Intérêts composés et volatilité : simulations Monte Carlo et risque de séquence

La formule classique des intérêts composés suppose un taux constant. Or, dans la réalité, les rendements varient chaque année : +25 % en 2021, −18 % en 2022, +20 % en 2023. Cet article présente les simulations Monte Carlo, technique professionnelle utilisée par les conseillers patrimoniaux pour modéliser des milliers de scénarios stochastiques et estimer la probabilité d'atteindre un objectif.

Le problème de l'« hypothèse de rendement constant »

Quand on simule un portefeuille avec un rendement de 7 %/an pendant 30 ans, on obtient une trajectoire lisse, exponentielle, qui finit toujours au même endroit. La réalité est très différente.

Performance annuelle réelle du S&P 500 (sélection) :

• 2013 : +32,4 %
• 2018 : −4,4 %
• 2020 : +18,4 %
• 2022 : −18,1 %
• 2023 : +26,3 %

La moyenne géométrique sur ces 5 ans est ~9,5 %. Mais l'écart-type annuel est ~18 %. Deux portefeuilles ayant la même moyenne peuvent finir à des points très différents selon l'ordre des rendements — c'est le « risque de séquence ».

Le risque de séquence : pourquoi l'ordre compte

Imaginons deux scénarios sur 4 ans, avec moyenne 7 % dans les deux cas :

Scénario A (bons rendements au début)

Années : +30 %, +20 %, −15 %, −5 % → moyenne arithmétique 7,5 %, moyenne géométrique ~6,1 %

• 10 000 → 13 000 → 15 600 → 13 260 → 12 597 €

Scénario B (mauvais rendements au début)

Années : −15 %, −5 %, +30 %, +20 % → mêmes rendements, ordre inverse

• 10 000 → 8 500 → 8 075 → 10 498 → 12 597 €

Sans retraits, le capital final est identique (12 597 €). Mais avec retraits réguliers (cas du retraité), le scénario B est catastrophique : on vend des actifs dépréciés au début, on ne profite pas de la hausse ensuite.

La simulation Monte Carlo en pratique

Plutôt qu'un rendement fixe, on tire chaque année un rendement aléatoire dans une distribution probabiliste (moyenne 7 %, écart-type 15 %, distribution log-normale).

On répète 10 000 fois la simulation de 30 ans. À la fin, on obtient une distribution de 10 000 capitaux finaux. On peut calculer :

• La médiane (capital final dans 50 % des cas)
• Le percentile 10 (pire 10 % des cas)
• Le percentile 90 (meilleur 10 % des cas)
• La probabilité d'atteindre un objectif

Exemple : 10 000 € sur 30 ans en MSCI World

Hypothèses : moyenne 7 % réel, volatilité 15 %, 10 000 simulations.

Distribution typique des résultats :

• Percentile 5 % (très mauvais cas) : 22 000 € (×2,2)
• Percentile 25 % : 48 000 €
• Médiane (50 %) : 72 000 € (×7,2)
• Percentile 75 % : 113 000 €
• Percentile 95 % : 240 000 € (×24)

Le résultat « moyen » de 76 123 € que donne la formule déterministe correspond au percentile médian. Mais il y a 25 % de chances de finir sous 48 000 € (×4,8) et 5 % de chances de finir sous 22 000 € (×2,2).

L'impact de la volatilité sur l'espérance

Curiosité mathématique : même avec une moyenne arithmétique de 7 %, l'espérance géométrique (qui détermine la croissance composée) est diminuée par la volatilité :

Rendement géométrique ≈ moyenne arithmétique − variance / 2

Pour moyenne 7 % et écart-type 15 % :
Rendement géométrique ≈ 7 − (0,15²/2) × 100 ≈ 5,9 %

Sur 30 ans, l'écart entre 7 % et 5,9 % représente environ 30 % de capital final perdu à cause de la volatilité. C'est le « volatility drag ».

Comment réduire le volatility drag

Stratégies pour rendre les rendements plus stables (donc augmenter la croissance composée) :

1. Diversification

Un portefeuille mondial diversifié (MSCI World + obligations + immobilier + or) a une volatilité inférieure à 12 % vs 18 % pour un ETF actions seul. À moyenne égale, le capital final composé est ~15 % supérieur.

2. Rebalancing annuel

Vendre les classes d'actifs ayant surperformé pour racheter celles ayant sous-performé. Réduit la volatilité de 1-2 points par an, soit +5 % de capital final sur 30 ans.

3. DCA (versements réguliers)

Acheter mensuellement réduit l'impact de la volatilité (achat de plus de parts quand les prix baissent).

4. Allocation « lifecycle »

Réduire progressivement la part actions à l'approche de la retraite. Diminue la variance des résultats finaux.

La règle 60/40 : un équilibre rendement-volatilité

Le portefeuille historique 60 % actions / 40 % obligations donne :

• Rendement annualisé : ~7,5 %
• Volatilité : ~10 %
• Sharpe ratio : ~0,75 (excellent)
• Pire année historique : −20 % (2008)

Comparé à 100 % actions :

• Rendement annualisé : ~9,5 %
• Volatilité : ~18 %
• Pire année : −37 %

La 60/40 a une moyenne plus basse, mais en valeur composée nette sur 30 ans, l'écart est plus faible que prévu (~15 %). Surtout, les drawdowns plus faibles permettent de tenir le cap psychologiquement.

Outils de simulation Monte Carlo gratuits

• Portfolio Visualizer (portfoliovisualizer.com) — référence professionnelle gratuite
• FIRECalc — spécialisé pour la retraite anticipée
• Engaging Data Compound Calculator — visualisation distributive
• Vanguard Nest Egg Calculator — interface simple

Sur Facilcalcul.fr, notre simulateur ne propose pas encore de Monte Carlo (en projet 2026), mais notre Calculatrice d'intérêts composés couvre tous les cas déterministes.

Cas d'usage : retraite à 65 ans avec retraits

Vous avez 600 000 € à 65 ans et souhaitez retirer 25 000 €/an indexé sur l'inflation. Probabilité de tenir 30 ans (jusqu'à 95 ans) ?

Simulation Monte Carlo 10 000 itérations avec allocation 50/50 :

• Probabilité de réussite : 91 %
• Capital médian à 95 ans : 480 000 €
• Pire 10 % : capital épuisé vers 82 ans

Si on retire seulement 20 000 €/an (3,3 %) : probabilité de réussite 98 %. La règle prudente française.

Conclusion

Les simulations Monte Carlo transforment une certitude apparente (« 7 % par an pendant 30 ans ») en une distribution probabiliste réaliste. Elles permettent de quantifier le risque, pas seulement d'estimer un résultat « moyen ». Pour le grand public, retenir trois choses : la volatilité réduit la croissance composée, la diversification est l'outil principal, l'ordre des rendements compte autant que la moyenne. Notre Calculatrice d'intérêts composés est l'outil parfait pour les calculs déterministes ; pour les simulations stochastiques, complétez avec Portfolio Visualizer.