Comment un modèle prédit une course (ELO, probabilités)
Un modèle de prédiction turf ne devine pas : il quantifie. À partir de la forme récente de chaque cheval, de sa régularité sur la durée et des cotes du marché, il calcule une probabilité estimée pour chaque partant. C’est la différence entre cette probabilité et la cote PMU qui détermine si un pari mérite d’être joué.
Les données que le modèle ingère
Quatre familles de variables entrent dans le calcul. La forme récente : les trois à cinq dernières courses, avec la position finale, l’écart en longueurs et la qualité du peloton. La régularité : un cheval qui finit 2e, 3e, 2e sur dix sorties est bien plus fiable qu’un cheval avec un seul coup de maître entouré de 9e places. C’est la répétition des performances qui valide une forme, pas le dernier résultat isolé.
Vient ensuite le score ELO, adapté du classement utilisé aux échecs. Chaque victoire contre un peloton relevé rapporte plus de points qu’une victoire facile. Même logique pour le driver et l’entraîneur : battre de bons adversaires avec régularité élève le score, être battu l’abaisse. Enfin, les cotes du marché servent de signal extérieur : elles agrègent des milliers de paris et contiennent de l’information que le modèle seul ne peut pas capturer (état du cheval le matin, information box, conditions de piste). Ignorer les cotes serait une erreur.
De la donnée à la probabilité : comment le modèle sort un chiffre
Le modèle combine ces variables et attribue à chaque cheval une probabilité brute. Ces probabilités sont ensuite normalisées pour que l’ensemble du peloton somme à 100 %. Sur un départ de 10 chevaux, chaque cheval reçoit une part de ce gâteau : un favori solide peut en prendre 35 %, le reste se répartit entre les outsiders.
C’est là qu’apparaît la value : comparer la probabilité du modèle à celle implicite dans la cote PMU. Un cheval à 5,0 PMU correspond à une probabilité implicite de 20 % (1 ÷ 5,0). Si le modèle estime ce même cheval à 28 %, l’écart est positif : le marché sous-cote ce cheval, le pari est potentiellement intéressant. À l’inverse, un cheval à 2,0 PMU représente 50 % implicites, si le modèle ne lui donne que 38 %, la cote ne justifie pas le risque. Voir le guide value pour aller plus loin, et comprendre les cotes PMU en détail.
La calibration : ce que « 25 % » signifie vraiment
Un modèle bien calibré est un modèle honnête. Si le modèle dit qu’un cheval a 25 % de chances de gagner, alors sur 100 courses similaires, ce cheval devrait gagner environ 25 fois, ni 10, ni 40. La calibration se vérifie sur le long terme, en groupant les prédictions par tranches (20–30 %, 30–40 %, etc.) et en comparant le taux de réalisation réel. Un modèle mal calibré qui dit 25 % mais qui gagne 10 % du temps est inutile, même si ses rankings relatifs sont corrects. C’est pour cela que le bilan de nos pronostics est public et auditable : la calibration ne se clame pas, elle se prouve.
Pourquoi le marché reste difficile à battre
Le marché PMU n’est pas parfait, mais il est loin d’être naïf. Des milliers de parieurs, dont une fraction utilisent des outils comparables au nôtre, poussent les cotes vers leur valeur juste. C’est l’efficience partielle : les erreurs les plus grossières sont vite exploitées et disparaissent. Il reste des failles, en trot notamment, sur certaines distances et certains types de terrain où l’information publique est moins bien digérée par le marché, mais elles sont étroites et érodent si on les sur-exploite. Le modèle ne cherche pas à battre le marché sur toutes les courses : il sélectionne celles où l’écart probabilité-cote est suffisamment large pour justifier un pari. Pourquoi le favori ne gagne pas toujours et comment évolue la cote entre le matin et le départ éclairent bien ce mécanisme.
Le résultat sur la durée, c’est un ROI positif sur les chevaux sélectionnés selon ce critère de value, visible dans notre suivi public. Pas une garantie, un historique vérifiable.
Notre ROI public La value Tous les guides