Pronostics hippiques par intelligence artificielle
Un modèle statistique lit chaque course du programme PMU, en tire une probabilité de victoire pour chaque partant, et la confronte à ce que dit le marché. Voici comment il travaille — et comment on vérifie qu'il a raison.
Ce que calcule l'algorithme
Pour chaque cheval engagé, le modèle produit une probabilité de victoire — un nombre entre 0 et 100 %, pas un classement d'opinion. La somme des probabilités d'une course fait 100 % : si un cheval monte, un autre descend. De cette probabilité découle une cote juste, celle qui rendrait le pari équitable, comparée ensuite à la cote réellement proposée par le PMU.
C'est l'écart entre les deux qui fait un pari de valeur : un cheval que le modèle estime à 20 % de chances mais que le marché paie comme s'il en avait 12 %. L'algorithme ne cherche donc pas « le gagnant » — il cherche les écarts entre la réalité mesurée et l'opinion du marché.
Probabilité, pas pronostic
Un pronostic dit « je joue le 7 ». Une probabilité dit « le 7 gagne 22 fois sur 100 ». La seconde se vérifie, la première non.
Cote juste
L'inverse de la probabilité. Une chance sur cinq, c'est une cote juste de 5,0. Au-dessus, le pari est favorable ; en dessous, il est perdant à long terme.
Sur quelles données il apprend
Le modèle est entraîné sur l'historique réel des courses françaises et internationales reprises par le PMU : performances passées de chaque cheval, discipline, distance, état du terrain, poids et handicaps, driver ou jockey, entraîneur, numéro de corde, allocation, taille du peloton — et l'évolution des cotes elles-mêmes, qui portent l'information du marché.
Données de course
Discipline, distance, terrain, allocation, partants, corde et handicap.
Historique des partants
La musique, les temps, les réductions kilométriques, les confrontations passées.
Signal du marché
Les cotes et leur mouvement jusqu'au départ, qui agrègent l'avis de tous les parieurs.
Comment il se corrige
Un modèle figé se périme : les chevaux progressent, les écuries changent de forme, les pistes évoluent. Celui de BlackTurf est réentraîné chaque nuit sur les courses de la veille, arrivées et rapports compris. Chaque prédiction est ensuite confrontée au résultat réel, et cet écart nourrit l'entraînement suivant.
Le pronostic est figé dix minutes avant le départ et conservé tel quel. C'est ce qui rend la mesure honnête : impossible de réécrire après coup ce qui avait été annoncé.
Un pronostic qui n'est pas horodaté avant la course ne prouve rien. Tous les chiffres publiés ici portent sur des prédictions enregistrées avant le départ, jamais reconstituées ensuite.
Comment on vérifie qu'il a raison
Trois mesures, sur 3 999 courses analysées depuis le 6 juin 2026, avec 11,2 partants en moyenne.
- Gagnant désigné
- 27,2 %
- Gagnant dans le trio prédit
- 60,3 %
- Score de Brier
- 0,1922
Le score de Brier est la mesure qui compte vraiment. Il ne juge pas le classement mais la justesse des probabilités : annoncer 80 % puis se tromper coûte plus cher qu'annoncer 55 %. Un modèle qui dirait « 50 % » à tout le monde obtiendrait un score médiocre même en devinant souvent le vainqueur.
Quatrième mesure, la plus exigeante : sur 4 079 paris, 58,7 % ont été pris à une cote meilleure que la cote de clôture. Autrement dit, le modèle a repéré avant le marché que ces chevaux étaient sous-évalués — c'est le signe le plus difficile à obtenir par chance.
Résultats par discipline
| Discipline | Courses | Gagnant trouvé | Dans le trio |
|---|---|---|---|
| plat | 1 829 | 24,3 % | 55,7 % |
| attelé | 1 790 | 29,9 % | 64,1 % |
| monté | 212 | 26,9 % | 64,6 % |
| obstacle | 168 | 29,8 % | 65,5 % |
Ce que l'intelligence artificielle ne fait pas
Elle ne rend pas le pari hippique gagnant. Le PMU prélève environ 20 % des enjeux avant toute redistribution : un joueur doit donc être meilleur que le marché de plus de vingt points pour espérer un rendement positif. Mieux classer les chevaux ne suffit pas à renverser cette table.
Chiffre à l'appui : miser 1 € Gagnant sur le favori de l'algorithme, sur 1 793 courses, aurait rendu -6 %. Une perte. Nous le publions parce que c'est vrai, et parce qu'un site qui promettrait l'inverse mentirait.
Ce que le modèle apporte, c'est un classement mieux informé que le marché et une mesure honnête de sa propre justesse — pas une martingale. Aucun algorithme ne prédit une chute, un cheval malade ou une tactique de course.
Les questions qu'on nous pose
Est-ce vraiment de l'IA ?
C'est un modèle d'apprentissage statistique entraîné sur des données réelles, pas un moteur de règles écrites à la main ni un agent conversationnel. Il apprend de ses erreurs à chaque réentraînement.
Faut-il jouer tous ses pronostics ?
Non. L'algorithme signale des écarts de valeur ; c'est le plan de mise, adossé à votre budget et à votre profil de risque, qui décide de quoi jouer et pour combien.
Pourquoi publier les pertes ?
Parce qu'un palmarès qui ne montre que ses réussites ne mesure rien. Le palmarès complet porte toutes les courses analysées, sans sélection.
Le modèle voit-il les cotes ?
Oui, et c'est voulu : la cote agrège l'opinion de milliers de parieurs. Le but n'est pas de l'ignorer mais de repérer où elle se trompe.
Pour aller plus loin
- Le palmarès mesuré — ce que l'algorithme a produit course après course, pertes comprises.
- L'intelligence artificielle peut-elle battre les courses ? — ce que le machine learning sait faire, et où il bute.
- Le pari de valeur expliqué — pourquoi l'écart à la cote compte plus que le nom du favori.
Chaque course du programme PMU est analysée avant le départ : probabilité par cheval, cote juste, écart avec le marché. Les résultats sont ensuite notés aux rapports officiels.
Voir les analyses du jour