Je viens de tomber sur quelque chose de fou qui se passe sur les marchés de prédiction crypto, et cela en dit long sur la direction que prend le trading algorithmique.

Apparemment, un bot de trading entièrement automatisé a effectué près de 9 000 transactions sur des contrats de prédiction à court terme sur le bitcoin et l'ethereum, et a généré environ 150 000 dollars sans qu’aucun humain ne touche au clavier. La stratégie elle-même est presque stupidement simple une fois qu’on la voit, mais c’est l’exécution qui devient intéressante.

Voici l’idée principale : sur des marchés de prédiction comme Polymarket, vous négociez des contrats Oui et Non sur des mouvements de prix de cinq minutes. En théorie, Oui plus Non devraient toujours faire 1 dollar. C’est juste des mathématiques de base. Mais les marchés sont désordonnés. Des écarts de liquidité, des prix qui bougent vite, des déséquilibres dans le carnet d’ordres, des traders particuliers paniquant en frappant d’un côté — tout cela crée de petits moments où le prix combiné descend en dessous de 1 dollar. Peut-être qu’il atteint 0,97. Quand cela arrive, vous pouvez acheter les deux côtés et verrouiller un profit lorsque le marché se stabilise. On parle d’environ trois cents par transaction, ce qui paraît pathétique jusqu’à ce que vous réalisiez que le bot effectuait cela à travers des milliers d’exécutions, engrangeant 1,5 à 3 pour cent par aller-retour.

Les machines ne se soucient pas de la partie ennuyeuse. Elles se concentrent sur la répétabilité.

Ce qui est vraiment intéressant, c’est pourquoi cela fonctionne du tout. Ces contrats bitcoin de cinq minutes sur Polymarket montrent généralement seulement entre 5 000 et 15 000 dollars de profondeur dans le carnet d’ordres par côté lors des périodes de trading actif. Comparez cela à un swap perpétuel BTC sur les grandes plateformes centralisées — on parle d’ordres de grandeur beaucoup plus faibles. Si un grand desk de trading essayait de mettre 100 000 dollars dans une seule transaction, il épuiserait la liquidité disponible et détruirait l’avantage existant. Le jeu de marché de prédiction appartient actuellement aux traders capables de gérer des tailles faibles dans les milliers de dollars. C’est cette barrière qui protège ces stratégies.

Mais là où ça devient plus complexe, c’est avec l’arbitrage $1 . C’est littéralement la stratégie la plus simple. Des bots de trading plus sophistiqués font quelque chose de plus profond : ils comparent les prix du marché de prédiction avec ceux du marché des options. Considérez les marchés d’options comme de gigantesques machines à probabilité. Une option d’achat à un certain prix d’exercice encode des attentes sur le prix futur d’un actif. Si vous faites les calculs avec plusieurs prix d’exercice, vous pouvez déduire ce que le marché pense de la probabilité de différents résultats. Donc, si la tarification des options indique qu’il y a 62 % de chances que le bitcoin clôture au-dessus d’un certain niveau, mais que le marché de prédiction l’évalue à seulement 55 %, il y a une divergence. Un marché sous-évalue le risque. Les traders automatisés peuvent surveiller les deux en temps réel, repérer ces écarts, et agir lorsque les chiffres divergent suffisamment. Les marges sont généralement faibles — quelques points de pourcentage — mais à haute fréquence, ces petites marges se cumulent.

Ce qui a changé ces dernières années, c’est l’outil. Avant, les traders devaient coder manuellement ces stratégies, ajuster les paramètres, tester différentes variantes. Maintenant ? Les systèmes d’apprentissage automatique peuvent faire ça automatiquement. On peut lancer une IA sur ce problème, la faire tester des dizaines de stratégies, optimiser les seuils, s’adapter à la volatilité changeante. Certains setups impliquent plusieurs agents surveillant différents marchés simultanément, rééquilibrant les positions, et se désactivant automatiquement si ça tourne mal. Un trader pourrait théoriquement allouer 10 000 dollars à une stratégie pilotée par IA, la laisser scanner les échanges et les marchés de prédiction, et simplement regarder l’algorithme exécuter quand des écarts statistiques atteignent un seuil.

La rentabilité dépend évidemment des conditions du marché et de la rapidité. Dès qu’une inefficacité devient une connaissance commune, plus de bots de trading s’y engouffrent pour chasser le même avantage. Les spreads se resserrent. La latence devient tout. Finalement, l’opportunité diminue ou disparaît complètement. C’est le schéma classique dans la crypto.

Mais la question plus grande n’est pas de savoir si les bots peuvent faire de l’argent. Ils peuvent clairement, du moins jusqu’à ce que la concurrence tue l’avantage. La vraie réflexion concerne ce qui arrive aux marchés de prédiction eux-mêmes. Si la majorité du volume provient de systèmes qui ne détiennent pas réellement de vue sur les résultats — des systèmes qui arbitrent simplement une plateforme contre une autre — alors ces marchés de prédiction cessent d’être des signaux indépendants. Ils deviennent des miroirs du marché des dérivés. Cela change leur objectif fondamental.

Une chose que j’ai remarquée : si ces marchés ont des inefficacités exploitables, pourquoi les grandes firmes institutionnelles ne dominent-elles pas ? La liquidité en fait partie. On ne peut pas déployer un capital sérieux sans faire bouger les prix contre soi. Il y a aussi la complexité opérationnelle. Les marchés de prédiction fonctionnent souvent sur une infrastructure blockchain, ce qui introduit des coûts de transaction et des mécanismes de règlement différents des échanges centralisés. Pour des stratégies à haute fréquence, même de petites frictions comptent. Donc, pour l’instant, beaucoup d’activité semble concentrée chez des traders plus petits, plus agiles, capables de déplacer 10 000 dollars par transaction sans faire bouger le marché de façon significative. Mais cette dynamique ne durera probablement pas éternellement. Si la liquidité s’approfondit et que les plateformes mûrissent, les grandes firmes seront probablement plus actives.

Ce qui se passe structurellement est assez significatif. Les marchés de prédiction ont été conçus pour agréger les croyances et produire des probabilités crowdsourcées sur des événements futurs. Mais avec l’automatisation croissante, une part croissante du volume est alimentée par l’arbitrage croisé et des modèles statistiques plutôt que par la conviction humaine. Ce n’est pas forcément mauvais pour l’efficacité des prix — les arbitragistes comblent les écarts et alignent les cotes entre les plateformes. Mais cela modifie la nature de ces marchés. Ils évoluent d’espaces où les gens expriment leurs opinions sur des élections ou des mouvements de prix vers des champs de bataille pour la latence et les microstructures.

Dans la crypto, cette évolution est rapide. Les inefficacités sont découvertes, exploitées, puis éliminées. Les marges qui fonctionnaient régulièrement s’estompent à mesure que des systèmes plus rapides émergent. La récolte de 150 000 dollars du bot pourrait n’être qu’une exploitation astucieuse d’un défaut de tarification temporaire. Ou cela pourrait indiquer quelque chose de plus grand : les marchés de prédiction deviennent une nouvelle frontière pour la finance algorithmique. Quand quelques millisecondes comptent, c’est généralement le plus rapide qui gagne.

Il vaut la peine de suivre comment cela évolue. À mesure que les bots de trading deviennent plus intelligents et que l’optimisation par IA devient la norme, les marchés de prédiction pourraient soit devenir de véritables mécanismes de découverte des prix, soit simplement une autre dérivée de marchés plus vastes. Quoi qu’il en soit, les jours d’arbitrage pour les particuliers sont probablement comptés.