Les marchés de prédiction promettent depuis longtemps de regrouper des informations sur les événements futurs. De plus en plus, ces signaux proviennent non seulement des personnes, mais aussi des machines.
Selon David Minarsch, PDG et co-fondateur de Valory AG, l’équipe à l’origine du protocole de crypto-IA Olas, les agents d’IA autonomes apparaissent comme des outils puissants pour négocier les marchés de prédiction, en particulier pour les utilisateurs particuliers qui tentent d’être compétitifs dans un environnement de plus en plus automatisé.
Valory construit des produits à l’intersection de la blockchain et des systèmes multi-agents (MAS), et se concentre actuellement sur Olas, anciennement connu sous le nom d’Autonolas. Le protocole est conçu comme une infrastructure pour les agents logiciels autonomes qui peuvent exécuter des services sur des blockchains, interagir avec des contrats intelligents et coopérer les uns avec les autres tout en gagnant des récompenses cryptographiques.
La vision plus large est ce que Minarsch appelle une « économie d’agents ». Un écosystème décentralisé où les agents d’IA autonomes effectuent des tâches utiles et génèrent de la valeur pour leurs utilisateurs.
L’une des expériences les plus visibles de cette vision est Polystrat, un agent d’IA lancé sur la plateforme de prédiction de marché Polymarket en février 2026. L’agent négocie au nom des utilisateurs qui en ont la garde et en sont propriétaires, exécutant des stratégies en continu 24 heures sur 24.
« En un mot, Polystrat est un agent d’IA autonome qui négocie sur Polymarket 24h/24 et 7j/7 au nom de son utilisateur humain », a déclaré Minarsch. L’idée est simple : pendant que les humains dorment, travaillent ou perdent leur concentration, l’agent continue de négocier.
Les marchés de prédiction, plates-formes sur lesquelles les utilisateurs négocient des contrats liés à des résultats réels, sont passés d’outils de prévision de niche à un secteur de la fintech en pleine croissance au cours des dernières années. Le moment décisif de l’industrie s’est produit lors de l’élection présidentielle américaine de 2024, lorsque les volumes de transactions ont grimpé et que les marchés ont gagné en visibilité, suivi d’une expansion rapide dans les paris sportifs, économiques et liés à la cryptographie. En 2025, le volume notionnel total des échanges sur les principales plateformes dépassait 44 milliards de dollars, avec une activité mensuelle atteignant jusqu’à 13 milliards de dollars pendant les périodes de pointe.
Aujourd’hui, le marché est fortement concentré autour de deux acteurs dominants : Kalshi, une bourse de contrats événementiels réglementée aux États-Unis et supervisée par la Commodity Futures Trading Commission, et Polymarket, une plateforme crypto-native qui opère à l’échelle mondiale et offre une gamme plus large de marchés de prédiction. Ensemble, ils représentent environ 85 à 97 % du volume des transactions. dans le secteur, traitant des dizaines de milliards de dollars de paris annuels sur tout, depuis les élections et la politique de la banque centrale jusqu’aux événements sportifs et culturels
Pourquoi les machines peuvent surpasser les humains
La poussée vers le trading piloté par l’IA découle d’une simple observation. Une grande partie de l’intelligence intégrée dans les modèles d’IA modernes ne s’est pas encore traduite sur les marchés financiers.
Cette prise de conscience a incité l’équipe de Valory à commencer à construire ce qu’elle appelle une « économie de marché de prédiction » sur Olas en 2023, un écosystème dans lequel les agents d’IA utilisent des outils de prédiction et des pipelines de données pour prévoir les résultats et les échanger.
Les marchés de prédiction eux-mêmes reposent sur des prévisions probabilistes. Une simple supposition sur un événement, qu’il s’agisse d’un résultat politique, d’un indicateur économique ou d’un résultat sportif, ne vaut peut-être pas mieux qu’un tirage au sort. Mais une analyse structurée des données et des stratégies de trading disciplinées peuvent changer cette équation.
« Le simple fait de proposer des modèles prêts à l’emploi avec les marchés n’aboutit généralement pas à des résultats meilleurs qu’un tirage au sort », a déclaré Minarsch. « Mais les modèles d’IA de pointe intégrés dans des flux de travail personnalisés, appelés outils de prédiction, ont historiquement montré une précision prédictive allant jusqu’à 70 % et plus. »
Les résultats obtenus jusqu’à présent suggèrent que les machines pourraient avoir un avantage. Des données tierces indiquent que seulement 7 à 13 % environ des traders humains obtiennent des performances positives sur les marchés prédictifs, tandis que la majorité perd de l’argent.
Dans le même temps, la participation des machines augmente rapidement. Plus de 30 % des portefeuilles sur Polymarket utilisent déjà des agents IA, selon la plateforme d’analyse LayerHub.
Minarsch estime que cette tendance reflète un changement plus large : les humains sont déjà en concurrence avec les machines, qu’ils s’en rendent compte ou non. « Il y a des participants humains aux marchés de prédiction aux côtés de nombreuses machines », a-t-il déclaré. « Les humains sont donc déjà engagés dans une bataille contre les machines. »
La principale différence est que les machines sont moins émotives et mieux à même de s’en tenir à des stratégies cohérentes.
