Moteur de probabilité par IA

Le moteur de probabilité par IA de Predite est le cerveau qui pilote le scanner. Il estime les probabilités réelles des événements pour les contrats des marchés prédictifs, qui sont ensuite comparées aux prix du marché afin d'identifier l'edge. Ce document explique son fonctionnement, ses points forts et ses limites.

L'approche par consensus à 3 modèles

Nous ne nous appuyons pas sur un seul modèle d'IA. Trois méthodes d'estimation indépendantes s'exécutent et leurs résultats sont pondérés pour produire une probabilité finale :

C'est tout l'intrant. Aucune actualité, aucun sondage, aucun flux externe n'est récupéré ni joint — le modèle raisonne à partir de la question et des chiffres du marché lui-même, plus ce qu'il sait déjà. Voyez-le comme un second avis bien informé sur la formulation et le prix, pas comme quelqu'un qui a lu les titres de ce matin.

Ce modèle ne tourne que si une clé LLM est configurée. Sinon, il est ignoré et les deux autres sont repondérés à 60/40 — bon à savoir, car cela change le sens du chiffre.

Résultat : une estimation de probabilité accompagnée d'un raisonnement structuré.

Seul le dernier possède une direction. Les trois premiers fixent *de combien* l'estimation peut bouger ; le terme favorite-longshot décide *dans quel sens*. Sur un marché valorisé entre environ 30 % et 70 %, où ce biais ne s'applique pas, ce modèle renvoie le prix de marché et n'apporte aucun edge — délibérément, car aucun de ses intrants ne peut y distinguer YES de NO.

Résultat : une estimation numérique sans raisonnement en langage naturel.

Modèle 3 : microstructure de marché (poids de 20 %, 40 % sans LLM) Celui-ci regarde la forme de la cotation, pas le sujet. Il utilise trois intrants : le spread implicite entre les prix YES et NO, le volume échangé et le nombre d'heures avant la résolution. Un spread large éloigne l'estimation du prix de marché ; un volume élevé (au-dessus de 5 M$) réduit cet écart, au motif qu'un marché fréquenté est efficient ; un volume faible (sous 50 k$) l'élargit ; et dans les 24 dernières heures tout l'ajustement est amorti, faute de temps pour un repricing. Il n'existe aucune table de taux de base historiques dans ce moteur.

Pourquoi trois modèles plutôt qu'un seul

Chaque modèle présente des modes de défaillance connus :

En les combinant, les erreurs ont tendance à s'annuler. L'estimation finale est plus robuste que celle de n'importe quel modèle pris isolément.

Calibration

Une estimation de probabilité de « 70 % de chances » devrait signifier que, sur un grand nombre de prédictions de ce type, l'événement se produit effectivement 70 % du temps. C'est ce qu'on appelle la calibration.

Il n'y a pas aujourd'hui de regroupement en tranches de 5 % de probabilité : nous ne pouvons donc pas encore vous montrer une courbe prédit-contre-réalisé sur toute l'échelle.

La calibration est publiée périodiquement sur notre blog. C'est la mesure la plus honnête de la précision de l'IA.

Ce que l'IA réussit bien

Les types d'événements établis : élections, sport, indicateurs économiques. L'IA dispose de nombreuses données d'entraînement et de schémas clairs.

Les marchés à information publique : les issues guidées par l'actualité, lorsque les données pertinentes sont librement accessibles.

Les questions quantitatives : « X dépassera-t-il Y avant la date Z » avec des seuils précis.

Le raisonnement agrégé : la combinaison de plusieurs sources en une seule estimation.

Ce avec quoi l'IA a du mal

Les marchés guidés par des initiés : votes de gouvernance, spéculation sur les fusions-acquisitions, décisions réglementaires. Les personnes disposant d'informations privées ont un edge que l'IA ne peut reproduire.

Les événements culturels : Oscars, prédictions de viralité, mode. L'IA ne dispose pas de bons modèles du goût.

Les actualités de toute dernière minute : les données d'entraînement accusent un décalage. Les événements majeurs des dernières 24 h peuvent ne pas être pris en compte.

