Qu'est-ce qu'un superprévisionniste ?
Un superprévisionniste (superforecaster en anglais) est une personne dont les prévisions probabilistes se sont révélées, sur un grand nombre de questions notées, systématiquement plus précises que celles de presque tous les autres prévisionnistes qui répondent aux mêmes questions. Le terme vient du Good Judgment Project de Philip Tetlock, l'une des équipes de recherche engagées dans un tournoi de prévision organisé par le gouvernement américain. Chaque année, le projet décernait ce titre aux 2 % de ses prévisionnistes les plus performants.
Le superprévisionnisme est la méthode que ces personnes avaient en commun : décomposer une question en éléments, partir du taux de base, mettre un chiffre précis sur ce que l'on croit et le réviser par petites touches. Tetlock et le journaliste Dan Gardner l'exposent dans Superforecasting: The Art and Science of Prediction (2015), et l'essentiel peut s'apprendre.
Le tournoi lui-même reposait sur une idée étrange. En 2011, l'Intelligence Advanced Research Projects Activity (IARPA), une branche de recherche de la communauté du renseignement américaine, a voulu savoir si quelqu'un était capable de bien prévoir les événements mondiaux, et a donc invité des équipes universitaires à s'affronter. Chaque équipe a recruté des bénévoles pour répondre à des questions géopolitiques difficiles avec des probabilités chiffrées : ce pays fera-t-il défaut ? Ces deux nations entreront-elles en conflit ? Ce dirigeant sera-t-il encore au pouvoir dans six mois ?
Tetlock et Barbara Mellers dirigeaient l'équipe Good Judgment. En quatre ans, des milliers de bénévoles en ligne ont produit plus d'un million de prévisions sur environ 500 questions, et les résultats ont mis les professionnels dans l'embarras. Good Judgment a fait 60 % mieux que le groupe témoin officiel du tournoi la première année, et 78 % mieux la deuxième. Elle a aussi devancé les équipes universitaires rivales, dont celles de l'université du Michigan et du MIT, avec des marges de 30 à 70 %. Elle a même battu le marché de prédiction interne de la communauté du renseignement, dont les analystes avaient accès à des données classifiées : sur 139 questions posées en 2013 et 2014, les meilleures méthodes de Good Judgment se sont montrées 34,7 % plus précises.
Le projet réunissait chaque année les superprévisionnistes en équipes et continuait de les noter. Si leurs résultats avaient tenu de la chance, ils auraient dû retomber vers la moyenne. Pour la plupart, il n'en a rien été. Environ 70 % ont conservé leur statut l'année suivante et, sur l'ensemble des prévisionnistes, la précision d'une année présentait une corrélation d'environ 0,65 avec celle de l'année suivante.
L'un des premiers superprévisionnistes, un programmeur informatique à la retraite nommé Doug Lorch, a produit environ un millier de prévisions au cours de sa première année et a terminé cinquième sur quelque 2 800 concurrents, avec un score de Brier de 0,22 (plus il est bas, mieux c'est ; nous y reviendrons plus loin). L'année suivante, au sein d'une équipe de superprévisionnistes, il a obtenu 0,14, le meilleur score du projet. Ce n'était ni un espion ni un quant. C'était un amateur qui avait trouvé un système qui marchait.
Le nom a survécu au tournoi. Good Judgment Inc., la société commerciale issue du projet, l'emploie toujours (sous la forme Superforecaster®) pour désigner ses prévisionnistes professionnels, et les chercheurs en IA considèrent désormais les superprévisionnistes comme la référence humaine à l'aune de laquelle on note les modèles de prévision.
La plupart des gens lisent ce livre pour mieux prédire les marchés ou la politique. Ce guide le traite comme un manuel d'entraînement du jugement, car réfléchir clairement à un avenir incertain est la compétence que vous mobilisez chaque fois que vous décidez de ce qu'il faut croire, des sources auxquelles vous fier et de ce qu'il faut faire de ce que vous apprenez.
Pourquoi la plupart des prédictions d'experts échouent
Tetlock a gagné le droit d'écrire ce livre à la dure. Ses travaux antérieurs, Expert Political Judgment (2005), ont suivi 284 commentateurs et analystes professionnels qui ont formulé quelque 28 000 prédictions sur une vingtaine d'années. Le verdict célèbre : l'expert moyen était à peu près aussi précis qu'« un chimpanzé lançant des fléchettes ». Pire encore, plus l'expert était célèbre, moins il tendait à être précis, car des récits assurés et à l'emporte-pièce vous font passer à la télévision, contrairement à des réserves prudentes.
