IOSG : Faire des probabilités un atout : Agent de veille stratégique pour les prévisions de marché

Titre original de l'article : « Brève hebdomadaire de l'IOSG | Faire des probabilités un atout : Perspectives des agents du marché de la prédiction n° 315 »

Auteur de l'article original : Jacob Zhao, IOSG

Dans nos précédents rapports sur l'IA dans le domaine des cryptomonnaies, nous avons constamment souligné que les applications les plus concrètes dans ce secteur se concentrent principalement sur les paiements en stablecoins et la DeFi, l'agent étant l'interface clé entre l'IA et les utilisateurs. Par conséquent, dans cette tendance à l'intégration de l'IA dans les cryptomonnaies, deux voies prometteuses se dégagent : à court terme, AgentFi s'appuyant sur les protocoles DeFi matures existants (stratégies de base comme le prêt et le minage de liquidités, ainsi que des stratégies avancées comme le swap, Pendle PT et l'arbitrage des taux de financement) ; et à moyen et long terme, Agent Payment, centré sur le règlement en stablecoins et l'utilisation de protocoles tels que ACP/AP2/x402/ERC-8004.

Les marchés de prédiction constituent une nouvelle tendance incontournable du secteur en 2025, avec un volume de transactions annuel qui devrait passer d'environ 9 milliards de dollars en 2024 à plus de 40 milliards en 2025, soit une croissance de plus de 400 % d'une année sur l'autre. Cette croissance significative s'explique par de multiples facteurs : des événements macro-politiques engendrant une demande d'incertitude, la maturité des infrastructures et des modèles de trading, ainsi que des avancées majeures dans le cadre réglementaire (la victoire de Kalshi et le retour de Polymarket aux États-Unis). Les agents de marchés de prédiction devraient apparaître dès début 2026 et devenir un produit émergent dans le domaine des agents au cours de l'année à venir.

Marchés de prédiction : de l’outil de pari à la « couche de vérité mondiale »

Les marchés de prédiction sont un mécanisme financier qui spécule sur l'issue d'événements futurs. Le prix du contrat reflète l'estimation collective du marché quant à la probabilité de survenance de l'événement. Leur efficacité repose sur la combinaison de l'intelligence collective et des incitations économiques : dans un contexte de paris anonymes en argent réel, l'information dispersée est rapidement intégrée dans un signal de prix pondéré par la propension des capitaux à investir, réduisant ainsi considérablement le bruit et les erreurs d'appréciation.

▲ Graphique de tendance du volume nominal des transactions du marché prévisionnel Source des données : Dune Analytics (ID de requête : 5753743)

D'ici fin 2025, le marché devrait être dominé par un duopole mené par Polymarket et Kalshi. Selon Forbes, le volume total des transactions en 2025 devrait atteindre environ 44 milliards de dollars, dont environ 21,5 milliards pour Polymarket et 17,1 milliards pour Kalshi. Les données hebdomadaires de février 2026 montrent que le volume de transactions de Kalshi (25,9 milliards de dollars) a dépassé celui de Polymarket (18,3 milliards de dollars), approchant ainsi les 50 % de parts de marché. L'expansion rapide de Kalshi s'explique par une victoire juridique dans une affaire de contrat électoral, un avantage concurrentiel grâce à sa position de pionnier sur le marché américain des pronostics sportifs et des attentes réglementaires relativement claires. Actuellement, les trajectoires de développement des deux entreprises divergent nettement.

Polymarket adopte une architecture CLOB hybride avec « appariement hors chaîne, règlement sur la chaîne » et un mécanisme de règlement décentralisé, établissant un marché mondial, non dépositaire et à forte liquidité. Après s'être à nouveau conformé à la réglementation américaine, il a mis en place une structure opérationnelle à double voie « onshore + offshore » ;

Kalshi s'intègre au système financier traditionnel, accède aux courtiers de détail traditionnels via des API, attire les teneurs de marché de Wall Street pour participer activement au trading de contrats macroéconomiques et basés sur les données, et ses produits sont soumis aux processus réglementaires traditionnels, avec une demande et des événements de longue traîne relativement en retard.

