Je ne peux pas assez souligner à quel point les progrès de l’IA constituent un fort vent en poupe pour les marchés de prévision. Historiquement, les futures et les options ont toujours été nettement plus liquides que les marchés de prévision, car évaluer ces instruments et fournir une liquidité delta-neutre est beaucoup plus simple. Il est extrêmement facile de mettre en œuvre une stratégie de market making qui se contente de couvrir l’exposition à un actif sur n’importe quelle plateforme liquide. Après tout, il existe des centaines de sources de liquidité pour l’ETH ou le BTC. Mais il est des ordres de grandeur plus difficile de mettre en œuvre une stratégie delta-neutre pour le coût de location des puces de NVDA, par exemple. C’est pourquoi la majorité de la liquidité des marchés de prévision provient de LP et de traders qui modélisent le résultat d’un contrat spécifique, puis fournissent de la liquidité là où ils estiment que le prix devrait être. C’est précisément cette partie modélisation qui était auparavant trop exigeante même pour les plus actifs et performants ateliers de trading haute fréquence. Mais aujourd’hui, ce qui nécessitait autrefois d’importants ressources en ingénierie pour développer un algorithme d’apprentissage automatique sur mesure, revient désormais à simplement connecter plusieurs API de données à une stratégie qui s’appuie sur les modèles de pointe. Et avec de nouvelles innovations comme Jev, ces stratégies deviennent de plus en plus réalisables à grande échelle. C’est un domaine d’intérêt prioritaire pour Trueo. On me répète régulièrement que si nous parvenons à résoudre le problème de la liquidité sur notre plateforme, nous aurons l’opportunité de concurrencer directement Poly et Kalshi. Ce que je dis, c’est que cet objectif n’a jamais été aussi accessible. Et nous allons le prouver très prochainement.