Mais les moyennes cachaient une fracture. Empruntant la métaphore d'Isaiah Berlin, Tetlock a réparti les prévisionnistes en hérissons et en renards. Le hérisson connaît une seule grande chose et fait passer chaque question par une unique théorie grandiose. Le renard connaît beaucoup de petites choses, se méfie des grandes théories et assemble des preuves issues de multiples sources. Les renards prévoyaient systématiquement mieux. Les hérissons faisaient des prédictions plus audacieuses et attiraient davantage l'attention, mais leur unique grande idée continuait de les entraîner vers des erreurs commises avec assurance.
La leçon n'est pas que l'expertise soit inutile. C'est qu'être bien informé et être bien calibré sont deux compétences différentes. Bien connaître un sujet vous dit ce qui pourrait arriver. Cela ne vous dit pas automatiquement quelle est la probabilité de chaque issue, et c'est de probabilité que traite une prévision. Cet écart explique pourquoi des gens intelligents et informés ont si souvent tort avec assurance, un schéma que Daniel Kahneman a passé toute une carrière à documenter (voir comment appliquer Système 1 / Système 2).
Ce qui fait vraiment un superprévisionniste
La supposition évidente, c'est l'intelligence. Les superprévisionnistes ont bien obtenu des scores supérieurs à la moyenne aux tests d'intelligence et de connaissances, à peu près dans les 20 % supérieurs, mais ils n'étaient pas des cas à part. Beaucoup de gens très intelligents prévoyaient mal, et beaucoup de gens simplement brillants excellaient. Le QI fixait un plancher, pas un plafond.
Ce qui distinguait les meilleurs, c'était une habitude d'esprit que Tetlock appelle la « bêta perpétuelle » (perpetual beta), empruntant le terme informatique désignant un produit jamais achevé et toujours en cours d'amélioration. Les superprévisionnistes traitent chaque croyance comme un brouillon. Ils cherchent activement les raisons pour lesquelles ils pourraient se tromper, ils révisent par petites touches à mesure que de nouveaux éléments arrivent au compte-gouttes, et ils mènent des post-mortems honnêtes sur leurs erreurs. Tetlock écrit que cet engagement à réviser ses croyances et à s'améliorer est ce qui prédit le mieux l'accession au rang de superprévisionniste, un facteur environ trois fois plus puissant que son plus proche rival, l'intelligence. Adam Grant a bâti tout un livre, Think Again, autour de cette habitude.
Les personnes elles-mêmes étaient banales sur le papier. Bill Flack, l'un des prévisionnistes les plus remarquables, était un ancien employé du département de l'Agriculture des États-Unis qui vivait à Kearney, dans le Nebraska, et un passionné d'observation des oiseaux. Mary Simpson, une économiste devenue elle aussi superprévisionniste, a confié qu'elle « était complètement passée à côté du krach financier de 2007-2008 », et qu'elle était arrivée au tournoi « très sceptique quant à la capacité de quiconque à prévoir dans certains domaines ». Devenir bon là où l'on s'est autrefois lourdement trompé, c'est l'état d'esprit de développement de Carol Dweck, appliqué à une seule compétence qui s'entraîne.
Une bonne partie de tout cela s'enseigne, et vite. Dans une expérience randomisée, environ une heure de formation aux taux de base, au calibrage et aux biais courants a amélioré la précision des prévisionnistes de 6 à 11 %, et les prévisionnistes formés ont battu le groupe témoin non formé lors de chacune des quatre années du tournoi. Le travail en équipe aidait aussi : en moyenne, les équipes étaient 23 % plus précises que les individus, et les équipes de superprévisionnistes ont surpassé les marchés de prédiction de 15 à 30 %. L'implication rassurante de tout le livre, c'est que le superprévisionnisme est un comportement appris, et non une personnalité dont on serait privé à jamais.
« Fermi-iser » la question et partir de l'extérieur
Face à une grande question vague, la plupart des gens s'en remettent à leur intuition et à un gros titre. Les superprévisionnistes font l'inverse. Ils décomposent la question en sous-questions plus petites, chacune plus facile à analyser, une technique que Tetlock appelle « fermi-iser » d'après le physicien Enrico Fermi, célèbre pour estimer des grandeurs difficiles (comme le nombre d'accordeurs de piano à Chicago) en les décomposant. L'intérêt de découper un problème est de séparer ce que vous savez de ce que vous devinez, ou, comme le dit Tetlock, de « faire sortir l'ignorance au grand jour ».
