ChatGPT vs AlgoQuinté : pourquoi un LLM ne peut pas prédire les courses

L'essentiel à retenir : ChatGPT ne peut pas pronostiquer une course, mais pas pour la raison qu'on lit partout. Il accède au web, il trouvera vos partants. Le problème est ailleurs : il n'a jamais été entraîné sur des courses, il ne sait pas mesurer sa propre incertitude, et il n'est pas déterministe — posez trois fois la même question, vous obtiendrez trois classements. En revanche, il est excellent pour expliquer, vulgariser et vous faire comprendre le turf. C'est cette frontière qu'il faut connaître.

Depuis deux ans, la question revient sans arrêt dans le groupe et en messages privés : « est-ce que je peux demander mon Quinté+ à ChatGPT ? ». La réponse courte est non. La réponse utile est plus intéressante, parce qu'elle explique pourquoi, et surtout parce qu'elle dit ce que l'outil sait faire — et il sait faire des choses.

Une précision d'entrée, parce que la plupart des articles sur le sujet se trompent : non, ChatGPT n'est plus « aveugle » à l'actualité. Il navigue sur le web, il peut aller chercher les partants du jour et les cotes. L'argument du « modèle figé à sa date d'entraînement » est périmé. Le vrai problème est plus profond, et il ne disparaîtra pas avec la prochaine mise à jour.

1. Ce que fait ChatGPT quand vous lui demandez un pronostic
2. Hallucinations : le risque concret
3. Ce que ChatGPT fait très bien au turf
4. Ce qu'exige un vrai modèle de pronostic
5. Ma méthode : le chat explique, le modèle sélectionne

Ce que fait ChatGPT quand vous lui demandez un pronostic

Pour comprendre l'échec, il faut regarder la mécanique plutôt que le résultat.

Il prédit des mots, pas des probabilités

Un modèle de langage est conçu pour produire la suite de mots la plus plausible. Quand vous lui demandez un pronostic, il ne calcule rien : il rédige ce à quoi un texte de pronostic ressemble. C'est une nuance capitale. La sortie a la forme d'une analyse — vocabulaire juste, structure crédible, ton assuré — sans qu'aucune probabilité n'ait été estimée derrière.

Concrètement, un chrono de 1'12" à Vincennes n'est pour lui qu'une chaîne de caractères parmi d'autres. Il sait que ce genre de nombre apparaît dans les textes de trot ; il ne sait pas ce qu'il représente comme effort.

Il paraphrase le consensus, il ne le conteste pas

Même avec les partants et les cotes sous les yeux, un modèle de langage fait ce qu'il fait de mieux : il synthétise ce qui se dit. Il vous ressortira donc, en substance, la presse hippique — les favoris, les noms connus, les drivers en vue. Or c'est exactement l'information déjà contenue dans les cotes, et donc sans valeur : si tout le monde le sait, c'est déjà dans le prix.

Un modèle de turf sérieux cherche l'inverse : les endroits où le marché se trompe. Un LLM, par construction, cherche la réponse la plus consensuelle. Les deux objectifs sont opposés.

Il n'est pas déterministe

C'est le test le plus parlant, et vous pouvez le faire vous-même. Posez trois fois la même question, dans trois conversations différentes, avec exactement les mêmes données. Vous obtiendrez trois classements différents, tous défendus avec le même aplomb. Un modèle statistique, lui, renvoie la même sortie pour les mêmes entrées. Cette variabilité seule disqualifie l'outil pour un usage de pari.

Hallucinations : le risque concret

Cette mécanique produit un effet secondaire bien documenté, et le turf y est particulièrement exposé.

Inventer plutôt que dire « je ne sais pas »

Un modèle de langage a une fâcheuse tendance à combler les trous. Confronté à une donnée qu'il n'a pas, il produit quelque chose de plausible plutôt que d'admettre son ignorance. Sur des noms de chevaux — souvent inhabituels, parfois inventés de toute façon — le terrain est idéal : il génère des noms qui « sonnent turf » et qui n'existent pas.

