a16z : Pourquoi les marchés prédictifs deviendront l'infrastructure de la "probabilité future"

marsbitPublié le 2026-06-03Dernière mise à jour le 2026-06-03

Résumé

Les marchés de prédiction, qui permettent de négocier sur les résultats d'événements futurs, évoluent d'un outil de niche vers un champ d'information publique plus large. Leur mécanisme est simple : transformer un événement futur en contrat négociable, où les participants utilisent des fonds réels pour exprimer leurs convictions, formant ainsi un prix reflétant une probabilité approximative. Leur force réside dans la capacité à agréger des informations dispersées en temps réel, avec l'incitation financière ("avoir tort coûte de l'argent") pour attirer ceux qui détiennent une réelle connaissance. L'article souligne que ces marchés ne sont pas des "oracles" magiques, mais exploitent le mécanisme fondamental du marché : allouer des ressources *et* agréger de l'information. Ils appliquent cette capacité d'agrégation pour estimer la probabilité d'occurrence d'événements spécifiques, des élections aux performances des modèles d'IA, là où les actifs traditionnels échouent. Cependant, leur efficacité n'est pas automatique. Elle dépend de qui participe, de la conception des contrats, de la vérification des résultats et de la résistance aux manipulations. Sans la participation des acteurs informés, les prix ne sont que du bruit. Une implication excessive d'informés privilégiés ou des tentatives de manipulation (par exemple, par des équipes de campagne) pourraient pervertir l'outil d'agrégation en outil de propagande. L'étape suivante ne consiste donc pas seulement à accroître le vol...

Note de la rédaction : Les marchés prédictifs, autrefois des outils de niche, entrent aujourd'hui dans le champ de l'information publique.

Leur logique est simple : concevoir un contrat négociable autour d'un événement futur, permettant aux participants d'exprimer leur jugement avec de l'argent réel, la formation d'un prix produisant ainsi une approximation probabiliste. Comparés aux sondages, aux prédictions d'experts ou aux prix des actifs traditionnels, les marchés prédictifs présentent l'avantage de pouvoir agréger en temps réel des informations dispersées, tout en incitant, grâce au mécanisme "perdre si l'on se trompe", les personnes réellement informées à y participer.

C'est là le point le plus intéressant de l'article. L'auteur ne présente pas les marchés prédictifs comme une "machine à prédire" magique, mais les replace dans le mécanisme même du marché : un marché n'alloue pas seulement des ressources, il agrège aussi de l'information. Le marché prédictif est l'application directe de cette capacité d'agrégation à la question de savoir si un événement se produira ou non. De la géopolitique aux résultats électoraux, en passant par les performances des modèles d'IA ou la reproductibilité d'expériences scientifiques, de nombreuses questions autrefois difficiles à exprimer via des actifs financiers traditionnels peuvent désormais être converties en un ensemble de probabilités négociables.

Cependant, l'efficacité d'un marché prédictif n'est pas automatique. Elle dépend de qui participe, de la conception des contrats, de la manière dont les résultats sont arbitrés, et de la vulnérabilité du marché aux manipulations par des initiés ou des parties prenantes. Si les personnes réellement informées ne participent pas, le prix peut n'être que du bruit ; si des initiés parient en avance, le marché perd son équité ; si une équipe politique ou un porteur de projet utilise des fonds pour gonfler artificiellement la probabilité d'un résultat, le marché prédictif peut se transformer d'"outil d'agrégation d'information" en "outil de manipulation de l'opinion".

La prochaine étape pour les marchés prédictifs ne consiste donc pas seulement à augmenter le volume des transactions, mais à construire une infrastructure de marché plus fiable : des règles de participation transparentes, une conception claire des contrats, des mécanismes de règlement auditable, et des contraintes contre les manipulations. Leur valeur réelle ne réside pas dans le fait de permettre aux gens de "parier sur l'avenir", mais dans leur capacité à fournir, dans un environnement très incertain, un nouveau signal probabiliste public.

Texte original :

Les marchés prédictifs permettent aux gens de négocier sur les résultats d'événements. L'année dernière, ces marchés ont commencé à pénétrer massivement l'espace public aux États-Unis et sont désormais utilisés pour suivre toutes sortes d'événements, de la géopolitique aux gagnants de prix de divertissement. Mais qu'est-ce qu'un marché prédictif exactement ?

