La plupart des catégories de marchés financiers mettent des décennies à trouver leur place dans la pile mondiale du capital. Les actions ont mis 200 ans depuis la Compagnie néerlandaise des Indes orientales jusqu'à la bourse cotée moderne. Les futures ont mis environ 150 ans depuis les fosses à grains de Chicago jusqu'aux courbes mondiales des taux et de l'énergie. Le crypto est passé en 15 ans du whitepaper de Bitcoin à une classe d'actifs valant plusieurs milliers de milliards. Les marchés de prédiction se trouvent désormais dans la phase de début de courbe S que ces catégories antérieures ont traversée, et les raisons structurelles pour lesquelles ils y appartiennent sont plus solides que les raisons que beaucoup de ces catégories antérieures avaient au même point de leur évolution.
Ce billet est la thèse approfondie expliquant pourquoi les marchés de prédiction deviendront une primitive financière centrale au cours de la prochaine décennie — pas seulement un produit grand public de niche, mais une catégorie qui gagne sa place aux côtés des actions, des futures et des marchés de crédit dans la façon dont les institutions sérieuses allouent du capital et dont les opérateurs sérieux monétisent les audiences.
Si vous êtes plus tôt dans votre évaluation, le guide d'introduction aux marchés de prédiction couvre les bases, et la comparaison structurelle couvre comment ils diffèrent mécaniquement des actions et des futures. Ce billet va plus loin : pourquoi les avantages structurels se composent en l'infrastructure dominante d'agrégation d'informations des années 2030.
Le problème d'agrégation d'informations que personne d'autre ne résout proprement
La plupart des décisions importantes dans le monde dépendent du fait que quelqu'un, quelque part, prévoit un événement futur. Une banque centrale qui décide de baisser les taux a besoin d'une prévision de l'inflation. Un détaillant qui décide de ses stocks a besoin d'une prévision de la demande. Un assureur qui tarifie une police a besoin d'une prévision des sinistres. Un gouvernement qui planifie un déploiement a besoin d'une prévision d'un scénario géopolitique. Une startup qui s'engage sur une embauche a besoin d'une prévision des conditions de financement.
Pour chacune de ces décisions, l'option par défaut historique a été la prévision experte — analystes, sondages, commentateurs, publications spécialisées, modélisation interne. La qualité des prévisions de ces sources est, en moyenne, médiocre. Les deux décennies de recherche en prévision de Tetlock l'ont établi de manière définitive : les experts dans les domaines politiques et de policy prévoient à peu près au niveau du hasard sur des horizons pluriannuels. Le même schéma apparaît dans les prévisions des analystes financiers (qui sont calibrées par rapport à l'action des prix, et non l'inverse), dans les prévisions macroéconomiques (où la prévision médiane de Wall Street pour la croissance du PIB de l'année suivante se situe rarement à moins de 1,5 points de pourcentage du chiffre réel) et dans les prévisions sportives (où le pronostic médian des experts est à peine meilleur que le consensus du public).
Les marchés de prédiction résolvent ce problème d'une manière structurellement différente. Ils mettent de l'argent réel en jeu, agrègent les vues de milliers de participants ayant individuellement de petits avantages d'information, et produisent un prix unique qui reflète la vue collective pondérée. Le mécanisme est « la sagesse des foules, avec sa peau en jeu ». Il fonctionne pour la même raison que les marchés actions produisent des valorisations d'entreprises plus précises que les notes des analystes en recherche actions : lorsque les participants sont payés pour avoir raison, le signal agrégé est plus net que ne pourrait l'être n'importe quel signal individuel.
Les Iowa Electronic Markets l'ont démontré pour les élections américaines dans les années 1990, surclassant systématiquement les sondages. Les marchés de prédiction l'ont démontré à grande échelle pour les catégories politique, macro, sportive et événementielle dans les années 2020. Le bilan empirique est maintenant suffisamment solide pour que la « probabilité implicite du marché de prédiction » soit un input principal dans la recherche institutionnelle sérieuse, même lorsque l'institution ne trade pas directement sur les marchés.
Pourquoi les foules battent les experts (sous conditions)
L'argument de la « sagesse des foules » est parfois survendu, il vaut donc la peine d'être précis sur quand il fonctionne et quand il ne fonctionne pas.
