L'une des applications Ethereum qui m'excite le plus est le marché prédictif. En 2014, j'ai écrit un article sur la futarchie, un modèle de gouvernance basé sur les prévisions conçu par Robin Hanson. Dès 2015, j'étais un utilisateur actif et un supporter d'Augur (regardez, mon nom dans l'article Wikipédia). J'ai gagné 58 000 dollars en pariant sur les élections de 2020. Cette année, j'ai été un fervent supporter et suiveur de Polymarket.


Pour beaucoup, les marchés prédictifs équivalent à parier sur les élections, et parier sur les élections équivaut à jouer - si cela peut être amusant pour les gens, tant mieux, mais fondamentalement, ce n'est pas plus intéressant que d'acheter des jetons aléatoires sur pump.fun. De ce point de vue, mon intérêt pour les marchés prédictifs semble déroutant. Ainsi, dans cet article, je vise à expliquer pourquoi ce concept me passionne. En résumé, je crois que (i) même les marchés prédictifs existants sont des outils très utiles pour le monde, mais en outre (ii) les marchés prédictifs ne sont qu'un exemple d'une catégorie plus large et très puissante, qui a le potentiel de créer de meilleures réalisations dans les médias sociaux, la science, le journalisme, la gouvernance et d'autres domaines. Je vais appeler cette catégorie "finance de l'information".


La double nature de Polymarket : un site de paris pour les participants, un site d'actualités pour tous les autres.


Au cours de la semaine dernière, Polymarket a été une source d'informations très efficace concernant les élections américaines. Polymarket a non seulement prédit la probabilité que Trump gagne à 60/40 (alors que d'autres sources prévoyaient 50/50, ce qui en soi n'est pas très impressionnant), mais a également montré d'autres avantages : lorsque les résultats sont sortis, bien que de nombreux experts et sources d'information aient tenté d'attirer le public en espérant qu'ils entendraient des nouvelles favorables à Harris, Polymarket a directement révélé la vérité : la probabilité que Trump gagne était supérieure à 95 %, tandis que la probabilité de prendre le contrôle de tous les départements gouvernementaux était supérieure à 90 %.



Les deux captures d'écran ont été prises à 3h40, heure de l'Est, le 6 novembre.


Mais pour moi, ce n'est même pas le meilleur exemple de ce qui rend Polymarket intéressant. Alors regardons un autre exemple : les élections au Venezuela en juillet. Le jour après les élections, je me souviens avoir aperçu quelqu'un protestant contre les résultats des élections vénézuéliennes qui étaient hautement manipulés. Au début, je n'y ai pas beaucoup prêté attention. Je savais que Maduro était l'un de ces "dictateurs de facto", donc je pensais qu'il allait certainement falsifier tous les résultats électoraux pour conserver son pouvoir, qu'il y aurait des manifestations, et bien sûr que ces manifestations échoueraient - malheureusement, beaucoup d'autres ont échoué. Mais ensuite, en parcourant Polymarket, j'ai vu ceci :


Les gens étaient prêts à investir plus de cent mille dollars en pariant que la probabilité de renverser Maduro lors de cette élection était de 23 %. Maintenant, j'ai commencé à faire attention.


Bien sûr, nous connaissons le résultat malheureux de cette situation. En fin de compte, Maduro a effectivement continué à gouverner. Cependant, le marché m'a fait réaliser que cette fois, la tentative de renverser Maduro était sérieuse. Les manifestations étaient massives, l'opposition a mis en œuvre une stratégie étonnamment efficace pour prouver au monde à quel point les élections étaient frauduleuses. Si je n'avais pas reçu le signal initial de Polymarket "cette fois, il y a quelque chose à surveiller", je n'aurais même pas commencé à prêter attention.


Vous ne devriez jamais faire entièrement confiance aux graphiques de paris de Polymarket : si tout le monde croit aux graphiques de paris, alors n'importe qui avec de l'argent peut manipuler les graphiques de paris, et personne n'osera parier contre eux. D'autre part, faire entièrement confiance aux nouvelles est aussi une mauvaise idée. Les nouvelles ont des motivations sensationnalistes et exagèrent les conséquences de tout pour obtenir des clics. Parfois, cela est justifié, parfois non. Si vous voyez un article sensationnel, mais que vous allez ensuite sur le marché et constatez que la probabilité de l'événement pertinent n'a pas du tout changé, alors il est raisonnable de douter. Ou, si vous voyez une probabilité anormalement élevée ou basse sur le marché, ou un changement soudain inattendu, c'est un signal pour vous inciter à lire les nouvelles et à voir ce qui a causé cela. Conclusion : en lisant à la fois les nouvelles et les graphiques de paris, vous pouvez obtenir plus d'informations que si vous ne lisiez l'un ou l'autre séparément.


