D'après 27 000 opérations, la vérité sur le géant des baleines de Polymarket : les cinq pièges derrière la manipulation des investisseurs avisés

La finance intelligente semble prédire le marché avec une précision remarquable, mais la réalité est bien plus complexe qu’il n’y paraît. PANews a réalisé une analyse approfondie des dix plus grands baleines profitant de Polymarket à la fin de 2024, en examinant leurs 27 000 opérations. Il en ressort que ces traders, qui prétendent avoir un taux de réussite élevé, dissimulent derrière leurs chiffres une quantité importante de données fausses, des problèmes de liquidité et un art de la gestion des positions.

La vérité sur le taux de réussite falsifié : comment les « zombies » embellissent les gains

En analysant ces baleines, la découverte la plus choquante concerne le degré de distorsion des données de réussite.

Le premier, SeriouslySirius, revendique un taux de réussite de 73,7 %, mais en analysant ses positions non clôturées, la vérité apparaît. Cette adresse détient actuellement 2 369 ordres en cours, dont 1 791 ont totalement échoué mais n’ont jamais été clôturés. Ces « ordres zombies » existent pour deux raisons : d’une part, pour économiser sur les frais de transaction et la gestion, et surtout — et c’est là le point crucial — pour donner une apparence de succès très flatteuse. En effet, les traders clôturent généralement uniquement les ordres en profit, laissant en suspens ceux en perte, ce qui filtre automatiquement les données pour ne montrer que les transactions réussies.

En tenant compte de ces pertes non réalisées, le taux de réussite réel de SeriouslySirius chute à 53,3 % — un chiffre à peine supérieur à celui d’un lancer de pièce aléatoire. Un phénomène similaire se retrouve chez le deuxième, DrPufferfish, dont le taux de réussite affiché est de 83,5 %, mais qui en réalité n’atteint que 50,9 %. Ce phénomène est courant chez les principaux acteurs, révélant une règle fondamentale du classement des prédictions de marché : les taux de réussite affichés sont fortement biaisés par un biais de survivant.

La difficulté opérationnelle des stratégies de couverture automatisée : piège de la liquidité et complexification

Beaucoup de ces baleines utilisent des stratégies de « couverture arbitrale », mais la formule simple qui circule sur les réseaux sociaux (acheter « YES » et « NO » pour que leur coût total soit inférieur à 1) est très éloignée de la réalité.

Prenons l’exemple de SeriouslySirius sur le match NBA 76ers vs Mavericks : il ne s’est pas contenté d’acheter dans les deux sens, mais a simultanément participé à 11 positions dans différentes directions : sous, sur, victoire des 76ers, victoire des Mavericks, etc. L’objectif de cette couverture complexe est de rechercher des opportunités d’arbitrage mathématique, par exemple avec une probabilité implicite de victoire des 76ers à 56,8 % et celle des Mavericks à 39,37 %, pour un coût total d’environ 0,962. Théoriquement, peu importe le résultat, il devrait y avoir un profit. Finalement, cette opération a généré un gain de 17 000 dollars.

Mais le problème, c’est que la liquidité devient le plus grand ennemi de la couverture. Lors de l’exécution de ces opérations, il est souvent impossible d’acheter dans les deux sens en quantité équivalente, ce qui entraîne un déséquilibre sévère dans la répartition des fonds — il n’est pas rare que deux positions sur le même événement aient un écart de plus de 10 fois dans le montant investi. Ce déséquilibre provient directement du manque de profondeur du marché, et lorsque des programmes automatisés exécutent ces opérations, cela se traduit souvent par des pertes importantes.

Le trader à haute fréquence swisstony a vécu cette difficulté. Il a effectué 5 527 transactions, avec un profit moyen de seulement 156 dollars par opération. En tentant de reproduire la formule arbitrale « YES » + « NO » < 1, ses ordres de couverture achetaient souvent des positions dans les deux sens en quantité supérieure à 1, ce qui conduit inévitablement à des pertes finales. Cela montre que l’exécution précise de la couverture nécessite non seulement des formules mathématiques, mais aussi une perception en temps réel de la liquidité.