L'agrégation des foules fonctionne quand :
- La foule a des informations diverses. Différents participants ont différentes pièces du puzzle, et le marché agrège ces pièces en une estimation plus nette qu'aucun individu ne pourrait produire.
- Les participants sont prêts à mettre de l'argent sur le désaccord. La pression de prix qui fait bouger le marché provient des traders qui croient que le consensus a tort et sont prêts à soutenir cette conviction avec du capital.
- Le coût de trading est suffisamment bas pour rendre les petits avantages d'information rentables. Un trader avec un avantage de 3% ne peut pas se permettre de trader sur un spread de 5%. À mesure que l'infrastructure du marché s'améliore et que les coûts de transaction diminuent, davantage d'avantages d'information deviennent négociables.
L'agrégation des foules NE fonctionne PAS quand :
- La foule a des informations corrélées. Si tout le monde lit la même source, la « foule » n'est qu'un expert avec mille voix, et l'agrégation n'apporte aucun avantage.
- Les participants ne sont pas payés pour avoir raison. Les sondages, les commentaires et les prédictions non structurées (sans peau en jeu) s'effondrent dans ce qui constitue le récit dominant.
- Le marché est trop mince. Un marché avec seulement dix participants n'agrège pas l'information ; il moyenne juste dix suppositions.
Les marchés de prédiction à l'échelle à laquelle ils opèrent maintenant remplissent les conditions de manière constante. La diversité des participants est large, les incitations financières sont réelles, et l'infrastructure est suffisamment moderne pour que les petits avantages soient négociables. La sur-performance empirique par rapport aux experts en est le résultat.
Pourquoi l'AI ne remplace pas cela — elle l'amplifie
Le contre-argument le plus courant que nous entendons est « la prévision par AI sera si bonne que les marchés de prédiction deviendront inutiles ». L'argument est exactement à l'envers. L'AI rend les marchés de prédiction plus importants, pas moins.
Il y a trois raisons.
Les participants AI augmentent la liquidité, ils ne la remplacent pas. Les marchés de prédiction modernes ont déjà des participants algorithmiques — desks faisant tourner des modèles de pricing, market-makers faisant tourner des moteurs de spread, et traders systématiques basés sur la recherche. L'AI ne fait qu'affûter ces participants. Le résultat est des spreads plus serrés et des carnets plus profonds, ce qui rend les marchés de prédiction plus utiles pour les traders humains, pas moins.
La prévision par AI est mieux validée par rapport aux prix de marché. Le test de « cette prévision AI est-elle bonne ? » est de savoir si elle est meilleure que le prix du marché de prédiction. Si oui, l'AI peut trader sur l'écart et générer du rendement ; sinon, l'AI n'est qu'un commentaire d'expert coûteux. Les marchés de prédiction sont le mécanisme de calibrage pour la prévision par AI, pas sa concurrence.
L'AI génère plus de décisions qui nécessitent une prévision. Chaque agent AI prenant des décisions pour une institution génère plus d'événements prévisibles : « Mon déploiement AI tiendra-t-il le budget ? » « Ce contrat finira-t-il en litige juridique ? » « Le fournisseur livrera-t-il à temps ? » Ces prévisions étaient autrefois internes et privées ; avec la prolifération de l'AI, elles deviennent des décisions explicites qui méritent d'être tarifées. La demande pour des contrats prévisibles croît avec l'adoption de l'AI.
Le schéma est le même que celui que nous avons vu avec la relation entre les moteurs de recherche et Wikipedia, ou entre les LLM et Stack Overflow. La nouvelle technologie augmente la valeur du substrat de calibrage curé par les humains. Les marchés de prédiction sont ce substrat pour la prévision.
Efficacité du capital à grande échelle
Nous avons couvert l'histoire de l'efficacité du capital dans le billet de comparaison structurelle, mais cela vaut la peine d'être réaffirmé car c'est la propriété qui rend les marchés de prédiction utiles comme instrument de couverture à l'échelle institutionnelle.
Un contrat de prédiction binaire est l'expression la moins chère possible d'une vue sur un événement discret. Le trader paie la probabilité implicite, la perte maximale est bornée, le gain maximal est borné, et la position se règle à une date connue. Il n'y a pas d'appels de marge, pas de funding rates, pas de rolls.