Le même mécanisme s'applique aux cotes et aux rapports. Le modèle produit des nombres crédibles, cohérents entre eux, et totalement déconnectés de la masse réelle des enjeux. Miser sur cette base est ruineux : vous pariez sur une fiction bien écrite.

Mon test, un mardi soir à Vincennes

Par curiosité, j'ai fait l'expérience proprement. J'ai collé les partants d'un Quinté+ et demandé une analyse. Le texte reçu était impeccable : une phrase d'accroche, un favori argumenté, deux outsiders « à surveiller », une conclusion prudente. Exactement ce que j'écrivais moi-même dans mes chroniques.

En regardant de près, tout s'effondrait. Deux des chevaux « en forme » ne l'étaient pas. Une statistique citée à l'appui d'un choix n'existait nulle part — inventée pour habiller l'argument. Et surtout : relancé le lendemain sur la même course, il m'a donné un autre favori, avec la même assurance. Ce n'est pas de l'analyse, c'est de la rédaction.

Ce que ChatGPT fait très bien au turf

Et maintenant l'autre moitié de la réponse, celle que personne ne donne. Parce que dire « c'est un jouet » serait aussi paresseux que de croire qu'il pronostique.

Comprendre les règles et le vocabulaire

C'est son meilleur usage, et il est excellent. Demandez-lui la différence entre un Quarté+ et un Super 4, ce qu'est une réduction kilométrique, comment se calcule un rapport en pari mutuel, pourquoi un cheval déferré des quatre pieds change de profil. Sur des notions stables et documentées, il vulgarise mieux que la plupart des guides. Le débutant qui veut arrêter de hocher la tête sans comprendre a là un professeur patient et gratuit.

Décortiquer un texte que vous lui donnez

Collez-lui la synthèse de presse d'une course, ou les commentaires d'arrivée des dernières sorties d'un cheval, et demandez-lui de résumer ou de repérer les récurrences. Là, il travaille sur votre matière, pas sur ses souvenirs. Le résultat est utile — à condition de vous rappeler qu'il vous restitue le consensus, pas une opinion contrariante.

Structurer votre gestion de bankroll

Demandez-lui de vous expliquer le critère de Kelly, de simuler l'évolution d'un capital sur une série de paris, de vous aider à écrire les règles de votre journal de bord. Ce sont des mathématiques générales, pas du turf : il est à l'aise. Et c'est probablement là qu'il vous fera gagner le plus d'argent — non pas en trouvant un cheval, mais en vous empêchant de miser trois fois votre mise habituelle un soir d'énervement.

Ce qu'il ne faut jamais lui demander

Un pronostic. Une cote. Un résultat passé de mémoire. Une statistique chiffrée qu'il n'a pas sous les yeux. Dès qu'il faut un chiffre exact, vérifiez-le à la source — sur pmu.fr, Le Trot ou France Galop.

Ce qu'exige un vrai modèle de pronostic

Si un LLM ne peut pas faire le travail, qu'est-ce qui le peut ? Trois choses, qu'aucun outil conversationnel ne coche.

Un entraînement sur des courses, et pas sur du texte. Des milliers de courses passées, avec leurs résultats, pour que le modèle apprenne des pondérations plutôt que des tournures de phrase. Notre modèle repose sur du gradient boosting — une méthode qui combine des centaines d'arbres de décision — entraîné sur l'historique et ré-entraîné régulièrement.

Une validation par backtest, sur des périodes que le modèle n'a jamais vues à l'entraînement. Sans ça, on ne mesure que sa capacité à recopier le passé. C'est la seule preuve qu'un parieur devrait accepter, et c'est celle qui manque à tous les « prompts miracles » vendus en vidéo.

Une calibration probabiliste. Un bon modèle sait dire qu'il ne sait pas : il sort une probabilité, pas une certitude. Un LLM, lui, affirme une erreur avec exactement le même aplomb qu'une vérité — et c'est bien ce qui le rend dangereux ici. Chez nous, le ROI est mesuré et suivi dans la durée, pertes comprises ; il n'y a pas de chiffre miracle à afficher, parce qu'un chiffre miracle est toujours un chiffre choisi.

