000 €”, à une vérité utile : “dans 70 % des scénarios, vous serez entre 60 000 et 130 000 €, avec une médiane à 89 000 €.”
Pour un investisseur de long terme en ETF, c’est une façon bien plus saine d’aborder la question du risque. Non pas pour s’en inquiéter davantage, mais pour comprendre ce qu’on accepte vraiment quand on investit, et dormir sereinement avec cette décision.
Prêt à voir vos propres scénarios ? Lancez le simulateur Monte Carlo →