En tant qu'économiste qui a longuement étudié les marchés et les mécanismes d'incitation, ma réponse est simple : un marché prédictif est, fondamentalement, un marché. Les marchés sont des outils fondamentaux pour l'allocation des ressources, garantissant que les biens et services vont à ceux qui y accordent le plus de valeur. Ce faisant, ils agrègent également de l'information : le mécanisme d'équilibrage du marché absorbe les informations détenues par les participants et les condense en un signal tel que le prix.

Les plateformes et produits de marchés prédictifs utilisent directement cette capacité d'agrégation d'information pour tenter de prédire des événements futurs spécifiques. Ils introduisent un actif lié à un événement précis : cet actif verse un paiement si un certain résultat se produit. Les gens négocient ensuite cet actif en fonction de leur jugement sur la probabilité de cet événement. Les entreprises utilisent depuis longtemps les marchés prédictifs, par exemple pour recueillir des informations implicites auprès des employés afin de prédire si un produit important sera publié à temps. La communauté scientifique a également utilisé des marchés prédictifs pour évaluer quelles expériences sont les plus susceptibles d'être reproduites. Aujourd'hui, nous voyons plusieurs médias s'associer à des marchés prédictifs, utilisant cette "intelligence collective" pour compléter les informations provenant de sources et de journalistes traditionnels.

Les marchés prédictifs tentent de répondre aux questions sur la probabilité de différents événements en collectant directement les informations des participants au marché - leurs jugements personnels sur l'avenir - et en agrégeant ces informations dans un marché. Les gens peuvent "parier" sur ces événements, tout comme ils parient sur la valeur future d'une entreprise sur le marché boursier, ou sur la valeur future du pétrole sur le marché des matières premières. La différence est que le marché prédictif ne s'appuie pas sur un actif comme le pétrole, influencé par de nombreux facteurs, mais introduit un actif qui ne paie que si un événement spécifique se produit.

Si nous voyons le prix du pétrole augmenter, nous savons que la demande a augmenté par rapport à l'offre. Mais nous ne savons pas nécessairement pourquoi : est-ce parce que les gens anticipent une escalade du conflit au Moyen-Orient, ou parce que quelqu'un a inventé une nouvelle utilisation du pétrole ? En revanche, un marché prédictif peut isoler chaque possibilité. Par exemple, un marché prédictif sur "le détroit d'Ormuz restera-t-il ouvert à une date et heure spécifiques ?" peut être construit autour d'un contrat qui paie 1 dollar par unité si l'événement se produit. Au fur et à mesure que les gens achètent et vendent cet actif, le prix de marché peut être interprété comme un "capteur de probabilité" : il estime le jugement collectif des traders sur la probabilité que l'événement se produise.

Cela fonctionne ainsi : supposons que le prix de marché pour un résultat soit de 0,50 $ l'unité, soit une probabilité de 50 %. Si vous pensez que la probabilité que le détroit d'Ormuz reste ouvert est supérieure à 50 %, disons 67 %, vous achèterez. Si vous avez raison, vous obtiendrez un bénéfice espéré de 0,67 $ pour un prix de 0,50 $. Votre achat fera monter le prix de marché et l'estimation de probabilité associée, reflétant le fait que quelqu'un pense que le marché a sous-estimé la probabilité de l'événement. L'inverse est également vrai : si quelqu'un pense que le prix de marché est trop élevé, il vendra à un prix inférieur, ou vendra à découvert, abaissant ainsi l'estimation de probabilité globale du marché.

Lorsqu'ils fonctionnent bien, les marchés prédictifs présentent des avantages significatifs par rapport aux autres méthodes de prévision. Premièrement, la simple capacité à fournir une estimation de probabilité est en soi puissante. En comparaison, les sondages et questionnaires ne donnent généralement que des proportions d'opinion ; pour les transformer en probabilités, il faut faire des inférences statistiques sur la relation entre la proportion mesurée et la population totale. Les sondages sont aussi généralement un instantané à un moment donné, tandis qu'un marché prédictif peut se mettre à jour en temps réel avec l'arrivée de nouveaux participants et de nouvelles informations.

Plus crucialement, les marchés prédictifs intègrent des incitations. Les acheteurs et les vendeurs ont "peau dans le jeu" et subissent une perte s'ils se trompent. Cela incite les participants potentiels à réfléchir sérieusement aux informations dont ils disposent et à engager leurs fonds sur les questions où ils pensent avoir un avantage informationnel. Réciproquement, les marchés prédictifs offrent aux gens la possibilité de monétiser leurs informations et leur expertise, les incitant ainsi à mener des recherches et à approfondir leur compréhension des sujets. Un cas célèbre est celui d'un participant à un marché prédictif qui, avant l'élection présidentielle américaine de 2024, a mené ses propres sondages en utilisant une méthode non conventionnelle pour tenter d'obtenir des informations que les sondeurs traditionnels ne captaient pas.

