Nouvel article de Vitalik : Bien plus qu'un marché prédictif, Polymarket pourrait redéfinir la finance de l'information
TechFlow SélectionTechFlow Sélection
Nouvel article de Vitalik : Bien plus qu'un marché prédictif, Polymarket pourrait redéfinir la finance de l'information
Prédire les résultats électoraux n'est qu'une première application. Le concept plus large est que vous pouvez utiliser la finance comme un mécanisme de coordination des incitations afin de fournir des informations utiles à un public.
Dédié à des analyses Web3 approfondiesAuteur : Vitalik Buterin
Traduction : 0xjs, Jinse Finance
L'une des applications d'Ethereum qui m'enthousiasme le plus est les marchés prédictifs. En 2014, j'ai rédigé un article sur la futarchie, un modèle de gouvernance fondé sur les prévisions imaginé par Robin Hanson. Dès 2015, j'étais utilisateur actif et partisan d'Augur (regardez, mon nom apparaît dans l'article Wikipédia). J'ai gagné 58 000 dollars en pariant sur l'élection présidentielle américaine de 2020. Cette année, je suis un soutien assidu et observateur attentif de Polymarket.
Pour beaucoup, les marchés prédictifs se résument à parier sur les élections, et parier sur les élections revient au jeu – ce qui peut être amusant, mais fondamentalement n'est pas plus significatif que d'acheter un jeton aléatoire sur pump.fun. Dans cette optique, mon intérêt pour les marchés prédictifs peut sembler déroutant. C’est pourquoi, dans cet article, j’entends expliquer ce qui me passionne dans ce concept. En bref, je crois que (i) même les marchés prédictifs existants sont déjà un outil extrêmement utile pour le monde, mais aussi que (ii) les marchés prédictifs ne sont qu’un exemple d’une catégorie plus vaste et très puissante, capable de créer de meilleures versions des médias sociaux, de la science, de l’information, de la gouvernance et d’autres domaines. J’appellerai cette catégorie « finance-informations » (info finance).
Le double visage de Polymarket : site de paris pour les participants, site d'actualités pour tous les autres
Au cours de la dernière semaine, Polymarket s'est avéré être une source d'information particulièrement efficace sur l'élection présidentielle américaine. Polymarket n’a pas seulement prédit une victoire de Trump avec une probabilité de 60/40 (contre 50/50 selon d'autres sources, ce qui en soi n’est pas si impressionnant), il a également démontré d’autres avantages : quand les résultats sont tombés, alors que de nombreux experts et médias continuaient à entretenir l’espoir d’un résultat favorable à Harris, Polymarket a révélé directement la vérité : la probabilité de victoire de Trump dépassait 95 %, et celle de conquérir tous les pouvoirs exécutif et législatif dépassait 90 %.
Les deux captures d’écran ont été prises le 6 novembre à 3h40, heure de l’Est des États-Unis
Mais pour moi, ce n’est même pas le meilleur exemple de ce qui rend Polymarket intéressant. Prenons donc un autre exemple : l’élection au Venezuela en juillet. Le lendemain de l’élection, je me souviens avoir vu du coin de l’œil quelqu’un mentionner des protestations contre les résultats fortement truqués de cette élection. Au début, je n’y ai pas prêté grande attention. Je savais que Maduro faisait partie de ces figures « quasi-dictatoriales », donc je pensais naturellement qu’il falsifierait encore les résultats pour rester au pouvoir, qu’il y aurait bien sûr des protestations, et que celles-ci échoueraient – comme tant d’autres avaient échoué malheureusement. Mais ensuite, en parcourant Polymarket, j’ai vu ceci :
Des gens étaient prêts à investir plus de cent mille dollars pour parier qu’il y avait 23 % de chances que Maduro soit renversé lors de cette élection. Là, j’ai commencé à prêter attention.
Bien sûr, nous connaissons le triste dénouement. Finalement, Maduro est resté au pouvoir. Pourtant, le marché m’a fait réaliser que cette fois, la tentative de renversement était sérieuse. Les manifestations étaient massives, et l’opposition avait mis en œuvre une stratégie remarquablement bien exécutée pour dénoncer au monde entier la fraude électorale. Si je n’avais pas reçu ce signal initial de Polymarket – « cette fois, quelque chose mérite vraiment d’être suivi » – je n’aurais même pas commencé à m’intéresser à la situation.
Vous ne devriez jamais faire entièrement confiance aux graphiques de cotes de Polymarket : si tout le monde leur faisait aveuglément confiance, n’importe qui disposant de suffisamment d’argent pourrait manipuler ces cotes, et personne n’oserait parier contre lui. D’un autre côté, faire entièrement confiance à l’actualité médiatique est aussi une mauvaise idée. Les médias ont tendance à dramatiser, exagérer les conséquences pour obtenir des clics. Parfois cela est justifié, parfois non. Si vous lisez un article sensationnel, mais constatez ensuite que la probabilité de l’événement sur le marché n’a pas changé, il est raisonnable d’être sceptique. Inversement, si vous observez une probabilité inattendue – élevée ou basse – ou un changement soudain sur le marché, cela devrait vous inciter à consulter les actualités pour comprendre pourquoi. Conclusion : lire à la fois les médias et les graphiques de cotes vous donne plus d’informations que de lire l’un ou l’autre séparément.
