Récemment, tout le monde parle de ce qui se passe en Iran, mais il y a un gros joueur sur Polymarket qui a silencieusement raflé plus de 165 000 dollars (environ 1,2 million de yuans) du marché du tennis.

Cette personne ne va jamais aux matches en direct et n'envoie pas de messages aux entraîneurs. Ce sur quoi il compte, c'est un modèle d'apprentissage automatique qui tourne sur son ordinateur.
Voici son portefeuille, vous pouvez le consulter :
En observant ses deux derniers coups, c'est un peu "retors" :
Open BNP Paribas : Cerundolo vs Bonzi
Bénéfice : $25,184.10 (+47.55%)
Open BNP Paribas : Cristian vs Tiafoe
Bénéfice : $24,413.96 (+166.7%)
Comment maîtrise-t-il le tennis ? En gros, en quatre étapes.
1. Il s'est construit un "Saint Graal des données"
Il a alimenté le modèle avec des données de près de 100 000 matchs professionnels de 1985 à 2024. Type de surface, fautes au service, points de break... tout ce qu'on peut imaginer y est.
Mais avoir juste ça ne suffit pas, le vrai truc c'est ce qu'il a calculé :
La différence de taux de victoire entre deux joueurs
La différence d'âge en années
Sur des surfaces spécifiques comme la terre battue ou le gazon, les scores de force respectifs (ELO)
2. Il a trouvé les données les plus déterminantes
Comme sur le Titanic, "première classe, femme" était l'étiquette de survie la plus critique. Lui aussi, dans la masse de données, a extrait les deux facteurs les plus capables de prédire une victoire :
La différence totale de force entre les deux joueurs
La différence de force des deux joueurs sur la surface d'aujourd'hui
Les mathématiques ne font que prouver une chose : par exemple, face à Nadal sur terre battue, son "aura ELO terre battue" est pratiquement insurmontable.
3. Il a fait fonctionner le modèle en "relais"
Il a d'abord essayé un simple arbre de décision, précision 74%. Puis les règles ELO de base, 72%. Ensuite il a utilisé un modèle appelé "Forêt Aléatoire" (c'est comme laisser 94 arbres voter ensemble), la précision atteint 76% — toujours pas assez.
Finalement il a ressorti un coup radical : XGBoost.
Ce truc ne laisse pas les arbres voter ensemble, mais les fait se relayer l'un après l'autre. L'arbre suivant observe où l'arbre précédent s'est trompé et répare les failles. Ajoutez la technique de "régularisation" pour éviter le surapprentissage, et hop, la précision monte à 85%, dépassant même les réseaux de neurones plus complexes.
4. Il valide par l'expérience
Il a entraîné son modèle avec les données jusqu'en 2024, puis a prédit l'Open d'Australie 2025 qui vient de se terminer.
Résultat :
116 matchs, 99 correctement devinés (précision 85.3%)
Avant même le lancement du tournoi, le modèle prédisait que Sinner remporterait le titre sans défaite.
Tout cela sans aucun renseignement d'initié, juste avec :
Un ordinateur
Du code Python open source
L'algorithme XGBoost
Plus l'audace de placer des mises importantes sur un marché qui n'est pas encore trop surveillé par la plupart des gens.
De mon côté, je prépare m'aligner sur lui.
Il existe un robot de copie de transactions qui, une fois connecté au portefeuille, peut le suivre automatiquement et acheter en même temps.
Cliquez ici pour commencer à synchroniser ses positions :