Outre Polymarket et Kalshi, les autres acteurs concurrentiels du marché des prévisions se développent principalement selon deux axes :

L'une des solutions consiste à intégrer les contrats d'événements aux comptes et aux systèmes de compensation des courtiers ou des grandes plateformes, en tirant parti de la couverture des canaux de distribution, des qualifications réglementaires et de la confiance institutionnelle (comme dans le cas de ForecastTrader d'Interactive Brokers et ForecastEx, ou de FanDuel Predicts du CME Group). Les avantages en matière de conformité et de ressources sont considérables, mais le déploiement du produit et le nombre d'utilisateurs restent encore à leurs débuts.

L'autre voie est celle des cryptomonnaies natives sur la blockchain, représentée par Opinion.trade, Limitless et Myriad. Cette approche permet une croissance rapide grâce au minage de tokens, aux contrats à court terme et à la distribution via les médias, en privilégiant la performance et l'efficacité du capital. Cependant, leur viabilité à long terme et la robustesse de leur gestion des risques restent à démontrer.

La combinaison des points d'entrée traditionnels en matière de conformité financière et des avantages de performance propres aux cryptomonnaies crée un paysage concurrentiel diversifié au sein de l'écosystème du marché des prédictions.

Le marché des prédictions peut, à première vue, sembler similaire aux jeux de hasard et s'apparente à un jeu à somme nulle. Cependant, sa principale différence réside dans la présence ou non d'une externalité positive : grâce à des transactions monétaires réelles, l'information est agrégée, les événements du monde réel sont publiquement évalués et une couche de signalisation précieuse se forme. Son évolution se transforme d'un jeu en une « couche de vérité globale » : avec la participation d'institutions telles que le CME et Bloomberg, les probabilités d'événements sont devenues des métadonnées décisionnelles directement accessibles aux systèmes financiers et d'entreprise, offrant ainsi une vision plus opportune et quantifiable de la réalité du marché.

D'un point de vue réglementaire mondial, le cadre de conformité des marchés de prédiction est très diversifié. Les États-Unis sont la seule grande économie à intégrer clairement les marchés de prédiction dans leur réglementation des produits dérivés. Sur des marchés comme l'Europe, le Royaume-Uni, l'Australie et Singapour, les marchés de prédiction sont généralement considérés comme des jeux de hasard et la réglementation se renforce. En revanche, des pays comme la Chine et l'Inde les ont totalement interdits. L'expansion future des marchés de prédiction à l'échelle mondiale dépendra donc des cadres réglementaires de chaque pays.

Conception architecturale des agents du marché de prédiction

Actuellement, les agents de marché prédictifs n'en sont qu'à leurs débuts en matière d'application pratique. Leur valeur réside moins dans des prédictions d'IA plus précises que dans l'optimisation du traitement de l'information et de l'exécution au sein de ces marchés. Les marchés prédictifs sont essentiellement des mécanismes d'agrégation d'informations, où les prix reflètent l'estimation collective des probabilités d'événements. En réalité, l'inefficience des marchés découle de l'asymétrie d'information, des contraintes de liquidité et des limitations de l'attention. Le rôle optimal des agents de marché prédictifs se situe dans la gestion de portefeuille probabiliste exécutable : convertir les actualités, les règles et les données de la blockchain en biais de prix vérifiables afin d'exécuter les stratégies plus rapidement, avec plus de rigueur et à moindre coût, et de saisir les opportunités structurelles grâce à l'arbitrage interplateforme et à la gestion des risques de portefeuille.

Un agent de marché de prédiction idéal peut être représenté par une architecture à quatre couches :

· Couche d'information - collecte des données d'actualité, sociales, sur la blockchain et officielles ;

· Couche d'analyse - utilise LLM et ML pour identifier les erreurs de tarification et calculer l'avantage concurrentiel ;

• Couche stratégique - transforme Edge en positions grâce au critère de Kelly, au trading par lots et à la gestion des risques ;

· Couche d'exécution - effectue les ordres intermarchés, le slippage, l'optimisation du gaz, l'exécution d'arbitrage, formant une boucle automatisée efficace.

Cadre stratégique des agents du marché de prédiction

Contrairement aux marchés traditionnels, les marchés de prédiction présentent des différences significatives en matière de mécanismes de règlement, de liquidité et de diffusion de l'information. De plus, tous les marchés et toutes les stratégies ne se prêtent pas à une exécution automatisée. La réussite d'un agent sur un marché de prédiction repose sur son déploiement dans un scénario clairement défini, codable et aligné sur ses avantages structurels. Les sections suivantes analyseront la sélection des cibles, la gestion des positions et la structure des stratégies.