Ma méthode : le chat explique, le modèle sélectionne

C'est là que je veux être franc avec vous, parce que ce serait facile de conclure « les LLM sont nuls, achetez chez nous ». Ce serait faux, et un peu malhonnête.

Notre assistant repose lui aussi sur un modèle de langage. La différence n'est pas dans la technologie, elle est dans le rôle qu'on lui donne. Il ne choisit aucun cheval. Il n'invente aucune cote. Son travail est d'expliquer, en français clair, la sélection produite par un modèle entraîné, et de répondre à vos questions sur une course précise. Le chat parle, le modèle décide. Les deux rôles ne se mélangent jamais — et c'est précisément la leçon de cet article.

Si vous voulez le voir tourner, l'assistant est sur le site (la bulle en bas à droite) : demandez-lui pourquoi tel cheval est retenu sur telle course, il vous donnera la lecture du modèle. La sélection du jour est sur la page Quinté de demain. Et si vous voulez creuser, la mécanique complète est détaillée dans notre article sur le pronostic par intelligence artificielle, le socle mathématique dans la méthode mathématique pour gagner au PMU, et le cas particulier des petits champs dans le guide du Super 4.

Un dernier mot. Aucun modèle, LLM ou pas, ne supprime l'aléa d'une course — et le mien pas davantage. Après trois mille réunions couvertes, ce que j'ai fini par comprendre, c'est que l'outil ne remplace pas la méthode. Il l'exécute. Le reste, c'est vous : votre discipline, votre budget, votre patience.

FAQ

Peut-on demander un pronostic PMU à ChatGPT ?

Non, et pas pour la raison qu'on lit habituellement. ChatGPT accède au web et trouvera vos partants sans difficulté. Le problème est qu'il n'a jamais été entraîné sur des courses : il prédit la suite de mots la plus plausible, pas une probabilité de victoire. Il paraphrase le consensus de la presse — donc l'information déjà contenue dans les cotes — et il n'est pas déterministe : la même question posée trois fois donne trois réponses différentes, toutes affirmées avec le même aplomb.

Pourquoi ChatGPT invente-t-il des chevaux et des cotes ?

Parce qu'un modèle de langage comble les trous plutôt que d'admettre son ignorance. Face à une donnée qu'il n'a pas, il produit ce qui est plausible. Sur des noms de chevaux, souvent inhabituels, il génère facilement des noms qui sonnent juste et n'existent pas. Le même mécanisme produit des cotes crédibles mais sans lien avec la masse réelle des enjeux. Vérifiez systématiquement tout chiffre à la source officielle.

À quoi ChatGPT peut-il vraiment servir pour le turf ?

À comprendre, pas à parier. Il est excellent pour expliquer une règle de pari, vulgariser une notion comme la réduction kilométrique ou le pari mutuel, résumer un texte que vous lui fournissez, ou vous aider à structurer une gestion de bankroll et à comprendre le critère de Kelly. Ce sont des tâches d'explication et de mathématiques générales, où il est à l'aise. Dès qu'il s'agit de désigner un cheval ou de citer un chiffre de mémoire, il faut s'arrêter.

Qu'est-ce qui distingue une IA spécialisée d'un chatbot généraliste ?

L'entraînement et la validation. Un modèle de turf apprend des pondérations sur des milliers de courses passées et se vérifie par backtest, sur des périodes qu'il n'a jamais vues. Il fournit une probabilité calibrée : il sait dire quand il ne sait pas. Un modèle de langage, lui, apprend des tournures de phrase et affirme une erreur avec la même assurance qu'une vérité. Ce n'est pas une question de puissance, mais d'outil adapté au problème.

Les « prompts secrets » qui promettent de gagner au PMU fonctionnent-ils ?

Non. Aucune formulation de question ne donnera à un modèle de langage une capacité qu'il n'a pas : celle d'avoir été entraîné sur des courses et validé par backtest. Un prompt ne crée pas de données. Les vidéos qui promettent des gains via un prompt miracle vendent du rêve, pas une méthode — et l'absence de tout résultat mesuré sur la durée est toujours le signe qui ne trompe pas.