Probabilités avancées : construire, actualiser et valider une estimation

Un modèle utile produit une probabilité avec des hypothèses identifiables. Il faut ensuite comparer cette probabilité au prix disponible et vérifier, sur d'autres données, si la méthode tient ses promesses.

Estimer sans fausse précision

Une fréquence observée n'est pas une loi universelle. Une équipe gagnant 60 de ses 100 derniers matchs ne possède pas automatiquement 60 % de chances contre n'importe quel prochain adversaire.

Une approche fréquentiste étudie les propriétés de procédures sur des répétitions. Une approche bayésienne représente l'incertitude avec une distribution et l'actualise à partir des données. Aucune des deux ne dispense de choisir de bonnes variables et un échantillon pertinent.

Actualiser une information

Si une hypothèse H reçoit une information D, Bayes donne P(H|D) ∝ P(D|H) × P(H). La vraisemblance décrit la compatibilité de l'information avec l'hypothèse ; ce n'est pas un pourcentage de confiance inventé.

Dans un modèle simple, une équipe gagne 65 % des fois avec un joueur et 40 % sans lui. Avec 20 % de chances d'absence, son estimation avant confirmation est 60 %. Ce calcul explicite est préférable à une règle arbitraire « enlever dix points pour une blessure ».

Passer du marché au rendement

Pour un marché complet, p_i = (1/c_i) / somme(1/c_j) est une normalisation proportionnelle de la marge. Ce n'est pas la méthode des odds ratios. Une méthode de puissance cherche plutôt un exposant k tel que somme((1/c_i)^k) = 1.

Les résultats peuvent différer. Ne choisissez pas la méthode qui crée le plus de value après avoir vu le prix. Pour une sélection sans remboursement, le rendement estimé est p × cote jouée − 1 ; le modèle reste responsable de la qualité de p.

Valider sur le futur

Séparez les périodes de développement et de test. Vérifiez la calibration : parmi des événements estimés autour de 60 %, la fréquence observée doit être compatible avec cette estimation, compte tenu de l'incertitude.

Regardez aussi la qualité du prix, les frais, la couverture et la concentration des gains. La p-value n'est pas une probabilité de talent ; un résultat sélectionné parmi de nombreux essais demande une validation supplémentaire.

Exemple : noter ses probabilités avec le score de Brier

Le score de Brier mesure l'écart entre une probabilité annoncée et le résultat (1 si l'événement se produit, 0 sinon) : moyenne de (probabilité − résultat)². Plus il est bas, mieux c'est.

Score : 1,0925 / 4 ≈ 0,273. Un prévisionniste qui annonce toujours 50 % obtient 0,25. Sur ces quatre paris, le modèle fait donc moins bien qu'une pièce de monnaie, surtout à cause du 80 % perdu. Quatre paris ne prouvent rien, mais la méthode reste la même sur quatre cents.

Lire une table de calibration

Regroupez vos paris par tranche de probabilité annoncée et comparez avec la fréquence observée. Si 120 paris annoncés entre 50 et 60 % en ont gagné 66 (55 %), l'estimation tient. Si 80 paris annoncés entre 60 et 70 % n'en ont gagné que 44 (55 % aussi), le modèle est trop confiant sur cette tranche : c'est souvent là que l'argent se perd.

Erreurs fréquentes

• Confondre taux de bons pronostics et calibration. Gagner 70 % de paris à cote 1,30 reste perdant.
• Ajouter des variables jusqu'à coller au passé : le modèle apprend le bruit et se trompe sur le futur.
• Oublier les fréquences de base : une information rare et frappante ne doit pas écraser ce que disent des centaines de matchs.

Mettre en pratique avec SCANbet

Notez votre probabilité estimée dans le commentaire de chaque pari pour pouvoir la comparer plus tard aux résultats. Le calculateur Elo, le calculateur de Bayes et le calculateur de-vig couvrent les trois étapes de cet article : estimer, actualiser, comparer au marché.

Questions fréquentes

Faut-il être fréquentiste ou bayésien ?

Les deux approches se complètent. Le bayésien est naturel pour actualiser une estimation avec une nouvelle information ; le fréquentiste pour vérifier qu'une méthode se comporte bien sur des répétitions. Le choix des données compte davantage.

Qu'est-ce qu'un bon score de Brier ?

Il n'a de sens que comparé à une référence sur les mêmes événements : la probabilité implicite du marché sans marge, ou 50 % sur un marché à deux issues. Battre durablement la référence du marché est rare et difficile.

Combien de paris faut-il pour juger la calibration ?

Assez pour que chaque tranche contienne plusieurs dizaines d'événements. Avec moins, l'écart entre annoncé et observé est dominé par le hasard.

Approfondir

Actualiser après une blessure, mesurer la CLV sans marge et tester hors échantillon détaillent ces étapes. Les exemples sont pédagogiques, sans rendement revendiqué.