L'étape suivante est contre-intuitive : partez de l'extérieur, pas de l'intérieur. La vue de l'intérieur, c'est l'histoire précise qui est devant vous, avec tous ses détails saisissants. La vue de l'extérieur pose une question plus froide : à quelle fréquence des choses de ce type se produisent-elles dans des situations de ce genre ? Ce taux de base est votre ancre. Si vous voulez prévoir si une start-up existera encore dans cinq ans, vous ne commencez pas par l'inspiration que dégage son fondateur. Vous commencez par le taux de survie des start-up en général, puis vous ajustez à la hausse ou à la baisse selon ce qui est véritablement particulier à celle-ci.
Les données du tournoi lui-même vont dans le même sens. Lors de sa dernière année, les prévisionnistes formés pouvaient cocher, parmi dix principes, ceux sur lesquels reposait leur explication, et un seul s'est révélé significativement lié à une meilleure précision : les classes de comparaison, autre nom de la vue de l'extérieur.
Le bon ordre compte. Ancrez-vous d'abord sur l'histoire saisissante vue de l'intérieur et chaque ajustement en sera contaminé. Ancrez-vous d'abord sur le taux de base et les détails deviendront des corrections apportées à un point de départ raisonnable, au lieu de constituer toute la base de votre estimation. C'est ce même instinct de renard, l'étendue avant la profondeur, que comment appliquer Range présente comme ce qui rend les généralistes si efficaces dans les domaines imprévisibles.
Penser en probabilités, pas en mots
Le langage ordinaire est l'endroit où les prévisions vont mourir. En mars 1951, une estimation officielle du renseignement américain (National Intelligence Estimate) concluait qu'une attaque du bloc soviétique contre la Yougoslavie devait être considérée comme une « possibilité sérieuse » (serious possibility). Lorsque Sherman Kent, un analyste de la CIA qui avait participé à sa rédaction, a demandé à ses collègues du Board of National Estimates quelle probabilité ils avaient en tête, leurs interprétations allaient de 20 % à 80 %. Kent, lui, la situait à environ 65 %. Tous avaient approuvé la phrase, et presque personne ne s'accordait sur ce qu'elle voulait dire. Une prévision de ce genre ne peut pas être notée, donc elle ne peut jamais être fausse, donc vous ne pouvez jamais en tirer de leçon.
Les superprévisionnistes refusent de s'y cacher. Ils traduisent leurs intuitions en probabilités précises et utilisent des gradations fines, 63 % plutôt qu'un « probable » arrondi. Cette précision n'est pas une fausse assurance, c'est le contraire. Lorsque Barbara Mellers et ses collègues ont arrondi les estimations des superprévisionnistes à 0,1 près, leur précision a baissé, ce qui signifie que ces petites distinctions portaient une véritable information. L'outil pour tenir le compte est le score de Brier, qui mesure à la fois le calibrage (les choses auxquelles vous attribuez 70 % se produisent-elles environ 70 % du temps ?) et la résolution (prenez-vous des positions décisives au lieu de vous cacher à 50 % ?). Plus il est bas, mieux c'est.
| Style de prévision | À quoi cela ressemble | Peut-on en tirer une leçon ? |
|---|---|---|
| Mots vagues | « Probablement », « une possibilité sérieuse », « peu probable » | Non, cela ne peut pas être noté |
| Chiffres ronds | « Environ 70 % » | Un peu, mais grossièrement |
| Probabilités fines | « 63 %, et voici pourquoi » | Oui, le calibrage s'améliore avec le temps |
Les chiffres font quelque chose que les mots ne peuvent pas : ils transforment une prédiction en retour d'information. Dites « 70 % » une centaine de fois et vous pouvez vérifier si environ 70 de ces choses se sont produites. Dites « probablement » une centaine de fois et vous n'avez rien appris sur vous-même. Les chiffres protègent aussi contre ce que Tetlock appelle le sophisme du « mauvais côté du peut-être » (wrong-side-of-maybe fallacy) : juger ratée une prévision à 70 % parce que c'est l'issue à 30 % qui s'est produite. Un seul échec ne vous apprend presque rien. Cent prévisions vous en apprennent beaucoup.