L’art de la gestion des positions : dépasser l’arbitrage simple pour maîtriser ses opérations

Les véritables baleines de haut niveau ne se contentent pas de faire de l’arbitrage simple, mais sont des maîtres dans la gestion fine des positions.

Le style de DrPufferfish est très différent. Il pratique aussi la couverture, mais pas en achetant dans des directions opposées, plutôt en répartissant ses mises sur plusieurs événements à faible probabilité. Par exemple, dans la prédiction du champion de la MLB, il a acheté 27 équipes avec une faible probabilité, dont la somme des probabilités dépasse 54 %. Il transforme ainsi un événement à faible probabilité en un événement à forte probabilité.

Ce qui est encore plus crucial, c’est sa maîtrise du ratio gain/perte. Par exemple, pour Liverpool, il a effectué 123 prédictions, avec une moyenne de 37 200 dollars de profit par succès, contre une moyenne de 11 000 dollars de perte par échec. Il vend ses ordres en perte à l’avance pour limiter ses pertes, et son ratio global de gains et pertes atteint 8,62. Cette discipline rigoureuse lui a permis d’atteindre un bénéfice de 2,06 millions de dollars à la fin 2024.

Le cinquième, gmpm, utilise une stratégie encore plus sophistiquée : la « couverture asymétrique ». Lorsqu’il place des ordres dans les deux sens, il investit davantage dans la direction avec une probabilité plus élevée, et moins dans l’autre. Cela lui permet de maximiser ses gains lors d’événements à forte probabilité, tout en limitant ses pertes lors d’événements à faible probabilité — une stratégie avancée combinant jugement probabiliste et couverture du risque.

La confrontation entre opérations à faible fréquence et haute réussite vs petites marges en haute fréquence : un contraste de styles

Les styles d’opération des baleines du marché sont très variés, mais chacun possède sa propre logique de survie.

L’outsider 0xafEe adopte une approche totalement différente : faible fréquence, taux de réussite élevé, sans couverture. Il ne réalise en moyenne que 0,4 transaction par jour, mais affiche un taux de réussite de 69,5 %. Il se concentre sur les prévisions liées à l’indice Google et à la culture populaire, maîtrisant apparemment des modèles d’analyse spécifiques à ces domaines. Avec environ 929 000 dollars de gains et très peu d’ordres en perte, il prouve que : une intuition subjective précise peut parfois surpasser l’arbitrage automatisé dans certains domaines.

À l’opposé, simonbanza pratique une stratégie de « trading en vagues » — il ne fait pas de couverture, mais considère la fluctuation des probabilités comme une « bougie » pour spéculer. Il ne attend pas le résultat final, mais cherche des opportunités dans la volatilité des probabilités. Dès qu’il y a un profit, il sort immédiatement, sans s’attarder sur le résultat. Cette méthode génère peu d’ordres zombies (seulement 6), avec un taux de réussite réel de 57,6 %. Bien que le profit moyen par opération ne soit pas élevé, sa stratégie à haute réussite lui a permis d’accumuler 1,04 million de dollars.

À l’inverse, le cas de RN1 illustre une opération ratée. Bien qu’il ait réalisé 1,76 million de dollars de gains, ses pertes non réalisées atteignent 2,68 millions, pour une perte totale de 920 000 dollars. Son taux de réussite réel n’est que de 42 %, avec un ratio de gains/pertes de 1,62 — un ensemble de chiffres qui indique une perte inévitable. Son problème réside dans une mauvaise gestion de la couverture : il investit souvent trop dans des événements à faible probabilité, et trop peu dans ceux à forte probabilité, ce qui, lors de la survenue d’un événement à haute probabilité, entraîne des pertes substantielles. Ce cas montre que même en respectant la condition mathématique « YES » + « NO » < 1 », cela ne garantit pas le succès opérationnel.

