Ce rapport présente une application des algorithmes d'apprentissage aux séries chronologiques financières. L'approche traditionnelle est basée sur l'estimation d'un modèle de prédiction, qui minimise par exemple l'erreur quadratique entre les prédictions et les réalisations de la variable à prédire, ou qui maximise la vraisemblance d'un modèle conditionnel de la variable dépendante. Nos résultats sur des séries financières montrent que de meilleurs résultats peuvent être obtenus quand les paramètres du modèles sont plutôt choisis de manière à maximiser le critère financier voulu, ici les profits en tenant compte des pertes attribuables aux transactions. Des expériences réalisées avec 35 titres canadiens sont décrites.