Réviser ses croyances comme un bayésien
Une prévision faite une seule fois et défendue à jamais n'est qu'une opinion. Le cœur de la méthode, c'est la révision : ajuster sa probabilité à mesure que de nouvelles preuves arrivent, en proportion de ce que ces preuves vous apprennent. C'est un raisonnement bayésien dans l'esprit, et les superprévisionnistes le pratiquent constamment, par petits incréments, sans drame.
La discipline joue dans les deux sens. La sous-réaction, c'est s'accrocher à une prévision antérieure parce qu'on est ancré, engagé ou gêné d'en changer. La surréaction, c'est bondir vers un nouveau chiffre à chaque gros titre qui tombe, en prenant le bruit pour un signal. Le savoir-faire consiste à calibrer l'ampleur de la révision sur le poids des preuves : une information mineure vous fait bouger de quelques points, une véritable surprise vous déplace beaucoup. Les superprévisionnistes étaient nettement meilleurs sur les deux plans, changeant d'avis plus souvent que les prévisionnistes moyens, mais aussi plus précisément.
Ce qui rend cela difficile, ce n'est pas le calcul, c'est l'ego. Réviser signifie concéder publiquement que votre dernière prévision n'était pas parfaite, et la plupart des gens préfèrent être cohérents plutôt que précis. Le remède, c'est de cesser de traiter un changement d'avis comme une défaite. Dans Thinking in Bets, Annie Duke présente la même démarche comme le fait de séparer ses croyances de son identité : la question n'est jamais « avais-je raison », mais « que crois-je maintenant, au vu de tout ce que je sais aujourd'hui ».
Bâtir une pratique de prévision à laquelle vous vous tiendrez vraiment
Tout ce qui précède s'effondre sans trace écrite. Si vous ne notez pas ce que vous avez prédit, quand et pourquoi, la mémoire réécrit discrètement l'histoire pour que vous ayez eu, au fond, toujours raison. La chose la plus concrète que vous puissiez tirer de Superforecasting est un journal de prévision, et les Dix Commandements de Tetlock sont la liste de contrôle qui y a sa place.
| Commandement | Ce que cela signifie en pratique |
|---|---|
| Faire le tri | Consacrer ses efforts aux questions où le travail porte vraiment ses fruits, et non à celles qui sont triviales ou sans espoir |
| Décomposer les problèmes | Fermi-iser : diviser une grande question en morceaux traitables |
| Équilibrer vue de l'extérieur et de l'intérieur | Partir des taux de base, puis ajuster selon les spécificités |
| Réviser ses croyances | Corriger par petites touches pondérées par les preuves |
| Chercher les forces causales opposées | Tenir en tête plusieurs explications concurrentes à la fois |
| Doser correctement le doute | Traduire ses intuitions en probabilités précises |
| Équilibrer prudence et esprit de décision | Ne pas se précipiter vers la certitude ni se cacher derrière un « peut-être » |
| Apprendre de l'échec et du succès | Mener des post-mortems sans complaisance sur les deux |
| Maîtriser la prise de perspective en équipe | Être en désaccord de façon productive, poser des questions précises |
| Pratiquer délibérément avec retour d'information | Traiter la prévision comme un savoir-faire qui se travaille |
Tetlock ajoute un onzième commandement, à moitié pour rire : ne traitez pas les commandements comme des commandements. Ce sont des lignes directrices pour un monde désordonné, pas des lois.
C'est ici que vos outils de lecture deviennent des outils de prévision. Quand une analyse que vous lisez ou un briefing que vous regardez avance une affirmation sur l'avenir, capturez-la. Avec le surligneur web de Glasp, vous pouvez surligner la prédiction exacte et ajouter votre propre probabilité en note, directement sur la source. Pour les longues argumentations vidéo, les résumés de vidéos YouTube vous permettent d'extraire les affirmations clés et de les horodater afin de consigner une prévision pour chacune.
Si vous lisez Superforecasting lui-même sur Kindle, importez vos surlignages Kindle pour que les commandements que vous avez marqués côtoient les prévisions que vous formulez. Au fil des mois, ces annotations deviennent un historique dans lequel vous pouvez faire des recherches, et le chat IA de Glasp vous permet de poser des questions sur tout ce que vous avez sauvegardé lorsque vous revoyez votre propre raisonnement. C'est l'équivalent, côté lecture, de tenir le compte, et cela s'accorde naturellement avec l'approche du cahier de lieux communs numérique pour rassembler ce que vous apprenez.