Revenons à ce qui se passe ici. Si vous êtes un joueur, vous pouvez parier sur Polymarket : pour vous, c’est un site de paris. Si vous n’êtes pas joueur, vous pouvez lire les graphiques de cotes : pour vous, c’est un site d’information. Vous ne devriez jamais faire entièrement confiance aux graphiques de cotes, mais personnellement, j’ai intégré leur lecture comme une étape de mon processus de collecte d’informations (avec les médias traditionnels et les réseaux sociaux), ce qui m’aide à obtenir plus d’informations de manière plus efficace.
La portée plus large de la finance-informations
Nous arrivons maintenant à la partie importante : prédire les élections n’est que la première application. Le concept plus vaste est que l’on peut utiliser la finance comme un mécanisme d’incitation coordonné afin de fournir aux observateurs des informations précieuses. Une réaction naturelle serait : toute finance n’est-elle pas fondamentalement liée à l’information ? Différents acteurs prennent des décisions d’achat ou de vente différentes parce qu’ils ont des opinions divergentes sur l’avenir (en dehors des facteurs personnels comme l’appétence au risque ou les besoins de couverture), et on peut déduire beaucoup de connaissances sur le monde à partir des prix du marché.
Pour moi, la finance-informations fonctionne ainsi, mais de manière structurée correctement. À l’instar du concept d’ingénierie logicielle bien structurée, la finance-informations est une discipline qui exige que vous (i) partiez d’un fait que vous souhaitez connaître, puis (ii) conceviez intentionnellement un marché pour extraire au mieux cette information des participants.
La finance-informations est un marché triangulaire : les parieurs font des prédictions, les lecteurs lisent les prédictions. Le marché produit comme bien public la prévision de l’avenir (car c’est précisément son objectif).
Un marché prédictif en est un exemple : vous voulez connaître un fait spécifique futur, alors vous créez un marché où les gens peuvent parier dessus. Un autre exemple est le marché décisionnel : vous voulez savoir quelle décision, A ou B, produira le meilleur résultat selon un indicateur M. Pour cela, vous créez un marché conditionnel : vous demandez aux gens de parier (i) quelle décision sera choisie, (ii) quelle sera la valeur de M si la décision A est prise, sinon zéro, (iii) quelle sera la valeur de M si la décision B est prise, sinon zéro. Avec ces trois variables, vous pouvez déterminer si le marché pense que A ou B est meilleur pour maximiser M.
J’anticipe que l’une des technologies qui propulsera le développement de la finance-informations au cours des dix prochaines années sera l’IA (qu’il s’agisse de grands modèles ou de technologies futures)
Cela tient au fait que nombre des applications les plus intéressantes de la finance-informations concernent des problèmes « micro » : des millions de petits marchés dont les décisions ont individuellement un impact relativement faible. En pratique, les marchés à faible volume échouent souvent à fonctionner efficacement : pour les participants expérimentés, consacrer du temps à une analyse détaillée juste pour gagner quelques centaines de dollars n’a aucun sens. Beaucoup pensent même que sans subvention, de tels marchés ne peuvent exister, car il n’y a pas assez de traders naïfs – en dehors des questions les plus grandes et les plus médiatisées – pour que les traders expérimentés puissent en tirer profit. L’IA change complètement cette équation, permettant d’obtenir des informations de qualité même sur des marchés avec un volume de 10 dollars. Même avec subvention, le coût par question devient très abordable.
La finance-informations nécessite une distillation humaine
Jugement
Supposons que vous disposiez d’un mécanisme de jugement humain fiable, légitime aux yeux de toute la communauté, mais coûteux et lent à mettre en œuvre. Vous souhaitez toutefois accéder en temps réel et à moindre coût à une version approximative de ce « mécanisme cher ». Voici une idée proposée par Robin Hanson : chaque fois qu’une décision doit être prise, vous créez un marché prédictif pour anticiper ce que ce mécanisme coûteux déciderait s’il était sollicité. Ce marché fonctionne pendant un certain temps, avec un petit financement pour subventionner les teneurs de marché.
Dans 99,99 % des cas, vous n’utilisez pas réellement le mécanisme coûteux : peut-être annulez-vous les transactions et remboursez tout le monde, ou donnez zéro à chacun, ou considérez simplement si le prix moyen est proche de 0 ou de 1 comme vérité de base. Dans 0,01 % des cas – peut-être aléatoirement, peut-être pour les marchés à plus fort volume, peut-être une combinaison des deux – vous activez effectivement le mécanisme coûteux et rémunérez les participants en conséquence.