Enfin, les marchés prédictifs ont un autre avantage important : la portée. Une personne informée d'événements susceptibles d'affecter la demande de pétrole peut, en principe, exprimer son opinion en vendant ou en achetant du pétrole. Mais pour de nombreux résultats que nous souhaitons prédire, il n'existe pas de grands marchés de matières premières ou boursiers capables de les porter efficacement. Pour ces questions, les marchés prédictifs peuvent être l'outil idéal. Par exemple, des marchés prédictifs récents ont émergé pour agréger les jugements sur les performances relatives de différents modèles d'IA sur diverses tâches. Ce type de question est trop spécifique pour se refléter dans les marchés traditionnels de matières premières. N'importe qui peut créer et financer un marché prédictif pour répondre à ce type de questions de niche.

Ces idées ne sont pas nouvelles. Elles existent sous une forme ou une autre depuis au moins le 16e siècle en Europe, où des mécanismes similaires étaient utilisés pour prédire le prochain pape. Les marchés prédictifs modernes s'enracinent dans l'économie, les statistiques, la conception des marchés et l'informatique. Dans les années 1980, Charles Plott et Shyam Sunder ont proposé les premiers cadres académiques formels. Peu après, le premier marché prédictif moderne, l'Iowa Electronic Markets, a vu le jour. Grâce à Internet, ce modèle a pu absorber des informations dispersées et décentralisées du monde entier.

Dans le même temps, de nombreux problèmes doivent être résolus pour que les marchés prédictifs réalisent leur plein potentiel. Il s'agit notamment de problèmes d'infrastructure, comme la manière de vérifier et de parvenir à un consensus sur le fait qu'un événement s'est produit ou non, et de s'assurer que le marché fonctionne de manière transparente et vérifiable ; ainsi que la manière de traiter le règlement des contrats à grande échelle, car les résultats des contrats peuvent être contestés ou manipulés.

En plus de cela, il existe des défis de conception de marché. Premièrement, les participants disposant d'informations pertinentes doivent effectivement entrer sur le marché. Si personne n'a d'avantage informationnel, le signal de prix d'un marché prédictif ne nous dit en réalité pas grand-chose. Inversement, diverses personnes bien informées doivent aussi être disposées à participer, sinon les estimations du marché prédictif seront biaisées. J'ai soutenu en 2016 que les marchés prédictifs avaient peut-être sous-estimé la probabilité du Brexit et de la première élection de Trump parce que les personnes qui participaient alors aux marchés prédictifs n'avaient pas une perception suffisante de la réalité de la montée du populisme.

Parallèlement, l'entrée sur le marché d'une personne disposant d'une "information parfaite", par exemple quelqu'un connaissant à l'avance le résultat réel, peut également poser problème, surtout si cette personne peut influencer le cours des événements. Imaginez si quelqu'un à l'intérieur d'un conclave papal pariait sur le marché prédictif "prochain pape", commençant à trader avant l'annonce publique du pape Léo, voire en essayant de pousser l'élection vers le candidat sur lequel il a parié ? Si les participants potentiels anticipent que des initiés traderont sur le marché, la décision rationnelle est de s'en éloigner, conduisant finalement à l'effondrement du mécanisme de marché.

Enfin, il y a aussi la possibilité que quelqu'un tente de fausser les prix d'un marché prédictif pour influencer la perception publique de la probabilité d'un résultat. Ainsi, le marché prédictif passerait d'un outil d'agrégation des croyances à un outil de manipulation des croyances. Si l'équipe de communication d'un candidat électoral souhaite que l'extérieur croie qu'il est en train de gagner, elle pourrait tout à fait utiliser une partie des fonds de campagne pour tenter d'influencer le marché prédictif correspondant. Cependant, les marchés prédictifs ont dans une certaine mesure une capacité d'autocorrection, car lorsque l'estimation de probabilité d'un contrat est poussée à un niveau manifestement déraisonnable, il y aura toujours quelqu'un pour prendre le côté opposé de la transaction.

Tous ces problèmes convergent vers un même besoin : les marchés prédictifs doivent établir une plus grande transparence et des règles plus claires en matière de gestion des participants, de conception des contrats et de fonctionnement du marché. Mais si les concepteurs de marchés prédictifs parviennent à résoudre ces difficultés, ils pourraient devenir un outil central pour comprendre et naviguer dans l'avenir.

