Aujourd'hui, c'est l'époque où tout le monde peut utiliser gratuitement des intelligences de pointe, mais tous les domaines ne peuvent pas en bénéficier. L'IA dans le trading, en particulier sur les marchés de contrats à forte liquidité, est presque inefficace ; mais dans le BC sportif, il y a encore de vraies fenêtres de bénéfices.
Parlons d'abord du trading.
Les marchés des dérivés tels que les cryptomonnaies, les contrats à terme et les devises sont extrêmement liquides, avec des participants hautement spécialisés et des informations de marché très transparentes. Les gros capitaux, les institutions et les stratégies HFT ont déjà épuisé toute "prévisibilité". Tout signal issu de données publiques est presque immédiatement exploité, digéré et nivelé. Les prévisions basées sur les chandeliers et l'entraînement des prix ne font que surajuster sur le bruit.
Des institutions comme Sentient et Numerai, qui avaient prétendu révolutionner le trading par l'IA, ont soit disparu, soit disparu sans bruit. La communauté académique a déjà conclu que le rapport signal-bruit dans les séries temporelles financières est extrêmement faible, ce qui fait que l'IA est facilement amenée à détecter des modèles fallacieux, entraînant finalement des résultats de backtest impressionnants mais des échecs en trading réel.
Vous vous positionner dans ce marché, c'est comme affronter des robots de trading de haut niveau en vitesse, en données et en puissance de calcul. Autrement dit, il est difficile que l'IA batte l'IA sur un marché efficace. La réalité la plus plausible est qu'une fois qu'un modèle devient rentable, d'autres algorithmes l'imitent, l'arbitrent, le contrent, et il devient rapidement inefficace.
Mais ce n'est pas le cas du sport.
Bien que les matchs sportifs soient incertains, ils ne sont pas purement aléatoires. Des facteurs structurés comme la force des équipes, l'adéquation tactique, l'état des joueurs, les variations des cotes et les fluctuations émotionnelles sont stables dans le temps et présentent des écarts persistants, par exemple : une préférence du public pour les favoris, une surévaluation des cotes des outsiders, ou un retard de réaction des cotes.
L'équipe Starlizard de Tony Bloom analyse la Premier League par modélisation, réalisant des bénéfices durables à long terme ; Bill Benter a constamment détecté les erreurs de cotes sur le marché des courses hippiques de Hong Kong à l'aide d'un modèle utilisant 130 variables, gagnant des dizaines de millions de dollars par an. Ce qui est crucial, c'est qu'ils n'ont pas affaire à Wall Street, mais aux émotions humaines.
Qu'est-ce que l'IA sait faire ? Dans des systèmes où les données sont abondantes, les modèles stables et les variables nombreuses, elle peut détecter des écarts.
Le sport est exactement ce qu'il faut : il y a une structure, des écarts, et un retard.
Le marché des produits dérivés répond à un autre ensemble de conditions : des contreparties partout, des signaux surexposés à la concurrence, aucune marge de manœuvre.
Le point clé est que les bookmakers du sport ne sont eux-mêmes qu'une autre formule. Ils fixent les cotes, mais ne s'attaquent pas à vous en continu comme sur les marchés financiers. Si vous parvenez à repérer des points de valeur, vous pouvez les exploiter avec discipline.
C'est la fenêtre : la fenêtre de bénéfices offerte par l'IA dans le domaine du sport.
Ce n'est pas éternel. Dès que les bookmakers adopteront des modèles intelligents tout aussi puissants, ou que l'efficacité du marché des paris sportifs augmentera, ces écarts disparaîtront. Mais tant que cela ne se produit pas, il s'agit d'un domaine extrêmement rare où subsistent encore un « écart d'information » et une « faiblesse structurelle ».
Si vous voulez que l'IA fasse quelque chose de fiable, mieux vaut qu'elle regarde les matchs, plutôt que de courir après les graphiques.
Nous sommes en train de vivre une ère où chacun peut avoir accès à une intelligence de pointe. Mais cette fenêtre ne s'attendra pas. Celui qui comprendra en premier les opportunités structurelles de cette époque pourra profiter des premiers bénéfices non encore arbitrés.