Comment devenir superprévisionniste
Il n'existe ni examen ni formation qui vous remette ce titre. Vous le gagnez comme l'ont fait les premiers superprévisionnistes, grâce à un long historique de prévisions notées, meilleur que celui de presque tous les autres prévisionnistes qui répondent aux mêmes questions. Quelques coups heureux ne prouvent rien. Des centaines de prévisions notées commencent à prouver quelque chose.
Trois habitudes comptent plus que tout :
- Faites vos prévisions là où elles sont notées. Good Judgment Open est le site de prévision public de Good Judgment Inc., ouvert à tous, et Metaculus, où l'inscription est gratuite, organise des tournois saisonniers comme la Metaculus Cup. Les deux vous notent à l'aune de la réalité et par rapport à tous ceux qui ont répondu à la même question.
- Répondez à beaucoup de questions, et continuez de réviser vos prévisions. Mesurer la précision exige un échantillon. Les superprévisionnistes étaient sélectionnés sur les résultats de toute une saison, et ils révisaient leurs prévisions au fil de l'actualité au lieu de se prononcer une fois pour toutes et de passer à autre chose.
- Mettez votre raisonnement par écrit. Good Judgment indique recruter chaque automne d'éventuels superprévisionnistes professionnels parmi les participants de Good Judgment Open, et demander aux aspirants d'y faire des prévisions sur au moins 100 questions. L'entreprise examine avant tout la précision moyenne, mais aussi la qualité des commentaires écrits et l'esprit collégial. Les personnes retenues peuvent se voir proposer une mission d'essai, et les recrues doivent accomplir une période probatoire de trois mois. Metaculus choisit ses Pro Forecasters (prévisionnistes professionnels) pour leur historique de résultats et pour « leur habitude avérée d'exposer clairement leurs raisonnements ».
| Où s'entraîner | Ce que vous y trouvez | Voie vers un titre |
|---|---|---|
| Good Judgment Open | Questions notées sur l'actualité mondiale, classements | Les participants régulièrement parmi les meilleurs peuvent prétendre à la sélection annuelle des superprévisionnistes professionnels de Good Judgment |
| Metaculus | Questions, tournois, prévisions de la communauté, scores | Les Pro Forecasters sont choisis pour leur historique et pour des raisonnements clairement expliqués |
| Un journal de prévision personnel | Des questions tirées de votre propre travail et de vos lectures | Aucune, mais c'est là que commence le calibrage |
Ne renoncez pas au journal sous prétexte que les plateformes existent. Les questions des plateformes sont rédigées par quelqu'un d'autre. Les prévisions qui aiguisent le plus votre jugement portent sur des questions que vous choisissez vous-même : un projet sera-t-il livré dans les délais ? La prédiction d'une source tiendra-t-elle ? La tendance décrite dans l'article que vous venez de lire va-t-elle se poursuivre ?
Superprévisionnistes face à l'IA : où en est-on en 2026 ?
Sur les questions claires qui se résolvent en quelques mois, les meilleurs systèmes de prévision par IA ont rattrapé les superprévisionnistes, et sur les questions générées à partir de séries de données, ils les ont probablement dépassés. Sur les questions ponctuelles qui font appel au jugement, personne n'a démontré d'avance statistiquement nette, dans un sens comme dans l'autre. L'équipe qui a conçu le principal banc d'essai et Good Judgment Inc., qui gère le panel professionnel de superprévisionnistes, interprètent les mêmes résultats de façon très différente.
ForecastBench, conçu par le Forecasting Research Institute (FRI), compare les scores de systèmes d'IA à ceux de superprévisionnistes sur deux types de questions : les questions de données, générées à partir de séries comme les indicateurs économiques, et les questions de marché, tirées de plateformes de prédiction. En janvier 2026, les superprévisionnistes étaient encore en tête, devant les meilleurs modèles de 0,017 point de Brier, un écart que le FRI estimait à environ un an de progrès des modèles. L'institut prévoyait la parité pour novembre 2026.