Revenons à ce qui se passe ici. Si vous êtes un parieur, vous pouvez parier sur Polymarket, pour vous, c'est un site de paris. Si vous n'êtes pas un parieur, vous pouvez lire les graphiques de paris, pour vous, c'est un site d'actualités. Vous ne devriez jamais faire entièrement confiance aux graphiques de paris, mais personnellement, j'ai intégré la lecture des graphiques de paris en tant qu'étape de mon flux de travail de collecte d'informations (aux côtés des médias traditionnels et des médias sociaux), ce qui m'aide à obtenir des informations de manière plus efficace.


La finance de l'information dans un sens plus large


Maintenant, nous entrons dans la partie importante : prédire les résultats électoraux n'est que la première application. Le concept plus large est que vous pouvez utiliser la finance comme un moyen de coordonner des incitations pour fournir des informations précieuses au public. Maintenant, une réaction naturelle est : la finance n'est-elle pas fondamentalement liée à l'information ? Différents participants prendront des décisions d'achat et de vente différentes parce qu'ils ont des opinions différentes sur ce qui va se passer à l'avenir (en plus de besoins individuels tels que la tolérance au risque et le souhait de couverture), vous pouvez inférer beaucoup de connaissances sur le monde en lisant les prix du marché.

Pour moi, la finance de l'information est ainsi, mais structurellement correcte. Semblable au concept de structure correcte en ingénierie logicielle, la finance de l'information est une discipline qui exige que vous (i) commenciez par les faits que vous voulez connaître, puis (ii) conceviez délibérément un marché pour obtenir ces informations de la meilleure manière possible auprès des participants du marché.



La finance de l'information est un marché à trois côtés : les parieurs font des prévisions, les lecteurs lisent les prévisions. Le marché produira des prévisions sur l'avenir comme un bien public (car c'est l'objectif pour lequel il a été conçu).

Les marchés prédictifs en sont un exemple : vous voulez savoir un fait spécifique qui se produira à l'avenir, alors vous établissez un marché pour que les gens parient sur ce fait. Un autre exemple est le marché de décision : vous voulez savoir, selon un critère M, laquelle des décisions A ou B produira un meilleur résultat. Pour y parvenir, vous établissez un marché conditionnel : vous demandez aux gens de parier (i) sur quelle décision sera choisie, (ii) si la décision A est choisie, le montant de M sera obtenu, sinon il sera zéro, (iii) si la décision B est choisie, le montant de M sera obtenu, sinon il sera zéro. Avec ces trois variables, vous pouvez déterminer si le marché pense que la décision A ou B est plus favorable pour obtenir la valeur de M.



Je m'attends à ce qu'une technologie qui propulse le développement de la finance de l'information au cours des dix prochaines années soit l'IA (qu'il s'agisse de grands modèles ou de technologies futures). Cela est dû au fait que de nombreuses applications les plus intéressantes de la finance de l'information sont liées à des problèmes "micro" : des millions de petits marchés, où les décisions ont un impact relativement faible individuellement. En pratique, les marchés à faible volume de transactions ne peuvent souvent pas fonctionner efficacement : pour les participants expérimentés, prendre le temps d'analyser en détail pour obtenir quelques centaines de dollars de profit n'a pas de sens, et beaucoup pensent même que sans subventions, de tels marchés ne peuvent pas fonctionner car il n'y a pas suffisamment de traders novices pour permettre aux traders expérimentés de tirer profit en dehors des problèmes les plus importants et les plus médiatisés. L'IA a complètement changé cette équation, ce qui signifie que même sur un marché avec un volume de 10 dollars, nous avons la possibilité d'obtenir des informations de qualité assez élevée. Même si des subventions sont nécessaires, le montant des subventions pour chaque question devient très abordable.


La finance de l'information nécessite une distillation humaine

Jugement

Supposons que vous ayez un mécanisme de jugement humain fiable et que ce mécanisme ait la légitimité de toute la communauté, mais que le jugement prenne beaucoup de temps et coûte cher. Cependant, vous souhaitez accéder en temps réel à au moins une copie approximative de ce "mécanisme coûteux" à faible coût. Voici une idée de ce que vous pourriez faire, proposée par Robin Hanson : chaque fois que vous devez prendre une décision, vous établissez un marché prédictif pour prévoir quel résultat ce mécanisme coûteux donnerait si vous l'appeliez. Vous laissez fonctionner le marché prédictif et investissez une petite somme d'argent pour subventionner les market makers.


99,99 % du temps, vous ne ferez pas appel à des mécanismes coûteux : peut-être que vous "annulerez la transaction" et rembourserez les contributions de chacun, ou vous donnerez simplement zéro à tout le monde, ou vous regardez si le prix moyen est plus proche de 0 ou 1 et le considérez comme un fait de base. 0,01 % du temps - cela peut être aléatoire, cela peut concerner le marché avec le plus grand volume de transactions, ou cela peut être une combinaison des deux - vous exécuterez effectivement le mécanisme coûteux et compenserez les participants en conséquence.


Cela vous fournit une version "distillée" fiable, neutre, rapide et peu coûteuse, qui est votre mécanisme initialement très fiable mais coûteux (utilisant le terme "distillé" par analogie avec "distillation" dans LLM). Au fil du temps, ce mécanisme distillé reflète approximativement le comportement du mécanisme original - car seuls les participants qui aident à atteindre ce résultat peuvent gagner de l'argent, tandis que les autres perdent de l'argent.


