#广场预测世界杯赢40000U Goldman Sachs "prédit" la Coupe du Monde, un modèle quantitatif est-il fiable ?
L'ouverture de la Coupe du Monde 2026 aux États-Unis, au Canada et au Mexique, avec 48 grandes équipes et 104 matchs, attire tous les regards. À chaque Coupe du Monde, la prévision devient une discipline académique. Depuis le poulpe Paul en 2010 en Afrique du Sud jusqu'aux modèles IA en 2026, en passant par les voyants et les économistes en banque d'investissement, tout le monde veut participer à la fête. Cette année, l’économiste en chef de Goldman Sachs, Jan Hatzius, et son équipe ont publié à nouveau le « Rapport de prévision de la Coupe du Monde 2026 », utilisant un modèle quantitatif pour "prédire" le champion. Les esprits les plus brillants de Wall Street peuvent-ils prévoir sur le terrain de football ?
I. L’"évolution" des prévisions de Goldman Sachs La prévision de la Coupe du Monde par Goldman Sachs peut être considérée comme une "histoire d’évolution de modèles".
Coupe du Monde 2014 au Brésil : première tentative de Goldman Sachs, prédiction par régression linéaire. Résultat : prédiction du Brésil comme champion, mais en réalité, l’Allemagne a écrasé le Brésil 7-1, et c’est finalement l’Allemagne qui a soulevé le trophée. La première prédiction a échoué.
Coupe du Monde 2018 en Russie : modèle amélioré, intégrant plus de variables. Prédiction du Brésil comme favori (18 % de chances), mais c’est la France qui a gagné 4-2 contre la Croatie. Bien que le champion ait été incorrect, Goldman Sachs avait prévu avec précision la qualification de la France pour la finale.
Coupe du Monde 2022 au Qatar : apprentissage automatique renforcé, modèle plus complexe. Prédiction du Brésil comme favori (25 % de chances), avec une finale prévue entre le Brésil et le Portugal. Résultat : le Brésil a été éliminé aux quarts de finale aux tirs au but contre la Croatie (0-0, 2-4 aux tirs), ne même pas atteindre la finale. Finalement, l’Argentine a battu la France aux tirs au but 4-2 (score global 7-5). Goldman Sachs échoue encore.
Une règle intéressante : Goldman Sachs a prédit le Brésil trois fois, et le Brésil a perdu trois fois.
II. La prévision de 2026 : l’Espagne à 26 % de chances de gagner
Cette année, le modèle de Goldman Sachs, basé sur près de 20 000 matchs internationaux de niveau A depuis 1978, combinant le système de notation Elo, la distribution de Poisson et la simulation Monte Carlo (50 000 simulations virtuelles de la Coupe du Monde), a fourni la dernière prévision : la raison de Goldman Sachs est très "quantitative". L’Espagne est classée numéro un mondial selon Elo, avec un talent offensif remarquable et une forme récente très forte.
La France possède une profondeur d’effectif solide, étant la seule équipe à avoir brisé la malédiction de la défense du titre ces dernières éditions. L’Argentine est également forte, mais souffre de l’effet "baisse du champion en titre", car historiquement, les équipes championnes en titre ont tendance à régresser. Mais dès la publication du modèle, la réalité a donné un coup de poing. La jeune star espagnole de 19 ans, Lamine Yamal, s’est blessée avant le début de la Coupe du Monde, et il est rapporté qu’il manquera la phase initiale du tournoi. Yamal, qui s’est fait connaître lors de l’Euro 2024, est une pièce maîtresse de l’attaque espagnole. Son absence pourrait fortement réduire la probabilité de 26 %. Goldman Sachs lui-même admet que le modèle ne peut pas prendre en compte des facteurs invisibles comme la santé des joueurs.
III. Pourquoi les banques d’investissement prédisent-elles la Coupe du Monde ?
Ce n’est pas la première fois que Goldman Sachs "sort de son domaine". La prédiction de la Coupe du Monde par Wall Street est essentiellement une opération de marketing de marque et de démonstration de capacité. Pour Goldman Sachs, cette prévision est une publicité gratuite. À chaque Coupe du Monde, les médias mondiaux rapportent cette prévision, ce qui augmente la visibilité de la marque Goldman Sachs, mesurée en milliards. Mais la logique centrale est que la prévision du football et la prévision économique partagent une méthodologie commune : modéliser à partir de données historiques et déduire l’avenir par des lois statistiques. En montrant qu’ils peuvent modéliser ces compétitions complexes, Goldman Sachs veut aussi montrer à ses clients qu’ils maîtrisent mieux leurs portefeuilles d’investissement.