Cela vous fournit une version « distillée » crédible, neutre, rapide et bon marché du mécanisme d’origine, initialement très fiable mais extrêmement coûteux (le terme « distillation » étant utilisé par analogie avec la « distillation » dans les LLM). Avec le temps, cette version distillée reflète globalement le comportement du mécanisme original – car seuls ceux qui contribuent à ce résultat peuvent gagner de l’argent, tandis que les autres perdent.
Modèle possible de combinaison marché prédictif + notes communautaires.
Cela s’applique non seulement aux médias sociaux, mais aussi aux DAO. L’un des principaux problèmes des DAO est le trop grand nombre de décisions, dont la plupart des membres ne veulent pas s’occuper, conduisant soit à une délégation massive – avec les risques habituels de centralisation et de défaillance d’agence présents dans les démocraties représentatives – soit à une vulnérabilité aux attaques. Un DAO où les votes réels sont rares, et où la plupart des décisions sont guidées par des marchés prédictifs combinant prévisions humaines et IA, pourrait fonctionner efficacement.
Comme illustré par l’exemple des marchés décisionnels, la finance-informations recèle de nombreuses pistes prometteuses pour résoudre des problèmes cruciaux de gouvernance décentralisée. La clé réside dans l’équilibre entre marché et non-marché : le marché est le « moteur », tandis qu’un autre mécanisme de confiance non financier agit comme « volant ».
Autres cas d’usage de la finance-informations
Jetons personnels – de nombreux projets comme Bitclout (aujourd’hui Deso) ou friend.tech, qui créent un jeton pour chaque personne et facilitent la spéculation, relèvent de ce que j’appellerais une « finance-informations primitive ». Ils créent intentionnellement un prix pour une variable spécifique (l’attente de la réputation future d’une personne), mais l’information exacte révélée par ce prix est trop floue, et sujette à des dynamiques réflexives et de bulle. Il serait possible de concevoir des versions améliorées de ces protocoles, en réfléchissant plus soigneusement à la conception économique du jeton (notamment d’où provient sa valeur finale), pour résoudre des problèmes importants comme la découverte de talents. L’idée de « contrats à terme sur la réputation » de Robin Hanson représente ici un état final envisageable.
Pub – le signal ultime « cher mais digne de confiance » est votre propre achat d’un produit. La finance-informations basée sur ce signal peut aider les gens à décider quoi acheter.
Évaluation scientifique par les pairs – la communauté scientifique fait face depuis longtemps à une « crise de reproductibilité », certains résultats célèbres devenant des lieux communs, puis s’avérant impossibles à reproduire dans de nouvelles études. Nous pourrions utiliser des marchés prédictifs pour identifier quels résultats doivent être réexaminés. Avant même une vérification, un tel marché permettrait aux lecteurs d’estimer rapidement jusqu’à quel point ils peuvent faire confiance à un résultat donné. Des expériences ont déjà été menées sur cette idée, avec jusqu’ici des résultats encourageants.
Financement des biens publics – l’un des principaux défauts des mécanismes de financement des biens publics utilisés par Ethereum est leur nature de « concours de popularité ». Chaque contributeur doit mener sa propre campagne marketing sur les réseaux sociaux pour être reconnu, tandis que ceux qui n’en ont pas la capacité ou jouent un rôle plus discret ont du mal à obtenir des fonds importants. Une solution attrayante consiste à essayer de tracer tout le graphe de dépendance : pour chaque résultat positif, quels projets y ont contribué, puis pour chaque projet, quels autres y ont contribué, etc. Le principal défi de cette conception est de définir les poids des arêtes de façon à résister à la manipulation. Après tout, cette manipulation existe déjà. Un mécanisme de jugement humain distillé pourrait aider.
Conclusion
Ces idées existent depuis longtemps théoriquement : les premiers écrits sur les marchés prédictifs, voire les marchés décisionnels, datent de plusieurs décennies, et des concepts similaires en théorie financière sont encore plus anciens. Pourtant, je pense que la présente décennie offre une opportunité unique, principalement pour trois raisons :
La finance-informations répond à de véritables problèmes de confiance. Une préoccupation commune aujourd’hui est le manque de connaissance (et pire, le manque de consensus) sur qui faire confiance dans les sphères politique, scientifique et commerciale. Les applications de finance-informations peuvent aider à apporter une partie de la solution.
Nous disposons désormais de blockchains évolutives comme infrastructure. Jusqu’à récemment, les frais étaient trop élevés pour concrétiser pleinement ces idées. Ce n’est plus le cas.
L’IA comme participant. Quand la finance-informations dépendait uniquement des humains pour chaque question, elle était relativement difficile à mettre en œuvre. L’IA améliore radicalement cette situation, permettant des marchés efficaces même sur de petits problèmes. De nombreux marchés verront probablement une combinaison d’IA et de participants humains, surtout lorsque le nombre de questions passe soudainement du petit au très grand.
Pour saisir pleinement cette opportunité, nous devrions aller au-delà de la simple prédiction des élections et explorer tout ce que la finance-informations peut nous offrir.
Merci particulièrement à Robin Hanson et Alex Tabarrok pour leurs retours et commentaires.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@VitalikButerin
