Que mesure vraiment une notation quantitative d’actions ?

L’essentiel en bref

Définition : une notation quantitative d’actions résume en un score des caractéristiques mesurables d’une entreprise — valorisation, rentabilité, dynamique de cours, risque — calculées de façon identique pour tous les titres d’un univers. C’est une agrégation disciplinée de signaux, pas une opinion.
C’est un classement relatif, pas une prévision : un score élevé signifie « mieux placé que ses pairs sur les critères retenus, aujourd’hui ». Il ne dit pas que le titre montera, ni quand.
Les briques viennent de la recherche : valorisation (Fama et French), momentum (Jegadeesh et Titman), profitabilité (Novy-Marx), qualité (Piotroski, Asness et coauteurs). Ces primes documentées restent débattues : compensation d’un risque ou anomalie, leur persistance n’est garantie par personne.
Une notation se juge statistiquement : écarts de rendement entre déciles de score, coefficient d’information de l’ordre de 0,05 pour un bon signal. La force d’un modèle quantitatif tient à une petite marge appliquée à un grand nombre de décisions, pas à des coups d’éclat.
Les signaux s’érodent : sur 97 anomalies publiées, les rendements mesurés sont inférieurs de 26 % hors échantillon et de 58 % après publication (McLean et Pontiff). Une notation vit, se réestime et se dégrade.
Réflexe clé : face à un score, les bonnes questions sont toujours les mêmes — quels intrants, quel univers de comparaison, quelles neutralisations, quelle validation hors échantillon, quels coûts de mise en œuvre.

Introduction

« Note quantitative : 87/100. » « Classé A sur 5 critères. » Les notations d’actions produites par des modèles se multiplient — chez les fournisseurs de données, dans les banques, chez les gérants. Le chiffre est net, l’échelle parlante, la tentation immédiate : acheter les mieux notés, éviter les autres.

Mais que mesure exactement ce chiffre ? La question mérite mieux qu’une réponse d’intuition, car une notation quantitative n’est ni une prédiction de cours, ni un jugement sur la qualité d’une entreprise au sens courant du terme. C’est un objet statistique précis, avec une construction, des forces documentées et des limites tout aussi documentées.

Cet article démonte le mécanisme : d’où viennent les notations quantitatives, comment un score se calcule, ce qu’il dit vraiment, comment on évalue s’il contient de l’information — et pourquoi même les meilleurs scores perdent de leur éclat avec le temps. Il prolonge notre article sur les biais des backtests, qui décrivait comment les simulations s’embellissent ; celui-ci décrit l’instrument que ces simulations servent à valider.

D’où viennent les notations quantitatives

L’analyse d’actions a longtemps été un artisanat : un analyste couvre quelques dizaines de sociétés, lit leurs comptes, rencontre leurs dirigeants et formule une recommandation. Ce travail a de la valeur, mais il ne passe pas à l’échelle : personne ne couvre ainsi les milliers de titres d’un univers mondial, et deux analystes appliquent rarement les mêmes critères de la même manière.

La notation quantitative est née d’un double constat de la recherche académique. Premier constat : certaines caractéristiques mesurables des entreprises sont associées, en moyenne et sur longue période, à des différences de rendement futures — c’est la littérature dite des facteurs. Second constat : un critère appliqué mécaniquement à tout un univers échappe aux limites de couverture et aux incohérences individuelles. Plutôt que dix avis approfondis, le modèle produit des milliers d’évaluations superficielles mais systématiques — et c’est précisément cette largeur qui fait sa force statistique, comme on le verra plus bas.

Une notation quantitative est donc l’industrialisation d’une idée simple : mesurer les mêmes choses, de la même façon, sur tous les titres, à la même date, et résumer le résultat en un classement.

Les briques : les familles de facteurs

Le contenu d’une notation dépend des signaux retenus. Quatre familles dominent la littérature et la pratique :

La valorisation (« value ») : les titres bon marché par rapport à leurs fondamentaux — ratio cours/valeur comptable, rendement bénéficiaire — ont historiquement offert des rendements moyens supérieurs aux titres chers. C’est l’un des résultats centraux de Fama et French, qui en ont fait un pilier de leurs modèles de 1992 et 2015.
Le momentum : les titres qui ont surperformé sur les 3 à 12 derniers mois tendent à continuer sur 3 à 12 mois. Jegadeesh et Titman ont documenté en 1993 des écarts de l’ordre de 1 % par mois entre gagnants et perdants récents, robustes à travers les variantes de leur protocole.
La profitabilité et la qualité : à valorisation comparable, les entreprises durablement rentables, aux bilans solides et à la comptabilité prudente ont historiquement mieux performé. Novy-Marx l’a établi pour la profitabilité brute ; le score de Piotroski agrège neuf signaux comptables ; Asness, Frazzini et Pedersen l’ont généralisé sous le nom de « qualité ».
Le faible risque : les titres à faible volatilité ou à faible bêta ont historiquement offert des rendements ajustés du risque supérieurs à ce que la théorie classique prédit — l’anomalie explorée notamment par Frazzini et Pedersen.

