Même un modèle parfaitement non-biaisé se trompe de bucket sur Polymarket, souvent. Ce n'est pas un défaut du modèle. C'est la nature même de l'atmosphère.
Dans le premier post de cette série, j'ai posé un paradoxe : prévoir à moins de 1°C près 9 fois sur 10, et perdre quand même. Beaucoup d'entre vous m'ont posé la même question : "D'accord, mais pourquoi ?"
La réponse tient en une phrase : l'incertitude naturelle d'une prévision est souvent plus large qu'un bucket Polymarket.
Ce que veut dire "prévoir" en météorologie
Une prévision de température, ce n'est pas un chiffre. C'est une distribution de probabilité. Quand un modèle vous dit "demain, 24°C à Chicago", ce qu'il veut vraiment dire, c'est quelque chose comme : "avec ce que je sais ce matin, la température la plus probable est 24°C, mais 23°C ou 25°C restent très possibles, et 22°C ou 26°C ne sont pas exclus."
Cette incertitude n'est pas une faiblesse. C'est une propriété physique de l'atmosphère. Edward Lorenz l'a formalisé dans les années 1960 : deux états atmosphériques quasi identiques peuvent évoluer vers des états très différents quelques jours plus tard. C'est l'effet papillon, et il a une conséquence très concrète pour nous : on ne pourra jamais supprimer complètement l'incertitude d'une prévision météo. On peut la réduire. On ne peut pas l'annuler.
Concrètement, sur la température maximale d'une ville à 24h d'échéance, l'incertitude naturelle est typiquement de l'ordre de 1 à 2°C. À 3 jours, on est plutôt autour de 2 à 3°C. À 7 jours, parfois 4°C ou plus.
Pourquoi c'est un problème pour Polymarket
Regardez un marché de température maximale sur Polymarket. Les buckets font souvent 2°F de large aux US — ou 1°C par ailleurs.
Posez maintenant l'incertitude naturelle de ~1,5°C à 24h par-dessus ces buckets. Ce que vous obtenez, c'est qu'une prévision honnête n'attribue presque jamais 100% de probabilité à un seul bucket. Elle répartit, disons, 55% sur le bucket central, 25% sur celui du dessus, 15% sur celui du dessous, et le reste sur les extrêmes.
Autrement dit : même avec le meilleur modèle au monde, même sans aucun biais, le bucket "le plus probable" a typiquement 50 à 60% de chances de sortir à 24h. Pas 95%. Pas 90%. Cinquante à soixante.
Ça change complètement la lecture d'une prévision. "Le modèle dit 24°C" ne veut pas dire "le bucket 23-25°C va sortir à coup sûr". Ça veut dire "le bucket 23-25°C est le plus probable, mais il y a une chance sérieuse — souvent une sur trois — que la sortie soit le bucket d'à côté."
L'incertitude est une information, pas un bruit
Voici le point qui change tout : l'écart entre les modèles — ce qu'on appelle la dispersion d'ensemble — est lui-même une information.
Quand les 150 à 200 prévisions que nous traitons chaque jour sont toutes serrées autour de la même valeur, la prévision est confiante. Quand elles s'écartent, la prévision est incertaine. Ce n'est pas une incertitude "à cause du manque de données" — c'est une incertitude physique, celle de l'atmosphère elle-même.
Cette dispersion est mesurable. Elle change chaque jour, chaque heure, chaque ville. Un matin d'hiver avec une masse d'air stable, les modèles s'accordent à 0,5°C près. Un matin de front orageux, ils peuvent s'écarter de 5°C.
Un parieur qui ignore cette dispersion prend exactement la même position dans les deux cas. Un parieur qui la lit, non.
Ce que ça implique pour vos décisions
Trois conséquences concrètes :
-
Le bucket "central" n'est jamais la vérité. C'est le mode d'une distribution, pas le résultat. Si son prix sur Polymarket est au-dessus de sa vraie probabilité — disons 70% alors que la distribution n'en donne que 55% — c'est un mauvais pari, même si c'est le bucket "le plus probable".
-
Les jours incertains ne sont pas des jours à éviter. Ce sont des jours où l'information a plus de valeur. Les buckets voisins y deviennent attractifs, et des stratégies de portefeuille (YES/NO sur plusieurs buckets contigus) peuvent battre un pari concentré sur le bucket "évident".
-
Un biais systématique de 2°C est beaucoup plus grave que 1,5°C d'incertitude naturelle. L'incertitude, vous la gérez avec la taille de position et le portefeuille. Le biais, il vous fait perdre systématiquement. C'est pour ça que la correction de biais (notre V1) est non-négociable — mais c'est le sujet du prochain post.
La suite
Dans les prochaines semaines, la série continue :
- Comment mesurer un biais météo — et pourquoi c'est la première chose que fait notre V1
- Pourquoi le bucket "le plus probable" n'est pas toujours le plus rentable — le lien entre probabilité et prix
- Comment construire un portefeuille de paris météo cohérent — la gestion du risque appliquée à la météo
L'objectif reste le même : vous donner accès à la rigueur scientifique que nous apportons au problème, pour que vous construisiez votre propre stratégie.
Bonne analyse,
— JP