Pour un desk institutionnel couvrant une position de Trésor de 50M USD contre un scénario de baisse de la Fed, exprimer cette couverture par des contrats binaires sur l'IPC ou les décisions de taux coûte une petite fraction de ce que la même couverture par des options sur Trésor ou des futures sur taux coûterait. Le compromis est que le payoff est binaire plutôt que linéaire — mais pour couvrir un scénario discret, binaire est exactement la bonne forme.
L'adoption institutionnelle des marchés de prédiction en 2025 a été portée exactement par cette prise de conscience. Les fonds qui exprimaient auparavant des vues événementielles à travers des structures dérivées compliquées ont découvert que les contrats binaires sur les mêmes événements étaient moins chers, plus propres et ne nécessitaient pas de lignes de marge. À mesure que plus de fonds opèrent cette transition, la part institutionnelle du volume croît, ce qui attire plus de market-makers, ce qui resserre les spreads, ce qui rend les contrats utiles pour une gamme encore plus large de stratégies. C'est un volant d'inertie, et il tourne déjà.
Programmabilité : la propriété que ni les actions ni les futures n'ont
La propriété qui distingue le plus nettement les marchés de prédiction des actions et des futures est la programmabilité. Un contrat de prédiction est une unité programmable. Il peut être intégré dans d'autres contrats, utilisé comme input de règlement, composé avec d'autres contrats de prédiction et tradé sur les surfaces des opérateurs avec une liquidité partagée.
Ce que cela permet, concrètement :
- Contrats conditionnels. « Payer 1 USD si l'événement A se produit ET l'événement B se produit. » Composer deux contrats de prédiction en un contrat conjoint, ce sont quelques lignes de code. La même opération en actions ou en futures nécessite une structure dérivée personnalisée dont la conception et l'audit coûtent des millions.
- Paiements smart contract liés à l'événement. Une DAO peut router des fonds de trésorerie en fonction de la résolution d'un contrat de prédiction. Un protocole d'assurance peut régler des sinistres d'assurance paramétrique en fonction d'une résolution de marché de prédiction. Un programme de subventions peut libérer des fonds conditionnés au fait qu'un contrat de jalon se résolve à YES. Ce sont des cas d'usage réels aujourd'hui, et ils sont impossibles dans l'infrastructure de marché traditionnelle.
- Composabilité entre opérateurs. Un trader peut détenir une position sur le deploy d'un opérateur et la compenser sur le deploy d'un autre opérateur via la couche de liquidité partagée, le règlement passant par le protocole. La fragmentation qui pénalise les venues traditionnelles devient invisible pour le trader.
La programmabilité est la même propriété qui a rendu les stablecoin précieux dans DeFi — ce ne sont pas que de la monnaie numérique, c'est de la monnaie programmable. Les contrats de marché de prédiction ne sont pas que des affirmations probabilistes, ce sont des affirmations probabilistes programmables. Les cas d'usage qui découlent de la programmabilité sont encore en cours de découverte.
Cas d'usage au-delà du jeu
Le plus gros problème de perception de la catégorie est la confusion avec le jeu. La comparaison mécanique est tendue — le jeu est un divertissement à somme nulle avec une espérance de gain négative ; les marchés de prédiction sont une agrégation d'informations à somme positive avec une variance bornée — mais le chevauchement culturel est réel. La catégorie se débarrassera de l'association avec le jeu à mesure que les cas d'usage au-delà du trading grand public deviendront visibles.
Trois cas d'usage non liés au jeu sont déjà opérationnels à grande échelle :
Couverture des risques macro. Les fonds, les banques et les trésoreries d'entreprise couvrent des scénarios d'événements spécifiques par des contrats de prédiction. Le volume est institutionnel, les contrats sont macroéconomiques, et le cas d'usage est la gestion des risques.
Assurance et sinistres paramétriques. Certains produits d'assurance paramétrique se règlent désormais sur la base des résolutions de marchés de prédiction sur la météo, les retards de vols ou les catastrophes naturelles. Le prix de marché est le déclencheur paramétrique ; le règlement est automatisé.
Marchés de décision d'entreprise. Au sein des grandes organisations, les marchés de prédiction sont utilisés pour prévoir les dates d'achèvement des projets, les résultats des embauches, les probabilités de clôture de M&A et les calendriers de lancement de produits. La qualité du signal d'un marché interne bat la qualité du signal des estimations d'experts internes par de larges marges.