Sélection de la cible du marché prévisionnel

Tous les marchés de prédiction n'ont pas de valeur marchande, et leur intérêt dépend de plusieurs facteurs : la clarté du règlement (clarté des règles, unicité des sources de données), la qualité de la liquidité (profondeur du marché, spread et volume des transactions), le risque d'initié (degré d'asymétrie d'information), la structure temporelle (date d'expiration et rythme des événements), ainsi que l'avantage informationnel et l'expérience professionnelle du trader. Un marché de prédiction n'est viable que lorsque la plupart de ces dimensions répondent aux exigences fondamentales, et les participants doivent s'appuyer sur leurs forces et les caractéristiques du marché.

• Les forces humaines fondamentales : elles reposent sur l'expertise, le jugement et l'intégration d'informations ambiguës, et opèrent sur un horizon temporel relativement large (mesuré en jours/semaines). Les élections politiques, les tendances macroéconomiques et les étapes clés du développement d'une entreprise en sont des exemples typiques.

• Atout majeur des agents d'IA : ils s'appuient sur le traitement des données, la reconnaissance de formes et une exécution rapide, et opèrent dans un laps de temps extrêmement court (de l'ordre de quelques secondes ou minutes). On peut citer comme exemples typiques la tarification haute fréquence des cryptomonnaies, l'arbitrage intermarchés et la tenue de marché automatisée.

• Zones non adaptatives : marchés dominés par des informations privilégiées ou marchés purement aléatoires/hautement manipulateurs, qui ne procurent aucun avantage aux participants.

Gestion de la position prédictive sur le marché

Le critère de Kelly est la théorie de gestion de portefeuille la plus représentative des jeux répétitifs. Son objectif n'est pas de maximiser le profit ponctuel, mais le taux de croissance composé à long terme des fonds. Cette méthode, basée sur des estimations du taux de gain et des probabilités, calcule la taille de position théoriquement optimale pour optimiser la croissance du capital en cas d'espérance de gain positive. Elle est largement utilisée dans l'investissement quantitatif, les jeux de hasard professionnels, le poker et la gestion d'actifs.

La forme classique est : f^* = (bp - q) / b

Où f∗ représente la mise optimale, b la cote nette, p le taux de gain et q = 1 − p

· Le marché de prédiction peut être simplifié comme suit : f^* = (p - prix_du_marché) / (1 - prix_du_marché)

Où p représente la probabilité subjective réelle et market_price la probabilité implicite du marché

L'efficacité théorique du critère de Kelly repose fortement sur une estimation précise de la probabilité et des cotes réelles. En pratique, les traders peinent à appréhender systématiquement la probabilité réelle. De ce fait, les parieurs professionnels et les acteurs des marchés de prédiction privilégient généralement des stratégies basées sur des règles, plus faciles à mettre en œuvre et moins dépendantes de l'estimation des probabilités.

• Système d’unités : La méthode pratique la plus courante consiste à diviser le capital en unités fixes (par exemple, 1 %) et à investir un nombre d’unités différent en fonction des niveaux de confiance, en limitant automatiquement le risque individuel grâce à un plafond d’unités.

• Mise fixe : Utilisation d’un ratio de fonds fixe pour chaque mise, mettant l’accent sur la discipline et la stabilité, adaptée aux environnements réfractaires au risque ou à faible confiance.

• Niveaux de confiance : niveaux de position discrets prédéfinis avec une limite supérieure absolue pour réduire la complexité de la décision, évitant ainsi le problème de pseudo-précision du modèle Kelly.

• Approche du risque inversé : calcul de la taille de la position à partir de la perte maximale tolérable, en se basant sur les contraintes de risque plutôt que sur les attentes de rendement, afin de définir une limite de risque stable.

Pour les agents de marchés de prédiction, la conception stratégique doit privilégier l'exécutabilité et la stabilité à l'optimalité théorique. L'essentiel réside dans des règles claires, des paramètres concis et une tolérance aux erreurs de jugement. Dans ce contexte, la combinaison de niveaux de confiance et d'un plafond de position fixe constitue le schéma de gestion de position le plus adapté à un agent de marché de prédiction. Cette méthode ne repose pas sur une estimation précise des probabilités, mais divise les opportunités en niveaux limités en fonction de la force du signal et correspond à des positions fixes ; même dans les scénarios de forte confiance, une limite claire est fixée pour maîtriser le risque.

