Qu'est-ce qu'un screener boursier ?
Un screener boursier (ou scanner d'actions) est un outil de filtrage qui parcourt automatiquement un univers de valeurs cotées pour ne retenir que celles qui satisfont un ensemble de critères définis par l'investisseur. Le terme vient de l'anglais to screen — tamiser, filtrer.
Sans screener, analyser 300 valeurs manuellement prendrait des semaines. Avec un screener bien configuré, vous obtenez en quelques secondes une shortlist de 5 à 20 valeurs qui méritent une analyse approfondie.
Les screeners opèrent sur deux grandes familles de critères :
- Critères fondamentaux : données financières issues des bilans et comptes de résultat (PER, EV/EBITDA, croissance du CA, marge EBITDA, dette nette…)
- Critères techniques : données de marché (cours, volume, RSI, position par rapport aux moyennes mobiles, performance relative…)
Les screeners les plus sophistiqués combinent les deux familles dans un score composite — c'est l'approche retenue par le Screener Small Caps FR.
Les critères fondamentaux incontournables
Voici les indicateurs à intégrer dans tout screener fondamental sérieux, regroupés par pilier d'analyse :
Ces quatre piliers à égalité de poids (25 pts chacun) forment la base du score composite 0-100 du Screener Small Caps FR. La recherche académique — notamment l'efficacité du PER et la persistance du momentum — justifie de ne jamais s'appuyer sur un seul critère.
Les 5 erreurs classiques avec un screener
1. Le filtre unique — la value trap
Filtrer uniquement sur un PER < 10 ou un EV/EBITDA < 5 est la recette des value traps. Une valorisation faible peut refléter une croissance structurellement nulle, une dette insoutenable ou un secteur en déclin. Toujours croiser valorisation et croissance.
2. Ignorer la liquidité sur les small caps
Un screener qui sort une small cap avec un score parfait mais 5 000€ d'échanges quotidiens est inutilisable. Sur Euronext Growth, certaines valeurs ont des journées sans transaction. Le volume moyen 20 jours doit toujours faire partie des critères pour les investisseurs avec des tickets supérieurs à 2 000€.
3. Confondre données TTM et données annuelles
Les données financières peuvent être exprimées en TTM (Trailing Twelve Months — 12 derniers mois glissants) ou en données de la dernière clôture annuelle. Pour les small caps qui publient leurs résultats semestriellement, l'écart peut être significatif, surtout après une acquisition ou une cession.
4. Ne pas normaliser par secteur
Un EBITDA de 8% est excellent pour un distributeur alimentaire, médiocre pour un éditeur SaaS. Sans normalisation sectorielle, un screener compare des pommes et des oranges. Le scoring sectoriel relatif est une feature-clé du Screener Small Caps FR.
5. Backtester sur des données survivantes
Si vous testez vos critères de screener sur l'historique des valeurs actuellement cotées, vous exclure mécaniquement toutes les faillites et radiations — biais de survie. Les résultats semblent toujours excellents. Un backtest honnête reconstruit l'univers tel qu'il existait à chaque date historique.
Workflow en 5 étapes pour utiliser un screener
Définir l'univers
Choisissez votre périmètre : Euronext Growth, SBF 120, CAC Mid & Small, ou un secteur spécifique. Plus l'univers est ciblé, plus le screener est pertinent.
Appliquer les filtres d'élimination
Éliminez d'abord les évidences négatives : capitalisation < 10M€, volume quotidien insuffisant, capitaux propres négatifs, dette nette/EBITDA > 5x. Ces filtres réduisent l'univers de 40 à 60%.
Scorer les survivants
Calculez un score composite sur les valeurs restantes. Pondérez valorisation, croissance, solidité et momentum selon votre profil (value investor vs growth vs GARP).
Constituer une shortlist de 10-20 valeurs
Extrayez le top du classement. Une shortlist de 10 à 20 valeurs est analysable en profondeur sur une semaine. Au-delà, la qualité d'analyse individuelle chute.
Analyse qualitative individuelle
Le screener ouvre la porte — il ne remplace pas la lecture du rapport annuel, la vérification du business model, l'analyse de la concurrence et la compréhension de la gouvernance.
Comparatif : screeners disponibles pour les actions françaises
- Interface puissante
- Nombreux filtres
- Gratuit (limité)
- Données FR incomplètes
- Pas d'Euronext Growth
- Pas de normalisation sectorielle FR
- Données françaises
- Interface en français
- Gratuit
- Filtres limités
- Pas de score composite
- Données parfois décalées
- Critères techniques excellents
- Couverture mondiale
- Alertes en temps réel
- Données fondamentales superficielles
- Payant pour le complet
- Pas de score ML
- 325 valeurs Euronext Growth & Access
- Score ML 0-100 (4 piliers)
- Mise à jour quotidienne
- Track record public
- Normalisation sectorielle FR
- Univers limité aux small caps FR
Screener + Machine Learning : le saut qualitatif
Les screeners traditionnels appliquent des règles fixes : "PER < 15 ET croissance > 10%". Ces seuils sont arbitraires et ne capturent pas les interactions entre variables. Un PER de 14 avec une croissance de 8% peut être meilleur qu'un PER de 12 avec une croissance de 5% — mais aucun filtre binaire ne le détecte.
Les modèles de Machine Learning — notamment les méthodes ensemblistes comme XGBoost — apprennent ces interactions sur des milliers d'observations historiques. Au lieu de règles fixes, ils calculent un score de surperformance attendue qui intègre simultanément toutes les variables.
| Approche | Logique | Avantage | Limite |
|---|---|---|---|
| Filtres fixes | Règles binaires (oui/non) | Simple, transparent | Seuils arbitraires, pas d'interactions |
| Score composite pondéré | Somme de scores normalisés | Intègre plusieurs critères | Pondérations fixes, non adaptatives |
| ML supervisé | Apprentissage sur historique | Interactions, adaptation | Risque overfitting, boîte noire partielle |
Le Screener Small Caps FR combine les trois couches : filtres d'élimination + score composite règles métier + prédiction ML XGBoost. Le track record public permet de juger la valeur ajoutée du modèle : toutes les prédictions loggées avant clôture, résultats nets de coûts, erreurs publiées comme les succès.