Modèle combiné de marchés prédictifs possibles + notes communautaires.


Cela s'applique non seulement aux médias sociaux, mais aussi aux DAO. L'un des principaux problèmes des DAO est qu'il y a trop de décisions à prendre et que la plupart des gens ne sont pas disposés à y participer, ce qui entraîne soit une utilisation généralisée de la délégation, avec le risque de centralisation et d'échec d'agence courant dans la démocratie représentative, soit une vulnérabilité aux attaques. Si peu de votes ont réellement lieu dans un DAO, et que la plupart des décisions sont déterminées par des marchés prédictifs, combinant prévisions humaines et IA pour voter, alors ce DAO pourrait bien fonctionner.


Comme nous l'avons vu dans l'exemple des marchés de décision, la finance de l'information contient de nombreuses voies potentielles pour résoudre des problèmes importants dans la gouvernance décentralisée, la clé étant l'équilibre entre les marchés et les mécanismes non marchands : le marché est le "moteur", d'autres mécanismes de confiance non financiers sont le "volant".


Autres cas d'utilisation de la finance de l'information


Jetons personnels - Des projets comme Bitclout (maintenant désigné sous le nom de deso), friend.tech et bien d'autres qui créent des jetons pour chaque personne et les rendent faciles à spéculer - sont une catégorie que j'appelle "finance de l'information primitive". Ils créent délibérément un prix de marché pour des variables spécifiques (c'est-à-dire les attentes sur la réputation future d'une personne), mais les informations exactes révélées par le prix sont trop floues et soumises à la réflexivité et aux dynamiques de bulle. Il est possible de créer des versions améliorées de tels protocoles et d'aborder des problèmes importants comme la découverte de talents en considérant plus soigneusement la conception économique des jetons (en particulier d'où provient leur valeur finale). L'idée de contrats à terme sur la réputation de Robin Hanson est un état final possible ici.


Publicité - Le "signal coûteux mais fiable" ultime est de savoir si vous achèterez le produit. La finance de l'information basée sur ce signal peut aider les gens à déterminer ce qu'ils devraient acheter.

Revue par les pairs scientifique - La communauté scientifique a toujours été confrontée à une "crise de reproduction", où certains résultats célèbres sont devenus une partie du bon sens populaire, mais ne peuvent finalement pas être reproduits dans de nouvelles recherches. Nous pouvons essayer de déterminer les résultats qui nécessitent une réévaluation par des marchés prédictifs. Avant la réévaluation, de tels marchés permettent également aux lecteurs d'estimer rapidement dans quelle mesure ils devraient faire confiance à un résultat particulier. Des expériences sur cette idée ont été menées et ont jusqu'à présent semblé réussir.


Financement de biens publics - L'un des principaux problèmes du mécanisme de financement des biens publics utilisé par Ethereum est sa nature de "course à la popularité". Chaque contributeur doit mener sa propre campagne de marketing sur les réseaux sociaux pour obtenir de la reconnaissance, et ceux qui n'ont pas la capacité de le faire ou qui ont naturellement des rôles de "fond" ont du mal à obtenir des financements importants. Une solution attrayante consiste à essayer de suivre l'ensemble du graphe de dépendance : pour chaque résultat positif, quels projets ont contribué à quelle mesure, puis pour chaque projet, quels projets ont contribué à quelle mesure, etc. Le principal défi de conception de cette approche est de trouver le poids des marges pour qu'il puisse résister à la manipulation. Après tout, cette manipulation a toujours lieu. Un mécanisme de jugement humain distillé pourrait aider.


Conclusion


Ces idées ont été théorisées depuis longtemps : les premiers travaux sur les marchés prédictifs, voire les marchés de décision, remontent à des décennies, et des discussions similaires en théorie financière sont encore plus anciennes. Cependant, je pense que la décennie actuelle offre une opportunité unique, principalement pour les raisons suivantes :

La finance de l'information résout en réalité le problème de confiance qui existe chez les gens. Une préoccupation commune de cette époque est le manque de connaissances (et pire, le manque de consensus), ne sachant pas en qui faire confiance dans les domaines politique, scientifique et commercial. Les applications de la finance de l'information peuvent aider à devenir une partie de la solution.

Nous avons maintenant une blockchain évolutive comme base. Jusqu'à récemment, les frais étaient trop élevés pour réaliser réellement ces idées. Maintenant, ils ne sont plus trop élevés.

IA en tant que participants. Lorsque la finance de l'information doit compter sur la participation humaine à chaque problème, elle a relativement du mal à fonctionner. L'IA améliore considérablement cette situation, permettant même l'existence de marchés efficaces sur des problèmes à petite échelle. De nombreux marchés pourraient avoir une combinaison de participants humains et IA, en particulier lorsque le nombre de problèmes spécifiques passe soudainement d'un petit à un grand volume.