Questions liées

QQuels sont les avantages des marchés de prédiction par rapport aux sondages d'opinion traditionnels ?

ALes marchés de prédiction offrent une estimation en temps réel de la probabilité d'un événement, contrairement aux sondages qui ne fournissent qu'un instantané statique. De plus, ils intègrent un mécanisme incitatif où les participants risquent de l'argent réel, ce qui les encourage à utiliser sérieusement leurs informations et connaissances. Enfin, ils peuvent couvrir une gamme beaucoup plus large de questions spécifiques, y compris des domaines de niche qui ne sont pas reflétés dans les marchés traditionnels de matières premières ou d'actions.

QQuels sont les principaux défis que les marchés de prédiction doivent surmonter pour réaliser leur potentiel ?

APlusieurs défis majeurs subsistent : des problèmes d'infrastructure (comme la vérification et la résolution des événements, la transparence et l'auditabilité), des défis de conception de marché (attirer des participants bien informés, éviter la distorsion par des initiés ou la manipulation délibérée des prix), et la nécessité d'établir des règles claires et une grande transparence concernant la participation, la conception des contrats et le fonctionnement du marché.

QComment un marché de prédiction fonctionne-t-il mécaniquement pour générer une estimation de probabilité ?

AUn marché de prédiction crée un actif lié à un événement futur spécifique (par exemple, un contrat qui paie 1 $ si l'événement se produit). Les participants achètent et vendent cet actif en fonction de leur estimation personnelle de la probabilité que l'événement se produise. Le prix d'équilibre du marché, déterminé par ces échanges, est interprété comme la probabilité agrégée estimée par l'ensemble des traders. Par exemple, un prix de 0,50 $ correspond à une probabilité de 50%.

QEn quoi les marchés de prédiction diffèrent-ils des marchés d'actions ou de matières premières traditionnels ?

AContrairement aux marchés d'actions ou de matières premières où le prix d'un actif (comme une action ou du pétrole) est influencé par de nombreux facteurs complexes, les marchés de prédiction isolent un événement unique et spécifique. L'actif qu'ils créent n'a de valeur que si cet événement précis se produit. Cela permet d'obtenir un signal de probabilité direct et ciblé pour une question donnée, sans le bruit des autres variables qui affectent les prix des actifs traditionnels.

QComment les marchés de prédiction peuvent-ils passer d'un outil d'agrégation d'information à un outil de manipulation de l'opinion ?

ASi des acteurs (comme une équipe de campagne politique) utilisent des fonds importants pour acheter massivement des contrats liés à un résultat particulier, ils peuvent artificiellement augmenter la probabilité de marché associée. Cela peut créer une perception publique biaisée quant aux chances de succès. Bien que le marché ait une certaine capacité d'auto-correction (d'autres traders peuvent contrer une distorsion évidente), ce risque de manipulation existe, surtout si les règles et la transparence du marché sont insuffisantes.

Lectures associées

Le CPU, retour discret au centre de la scène du calcul IA

Ces trois dernières années, l'histoire du calcul IA a été presque entièrement centrée sur les GPU, les CPU étant relégués au rôle de soutien. Cependant, à partir de 2026, ce récit évolue. Alors que l'IA passe de l'entraînement massif de modèles au déploiement à grande échelle d'agents et d'inférences, la coordination, la concurrence et la circulation des données deviennent des goulots d'étranglement critiques. Ces tâches d'orchestration, où les GPU sont moins performants, remettent le CPU au centre en tant que « plan de contrôle » de l'infrastructure IA. Intel illustre cette tendance avec son processeur Xeon 6+, lancé en juin 2026. Fabriqué en procédé 18A, il mise sur une densité extrême avec jusqu'à 288 cœurs éco-efficaces (E-cores), optimisés pour le traitement simultané de milliers de tâches légères typiques des charges de travail des agents IA et de l'inférence. Cette approche « haute densité, haut débit » contraste avec la quête traditionnelle de performances mono-cœur. Cependant, la trajectoire d'Intel n'est pas assurée. Le récit du « retour du CPU » est confronté à plusieurs défis : les solutions intégrées CPU-GPU de NVIDIA, la montée des CPU ARM à haute densité développés en interne par les grands clouds (AWS Graviton, Google Axion, etc.), et la nécessité pour le procédé 18A de rivaliser avec les technologies N2 de TSMC et 2 nm de Samsung. En résumé, le CPU retrouve une place essentielle dans l'écosystème du calcul IA, non pas en rivalisant avec le GPU sur le pic de performance, mais en adressant les nouveaux besoins systémiques d'orchestration. La bataille pour savoir quelle architecture (x86 d'Intel/AMD, ARM des clouds ou solutions intégrées de NVIDIA) dominera cette nouvelle ère reste toutefois ouverte.