Les secrets de la finance intelligente : voir derrière les données fausses pour comprendre le vrai marché prédictif

Après avoir éliminé les illusions de taux de réussite et de liquidité, que se cache-t-il derrière la véritable opération de la finance intelligente ?

Premièrement, la gestion des positions prime sur le taux de réussite. La plupart des baleines performantes (comme DrPufferfish, gmpm) ne cherchent pas à atteindre des taux de réussite extrêmes, mais se concentrent sur le contrôle du ratio gain/perte. Elles ajustent leurs positions en temps réel en fonction des probabilités, sortent dès qu’elles réalisent un profit, et coupent leurs pertes en cas de menace. Cette discipline stricte est plus cruciale que la précision des prévisions probabilistes.

Deuxièmement, les algorithmes décisionnels au-delà des formules d’arbitrage sont la véritable clé de la compétitivité. Les baleines à succès ont soit une capacité de jugement très forte sur certains événements (comme DrPufferfish sur Liverpool), soit maîtrisent des modèles analytiques spécifiques (comme 0xafEe sur la culture populaire), soit disposent d’un avantage technologique en trading automatisé à haute fréquence. Copier simplement la formule « YES » + « NO » < 1 » ne mène pas au succès.

Troisièmement, la liquidité et la taille du capital limitent directement le plafond des gains. En regardant ces dix baleines, le plus grand profit en 2024 est de 3,29 millions de dollars pour SeriouslySirius, avec un cumul historique inférieur à 3 millions. Par rapport à l’ampleur du marché des dérivés cryptographiques, le marché prédictif reste un espace de niche, et cette petite échelle limite la possibilité de réaliser des gains à l’échelle du milliard, même en maîtrisant parfaitement les stratégies.

Les cinq pièges majeurs du marché prédictif et la voie pour les dépasser

En synthèse de cette analyse approfondie, cinq pièges systémiques du marché prédictif se dégagent :

Piège 1 : La liquidité qui contrecarre la couverture arbitrale. La formule mathématique parfaite échoue souvent en pratique, car il est difficile d’acheter dans les deux sens en quantité équivalente. Le manque de liquidité entraîne un déséquilibre, rendant impossible l’exécution optimale par automatisation.

Piège 2 : Le biais de survivant dans les données de réussite. Comme les ordres en perte restent souvent en suspens, alors que ceux en profit sont clôturés, le taux de réussite affiché est fortement surévalué. Suivre ces « adresses à haute réussite » revient à suivre de fausses signaux.

Piège 3 : La mauvaise répartition des fonds due à l’automatisation. La couverture exige un équilibre précis des positions, mais la volatilité de la liquidité provoque souvent un déséquilibre sévère, conduisant à des pertes inévitables.

Piège 4 : La quête aveugle de taux de réussite élevé au détriment du ratio gain/perte. La vraie clé du profit n’est pas la réussite en soi, mais la proportion entre gains et pertes. Un taux de réussite de 50 % avec un ratio gain/perte élevé peut être profitable, et vice versa.

Piège 5 : La limite de la taille du marché. La faible liquidité et la taille limitée du marché prédictif empêchent même les meilleurs opérateurs d’atteindre des gains massifs, ce qui limite la rentabilité à l’échelle de milliards.

Dans ce marché, Polymarket, ce qui semble être une opportunité pour « l’argent intelligent » est souvent une illusion : ce sont surtout des survivants ou des acteurs acharnés. La véritable clé ne réside pas dans des classements de réussite falsifiés, mais dans les algorithmes de gestion de positions, de jugement unique et de contrôle du risque, que peu de joueurs maîtrisent. Pour les participants ordinaires, comprendre ces pièges est bien plus crucial que de suivre aveuglément la « finance intelligente ».