Sélection de stratégies pour les marchés de prédiction

D'un point de vue structurel, les marchés de prédiction peuvent principalement être divisés en deux catégories : les stratégies d'arbitrage déterministes caractérisées par des règles claires et une codification, et les stratégies directionnelles spéculatives reposant sur l'interprétation de l'information et le jugement directionnel ; en outre, il existe des stratégies de tenue de marché et de couverture dominées par des institutions professionnelles avec des exigences plus élevées en matière de capital et d'infrastructure.

Stratégie d'arbitrage déterministe

Arbitrage de résolution : L’arbitrage de résolution intervient lorsque l’issue d’un événement est quasiment certaine, mais que le marché ne l’a pas encore pleinement intégrée. La synchronisation des informations et la rapidité d’exécution sont les principaux leviers de profit. Cette stratégie, bien définie, à faible risque et entièrement codable, est la stratégie de base la mieux adaptée à l’exécution par agents sur un marché prédictif.

L’arbitrage de livres néerlandais exploite un déséquilibre structurel dû à la somme des prix d’ensembles d’événements mutuellement exclusifs et exhaustifs, s’écartant de la contrainte de conservation des probabilités (∑P≠1). En combinant des positions pour sécuriser des profits sans risque, cette stratégie repose uniquement sur des règles et des relations de prix. Elle présente un faible risque, est fortement structurée et constitue une forme typique d’arbitrage déterministe, adaptée à l’exécution automatisée par un agent.

L’arbitrage interplateforme tire profit des écarts de prix d’un même événement sur différents marchés. Il présente un faible risque, mais exige une latence élevée et une surveillance parallèle. Cette stratégie est adaptée à l’exécution par agents bénéficiant d’infrastructures performantes, mais l’intensification de la concurrence entraîne une diminution constante des rendements marginaux.

Arbitrage de lots : L’arbitrage de lots consiste à réaliser des transactions en exploitant les écarts de prix entre des contrats liés. La logique est simple, mais les opportunités sont limitées. Cette stratégie peut être mise en œuvre par des agents, mais elle nécessite un développement spécifique pour l’analyse des règles et les contraintes de composition, ainsi qu’une compatibilité modérée avec les agents.

Stratégie directionnelle spéculative

Stratégie de négociation d'informations : ce type de stratégie s'appuie sur des événements explicites ou des informations structurées, comme la publication de données officielles, des annonces ou des périodes de décision. Dès lors que la source d'information est claire et que les conditions de déclenchement sont définissables, les agents peuvent tirer parti de la rapidité et de la rigueur dans la surveillance et l'exécution. Cependant, l'intervention humaine demeure nécessaire lorsque l'information requiert un jugement sémantique ou une interprétation contextuelle.

Stratégie de suivi de signal : Cette stratégie vise à générer des profits en s’inspirant des comptes ou des fonds présentant des performances historiques supérieures. Les règles sont relativement simples et peuvent être automatisées. Les principaux risques résident dans la dégradation du signal et son exploitation à l’encontre de celui-ci, d’où la nécessité de mécanismes de filtrage et d’une gestion rigoureuse des positions. Elle convient comme stratégie complémentaire pour les agents.

Stratégie non structurée/axée sur le bruit : ce type de stratégie repose fortement sur l’émotion, le hasard ou les comportements participatifs, ne présente aucun avantage concurrentiel stable et reproductible, et sa valeur espérée à long terme est instable. En raison de sa difficulté de modélisation et de son risque extrêmement élevé, elle ne convient pas à une exécution systématique par agents et n’est pas recommandée comme stratégie à long terme.

Stratégie de microstructure de marché : ce type de stratégie repose sur une fenêtre de décision très courte, une cotation continue ou des transactions à haute fréquence, ce qui engendre des exigences élevées en matière de latence, de modèles et de capital. Bien que théoriquement adaptée aux agents, dans un marché prédictif, elle est souvent limitée par la liquidité et l’intensité concurrentielle, et ne convient qu’à un petit nombre d’acteurs bénéficiant d’infrastructures performantes.

• Stratégie de contrôle et de couverture des risques : Ce type de stratégie ne vise pas directement la rentabilité, mais sert à réduire l’exposition globale au risque. Elle repose sur des règles et des objectifs clairs et fonctionne sur le long terme comme un module fondamental de contrôle des risques.