Elle est arrivée plus tôt. Le 16 juillet 2026, le FRI a annoncé que plusieurs systèmes, emmenés par celui de Cassi AI et parmi lesquels figuraient des modèles de xAI et de Google DeepMind, étaient statistiquement indiscernables des superprévisionnistes dans le classement de son tournoi. Selon le FRI, le système de Cassi était aussi le premier à se classer au-dessus de la médiane des superprévisionnistes sur les questions de marché. L'IA avait égalé les superprévisionnistes sur les questions de données dès le mois de mai et, en juillet, le FRI estimait que de nombreux systèmes les surpassaient probablement sur ce terrain. Ses mises en garde étaient franches : il avait recueilli pour la dernière fois des prévisions de superprévisionnistes en 2024, si bien que la comparaison repose sur un ajustement statistique entre des ensembles de questions qui n'ont aucune question en commun, et les intervalles de confiance se chevauchent tellement que les résultats « correspondent davantage à une parité avec les superprévisionnistes qu'à une surperformance ».
Huit jours plus tard, Good Judgment a répliqué dans un billet intitulé « Not So Fast » (« Pas si vite »), en avançant trois objections :
- La référence humaine est périmée. Good Judgment l'a décrite comme « un instantané figé, datant de juillet 2024, de superprévisionnistes pris individuellement, travaillant en grande partie seuls, avec un minimum de révisions », alors que les propres expériences du Good Judgment Project avaient montré que les équipes battent les individus.
- Certaines questions de marché sont des questions de données déguisées. Des questions comme celle de savoir si juillet 2026 serait le mois de juillet le plus chaud jamais enregistré sont, selon ses termes, « des questions de données habillées en questions de marché », que l'on peut résoudre à partir des relevés climatiques.
- Les modèles copient peut-être le marché. Le FRI avait auparavant constaté que les prévisions d'un modèle présentaient une corrélation de 0,994 avec les prix de marché qu'on lui montrait, ce qui pose la question de savoir quelle part de la précision d'une IA revient en fait au marché.
Metaculus mène l'autre grande comparaison, FutureEval, qui oppose les dix meilleurs bots de son tournoi de bots à dix de ses Pro Forecasters sur les mêmes questions. Lors de la manche du printemps 2026, les Pro Forecasters l'ont emporté de 1,25 point par question en confrontation directe, sur 99 questions, un écart que Metaculus a jugé non statistiquement significatif. Au cours des deux premiers trimestres de 2025, l'écart avait été de 17,7 puis de 20,0 points. Les humains occupaient encore neuf des dix premières places lorsque chacun était classé individuellement. Puis est venue la Metaculus Cup de l'été 2026, où les bots répondent aux mêmes questions que les concurrents humains, mais sans pouvoir remporter de prix. Deux bots, Laertes et le système de Mantic, ont terminé premier et deuxième du classement général, devant tous les concurrents humains.
| Banc d'essai | Qui est comparé | Dernier résultat |
|---|---|---|
| ForecastBench (FRI) | Systèmes d'IA contre une référence de superprévisionnistes datant de 2024 | Juillet 2026 : plusieurs systèmes statistiquement indiscernables des superprévisionnistes, et le système de Cassi classé au-dessus d'eux sur les questions de marché |
| Metaculus FutureEval | Équipe des 10 meilleurs bots contre 10 Pro Forecasters | Printemps 2026 : Pro Forecasters devant de 1,25 point par question, écart non statistiquement significatif |
| Metaculus Cup | Des bots sur les mêmes questions que les concurrents humains | Été 2026 : des bots ont terminé premier et deuxième du classement général |
Pour un lecteur, deux conséquences en découlent. D'abord, les personnes que décrit ce livre sont devenues l'étalon auquel on mesure la prévision par IA, et les meilleurs modèles ne l'ont atteint qu'en 2026. Ensuite, une prévision produite par une IA n'est qu'une source de plus à soupeser. Traitez-la comme un superprévisionniste traite un commentateur : demandez le taux de base, vérifiez si elle ne fait que répéter le marché, et consignez son affirmation pour pouvoir la noter plus tard.
Les limites honnêtes du superprévisionnisme
Le superprévisionnisme n'a rien de magique, et Tetlock est prudent quant à ses frontières. Les questions du tournoi avaient des dates de résolution claires et des réponses définies, et la plupart portaient sur un horizon compris entre un mois et un an. C'est exactement la zone où la méthode brille et exactement là où ne se trouvent pas la plupart des plus grandes questions de la vie. Demandez « y aura-t-il une guerre dans la prochaine décennie » et il n'existe aucune façon nette de noter la prévision, aucun retour d'information rapide et aucun moyen de s'entraîner.
