Peut-on demander ses pronostics hippiques à ChatGPT ?

Ce qui se passe quand on lui pose la question

Un agent conversationnel est entraîné à produire la suite de mots la plus vraisemblable. Demandez-lui un pronostic sur une course, et il vous rendra un texte parfaitement formé : des numéros, des noms de chevaux, des cotes, un ordre d'arrivée probable, souvent une justification qui se tient. Ce texte a l'apparence exacte d'une analyse. Il en a rarement le contenu.

Trois manques expliquent l'écart, et aucun n'est un défaut de version :

• Il n'a pas les partants. La composition définitive d'une course n'est arrêtée que la veille, et les non-partants tombent parfois dans l'heure qui précède le départ. Sans accès en direct au programme officiel, le modèle reconstitue de mémoire — c'est-à-dire qu'il invente des chevaux plausibles.
• Il n'a pas les cotes. Or la cote est l'information centrale : elle dit ce que le marché pense déjà. Un pronostic qui l'ignore ne peut pas, par construction, repérer un cheval sous-évalué — il peut seulement désigner un cheval.
• Il ne mesure pas son erreur. Un agent conversationnel ne conserve aucune trace de ses prédictions passées et n'est jamais noté sur elles. Il ne peut donc pas vous dire à quelle fréquence il a eu raison, et vous non plus.

Naviguer sur le web ne suffit pas

Les agents récents savent consulter des pages en direct, ce qui règle une partie du problème : ils peuvent lire le programme et relever des cotes. Mais lire une donnée et l'exploiter sont deux choses distinctes. Estimer la probabilité de victoire d'un cheval suppose de peser des dizaines de variables les unes contre les autres — forme récente, distance, terrain, couple jockey-entraîneur, mouvements de cote — avec des poids appris sur des dizaines de milliers de courses réelles. Ces poids n'existent nulle part dans un modèle de langage ; ils s'obtiennent en entraînant un modèle sur des résultats passés, puis en vérifiant qu'il ne s'est pas trompé.

Un exemple rend la différence concrète. Sur les courses de trot, le déferrage passe pour le signal qui fait gagner. Mesuré à cote comparable sur un an, il ne change rien : 15,9 % de victoires pour les déferrés des quatre pieds contre 15,7 % pour les ferrés. Un agent conversationnel reprendra la croyance, parce qu'elle est écrite partout ; un modèle entraîné sur les arrivées l'aura corrigée tout seul, parce que les résultats ne la confirment pas.

Autrement dit : la lecture de la page apporte les faits, pas le jugement. L'agent continue de produire une synthèse littéraire de ce qu'il a lu, et la met en forme avec l'assurance qui caractérise ce type d'outil.

Deux familles d'IA qu'on confond

Le mot « IA » recouvre des objets très différents. D'un côté les modèles de langage, entraînés à écrire et évalués sur la qualité du texte. De l'autre les modèles de prédiction supervisés, entraînés sur des données tabulaires et des résultats connus, évalués sur l'écart entre ce qu'ils ont annoncé et ce qui est arrivé.

Le pronostic hippique relève de la seconde famille. On y mesure une calibration — quand le modèle annonce 20 % de chances, le cheval doit gagner environ une fois sur cinq — et non une aisance rédactionnelle. Un modèle bien calibré peut d'ailleurs être ennuyeux à lire : il n'a pas d'avis, il a une distribution.

Ce que dit la mesure, chiffres à l'appui

Puisque tout l'argument porte sur la vérifiabilité, voici les chiffres du modèle de BlackTurf, tels qu'ils sont publiés — un agent conversationnel, lui, n'a rien à opposer, ce qui est précisément le sujet. Sur 5 398 courses notées depuis le 6 juin 2026, pour des pelotons de 11,2 partants en moyenne :

Le premier enseignement est le plus honnête : le modèle ne bat pas le marché en précision brute. 61,8 % contre 62,2 % pour le classement par les cotes : il en est à un demi-point, ce qui, sur cinq mille courses, veut dire « à égalité ». Tout site qui annonce écraser le marché en précision devrait publier cette comparaison-là ; presque aucun ne le fait.

L'écart ne se joue pas sur la précision, il se joue sur le prix. À réussite comparable, les chevaux désignés par le modèle sont payés plus cher — et sur un pari, c'est le prix qui décide du résultat final :

La troisième mesure est la plus difficile à obtenir par chance, et c'est celle que regardent les professionnels : la valeur à la clôture. Elle compare la cote au moment du pari à la cote finale, une fois que tout le monde a misé. 58,2 % des 5 456 paris pris l'ont été à une cote supérieure à la clôture, avec un écart médian de +22,2 %. Traduction : le modèle a vu avant le marché, et assez souvent pour que ce ne soit pas du bruit.

Ce qu'un agent conversationnel fait très bien pour un parieur

Écarter l'usage « donne-moi le quinté » ne veut pas dire écarter l'outil. Sur tout ce qui relève de la compréhension et de l'explication, il est excellent :

• expliquer un règlement ou une formule de pari — même si un guide des types de paris PMU vérifié reste plus sûr sur les conditions de gain exactes ;
• décoder un vocabulaire technique : la réduction kilométrique, un handicap, un déferrage ;
• faire une arithmétique de ticket : combien de combinaisons pour huit chevaux, ce que coûte un champ réduit, ce que change un Flexi ;
• reformuler une méthode de gestion de capital et l'appliquer à votre bankroll ;
• résumer une analyse déjà produite ailleurs, ou vous aider à comprendre pourquoi un modèle a classé un cheval devant un autre.

La ligne de partage tient en deux verbes : demandez-lui d'expliquer, pas de prédire. Le premier usage s'appuie sur ce qu'il sait vraiment faire — reformuler des connaissances stables. Le second lui demande une chose qu'il n'a aucun moyen de produire : une probabilité vérifiée.

Juger n'importe quel pronostic annoncé « par IA »

La méthode vaut pour un agent conversationnel comme pour un site payant. Trois questions suffisent à trier :

• Sur combien de courses, et depuis quand ? Un taux de réussite sans dénominateur ni période ne se vérifie pas. « 70 % de réussite » sur dix courses choisies est un chiffre vide.
• Horodaté avant le départ ? Une prédiction qui n'existait pas avant la course n'en est pas une. C'est le point où la quasi-totalité des palmarès publiés s'effondre.
• Comparé à quoi ? Le plus souvent esquivé. Se comparer au hasard flatte : sur onze partants, un tirage au sort place déjà le gagnant dans un trio 29,4 % du temps. Le vrai point de comparaison est le classement par les cotes — l'opinion agrégée de tous les autres parieurs, qui est gratuite et redoutable.

Un quatrième critère sépare les sérieux des autres : publient-ils leurs pertes ? Un palmarès qui ne montre que des semaines gagnantes a été filtré, et un palmarès filtré ne mesure plus rien.

En résumé

Un agent conversationnel est un excellent professeur et un mauvais pronostiqueur. Il ne dispose ni des partants du jour, ni des cotes, ni d'une mesure de sa propre justesse, et sa fluidité rend ses erreurs indétectables à la lecture. Le pronostic relève d'un autre outil : un modèle entraîné sur l'historique réel des courses, réentraîné quand les résultats tombent, et noté sur ce qu'il a annoncé — y compris quand la note est mauvaise.

La méthode employée ici est détaillée sur comment fonctionne l'algorithme, et les analyses du jour sont visibles sur le programme PMU.