De manière générale, les stratégies adaptées à l'exécution par un agent sur un marché prédictif privilégient les scénarios clairs, codifiables et peu subjectifs. Dans ces scénarios, l'arbitrage déterministe doit constituer la principale source de revenus, les informations structurées et les stratégies de suivi de signaux venant en complément. Les transactions à forte volatilité et guidées par les émotions doivent être systématiquement exclues. L'avantage à long terme d'un agent réside dans sa discipline rigoureuse, sa rapidité d'exécution et sa capacité à maîtriser les risques.

Modèle commercial et forme du produit d'un agent de marché prédictif

Le modèle économique idéal d'un agent de marché prédictif explore différentes directions à différents niveaux :

• Niveau infrastructure, fournissant une agrégation de données multi-sources en temps réel, une bibliothèque d'adresses Smart Money, un moteur d'exécution de marché prédictif unifié et des outils de backtesting, facturant des frais B2B pour générer un revenu stable non lié à la précision des prédictions ;

• Au niveau stratégique, introduction de stratégies communautaires et tierces, construction d'un écosystème de stratégies réutilisables et évaluables, et capture de valeur par le biais d'appels, de pondérations ou de répartitions d'exécution afin de réduire la dépendance à un seul Alpha.

• Niveau Agent / Coffre-fort, où l'agent participe directement à l'exécution en direct de manière sécurisée, en s'appuyant sur des enregistrements transparents sur la chaîne et un système strict de gestion des risques, et en facturant des frais de gestion et de performance pour la capacité de rachat.

Les formes de produits correspondant aux différents modèles commerciaux peuvent également être divisées en :

Modèle de divertissement/gamification : En abaissant le seuil d’accès grâce à une interaction intuitive similaire à celle de Tinder, il présente un fort potentiel de croissance d’utilisateurs et de sensibilisation du marché, ce qui en fait un point d’entrée idéal pour briser le cercle. Cependant, il doit évoluer vers une monétisation par abonnement ou basée sur l’exécution du produit.

Modèle d'abonnement stratégique/de signal : sans gestion de fonds, conforme à la réglementation et avec des droits et responsabilités clairement définis, la structure de revenus SaaS offre une stabilité relative, ce qui en fait la voie de commercialisation la plus viable à l'heure actuelle. Ses limites incluent la facilité de réplication des stratégies, les pertes d'exécution et un plafond de revenus limité à long terme. Ces limitations peuvent être considérablement réduites grâce à une formule semi-automatisée de type « signal + exécution en un clic », améliorant ainsi l'expérience utilisateur et la fidélisation.

Modèle de conservation en coffre-fort : Bénéficiant d’économies d’échelle et d’une efficacité d’exécution accrue, ce modèle s’apparente aux produits de gestion d’actifs. Toutefois, il se heurte à de multiples contraintes structurelles, telles que les licences de gestion d’actifs, les seuils de confiance et les risques liés à la centralisation technologique. Sa viabilité dépend fortement des conditions du marché et d’une rentabilité durable. À moins de démontrer des performances à long terme et de bénéficier du soutien des investisseurs institutionnels, il ne devrait pas constituer la voie privilégiée.

Globalement, une structure de revenus diversifiée, basée sur la « monétisation de l'infrastructure + l'expansion stratégique de l'écosystème + la participation à la performance », contribue à réduire la dépendance à une seule hypothèse concernant la « domination continue du marché par l'IA ». Même si Alpha converge vers la maturité du marché, les capacités sous-jacentes telles que l'exécution, le contrôle des risques et le règlement conservent une valeur à long terme, contribuant ainsi à la construction d'un écosystème commercial plus durable.

Étude de cas sur les agents du marché de prédiction

Actuellement, les agents de marché prédictifs en sont encore à leurs balbutiements. Malgré diverses tentatives, allant des frameworks sous-jacents aux outils de niveau supérieur, aucun produit standardisé et abouti en matière de génération de stratégies, d'efficacité d'exécution, de système de contrôle des risques et d'écosystème commercial n'a encore vu le jour.

Nous catégorisons la carte actuelle de l'écosystème en trois niveaux : couche infrastructure, agents de trading autonomes et outils de marché de prédiction.