Deux prudences s’imposent. D’abord, l’interprétation de ces primes reste disputée : compensation d’un risque réel, biais de comportement des investisseurs, ou artefact statistique — le débat n’est pas tranché, et la réponse conditionne leur persistance. Ensuite, la littérature a produit des centaines de facteurs candidats : Harvey, Liu et Zhu en recensaient 316 en 2016 et concluaient qu’une bonne partie sont probablement de fausses découvertes, plaidant pour des seuils de preuve relevés. Une notation sérieuse repose sur peu de familles robustes plutôt que sur une collection d’anomalies fragiles.

De la mesure au score : la coupe transversale

Le passage des mesures brutes à une note suit une mécanique standard, dite transversale : tous les titres d’un univers sont comparés entre eux à une même date.

Chaque signal est d’abord standardisé — typiquement en z-score, l’écart à la moyenne de l’univers exprimé en écarts-types — pour rendre comparables des grandeurs hétérogènes. Les scores sont ensuite combinés, souvent par moyenne pondérée, en un score composite qui produit le classement final. Un exemple volontairement minuscule, avec cinq sociétés fictives et trois signaux :


Société	Rendement bénéficiaire	ROE	Perf. 12 mois	Score composite	Rang
Echo SA	2 % (z = −1,27)	25 % (z = 1,37)	+30 % (z = 1,57)	0,56	1
Delta SA	10 % (z = 1,40)	15 % (z = −0,22)	+9 % (z = −0,15)	0,34	2
Bravo SA	3 % (z = −0,94)	22 % (z = 0,89)	+18 % (z = 0,59)	0,18	3
Alpha SA	8 % (z = 0,73)	12 % (z = −0,70)	−5 % (z = −1,29)	−0,42	4
Charlie SA	6 % (z = 0,07)	8 % (z = −1,34)	+2 % (z = −0,72)	−0,66	5

L’exemple, aussi réduit soit-il, montre déjà l’essentiel : Echo SA arrive en tête alors que c’est le titre le plus cher de l’univers, parce que sa rentabilité et sa dynamique compensent sa valorisation dans la pondération choisie. Delta SA, championne de la valorisation, est deuxième. Le score composite est un arbitrage chiffré entre des qualités qui ne vont pas ensemble — et ce que « le mieux noté » veut dire dépend entièrement des signaux retenus et de leurs poids.

En pratique s’ajoutent des raffinements qui changent beaucoup le résultat : neutralisation sectorielle (comparer une banque aux banques, pas aux éditeurs de logiciels, sous peine de transformer la notation en pari sectoriel permanent), traitement des valeurs extrêmes, gestion des données manquantes, pondérations éventuellement estimées plutôt que fixées. Deux notations construites sur les mêmes familles de facteurs peuvent ainsi diverger sensiblement sur un titre donné — il n’existe pas de score « objectif », seulement des scores dont la construction est plus ou moins transparente.

Ce qu’une notation dit vraiment — et ce qu’elle ne dit pas

Trois propriétés définissent la portée exacte d’un score quantitatif.

C’est un classement relatif. Un z-score se calcule par rapport à un univers : le même titre peut être « bon marché » parmi les valeurs suisses et « cher » parmi les valeurs européennes. Un score élevé ne dit rien dans l’absolu ; il dit « mieux placé que les autres, sur ces critères, dans cet univers, à cette date ».

C’est un énoncé probabiliste, pas une prévision de titre. La littérature des facteurs porte sur des moyennes de portefeuilles : les titres bien notés ont, en moyenne, historiquement surperformé les mal notés. Sur un titre individuel, le score se trompe souvent — un taux de bonnes décisions à peine supérieur à 50 % est le quotidien des meilleurs modèles. La discipline quantitative consiste à accepter cette faillibilité individuelle et à la compenser par le nombre : beaucoup de positions, beaucoup de rééquilibrages, pour que la petite espérance statistique ait la place de se matérialiser.

C’est un instantané à horizon défini. Chaque signal a sa propre vitesse de péremption : un momentum se périme en semaines, une valorisation évolue en trimestres. Une notation est datée et calibrée pour un horizon ; l’utiliser à un autre horizon, c’est utiliser un autre instrument.

La conséquence pratique mérite d’être énoncée : une notation quantitative n’est ni un conseil d’achat, ni un verdict sur une entreprise. C’est une pièce d’un processus — filtrage d’univers, construction de portefeuille, contrôle des risques — et sa valeur dépend du processus qui l’entoure.

