Ce que les marchés ont réussi
À la veille de l'élection de 2024, Polymarket affichait Trump à environ 57 % de chances de gagner. La plupart des grands agrégateurs de sondages montraient une course serrée, certains modèles donnant à Kamala Harris un léger avantage. Trump a remporté une victoire décisive, et le marché prédictif était plus proche du résultat réel que les sondages.
Ce fut une validation significative pour les marchés prédictifs, d'autant plus que l'élection était l'un des événements les plus activement négociés de l'histoire des marchés prédictifs, avec plus de 3,3 milliards de dollars misés sur l'issue Trump contre Harris sur Polymarket seul. La forte liquidité signifiait que le prix n'était pas facilement manipulable et reflétait une large participation.
Mais la précision allait au-delà de la seule course présidentielle. Les marchés prédictifs ont correctement identifié plusieurs États clés que les sondages traditionnels ont manqués. La Pennsylvanie affichait Trump à 58 % sur Polymarket trois jours avant l'élection, alors que la plupart des sondages la donnaient à égalité. Le Wisconsin et le Michigan ont suivi des schémas similaires, les marchés prédictifs donnant à Trump de légers avantages qui se sont matérialisés la nuit de l'élection.
La rapidité d'intégration de l'information était particulièrement frappante. Lorsque les données de vote anticipé de Caroline du Nord ont suggéré une participation républicaine plus élevée que prévu, les prix de Polymarket ont bougé en quelques heures. Les sondages traditionnels, contraints par leur méthodologie et leurs calendriers de publication, ne pouvaient pas réagir aussi rapidement aux signaux émergents.
Ce qui complique l'histoire
Une probabilité de 57 % signifie toujours 43 % de chances pour l'autre résultat. Si Harris avait gagné, le marché prédictif aurait été « faux » au sens où il n'aurait pas prédit le gagnant, mais correct au sens où il disait que le résultat était incertain. Évaluer les marchés prédictifs en fonction de leur capacité à désigner le gagnant est le mauvais cadre. Le bon cadre est la calibration : les événements qu'ils évaluent à 57 % se produisent-ils réellement environ 57 % du temps sur de nombreux événements ?
La baleine française qui aurait fait bouger le contrat Trump par des paris directionnels massifs soulève des questions quant à savoir si le prix reflétait la sagesse authentique de la foule ou la conviction (et l'information supérieure, dans ce cas des données de sondages privés) d'un seul trader bien capitalisé. En l'occurrence, la baleine avait raison. Mais le mécanisme de découverte des prix était plus proche d'« un seul trader très bien informé » que de la « sagesse de la foule » au sens traditionnel.
Cette baleine, identifiée par analyse blockchain, a placé plus de 30 millions de dollars de paris sur plusieurs comptes, achetant systématiquement des contrats Trump même lorsque les prix montaient. Les transactions étaient sophistiquées, souvent exécutées pendant des périodes de faible volume pour minimiser l'impact sur le marché. Lorsque les nouvelles ont révélé que les données de sondages privés du trader montraient la force de Trump dans des groupes démographiques clés, il est devenu clair qu'il ne s'agissait pas simplement d'un pari à l'instinct.
L'incident met en évidence une tension fondamentale dans les marchés prédictifs. Les grands traders bien informés peuvent améliorer la précision des prix en intégrant des informations supérieures. Mais ils peuvent aussi déformer les prix si leur information est erronée ou s'ils négocient sur des facteurs non informationnels comme les préférences de risque ou les besoins de couverture.
Information contre manipulation
Distinguer entre le trading informé et la manipulation devient crucial pour interpréter les signaux des marchés prédictifs. Notre outil Whale Finder suit les accumulations de positions importantes sur les principales plateformes, aidant à identifier quand les mouvements de prix pourraient être motivés par des acteurs individuels plutôt que par un large consensus.
Lors de l'élection de 2024, plusieurs autres grands traders sont apparus au-delà de la célèbre baleine française. Un groupe d'investisseurs crypto a collectivement parié plus de 50 millions de dollars sur Trump, citant des préoccupations concernant la réglementation démocrate sur les cryptomonnaies. Leurs transactions n'étaient pas basées sur une analyse électorale mais sur des préférences politiques, créant un biais potentiel dans la tarification du marché.
Les différences entre plateformes étaient révélatrices
La précision variait selon les plateformes. PredictIt a correctement prédit 93 % des résultats mieux que le hasard. Kalshi a atteint 78 %. Polymarket a atteint 67 %. Ces différences reflètent des facteurs structurels : bases d'utilisateurs différentes, niveaux de liquidité différents et structures d'incitation différentes. Aucune plateforme n'était uniformément la meilleure pour tous les types de prédiction.
La performance supérieure de PredictIt découle probablement de sa base d'utilisateurs composée de professionnels politiques et d'universitaires. La limite de pari de 850 $ de la plateforme empêche la manipulation par les baleines mais réduit également la liquidité. Les utilisateurs ont tendance à être plus informés sur les nuances politiques mais ont moins de capital en jeu, créant des structures d'incitation différentes.