En mettant les agents IA à la disposition des utilisateurs quotidiens, Olas vise à uniformiser les règles du jeu.
Une traction précoce pour les commerçants autonomes
Les premières performances de Polystrat ont été encourageantes.
Environ un mois après son lancement, l’agent a exécuté plus de 4 200 transactions sur Polymarket et a enregistré des rendements uniques pouvant atteindre 376 %, selon les données partagées par l’équipe.
« Les agents ont tendance à faire mieux que les humains », a-t-il déclaré. « Les agents Polystrat AI surpassent déjà les participants humains dans Polymarket, avec plus de 37 % d’entre eux affichant un P&L positif, contre moins de la moitié de ce chiffre pour les participants humains.
Les utilisateurs peuvent configurer leurs propres agents en fonction de leurs préférences stratégiques, des sources de données ou de leur tolérance au risque.
La longue traîne des marchés prédictifs
Au-delà des performances, Minarsch estime que les agents d’IA pourraient débloquer une opportunité négligée sur les marchés de prédiction : la « longue traîne » de questions de niche ou localisées.
De nombreux marchés de prédiction tournent autour d’événements mondiaux majeurs, d’élections, de données macroéconomiques ou de compétitions sportives de haut niveau. Mais d’innombrables petites questions restent largement inexplorées.
« Souvent, les humains ne prennent pas la peine de chercher des informations », a déclaré Minarsch. « Ils ne prennent pas la peine de faire cet effort. » En revanche, les agents IA peuvent analyser simultanément un grand nombre de petits marchés.
« La longue traîne des marchés de prédiction est très intéressante pour les agents d’IA », a-t-il déclaré. « Il suffit de pointer l’agent vers le problème et il fait le travail. »
Cela pourrait contribuer à étendre les marchés de prédiction en tant qu’outil de collecte de données pour les entreprises, les décideurs politiques. Les marchés prévisionnels ont longtemps été étudiés comme moyens de regrouper des connaissances dispersées et de faire apparaître des informations que les enquêtes ou modèles traditionnels pourraient manquer.
En ce sens, les marchés de prédiction peuvent devenir une sorte de technologie en amont pour la prise de décision dans tous les secteurs.
Collaboration homme-IA
Malgré l’essor de l’automatisation, Minarsch ne voit pas les agents d’IA remplacer entièrement les humains.
Au lieu de cela, il les présente comme des compléments.
« Les humains font des choix plus précipités, ce qui peut être préjudiciable », a-t-il déclaré. « Les agents d’IA peuvent agir comme quelque chose sur lequel les humains s’appuient. »
Une orientation future consiste à permettre aux utilisateurs d’enrichir leurs agents avec des connaissances exclusives ou des ensembles de données spécialisés. « Nous constatons une demande de la part des utilisateurs qui souhaitent que leur agent exploite leur propre base de connaissances ou des informations exclusives », a déclaré Minarsch. « Cela permettrait aux agents de commercer d’une manière plus fondée sur des principes qu’un être humain. »
Au fil du temps, l’équipe affirme que les modèles de prédiction et les pipelines de données qui alimentent ces agents se sont considérablement améliorés, générant un alpha soutenu lorsqu’ils sont combinés avec de grands modèles de langage à usage général.
Risques et réglementation
La croissance des marchés de prédiction soulève également des questions éthiques et réglementaires.
Certains critiques soutiennent que les marchés prévoyant des guerres, des morts ou des catastrophes pourraient inciter à manipuler les résultats ou à tirer profit d’événements néfastes.
Minarsch a reconnu que des garde-fous prudents sont nécessaires.
« Il faut une réglementation sur les types de marchés de prédiction qui devraient exister », a-t-il déclaré.
Dans le même temps, il pense que les agents d’IA pourraient également aider à détecter les marchés problématiques ou les tentatives de manipulation en identifiant des modèles suspects.
« Les agents pourraient repérer des tendances et contribuer à fermer les marchés problématiques », a-t-il déclaré.
Construire une économie de l’IA appartenant aux utilisateurs
Pour Minarsch, l’objectif ultime n’est pas simplement de meilleures stratégies de trading.
Il s’agit de garantir que les utilisateurs quotidiens conservent leur part dans une économie numérique de plus en plus automatisée.
Un avenir dans lequel les systèmes d’IA réalisent l’essentiel de l’activité économique pourrait risquer de priver les individus de leurs droits si des plateformes centralisées contrôlent la technologie.. « Olas vise à créer un monde dans lequel les utilisateurs humains peuvent être responsabilisés grâce à leurs agents IA plutôt que privés de leurs droits. »
Pour contrer cette dynamique, le projet met l’accent sur la propriété des utilisateurs des systèmes d’IA. « Nous voulons créer davantage d’agents appartenant aux utilisateurs », a déclaré Minarsch.
En cas de succès, ce modèle pourrait permettre aux utilisateurs de déployer des logiciels autonomes qui génèrent de la valeur en leur nom sur tous les marchés et services. Les marchés de prédiction ne sont que le point de départ.
En savoir plus: La déroute de l’IA frappe les stocks de logiciels, mais Grayscale affirme que les blockchains en bénéficieront