Comment on juge une notation : déciles, coefficient d’information, largeur

Un score qui a fière allure peut être vide d’information. Trois outils standard permettent d’en juger.

Les écarts de déciles : on trie l’univers par score, on le découpe en dix groupes et on compare leurs rendements ultérieurs. Un signal informatif produit un écart positif entre le premier et le dernier décile, mais surtout une progression à peu près monotone d’un décile à l’autre : un écart porté par deux extrêmes chanceux, sans ordre au milieu, est un symptôme classique de fragilité.
Le coefficient d’information (CI) : la corrélation entre les scores d’une date et les rendements réalisés ensuite. Les ordres de grandeur surprennent les non-initiés : dans la littérature praticienne issue de Grinold et Kahn, un CI de 0,05 caractérise déjà un signal exploitable. L’information contenue dans un score est faible, titre par titre.
La largeur (« breadth ») : la loi fondamentale de la gestion active de Grinold formalise l’intuition qui sauve tout : le ratio d’information d’un processus croît comme le CI multiplié par la racine carrée du nombre de décisions indépendantes. Une marge minuscule, appliquée avec discipline à des milliers de décisions, devient statistiquement significative ; la même marge sur dix positions reste du bruit.

Ces trois mesures se calculent sur des données historiques — et héritent donc de tous les pièges décrits dans notre article sur les backtests : biais du survivant, données en avance sur leur publication, surapprentissage, coûts ignorés. Un écart de déciles brut de coûts, mesuré sur un univers d’aujourd’hui projeté dans le passé, peut n’être qu’un artefact. La validation d’une notation vaut ce que vaut son protocole.

Pourquoi les notations perdent de leur éclat

Trois forces travaillent contre tout score publié ou exploité.

L’érosion post-publication. McLean et Pontiff ont réexaminé 97 anomalies documentées par la recherche : les rendements associés sont en moyenne inférieurs de 26 % hors de l’échantillon d’origine et de 58 % après la publication académique. L’écart entre ces deux chiffres suggère que les investisseurs lisent la recherche et arbitrent une partie de l’anomalie ; le premier chiffre suggère qu’une autre partie n’a jamais existé que dans l’échantillon. Dans les deux cas, l’espérance prospective d’un signal est inférieure à son histoire.

L’encombrement. Quand beaucoup de capitaux suivent les mêmes scores, les titres bien notés se renchérissent, ce qui comprime la prime — et crée un risque nouveau : les débouclages simultanés, où la sortie groupée des stratégies apparentées amplifie les baisses précisément sur les titres les mieux notés.

Les régimes. Aucune famille de facteurs ne réussit dans tous les environnements : la valorisation a connu des traversées du désert de plusieurs années, le momentum des retournements brutaux lors des rebonds de marché. Un score composite lisse ces cycles sans les supprimer. La question n’est pas « le facteur marche-t-il en ce moment ? » mais « le processus survivra-t-il à sa pire période ? » — une question de construction de portefeuille et de gouvernance autant que de signal.

Ne pas confondre : notation quantitative, notation de crédit, score ESG

Le mot « notation » recouvre des objets sans rapport. Une notation de crédit (Moody’s, S&P, Fitch) évalue la probabilité qu’un emprunteur honore sa dette : elle concerne l’obligation, pas l’attrait de l’action. Un score ESG mesure des caractéristiques environnementales, sociales et de gouvernance, selon des méthodologies qui divergent fortement d’un fournisseur à l’autre. Une notation quantitative d’actions classe des titres selon des caractéristiques associées aux rendements futurs dans la recherche. Les trois peuvent coexister sur la même société avec des conclusions opposées — une entreprise peut être un excellent risque de crédit, un score ESG médiocre et un titre bien classé en quantitatif. Aucune ne « corrige » les autres : elles ne mesurent pas la même chose.

Conclusion

Une notation quantitative d’actions mesure une chose précise : la position relative d’un titre, dans un univers donné, sur des caractéristiques que la recherche associe en moyenne à des différences de rendement. Sa force n’est pas la clairvoyance — elle se trompe souvent, titre par titre — mais la discipline et la largeur : les mêmes critères, appliqués partout, tout le temps, avec une petite espérance statistique que seule la répétition rend exploitable.

C’est aussi un objet faillible, daté et périssable : dépendant de ses intrants, de son univers et de ses pondérations, validé sur un passé qui embellit, érodé par sa propre popularité. Les questions qui distinguent un score discipliné d’un chiffre décoratif tiennent en une ligne : quels signaux, quel univers, quelles neutralisations, quelle validation hors échantillon, quels coûts et quelle capacité. Un fournisseur de notation qui répond précisément à ces cinq questions prend son instrument au sérieux ; un score qui n’y répond pas reste un chiffre.