La critique la plus tranchante vient de Nassim Taleb, qui soutient que les événements qui remodèlent véritablement le monde sont les rares « cygnes noirs » à fort impact que ces tournois excluent systématiquement. Être bien calibré sur des centaines de questions ordinaires, dirait-il, ne vous dit pas grand-chose de l'unique événement extrême qui compte. La réponse raisonnable de Tetlock, c'est que la compétence de prévision à court terme et l'humilité à long terme peuvent coexister : bien répondre aux questions connaissables vaut la peine, même si les inconnaissables demeurent inconnaissables.
Même sur des questions qui se résolvent bel et bien, le terrain peut se dérober sous la méthode. Lors de l'Existential Risk Persuasion Tournament (tournoi de persuasion sur les risques existentiels) du FRI, organisé en 2022, les superprévisionnistes n'accordaient que 2,3 % de chances qu'un système d'IA atteigne le niveau de la médaille d'or aux Olympiades internationales de mathématiques d'ici 2025. C'est arrivé en juillet 2025. Sur quatre bancs d'essai d'IA dont les questions sont désormais résolues, les superprévisionnistes avaient attribué aux résultats effectifs une probabilité moyenne de 9,7 %, contre 24,6 % pour les experts du domaine. Les taux de base viennent du passé, et c'est quand le processus qui les produit change qu'ils induisent le plus vite en erreur.
Il existe aussi un piège plus subtil. La notation peut vous entraîner vers des questions sûres et à court terme où vous paraîtrez bon, et vous éloigner des questions vagues et importantes où le jugement compte le plus. La méthode est un outil pour un type précis de question, pas une vision du monde. Bien employée, elle affûte votre pensée. Mal employée, elle devient un moyen de se sentir précis sur des choses qui ne comptent pas.
Questions fréquentes
Qu'est-ce qu'un superprévisionniste ?
Un superprévisionniste est une personne dont les prévisions probabilistes se sont révélées, sur un grand nombre de questions notées, systématiquement plus précises que celles de presque tous les autres prévisionnistes qui répondent aux mêmes questions. Le terme vient du Good Judgment Project de Philip Tetlock, qui décernait chaque année ce titre aux 2 % de ses prévisionnistes les plus performants. Environ 70 % d'entre eux conservaient le titre l'année suivante. Good Judgment Inc. l'emploie toujours pour son panel de prévisionnistes professionnels.
Qui sont les superprévisionnistes les plus célèbres ?
Deux des plus connus font l'objet d'un portrait dans le livre de Tetlock, Superforecasting. Doug Lorch, programmeur informatique à la retraite, a terminé cinquième sur quelque 2 800 prévisionnistes lors de sa première année, puis a obtenu le meilleur score du projet l'année suivante. Bill Flack, habitant du Nebraska et ancien employé du département de l'Agriculture des États-Unis, s'est lui aussi distingué. Aucun des deux n'était prévisionniste professionnel ni analyste du renseignement.
Les superprévisionnistes sont-ils meilleurs que l'IA ?
Pas clairement, du moins en 2026. En juillet 2026, le Forecasting Research Institute a annoncé que plusieurs systèmes d'IA étaient statistiquement indiscernables des superprévisionnistes sur ForecastBench, et que beaucoup faisaient probablement mieux sur les questions générées à partir de séries de données, même si sa référence humaine date de 2024. Les Pro Forecasters de Metaculus devançaient encore la meilleure équipe de bots au printemps 2026, avec un écart trop faible pour être statistiquement significatif, mais lors de la Metaculus Cup de l'été 2026, deux bots ont terminé devant tous les concurrents humains. Good Judgment affirme ne pas avoir constaté, dans ses propres missions pour ses clients (un petit échantillon), que l'IA égalait les superprévisionnistes.
Comment devient-on superprévisionniste ?
Constituez-vous un long historique de prévisions notées. Faites régulièrement des prévisions sur Good Judgment Open ou Metaculus, répondez à beaucoup de questions plutôt qu'à quelques-unes, révisez vos prévisions au fil de l'actualité et mettez votre raisonnement par écrit. Good Judgment indique recruter chaque automne d'éventuels superprévisionnistes professionnels parmi les participants de Good Judgment Open, demander aux aspirants d'y faire des prévisions sur au moins 100 questions, examiner la précision, la qualité des commentaires et l'esprit collégial, proposer parfois une mission d'essai et imposer aux recrues une période probatoire de trois mois.
Le superprévisionnisme peut-il s'apprendre ?
