Je viens de lire une analyse assez approfondie sur la tendance des Prediction Market Agents en 2026, et il y a vraiment quelques points remarquables ici.

L’essentiel est que le marché des prédictions est devenu une véritable phénomène. En 2024, il y avait environ 9 milliards de dollars de volume de transactions, mais en 2025, il a dépassé les 40 milliards de dollars—une croissance de plus de 400 % en un an. Ce chiffre n’est pas fortuit : Polymarket et Kalshi détiennent presque l’intégralité du marché, Kalshi ayant récemment dépassé Polymarket en volume de transactions grâce à ses victoires juridiques aux États-Unis.

Mais ce qui est encore plus intéressant, c’est la façon dont les Prediction Market Agents se forment. Au lieu d’être simplement un outil « AI pour mieux prédire », ils sont en réalité des systèmes de gestion de portefeuille de probabilités—transformant les actualités, les données on-chain en opportunités de trading qu’ils peuvent exécuter rapidement, de manière disciplinée et à moindre coût par rapport aux humains.

La structure idéale d’un tel agent comporte 4 couches : la couche d’informations (collecte de données provenant de multiples sources), la couche d’analyse (détection des écarts de prix), la couche de stratégie (conversion des opportunités en positions), et la couche d’exécution (passage d’ordres, optimisation du slippage). Cela semble simple, mais en réalité, c’est beaucoup plus complexe.

Concernant la stratégie, je pense que toutes les transactions ne conviennent pas à l’automatisation. L’arbitrage identifié—comme les écarts de paiement ou les différences entre plateformes—est le plus adapté car ses règles sont claires. En revanche, le trading spéculatif basé sur le jugement et l’analyse de l’information nécessite encore une intervention humaine.

Un point important souligné dans le rapport est la gestion des positions. Au lieu d’appliquer mécaniquement la formule Kelly Criterion (car elle est très sensible aux erreurs dans l’estimation des probabilités), les agents pratiques devraient utiliser des méthodes plus simples : diviser le capital en unités fixes, ou utiliser des niveaux de confiance discrets avec des limites de position fixes. Cela réduit le risque et augmente la tolérance aux erreurs.

En ce qui concerne le modèle économique, je vois trois voies principales : la couche infrastructure (fourniture de données et d’outils d’exécution, facturation B2B), la couche stratégique (permettant à la communauté de contribuer des stratégies, de partager les revenus), et la couche Vault (agents de gestion d’actifs réels avec frais de gestion + frais de performance). Actuellement, la position « abonnement à des stratégies + signaux » semble la plus viable, car elle ne rencontre pas de barrières juridiques trop lourdes.

L’état actuel de l’écosystème est aussi intéressant : Polymarket a lancé officiellement le framework Polymarket Agents, Gnosis dispose de PMAT, et Kalshi est encore au stade SDK. Olas Predict est le produit le plus avancé à ce jour, ayant récemment lancé Polystrat pour s’étendre à Polymarket. Mais en réalité, aucun produit n’est encore vraiment complet en termes de stratégie, gestion des risques et boucle commerciale durable.

Globalement, les Prediction Market Agents en sont encore à une phase d’exploration. Le marché des prédictions n’est pas une loterie—c’est une couche de « vérité globale » où les événements sont évalués publiquement via l’intelligence collective. Ces agents seront des outils pour exploiter efficacement ce marché de manière systématique, à condition qu’ils se concentrent sur ce qu’ils font de mieux : traiter rapidement les données, exécuter de manière disciplinée, et gérer les risques de façon rigoureuse.

Quelqu’un d’autre suit ces projets ? Je suis curieux de voir quelles seront les prochaines étapes dans les 6 prochains mois.