Couche d'infrastructure

Cadre des agents de Polymarket

Les agents Polymarket constituent le framework de développement officiel de Polymarket, conçu pour résoudre le problème de standardisation technique lié à la « connexion et à l'interaction ». Ce framework encapsule la récupération des données de marché, la construction des ordres et les interfaces d'appel LLM de base. Il répond à la question du « passage d'ordres par programmation », mais présente une lacune importante concernant les fonctionnalités de trading essentielles telles que la génération de stratégies, le calibrage des probabilités, la gestion dynamique des positions et les systèmes de backtesting. Il s'apparente davantage à une « spécification d'accès » officiellement reconnue qu'à un produit fini offrant des performances supérieures. Les agents destinés à un usage commercial doivent encore développer un système complet de recherche et de contrôle des risques sur cette base.

Outil de prédiction du marché Gnosis

L'outil Gnosis Prediction Market Agent Tooling (PMAT) offre une prise en charge complète en lecture et en écriture pour Omen/AIOmen et Manifold, mais uniquement un accès en lecture seule pour Polymarket, ce qui illustre les barrières entre les écosystèmes. Il convient comme base pour les agents internes de Gnosis, mais son utilité est limitée pour les développeurs travaillant sur Polymarket.

Polymarket et Gnosis sont actuellement les écosystèmes de marché de prédiction qui ont explicitement intégré le développement d'agents dans un cadre officiel. D'autres marchés de prédiction, comme Kalshi, restent principalement au niveau des API et des kits de développement logiciel Python, obligeant les développeurs à compléter eux-mêmes les fonctionnalités clés du système, telles que les stratégies, la gestion des risques, les opérations et la supervision.

Agent commercial autonome

Les « agents d'IA pour les marchés de prédiction » actuellement disponibles sur le marché sont encore majoritairement à leurs débuts. Bien qu'ils soient appelés « agents », leurs capacités réelles sont loin d'atteindre le niveau d'un système de trading entièrement automatisé en boucle fermée, et ils manquent généralement d'un mécanisme de contrôle des risques indépendant et systématique. Ils n'intègrent pas la gestion des positions, les ordres stop-loss, la couverture ni les contraintes de valeur attendue dans leur processus de décision. Leur niveau de commercialisation global est faible et ils ne constituent pas encore des systèmes matures capables de fonctionner sur le long terme.

· Prédiction d'Olas

Olas Predict est un écosystème d'agents intelligents pour les marchés de prédiction, actuellement le plus abouti en termes de produits. Son produit phare, Omenstrat, repose sur la plateforme interne Omen de Gnosis et utilise le modèle FPMM ainsi que des mécanismes d'arbitrage décentralisés. Il prend en charge les interactions à petite échelle et à haute fréquence, mais souffre de la liquidité insuffisante du marché unique d'Omen. Ses prédictions, basées principalement sur le modèle LLM général, manquent de données en temps réel et de contrôle systématique des risques, et présentent des taux de réussite historiques très variables selon les catégories. En février 2026, Olas a lancé Polystrat, étendant les capacités de ses agents à Polymarket. Les utilisateurs peuvent ainsi définir des stratégies en langage naturel, l'agent identifiant automatiquement les écarts de probabilité sur les marchés réglés sous 4 jours et exécutant les transactions. Le système fonctionne localement via Pearl, utilise des comptes sécurisés auto-hébergés et des limites de trading prédéfinies pour gérer les risques. Il s'agit actuellement du premier agent de trading autonome grand public conçu spécifiquement pour Polymarket.

Stratégie de marché multiple du réseau UnifAI

Ce service fournit à l'agent de trading automatisé Polymarket une stratégie de gestion du risque extrême : il recherche les contrats à échéance proche avec des probabilités implicites supérieures à 95 % et prend position pour viser un spread de 3 à 5 %. Les données on-chain affichent un taux de réussite proche de 95 %, mais les rendements varient considérablement selon les catégories, la stratégie étant fortement dépendante de la fréquence d'exécution et du choix de la catégorie.

· NOYA.ai

NOYA.ai vise à intégrer le processus « Recherche – Évaluation – Exécution – Suivi » dans une boucle de rétroaction d'agent, grâce à une architecture couvrant les couches d'intelligence, d'abstraction et d'exécution. Les Omnichain Vaults sont opérationnels ; l'agent du marché de prédiction est encore en développement et n'a pas encore intégré une boucle complète sur le réseau principal ; il est actuellement en phase de validation de la vision.

Outils de prévision des marchés

Les outils d'analyse prédictive actuels ne suffisent pas encore à constituer un véritable « agent d'intelligence prédictive ». Leur valeur réside principalement dans les couches d'information et d'analyse de leur architecture, tandis que l'exécution des transactions, la gestion des positions et le contrôle des risques restent du ressort des traders. En termes de produit, ils s'apparentent davantage à un « abonnement stratégique/assistance aux signaux/amélioration de la recherche » et peuvent être considérés comme un prototype d'agent d'intelligence prédictive.

