Récemment, j'ai vu un cas assez intéressant : un robot de trading a effectué 8894 transactions sur un marché de prévision à court terme, et on dit qu'il a gagné près de 150 000 dollars. Ça ressemble à un conte de fées, mais la logique derrière est en fait une stratégie classique d'arbitrage crypto.

Le point clé de l'arbitrage est simple : sur le marché de prévision, les prix des contrats "Yes" et "No" devraient théoriquement s'additionner pour faire 1 dollar. Mais dans des conditions de faible liquidité et de forte volatilité, ces deux prix peuvent parfois brièvement s'additionner à moins de 1 dollar. Le robot achète simultanément les deux côtés à ce moment-là, et lorsqu'arrive la clôture du marché, il verrouille le profit. Cela peut sembler marginal, à quelques cents, mais avec 1000 dollars de capital, chaque transaction peut rapporter entre 15 et 30 dollars. Ces petits gains, répétés des milliers de fois, s'accumulent pour devenir un revenu conséquent. Le robot n'a pas besoin d'être stimulé, il a besoin de répétabilité.

Ce qui est encore plus intéressant, c'est que cet arbitrage crypto ne se limite pas à cette simple stratégie. Certaines stratégies plus complexes comparent différents marchés — par exemple, en confrontant la probabilité implicite du marché d'options avec le prix du marché de prévision. Le prix des options encode essentiellement la prévision collective des traders sur l'évolution future de l'actif, et en utilisant des options call et put à différents prix d'exercice, on peut déduire une distribution de probabilités implicites. Si le marché des options estime qu'il y a 62 % de chances que le bitcoin dépasse un certain prix dans une fenêtre temporelle donnée, mais que le marché de prévision n'en donne que 55 %, cette différence devient une opportunité d'arbitrage.

Les évolutions actuelles concernent surtout la montée en puissance des outils. Les systèmes d'IA peuvent surveiller en continu les prix de plusieurs marchés, calculer en temps réel les probabilités implicites, et ajuster automatiquement les positions. Plus besoin d'intervention humaine ou de coder manuellement chaque règle. Les modèles d'apprentissage automatique peuvent tester diverses variantes de stratégies, optimiser les seuils, et s'adapter à différents environnements de volatilité. Certains setups incluent même plusieurs agents IA surveillant simultanément différents marchés, équilibrant dynamiquement les expositions, et s'arrêtant automatiquement en cas de baisse de performance.

Mais il y a une contrainte concrète : la liquidité. Sur un contrat à terme sur le bitcoin à cinq minutes, la profondeur d'un côté en période d'activité est généralement de 5000 à 15000 dollars. Cela signifie que si quelqu'un veut déployer 100 000 dollars, il va instantanément faire disparaître la différence de prix. La profondeur du carnet d'ordres des principaux exchanges de dérivés perpétuels est souvent plusieurs dizaines de fois supérieure. Ainsi, ce marché est principalement occupé par de petits traders capables de déployer quelques milliers de dollars à la fois. Pour les grandes institutions, il faut attendre que la liquidité augmente.

Une question plus profonde est : la nature du marché de prévision consiste à agréger la croyance collective, produisant une estimation probabiliste en crowdsourcing. Mais si une part croissante du volume de transactions provient d'arbitrages cross-marchés automatisés plutôt que de jugements humains réels, le marché de prévision devient peu à peu une image miroir du marché dérivé, plutôt qu'une source indépendante de signaux. Ce n'est pas forcément une mauvaise chose — les arbitrageurs peuvent effectivement améliorer l'efficacité de la tarification en éliminant les écarts de prix. Mais cela modifie la nature même du marché. Ce qui était un espace d'expression d'opinions devient peu à peu une arène où l'on joue sur la latence et la microstructure pour prendre l'avantage.

Dans le domaine crypto, cette évolution est souvent très rapide. Les inefficacités sont découvertes, exploitées, puis érodées par la concurrence. Les gains stables d'autrefois disparaissent avec l'apparition de systèmes plus rapides. L'histoire de ce robot à 150 000 dollars pourrait n'être qu'une utilisation astucieuse d'une faille temporaire de prix. Mais elle indique aussi une tendance plus large : les marchés de prévision ne sont plus seulement des casinos numériques, ils deviennent le nouveau front de la finance algorithmique. Dans un monde où la victoire ou la défaite se jouent en millisecondes, ce sont souvent les machines les plus rapides qui gagnent.