Ainsi, Goldman Sachs ne "prédit" pas vraiment, mais "montre ses muscles". La Coupe du Monde n’est qu’un terrain d’expérimentation.
IV. La précision des prévisions ? La parole aux données
Examinons les données pour évaluer le niveau de "prédiction" de Goldman Sachs.
En 2018, la précision de la prévision des huit meilleures équipes était d’environ 50 % à 62,5 %, mais la prédiction de la finale était erronée.
En 2022, la précision pour les huit meilleures équipes était d’environ 50 %, et la prédiction de la finale comme étant le Brésil contre le Portugal s’est avérée fausse, la vraie finale étant Argentine contre France. Sur trois prédictions de champion, Goldman Sachs s’est tromé à chaque fois : 2014, 2018 et 2022, toutes avec le Brésil. Ce taux de précision n’est guère supérieur à celui d’un lancer de pièce. Mais Goldman Sachs est intelligent. Dans leur rapport, ils écrivent que la puissance du modèle est limitée, car le football comporte une part d’imprévisibilité inhérente. Ils se donnent donc une marge d’erreur.
Ce qui est encore plus intéressant, c’est la comparaison avec le marché des prévisions. Sur des plateformes comme Polymarket, la sagesse collective des utilisateurs est souvent plus précise que celle des modèles bancaires. Car les modèles sont basés sur des données passées, "regardant en arrière", alors que le marché intègre des informations en temps réel, des émotions et une vision "vers l’avant" du futur.
Peut-être que le vrai charme du football réside dans son imprévisibilité. Si tout pouvait être prévu par un modèle, alors la passion, les coups de théâtre et les miracles sur le terrain n’auraient plus de sens.
Comme le dit Goldman Sachs, le football est rond, le modèle est carré, et le cœur humain reste la dernière variable de ce monde.
L'ouverture de la Coupe du Monde 2026 aux États-Unis, au Canada et au Mexique, avec 48 grandes équipes et 104 matchs, attire tous les regards. À chaque Coupe du Monde, la prévision devient une discipline académique. Depuis le poulpe Paul en 2010 en Afrique du Sud jusqu'aux modèles IA en 2026, en passant par les voyants et les économistes en banque d'investissement, tout le monde veut participer à la fête. Cette année, l’économiste en chef de Goldman Sachs, Jan Hatzius, et son équipe ont publié à nouveau le « Rapport de prévision de la Coupe du Monde 2026 », utilisant un modèle quantitatif pour "prédire" le champion. Les esprits les plus brillants de Wall Street peuvent-ils prévoir sur le terrain de football ?
I. L’"évolution" des prévisions de Goldman Sachs La prévision de la Coupe du Monde par Goldman Sachs peut être considérée comme une "histoire d’évolution de modèles".
Coupe du Monde 2014 au Brésil : première tentative de Goldman Sachs, prédiction par régression linéaire. Résultat : prédiction du Brésil comme champion, mais en réalité, l’Allemagne a écrasé le Brésil 7-1, et c’est finalement l’Allemagne qui a soulevé le trophée. La première prédiction a échoué.
Coupe du Monde 2018 en Russie : modèle amélioré, intégrant plus de variables. Prédiction du Brésil comme favori (18 % de chances), mais c’est la France qui a gagné 4-2 contre la Croatie. Bien que le champion ait été incorrect, Goldman Sachs avait prévu avec précision la qualification de la France pour la finale.
Coupe du Monde 2022 au Qatar : apprentissage automatique renforcé, modèle plus complexe. Prédiction du Brésil comme favori (25 % de chances), avec une finale prévue entre le Brésil et le Portugal. Résultat : le Brésil a été éliminé aux quarts de finale aux tirs au but contre la Croatie (0-0, 2-4 aux tirs), ne même pas atteindre la finale. Finalement, l’Argentine a battu la France aux tirs au but 4-2 (score global 7-5). Goldman Sachs échoue encore.