Trois autres émergent :
Prévision souveraine. Certains gouvernements et banques centrales ont commencé à expérimenter avec les signaux des marchés de prédiction pour les inputs de policy — en particulier l'inflation, la croissance et les prévisions liées aux élections. La sensibilité politique est élevée, mais l'argument de la qualité du signal est suffisamment fort pour que l'expérimentation ait lieu.
Prévision scientifique. Les marchés de prédiction du taux de réplication, les contrats sur les résultats d'essais cliniques et les marchés de performance des subventions scientifiques sont tous en pilote. Le problème d'agrégation d'informations est le même que celui que les marchés de prédiction ont résolu en politique et macro ; l'application est juste plus précoce.
Gouvernance distribuée. Les DAO et les organisations décentralisées utilisent les signaux des marchés de prédiction comme inputs dans les décisions de gouvernance. « Quelle est la probabilité de la communauté que cette proposition atteigne ses KPI à 6 mois ? » tarifée sur des marchés réels est un signal plus net que la discussion en comité.
L'agrégat de ces cas d'usage est bien plus important que la catégorie de jeu grand public. Nous nous attendons à ce que le volume non lié au jeu dépasse le volume de trading grand public dans les cinq ans.
L'argument de la compression des frais
Chaque catégorie de marché financier passe par une compression des frais à mesure qu'elle mûrit. Les commissions sur actions sont passées de 50 USD par trade en 1980 à zéro aujourd'hui. La compensation des futures est passée de dollars par côté à quelques centimes. Les frais des exchanges crypto sont passés de 0,5% par côté à 0,05% en cinq ans.
Les marchés de prédiction sont au début de cette courbe. Les frais de trader affichés sur les plateformes les plus fréquentées aujourd'hui sont d'environ 1% par côté. Nous nous attendons à ce qu'une compression similaire se produise — le coût tout compris du trading d'un contrat de prédiction devrait se comprimer à quelques points de base dans une décennie à mesure que l'infrastructure mûrit, que le market-making devient plus compétitif et que les efficacités au niveau du protocole se composent.
La compression des frais est bonne pour la catégorie dans son ensemble mais crée une situation stratégique intéressante pour les opérateurs. Les opérateurs qui s'en sortent bien dans un monde aux frais comprimés sont ceux dont l'activité est l'audience et la distribution, pas l'infrastructure. Si le coût tout compris pour le trader doit se comprimer 10× sur une décennie, la couche infrastructure capture moins de marge par trade, et l'opérateur qui capte la distribution capte plus de la chaîne de valeur.
C'est la raison structurelle pour laquelle nous avons construit Kuest comme une couche de protocole alignée sur les opérateurs plutôt que comme un venue. L'avenir de la catégorie, ce sont des centaines de marques d'opérateurs servant des audiences distinctes, avec une infrastructure partagée en dessous. Le schéma correspond exactement à ce à quoi ressemblaient les paiements lorsqu'ils se sont banalisés : beaucoup de marchands, infrastructure partagée, marge distribuée.
Critiques et réfutations
Il vaut la peine de prendre au sérieux les critiques les plus fortes, car ce sont les cadres auxquels la catégorie devra répondre dans les prochaines années.
« Ce n'est que du jeu avec des étapes en plus. » La comparaison mécanique échoue — les contrats de marché de prédiction ne sont pas à somme nulle contre la maison ; les participants tradent net les uns contre les autres, la plateforme gagnant un petit frais. Mais le cadre culturel est réel. La réponse est la prolifération de cas d'usage non liés au jeu (couverture institutionnelle, assurance paramétrique, marchés de décision d'entreprise) qui font paraître l'association avec le jeu de plus en plus dépassée. À mesure que ces cas d'usage prennent de l'ampleur, le cadre se déplace.
« La liquidité est trop fine pour être utile au flux institutionnel. » C'était vrai en 2022. Ça ne l'est plus en 2026. Le volume combiné sur Polymarket et Kalshi est désormais suffisant pour absorber des positions institutionnelles significatives, et le modèle de liquidité partagée au niveau du protocole sur Kuest étend cette profondeur à travers les marques d'opérateurs. La critique reste valable pour les marchés très profonds en queue de distribution mais n'est plus valable pour les catégories centrales où se situe le volume institutionnel.