À travers une cartographie systématique et une sélection empirique des projets inclus dans Awesome-Prediction-Market-Tools, cet article sélectionne des projets représentatifs, avec leurs premières versions et leurs cas d'utilisation, à titre d'exemples pour les rapports de recherche. Il se concentre principalement sur quatre domaines : les couches d'analyse et de signalisation, les systèmes d'alerte et de suivi des investisseurs importants, les outils de détection d'arbitrage, et les terminaux de trading et l'exécution agrégée.

Outil d'analyse de marché

Polyseer est un outil de prévision des marchés axé sur la recherche. Il utilise une architecture multi-agents (Planificateur / Chercheur / Critique / Analyste / Rédacteur) pour la collecte bilatérale de données et l'agrégation bayésienne des probabilités, et produit des rapports de recherche structurés. Ses atouts résident dans sa méthodologie transparente, son ingénierie des processus et son auditabilité complète en open source.

Oddpool : se positionne comme le « terminal Bloomberg des marchés de prédiction », offrant une agrégation multiplateforme, une analyse des arbitrages et un tableau de bord de données en temps réel pour Polymarket, Kalshi, CME et plus encore.

Polymarket Analytics : Plateforme d’analyse de données Polymarket mondialisée affichant systématiquement les données relatives aux traders, au marché, aux positions et aux transactions, avec un positionnement clair et des données intuitives, convenant comme outil de requête de données fondamentales et de référence pour la recherche.

Hashdive : outil de données destiné aux traders qui filtre quantitativement les traders et les marchés grâce à un score intelligent et un filtre multidimensionnel, pratique pour l’identification des investisseurs avertis et les décisions de copy trading.

Polyfactual : se concentre sur l'intelligence de marché basée sur l'IA et l'analyse des sentiments/risques, intégrant les résultats analytiques dans l'interface de trading via une extension Chrome, davantage orientée vers les scénarios d'utilisateurs B2B et institutionnels.

Predly : plateforme de détection des erreurs de prix basée sur l'IA qui identifie les écarts de prix entre Polymarket et Kalshi en comparant les prix du marché avec des probabilités calculées par l'IA, avec un taux de précision des alertes annoncé de 89 %, positionnée pour la détection de signaux et le filtrage des opportunités.

Polysights : Couvre plus de 30 marchés et indicateurs on-chain, avec un outil de détection d'initiés pour suivre les nouveaux portefeuilles, les paris importants à sens unique et autres comportements inhabituels, adapté à la surveillance quotidienne et à la détection de signaux.

PolyRadar : Plateforme d’analyse parallèle multi-modèles fournissant une interprétation en temps réel, une évolution chronologique, un score de confiance et une transparence de la source pour un événement unique, mettant l’accent sur la validation croisée multi-IA, positionnée comme un outil d’analyse.

Alphascope : moteur d’intelligence de marché prédictif basé sur l’IA offrant des signaux en temps réel, des résumés de recherche et une surveillance des changements de probabilité, encore à ses débuts, orienté vers la recherche et le soutien aux signaux.

Alertes/Suivi des baleines

Support : Positionné de manière optimale pour le suivi des baleines et les alertes d'action à haute fiabilité.

Whale Tracker Livid : Commercialisation des changements de position des baleines.

Outils de découverte d'arbitrage

ArbBets : outil de découverte d'arbitrage piloté par l'IA, axé sur les marchés Polymarket, Kalshi et des paris sportifs, identifiant les opportunités d'arbitrage multiplateformes et les opportunités de trading à valeur attendue positive (+EV), positionné à une couche de balayage d'opportunités à haute fréquence.

PolyScalping : plateforme d’arbitrage en temps réel et d’analyse de scalping pour Polymarket, prenant en charge des analyses complètes du marché toutes les 60 secondes, le calcul du retour sur investissement et les alertes Telegram, permettant le filtrage des opportunités en fonction de la liquidité, des spreads et du volume, et s’adressant principalement aux traders actifs.

Eventarb : outil léger et multiplateforme de calcul et d’alerte d’arbitrage couvrant Polymarket, Kalshi et Robinhood, avec des fonctionnalités ciblées, gratuit d’utilisation, adapté comme assistant d’arbitrage de base.