Une règle intéressante : Goldman Sachs a prédit le Brésil trois fois, et le Brésil a perdu trois fois.
II. La prévision de 2026 : l’Espagne à 26 % de chances de gagner
Cette année, le modèle de Goldman Sachs, basé sur près de 20 000 matchs internationaux de niveau A depuis 1978, combinant le système de notation Elo, la distribution de Poisson et la simulation Monte Carlo (50 000 simulations virtuelles de la Coupe du Monde), a fourni la dernière prévision : la raison de Goldman Sachs est très "quantitative". L’Espagne est classée numéro un mondial selon Elo, avec un talent offensif remarquable et une forme récente très forte.
La France possède une profondeur d’effectif solide, étant la seule équipe à avoir brisé la malédiction de la défense du titre ces dernières éditions. L’Argentine est également forte, mais souffre de l’effet "baisse du champion en titre", car historiquement, les équipes championnes en titre ont tendance à régresser. Mais dès la publication du modèle, la réalité a donné un coup de poing. La jeune star espagnole de 19 ans, Lamine Yamal, s’est blessée avant le début de la Coupe du Monde, et il est rapporté qu’il manquera la phase initiale du tournoi. Yamal, qui s’est fait connaître lors de l’Euro 2024, est une pièce maîtresse de l’attaque espagnole. Son absence pourrait fortement réduire la probabilité de 26 %. Goldman Sachs lui-même admet que le modèle ne peut pas prendre en compte des facteurs invisibles comme la santé des joueurs.
III. Pourquoi les banques d’investissement prédisent-elles la Coupe du Monde ?
Ce n’est pas la première fois que Goldman Sachs "sort de son domaine". La prédiction de la Coupe du Monde par Wall Street est essentiellement une opération de marketing de marque et de démonstration de capacité. Pour Goldman Sachs, cette prévision est une publicité gratuite. À chaque Coupe du Monde, les médias mondiaux rapportent cette prévision, ce qui augmente la visibilité de la marque Goldman Sachs, mesurée en milliards. Mais la logique centrale est que la prévision du football et la prévision économique partagent une méthodologie commune : modéliser à partir de données historiques et déduire l’avenir par des lois statistiques. En montrant qu’ils peuvent modéliser ces compétitions complexes, Goldman Sachs veut aussi montrer à ses clients qu’ils maîtrisent mieux leurs portefeuilles d’investissement.
Ainsi, Goldman Sachs ne "prédit" pas vraiment, mais "montre ses muscles". La Coupe du Monde n’est qu’un terrain d’expérimentation.
IV. La précision des prévisions ? La parole aux données
Examinons les données pour évaluer le niveau de "prédiction" de Goldman Sachs.
En 2018, la précision de la prévision des huit meilleures équipes était d’environ 50 % à 62,5 %, mais la prédiction de la finale était erronée.
En 2022, la précision pour les huit meilleures équipes était d’environ 50 %, et la prédiction de la finale comme étant le Brésil contre le Portugal s’est avérée fausse, la vraie finale étant Argentine contre France. Sur trois prédictions de champion, Goldman Sachs s’est tromé à chaque fois : 2014, 2018 et 2022, toutes avec le Brésil. Ce taux de précision n’est guère supérieur à celui d’un lancer de pièce. Mais Goldman Sachs est intelligent. Dans leur rapport, ils écrivent que la puissance du modèle est limitée, car le football comporte une part d’imprévisibilité inhérente. Ils se donnent donc une marge d’erreur.
Ce qui est encore plus intéressant, c’est la comparaison avec le marché des prévisions. Sur des plateformes comme Polymarket, la sagesse collective des utilisateurs est souvent plus précise que celle des modèles bancaires. Car les modèles sont basés sur des données passées, "regardant en arrière", alors que le marché intègre des informations en temps réel, des émotions et une vision "vers l’avant" du futur.
Peut-être que le vrai charme du football réside dans son imprévisibilité. Si tout pouvait être prévu par un modèle, alors la passion, les coups de théâtre et les miracles sur le terrain n’auraient plus de sens.
Comme le dit Goldman Sachs, le football est rond, le modèle est carré, et le cœur humain reste la dernière variable de ce monde.