La performance intermédiaire de Kalshi reflète sa position entre les utilisateurs informés mais à capital limité de PredictIt et les traders crypto à forte liquidité mais potentiellement moins informés de Polymarket. Le statut réglementaire de Kalshi en tant qu'échange réglementé par la CFTC attire des participants institutionnels qui apportent une analyse sophistiquée mais font également face à des contraintes de conformité qui peuvent ralentir leurs temps de réaction.
Le taux de précision plus faible de Polymarket, malgré son volume massif, illustre la complexité de l'efficacité du marché. Une liquidité élevée ne se traduit pas automatiquement par de meilleures prédictions si la base de participants manque d'expertise pertinente ou si les grands traders peuvent influencer de manière disproportionnée les prix.
Opportunités d'arbitrage inter-plateformes
Les différences entre plateformes ont créé d'importantes opportunités d'arbitrage tout au long du cycle électoral. Les contrats Trump se négociaient jusqu'à 8 points de pourcentage plus haut sur Polymarket que sur Kalshi pendant certaines périodes. Ces écarts ont persisté pendant des heures, parfois des jours, en raison des frictions dans le déplacement de capitaux entre plateformes.
Les traders sophistiqués ont exploité ces différences, mais l'arbitrage n'était pas parfait. Les restrictions réglementaires empêchaient de nombreux traders d'accéder à plusieurs plateformes. Les délais de retrait et les frais de gaz sur Polymarket créaient des frictions supplémentaires. Le résultat a été des disparités de prix persistantes qui ont révélé à quel point l'écosystème des marchés prédictifs reste fragmenté.
Au-delà de la course présidentielle
Les courses sénatoriales et gubernatoriales ont fourni un terrain de test supplémentaire pour la précision des marchés prédictifs. Les marchés ont correctement identifié plusieurs victoires surprises, y compris des victoires républicaines inattendues dans des États où les sondages traditionnels montraient des courses serrées favorables aux démocrates.
Au Montana, les marchés prédictifs donnaient au républicain Tim Sheehy 65 % de chances de battre le démocrate sortant Jon Tester, alors que la plupart des sondages montraient un coude-à-coude. Les marchés se sont avérés corrects, Sheehy l'emportant avec une marge confortable. Des schémas similaires sont apparus en Ohio et en Floride, où les marchés prédictifs ont identifié une force républicaine que les sondages avaient manquée.
Cependant, les marchés ont également manqué certains résultats. Plusieurs courses à la Chambre en Californie et à New York ont vu des candidats démocrates remporter des sièges que les marchés prédictifs avaient favorisés pour les républicains. Le schéma suggère que les marchés prédictifs fonctionnent mieux dans les courses très médiatisées et largement négociées où plus d'informations et d'attention affluent vers la découverte des prix.
Les initiatives référendaires au niveau des États ont montré des résultats mitigés. Les marchés prédictifs ont prévu avec précision les mesures sur les droits à l'avortement dans plusieurs États, mais ont manqué la cible sur certaines réformes de la politique des drogues. La précision semblait correspondre au volume de transactions que chaque contrat attirait.
Leçons pour les élections futures
L'élection de 2024 a enseigné plusieurs leçons pratiques. Les marchés prédictifs sont meilleurs que les sondages pour intégrer rapidement l'information, mais ils peuvent être influencés par de grands traders individuels. La comparaison inter-plateformes est plus instructive que le prix d'une seule plateforme. Et la bonne mesure d'évaluation est la calibration sur de nombreux événements, et non si le marché a « appelé » correctement un seul résultat.
Le phénomène des baleines suggère que les marchés prédictifs fonctionnent mieux lorsque les grands traders ont de véritables avantages informationnels plutôt que de simples opinions fortes ou des besoins de couverture. Les plateformes ont besoin de meilleurs outils pour distinguer entre les grandes transactions informées et non informées.
La clarté réglementaire est apparue comme un facteur crucial. Les plateformes opérant dans des zones grises réglementaires ont attiré des bases d'utilisateurs et des flux de capitaux différents de celles ayant un statut juridique clair. Cela a affecté non seulement le volume mais aussi la qualité de la découverte des prix.
Pour les traders et les analystes, l'élection a souligné la valeur de la surveillance simultanée de plusieurs plateformes. Les divergences de prix signalaient souvent des informations importantes ou des opportunités d'arbitrage. Notre Moteur de détection des erreurs de prix sur les marchés prédictifs suit ces écarts sur les principales plateformes, aidant à identifier quand le consensus se brise.
L'avantage de vitesse par rapport aux sondages traditionnels s'est avéré significatif mais pas absolu. Les marchés prédictifs excellent à intégrer les nouvelles de dernière minute et les indicateurs précoces, mais ils peuvent aussi surréagir au bruit ou être manipulés par un trading coordonné. Les signaux les plus fiables proviennent de mouvements de prix soutenus appuyés par un volume croissant sur plusieurs plateformes.
À l'avenir, l'infrastructure d'analyse des marchés prédictifs doit mûrir. De meilleurs outils pour suivre les grands traders, identifier les flux informés par rapport aux non informés et mesurer la véritable calibration sur divers types d'événements aideront à séparer le signal du bruit lors des futurs cycles électoraux.
Explorez ces outils sur Blockcircle : Moteur de détection des erreurs de prix sur les marchés prédictifs | Whale Finder