marsbitIl y a 3 mins

Le CPU, retour discret au centre de la scène du calcul IA

marsbitIl y a 3 mins

Après avoir collaboré avec plus de 35 projets DeFi, Pink Brains découvre les nouvelles règles du marketing KOL pour 2026

Après trois ans de collaboration avec plus de 35 projets DeFi leaders, Pink Brains, un studio spécialisé, révèle une nouvelle approche de marketing par influenceurs (KOL) pour 2026. L'analyse montre que les campagnes les plus efficaces partent non de la perspective du projet, mais de celle de l'utilisateur : comment il découvre un produit, établit la confiance et s'engage. Le parcours de découverte est social (souvent via X), mais la décision est guidée par les données (DefiLlama, DeBank, documents officiels). Un simple post ne suffit pas ; il doit mener à des données vérifiables et une documentation solide pour convertir des utilisateurs sérieux. En 2026, les utilisateurs DeFi sont attirés par des thèmes concrets et vérifiables : nouvelles tendances (perpétuels, RWA, IA x crypto), airdrops exigeant une contribution réelle, revenus réels ("Real Yield"), tokens capturant la valeur de l'adoption (comme HYPE d'Hyperliquid avec ses rachats massifs), et nouvelles plateformes d'échange (marchés prédictifs, cartes à collectionner, iGaming). La fidélisation repose sur quatre piliers : un produit utile au quotidien, un support client réactif, une tokenomie alignée sur les intérêts à long terme (comme VVV de Venice lié à l'usage réel), et une communauté stratégique. Pour les KOL, il est crucial de les choisir selon leur rôle (éducateur, créateur de contenu, expert...) et d'éviter les erreurs courantes : utiliser des créateurs ne comprenant pas le produit, un contenu générique, un mauvais ciblage, ou une dépendance excessive à quelques grandes figures. En résumé, le marketing DeFi performant en 2026 doit refléter le comportement utilisateur : la découverte vient de sources crédibles, l'intérêt de mécanismes vérifiables, et la fidélisation d'une tokenomie solide et d'un design produit robuste, bien au-delà du simple discours marketing.

marsbitIl y a 20 mins

Après avoir collaboré avec plus de 35 projets DeFi, Pink Brains découvre les nouvelles règles du marketing KOL pour 2026

marsbitIl y a 20 mins

a16z : L’avenir de l’IA visuelle n’est pas dans les images, mais dans le code

Au cours des dernières années, l'IA visuelle a été largement évaluée sur sa capacité à générer des pixels réalistes, comme avec les modèles de diffusion produisant des images et vidéos. Cependant, selon a16z, l'avenir ne réside pas seulement dans des rendus visuels, mais dans la génération d'artefacts de code sous-jacents—des fichiers structurés (HTML/CSS, SVG, scripts 3D, etc.) qui peuvent être édités, itérés et intégrés dans des workflows de production. L'article distingue deux approches : la génération native pixel (adaptée au réalisme et à l'exploration) et la génération native code (qui produit des représentations symboliques). Cette dernière permet un cycle "code → rendu → vérification → modification", où le modèle affine un programme visuel plutôt que de simplement échantillonner de nouvelles images. Cela est crucial pour des domaines comme la conception UI, l'animation et la 3D, où les acteurs ont besoin d'actifs modifiables et réutilisables, et non de simples rendus statiques. La pile technologique repose sur un modèle de codage, une représentation symbolique et un moteur de rendu. Cette approche est particulièrement prometteuse pour la 3D, où la cohérence structurelle et les contraintes fonctionnelles (ex. : articulations, mouvements) sont essentielles. Des outils comme OmniLottie, VIGA ou Articraft3D illustrent cette tendance. Si cette vision se concrétise, les futurs outils d'IA visuelle maîtriseront l'ensemble du cycle de production, utilisant les moteurs de rendu comme environnements de feedback. L'objectif n'est plus seulement de créer de belles images, mais de produire des artefacts visuels véritablement exploitables, ouvrant ainsi la voie à une intégration plus profonde de l'IA dans les chaînes de création.

marsbitIl y a 1 h

a16z : L’avenir de l’IA visuelle n’est pas dans les images, mais dans le code

marsbitIl y a 1 h

Trading

Spot
Futures
活动图片