« Le risque de résolution est trop élevé. » C'est en partie vrai et c'est le bon risque à signaler. Les litiges de résolution sont un vrai mode d'échec, et la conception des systèmes d'oracle optimistes est ce qui protège contre eux. Nous avons couvert la mécanique dans le billet sur la résolution. Le schéma qui émerge est que les plateformes matures ont un taux de litige de résolution bien inférieur à 0,5%, ce qui est acceptable pour que la catégorie soit utile à grande échelle. Les plateformes plus récentes ou conçues de façon bâclée continueront d'échouer sur cette dimension ; c'est une pression de sélection qui filtre les opérateurs au fil du temps.
« La régulation va la tuer. » La trajectoire réglementaire est passée d'une menace existentielle (2018–2020) à constructive (2024–2026). La posture de no-action de la CFTC, les documents de discussion de l'UE et les consultations du ministère des Finances brésilien indiquent tous une voie au niveau de la catégorie vers la reconnaissance plutôt que l'interdiction. Des reculs sont possibles — nous nous attendons à au moins un cycle de durcissement en 2027 — mais la direction à long terme est claire.
La trajectoire à long terme
Prédire la trajectoire d'une catégorie de marché financier sur une décennie est exactement le genre de problème pour lequel les marchés de prédiction sont meilleurs que les experts, donc cette section est plus honnête si elle est exprimée comme une distribution de probabilité plutôt qu'une prévision confiante.
Le scénario de base (nous lui donnerions 65% de probabilité) : les marchés de prédiction deviennent une classe d'actifs reconnue avec quelques venues régulés majeurs au niveau mondial, des centaines de marques d'opérateurs servant des audiences locales et spécifiques verticales sur une infrastructure partagée, et un volume notionnel annuel combiné dans la fourchette de 1 à 5 billions USD dans une décennie. La part institutionnelle dépasse 50% ; les cas d'usage non liés au jeu dépassent le jeu ; la programmabilité devient une propriété principale utilisée dans DeFi, l'assurance paramétrique et la prise de décision d'entreprise.
Le scénario baissier (15%) : un durcissement réglementaire dans une ou plusieurs juridictions majeures ralentit la croissance de manière matérielle. Le volume continue de croître mais à des taux annuels à un chiffre, la catégorie reste un produit de spécialité, et l'équilibre à long terme est de quelques billions de dollars en notionnel annuel plutôt que des dizaines de billions. Les marchés de prédiction sont réels mais petits.
Le scénario haussier (20%) : la convergence avec les agents AI, l'assurance paramétrique et DeFi se compose plus rapidement que les estimations du scénario de base, et les contrats de marché de prédiction deviennent un composant standard de chaque produit fintech, brokerage et de gestion des risques d'entreprise. Le notionnel annuel combiné dépasse 20 000 milliards USD dans une décennie, comparable au marché actuel des swaps de taux d'intérêt.
L'asymétrie est ce qui compte stratégiquement. La baisse est une catégorie réelle mais bornée. Le scénario de base est un marché de 1 à 5 billions qui remodèle la façon dont les institutions tarifent les événements. La hausse est une primitive financière fondamentale comparable aux swaps. Le résultat attendu se situe quelque part entre la base et la hausse, et les opérateurs qui se positionnent pour le scénario de base seront bien positionnés même si la trajectoire finit par être haussière.
La thèse d'investissement derrière Kuest est exactement cette distribution attendue. Nous ne parions pas que le scénario haussier est certain. Nous parions que le scénario de base est de loin le plus probable, que les opérateurs qui possèdent l'audience et fonctionnent sur une infrastructure partagée captureront la majeure partie de la valeur dans le scénario de base, et que le scénario haussier transforme le même positionnement en quelque chose de significativement plus grand.
L'avenir de la finance est en train d'être structuré en ce moment même autour d'une expansion de ce que les marchés financiers sont autorisés à tarifer. Pendant deux cents ans, les marchés ont tarifé la propriété des entreprises et la livraison à terme des matières premières. Pour le siècle prochain, les marchés tarifient la véracité de tout événement futur suffisamment bien spécifié. Cette expansion est l'avenir de la finance, et les marchés de prédiction sont la façon dont elle est dénommée.
Les opérateurs, les allocataires et les institutions qui se positionnent dans la catégorie maintenant seront ceux dont les noms apparaîtront dans les histoires de la structure de marché de la prochaine décennie. Le coût d'arriver tôt est faible ; le coût d'arriver tard sera l'écart entre observer la formation de la catégorie et la façonner.