Les issues de longue traîne : les événements rares qui n'ont pas de précédent historique.

Les marchés sensibles à la manipulation : les marchés à faible volume où un seul trader peut faire bouger le prix.

Pour ces catégories, considérez les estimations de l'IA avec scepticisme et appuyez-vous davantage sur votre propre expertise du domaine.

Comment fonctionne l'intégration des actualités

Ces éléments sont injectés dans la fenêtre de contexte de l'IA lors de l'analyse des marchés associés. Ainsi, en cas d'événement d'actualité majeur affectant un marché, l'analyse de l'IA en tient compte.

Mise en garde : l'intégration des actualités a ses limites. Nous ne pouvons pas couvrir toutes les sources d'information. Nous ne pouvons pas lire les contenus payants. Nous ne pouvons pas anticiper les sujets qui n'ont pas encore éclaté.

Comment la confiance de l'IA est calculée

Le score de confiance (0-100 %) est la moyenne pondérée de la confiance que chaque modèle déclare sur lui-même, avec les mêmes poids 50/30/20 que pour la probabilité. Une conséquence mérite d'être intégrée : il n'y a pas de terme d'accord. Trois modèles qui se contredisent frontalement produisent exactement la même confiance affichée que trois modèles d'accord, du moment que chacun est sûr de lui. Une confiance élevée signifie « chaque modèle était confiant », pas « les modèles ont convergé ».

Ce qui fait bouger la confiance de chacun : pour l'heuristique, la taille de l'edge trouvé ; pour la microstructure, un spread large, un volume élevé ou la proximité de la résolution. La distance à 50 % n'est un intrant d'aucun d'eux.

Une estimation à 90 % de confiance est réellement plus fiable qu'une estimation à 50 % de confiance. Faites confiance à l'indicateur de confiance : ce n'est pas du baratin marketing.

Erreurs fréquentes des utilisateurs

Faire aveuglément confiance aux estimations de l'IA : l'IA se trompe parfois. Les pertes importantes proviennent d'un dimensionnement de positions trop confiant sur les signaux de l'IA.

Ignorer la confiance : un edge de 10 pp à 40 % de confiance est moins bon qu'un edge de 5 pp à 90 % de confiance. Tenez compte des deux.

Trader chaque signal : l'IA fait apparaître des centaines de petits edges. La plupart ne valent pas la friction. Filtrez sur un edge > 5 pp + une confiance > 70 % comme référence de base.

S'ancrer sur le chiffre de l'IA : si l'IA indique 70 % et que le marché est à 60 %, votre travail consiste à évaluer SI l'IA a plus raison que le marché. Ne vous contentez pas de recopier l'estimation de l'IA comme étant votre propre vision.

Amélioration de l'IA

Les changements majeurs sont annoncés dans notre changelog. Si vous constatez des erreurs systématiques de l'IA dans certaines catégories de marchés, signalez-les via le retour intégré à l'application (il aboutit réellement à un humain et nous le lisons).

Cas d'usage par formule

Plan Starter : estimations de l'IA dans le scanner, en lecture seule — voyez les signaux et prenez la plateforme en main. La couverture des places ne dépend pas du plan : le scan de n'importe quel plan récupère et analyse Polymarket *et* Kalshi, et les puces POLY/KLSH ne font que filtrer ce qui est déjà là.

Formule Pro : estimations de l'IA sur Polymarket et Kalshi. Plus les signaux d'arbitrage (l'IA compare les prix d'une plateforme à l'autre).

Plan Bot : les estimations de l'IA alimentent des stratégies automatisées. Le modèle EV Follower les utilise directement.

Limites en toute honnêteté

Cela est cohérent avec la vérité de fond : les marchés prédictifs sont majoritairement efficients, et l'edge informationnel à l'ère de l'IA est réel mais modeste. Nous ne promettons pas 30 % de rendements mensuels. Nous fournissons des outils pour extraire un edge modeste de manière régulière sur plusieurs années.

Documents associés