Les marchés prédictifs ne sont pas nouveaux
L'idée d'utiliser les marchés pour agréger des prédictions n'est pas une innovation du 21e siècle. Des marchés de paris politiques existaient aux États-Unis dès les années 1860, lorsque les marchés hors cote de Wall Street prenaient des paris sur les élections présidentielles. Ces marchés étaient largement suivis et souvent plus précis que les sondages informels contemporains. Les Iowa Electronic Markets, lancés en 1988, ont fourni certaines des premières preuves académiques de la précision des marchés prédictifs sous leur forme moderne.
Le bilan académique
Berg, Nelson et Rietz de l'Université de l'Iowa ont publié plusieurs études comparant les prédictions des Iowa Electronic Markets aux données de sondages sur les élections présidentielles de 1988 à 2004. Les marchés ont surpassé les sondages 74 % du temps lorsqu'ils étaient comparés aux mêmes dates. L'avantage était particulièrement prononcé lorsque les prévisions étaient faites plus de 100 jours avant l'élection.
Une méta-analyse de 2023 dans l'International Journal of Forecasting par Atanasov et ses collègues a examiné les marchés prédictifs, les sondages et les prévisionnistes experts dans plusieurs domaines. Ils ont constaté que les meilleures prévisions combinent généralement les trois sources, les marchés étant les plus performants lorsque la question est bien définie, que les critères de résolution sont clairs et que la liquidité est adéquate.
Là où les marchés ont échoué
Les marchés prédictifs ne sont pas infaillibles, et leurs échecs sont instructifs. Les marchés sous-estiment systématiquement la probabilité d'événements extrêmes (cygnes noirs) car le taux de base pour les événements extrêmes est très faible et la plupart des participants au marché n'en ont pas fait l'expérience. Les marchés peinent également sur les événements où la résolution dépend d'un décideur unique dont le processus de pensée est véritablement privé (un PDG spécifique va-t-il démissionner, un juge spécifique va-t-il statuer d'une certaine manière).
L'élection américaine de 2024 a fourni un cas mitigé. Polymarket a correctement identifié Trump comme le vainqueur probable alors que les sondages montraient un résultat incertain, mais la probabilité de 57 % signifiait toujours qu'il y avait 43 % de chances de se tromper. Le marché avait raison dans ce cas, mais une prédiction à 57 % qui s'avère correcte ne signifie pas que la prédiction était parfaite. Cela signifie que le marché a évalué correctement l'incertitude, ce qui est une affirmation différente et plus subtile.
La calibration est la bonne métrique
La bonne façon d'évaluer la précision des marchés prédictifs au fil du temps est la calibration : les événements que le marché cote à 30 % se produisent-ils effectivement 30 % du temps ? Les événements cotés à 70 % se produisent-ils 70 % du temps ? Une calibration parfaite signifie que le marché n'est pas systématiquement trop confiant ou pas assez confiant à aucun niveau de probabilité.
Les études sur la calibration des marchés prédictifs montrent généralement une bonne performance dans la plage de 20 à 80 %, mais une certaine surconfiance aux extrêmes (les événements cotés à 95 % se produisent légèrement moins de 95 % du temps). Cela est cohérent avec l'attente théorique : les probabilités extrêmes sont plus difficiles à coter avec précision car de petites variations absolues de probabilité nécessitent de larges variations en pourcentage de position pour être corrigées.
Explorez ces outils sur Blockcircle : Moteur d'anomalies de prix sur les marchés prédictifs