Lors d’une expérience menée sur 10 jours, des IA avancées ont été sollicitées pour recommander des paris sportifs, dans l’espoir de découvrir comment ces outils apprennent de leurs erreurs et ajustent leurs stratégies de pari. Parmi les modèles testés figuraient DeepAI, Gemini, ChatGPT et QuillBot. DeepAI a opté pour des conseils généraux sur le jeu responsable, tandis que Gemini et ChatGPT ont fourni des recommandations précises. QuillBot a montré une certaine confusion quant aux événements en cours, mais a finalement proposé des choix avec un peu d’encouragement.
Chaque jour, un pari suggéré par les modèles a été simulé avec une mise de 10 $ pour évaluer les performances. Les résultats ont été surprenants. Après une première journée prometteuse, QuillBot a montré des faiblesses en matière de prédiction. ChatGPT et Gemini ont suivi des approches distinctes, avec des résultats variés.
ChatGPT a commencé avec un pari sur les New York Yankees contre les Cleveland Guardians, qui s’est soldé par une perte. Malgré quelques victoires, notamment sur des matchs de football internationaux, l’outil a terminé l’expérience avec une perte nette de 35,69 $ sur une mise totale de 100 $. L’analyse a révélé que ChatGPT avait tendance à choisir des favoris avec des cotes faibles, ce qui a affecté son rendement global.
De son côté, Gemini a mieux performé, affichant un profit de 32,70 $ sur la même mise initiale. Sa stratégie s’est avérée plus efficace dans la sélection de matchs de tennis, bien que ses paris doubles sur le football aient été perdants.
QuillBot, qui a connu des difficultés persistantes avec la gestion des informations temporelles, a terminé avec une perte de 33,59 $ sur ses paris, démontrant que ses capacités peuvent encore s’améliorer.
L’expérience a révélé des limites dans la capacité des IA à s’adapter et à apprendre de manière autonome dans le domaine complexe des paris sportifs. Les IA comme ChatGPT ont montré des succès limités, notamment en raison de leur tendance à choisir des paris de faible valeur sur des matchs amicaux de football, dont l’importance compétitive est souvent moindre.
« Les matchs amicaux internationaux sont un véritable cimetière pour le capital de pari », a-t-on évoqué dans l’analyse. Les outils ont montré qu’ils pouvaient bénéficier d’une redirection vers des événements où la compétition est plus significative, ce qui pourrait améliorer leurs performances de prédiction.
Des experts comme les professeurs Robert Scott et Mikhail Sher soulignent que l’expertise humaine reste cruciale. Ils recommandent de se concentrer sur des domaines de spécialisation, d’analyser constamment les paris effectués, et d’ajuster les stratégies en conséquence. Ils notent également que l’IA, bien qu’utile pour l’analyse statistique, fait encore face à des défis en matière de contexte et de compréhension des nuances sportives.
Dans le monde des paris, l’intégration d’IA est en cours. Par exemple, ChatBet collabore principalement avec des entreprises de jeu en Amérique latine, tandis que FanDuel développe Ace AI pour accélérer la prise de paris. DraftKings a envisagé des solutions similaires, mais la crainte subsiste que des IA trop performantes puissent mettre en péril les bénéfices des bookmakers, qui pourraient réagir en limitant l’utilisation de ces technologies.
Bien que cette expérience ait été limitée et ne permette pas de tirer des conclusions définitives sur l’efficacité des IA dans la sélection de paris gagnants, elle soulève des questions intéressantes sur leur potentiel et leurs limites actuelles. Les bookmakers sont attentifs à l’évolution de ces technologies, cherchant à exploiter leurs avantages tout en se protégeant contre les pertes potentielles.
Luc Lemaire est un blogueur passionné qui adore écrire sur les casinos et l’industrie du jeu. Joueur à temps partiel depuis plusieurs années, il est fasciné par la psychologie du jeu.