Prediction Hunt : Outil d'agrégation et de comparaison des marchés de prédiction inter-bourses fournissant des comparaisons de prix en temps réel et une identification des arbitrages pour Polymarket, Kalshi et PredictIt (actualisation d'environ 5 minutes), visant à la symétrie de l'information et à la découverte des inefficiences du marché.

· Terminal de négociation/Exécution agrégée

Verso : Terminal de trading de marché prédictif de qualité institutionnelle, soutenu par YC Automne 2024, offrant une interface de type Bloomberg, le suivi en temps réel de plus de 15 000 contrats sur Polymarket et Kalshi, une analyse approfondie des données et une veille informationnelle basée sur l'IA, destiné aux traders professionnels et institutionnels.

Matchr : Outil d'agrégation et d'exécution de marchés de prédiction multiplateformes couvrant plus de 1 500 marchés, permettant une correspondance optimale des prix grâce à un routage intelligent et à la conception de stratégies de rendement automatisées basées sur des événements à forte probabilité, l'arbitrage intermarchés et les opportunités liées aux événements, positionné au niveau de l'exécution et de l'efficacité du capital.

TradeFox : Plateforme professionnelle d'agrégation de marchés de prédiction et de courtage de premier ordre, soutenue par Alliance DAO et CMT Digital, offrant une exécution d'ordres avancée (ordres à cours limité, take profit/stop loss, TWAP), le trading en auto-conservation et le routage intelligent multiplateforme, ciblant les traders institutionnels, avec des projets d'expansion vers des plateformes telles que Kalshi, Limitless et SxBet.

Résumé et perspectives

Actuellement, l'agent de marché de prédiction en est aux premières étapes de son développement exploratoire.

1. Évolution du marché et de son essence : Polymarket et Kalshi ont formé un duopole, s’appuyant sur des agents intelligents dotés d’une liquidité suffisante et d’une base de scénarios robuste. La principale différence entre les marchés de prédiction et les jeux de hasard réside dans l’externalité positive. En agrégeant des informations dispersées via des transactions réelles, ils fournissent des prix publics pour les événements du monde réel, évoluant progressivement vers une « couche de vérité globale ».

2. Positionnement principal : L’agent de marché prédictif doit être positionné comme un outil de gestion d’actifs probabilistes opérationnel. Sa mission principale est de transformer les actualités, les textes de règles et les données de la blockchain en biais de prix vérifiables et d’exécuter des stratégies avec une discipline accrue, des coûts réduits et une capacité intermarchés. L’architecture idéale peut être résumée en quatre couches : information, analyse, stratégie et exécution. Cependant, sa commercialisation effective dépend fortement de la clarté du règlement, de la qualité de la liquidité et du niveau de structuration de l’information.

3. Choix de la stratégie et gestion des risques : D’un point de vue stratégique, l’arbitrage déterministe (incluant l’arbitrage de règlement, l’arbitrage de conservation des probabilités et le trading de différences de prix interplateformes) est idéalement automatisé par l’agent, tandis que la spéculation directionnelle ne doit servir que de complément. En matière de gestion des positions, il convient de privilégier les stratégies exécutables et tolérantes aux pannes, une approche par paliers combinée à une limite de position fixe étant la plus appropriée.

4. Modèles commerciaux et perspectives : La commercialisation se divise principalement en trois niveaux : le niveau infrastructure génère des revenus B2B stables grâce à l’infrastructure d’exécution des données ; le niveau stratégie monétise les recommandations stratégiques de tiers ou le partage des revenus ; et le niveau Agent/Coffre-fort participe au trading au comptant avec des contraintes de risque transparentes sur la blockchain, tout en facturant des frais de gestion et de performance. Les formes correspondantes incluent des points d’accès de divertissement, l’abonnement à des stratégies/signaux (actuellement le plus viable) et la conservation de titres en coffre-fort à seuil élevé. L’approche « Infrastructure + Écosystème stratégique + Participation à la performance » est plus durable.

Bien que diverses initiatives aient vu le jour au sein de l'écosystème des agents de marché prédictifs, allant des frameworks sous-jacents aux outils de haut niveau, dans des domaines clés tels que la génération de stratégies, l'efficacité d'exécution, la gestion des risques et le modèle commercial en boucle fermée, il n'existe actuellement aucun produit mature, reproductible et standardisé. Nous anticipons avec intérêt les évolutions futures des agents de marché prédictifs.