Oui, et c'est la conclusion centrale du livre. Les superprévisionnistes obtenaient des scores supérieurs à la moyenne en intelligence, mais n'étaient pas des génies, et Tetlock écrit que ce qui prédisait le mieux le fait d'en devenir un était la « bêta perpétuelle », l'engagement à réviser ses croyances et à s'améliorer, un facteur environ trois fois plus puissant que l'intelligence. Dans l'expérience de formation randomisée du tournoi, environ une heure de formation a amélioré de 6 à 11 % la précision de prévisionnistes ordinaires.
En quoi Superforecasting diffère-t-il de Thinking in Bets ?
Ils sont complémentaires. Thinking in Bets d'Annie Duke porte sur la qualité de la décision en situation d'incertitude et sur la distinction entre bonnes décisions et issues chanceuses. Superforecasting de Tetlock porte sur la prédiction elle-même : comment attribuer des probabilités justes à des événements futurs et mesurer si l'on était calibré. L'un traite de bien décider, l'autre de voir clair. Lus ensemble, ils couvrent les deux moitiés du raisonnement en situation d'incertitude.
Qu'est-ce qu'un score de Brier, en termes simples ?
C'est une façon de noter des prévisions probabilistes : plus le score est bas, mieux c'est, et zéro correspond à un score parfait. Il récompense deux choses à la fois : le calibrage (les choses auxquelles vous attribuez 70 % devraient se produire environ 70 % du temps) et la résolution (prendre des positions décisives au lieu de toujours louvoyer autour de 50 %). Pour le calculer, il vous faut un registre tenu à jour de vos prédictions et de leurs résultats, ce qui explique pourquoi tenir un journal de prévision est le fondement de toute la pratique.
Faut-il des maths pour devenir un meilleur prévisionniste ?
Aucune connaissance en mathématiques avancées n'est requise. Les gestes essentiels sont des habitudes : décomposer une question en éléments, partir d'un taux de base, exprimer son point de vue par un chiffre précis et réviser par petites touches à mesure que les preuves arrivent. La révision bayésienne est un état d'esprit avant d'être une équation. Le véritable goulot d'étranglement n'est pas le calcul, c'est la volonté de noter ses prédictions, de les vérifier honnêtement et de changer d'avis.
Comment commencer à m'entraîner dès aujourd'hui ?
Choisissez une poignée de questions à la réponse claire et à l'échéance proche, tirées de votre travail, de vos lectures ou de l'actualité. Notez pour chacune une probabilité précise et une phrase sur votre raisonnement. Lorsque chacune se résout, comparez et menez un court post-mortem. Surligner les prédictions au fil de votre lecture, avec une probabilité inscrite en marge, transforme votre lecture normale en un flux régulier de questions d'entraînement.
Conclusion
Le radicalisme discret de Superforecasting, c'est son optimisme. Pendant des décennies, la leçon des travaux de Tetlock a été cynique : les experts ne savent pas prédire, alors pourquoi essayer. Le tournoi a renversé cela. Un groupe de gens ordinaires, armés d'une méthode et de la discipline de tenir le compte, a appris à voir l'avenir plus clairement que des professionnels munis de dossiers secrets. La méthode s'enseigne, et l'essentiel se résume à des habitudes que tout lecteur attentif peut bâtir. Maintenant que les meilleurs systèmes d'IA font jeu égal avec les superprévisionnistes sur les principaux bancs d'essai, ces mêmes habitudes vous permettent de juger toute prévision qu'on vous soumet, qu'elle vienne d'une personne ou d'un modèle.
Commencez petit. Décomposez les questions, ancrez-vous sur la fréquence à laquelle des choses de ce type se produisent d'ordinaire, mettez un vrai chiffre sur votre croyance, et révisez-la sans ego à mesure que le monde vous répond. Puis mettez-le par écrit. Utilisez le surligneur web de Glasp pour capturer les affirmations que vous rencontrez en lisant et inscrivez sur chacune votre propre probabilité, appuyez-vous sur les résumés de vidéos YouTube pour consigner des prévisions sur les argumentations que vous visionnez, et laissez le fil communautaire de Glasp vous montrer comment d'autres lecteurs attentifs raisonnent face à la même incertitude. Bien prévoir est une compétence. Comme toute compétence qui vaut d'être acquise, elle se développe grâce à la pratique délibérée, à un retour d'information honnête et à une trace dont vous pouvez tirer des leçons. Pour le système de prise de notes qui fait tenir l'ensemble, voir comment prendre des notes intelligentes.
