Le rendement arithmétique additionne les périodes. Le rendement géométrique les multiplie. Sur une seule période, la différence est négligeable. Sur vingt ans, elle devient structurante. Un portefeuille qui perd trente pour cent puis gagne trente pour cent n'est pas revenu à son point de départ : il vaut onze pour cent de moins. Ce n'est pas une anomalie, c'est la règle fondamentale de la composition. Avant d'analyser une séquence de rendements, vous devez ancrer cette distinction dans votre lecture des données, sans quoi les conclusions que vous en tirez seront systématiquement biaisées vers l'optimisme.

Prenez une séquence de dix rendements annuels identiques dans leur valeur absolue, mais disposés dans un ordre différent pour deux cohortes distinctes. La cohorte qui subit les pertes importantes en début de période et les gains en fin de période arrive à un patrimoine final sensiblement inférieur à celle qui bénéficie des gains d'abord. Pourtant, les deux cohortes ont vécu exactement les mêmes rendements. Ce résultat contre-intuitif découle directement de la non-commutativité de la multiplication : l'ordre des facteurs change le produit dès lors que les bases diffèrent. Dans un modèle multi-périodes, ignorer cet effet revient à modéliser un monde qui n'existe pas.

Le même choc négatif de quinze pour cent produit un effet absolu radicalement différent selon que votre capital est de cent unités ou de mille unités au moment où il survient. Ce n'est pas une observation triviale : elle implique que les cohortes qui entrent dans une phase de marché défavorable avec un capital déjà composé sur plusieurs années subissent un recul absolu plus important que les cohortes plus jeunes dans leur trajectoire d'accumulation. La modélisation de la divergence inter-cohortes doit donc intégrer non seulement la séquence des rendements, mais aussi l'état du capital à chaque point de la séquence. Omettre cette dimension transforme le modèle en caricature.

Une fois le mécanisme compris, la simulation devient l'outil central. Vous construisez un ensemble de trajectoires en permutant la séquence historique observée et en mesurant la dispersion des patrimoines finaux obtenus. Cette dispersion n'est pas du bruit : elle est la mesure directe de l'exposition au risque de séquence pour une cohorte donnée. Les modèles stochastiques permettent d'étendre cette analyse à des milliers de permutations et de produire une distribution des résultats finaux plutôt qu'un résultat unique. Ce passage du point unique à la distribution est le saut qualitatif le plus important que la modélisation multi-périodes apporte à l'analyse patrimoniale.

Les écarts produits par la simulation sont informatifs, non prédictifs. Ils montrent ce qui aurait pu se produire sous différentes conditions initiales et différentes séquences, pas ce qui se produira. La tentation de transformer ces résultats en recommandations fermes est réelle, mais elle trahit la rigueur du modèle. Ce que vous pouvez affirmer avec honnêteté : les cohortes exposées à des chocs négatifs précoces présentent une distribution de patrimoines finaux décalée vers le bas, avec une queue gauche plus lourde. Ce que vous ne pouvez pas affirmer : que cela se répétera dans le même ordre pour les cohortes futures. La frontière entre analyse et prédiction doit rester visible dans chaque conclusion que vous formulez.