💰 quantitative finance

ForesightFlow: An Information Leakage Score Framework for Prediction Markets

Cet article présente ForesightFlow, un cadre de score de fuite d'information pour détecter le trading informé sur les marchés de prédiction, et propose une extension ancrée sur une échéance pour remédier aux limites méthodologiques révélées par les évaluations empiriques des horodatages d'événements publics et des cas documentés de délits d'initié.

Auteurs originaux : Maksym Nechepurenko

Publié 2026-05-04

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Maksym Nechepurenko

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez une place publique mondiale et numérique où les gens parient sur des événements futurs : « Ce politicien va-t-il gagner ? » « Cette entreprise va-t-elle lancer un nouveau produit ? » « Une guerre éclatera-t-elle avant vendredi ? » Il s'agit d'un marché de prédiction. Dans ces marchés, le prix d'un pari agit comme une prévision météorologique pour l'avenir. Si le prix du « Oui » augmente, cela signifie que la foule estime que l'événement est plus susceptible de se produire.

L'article présente un nouvel outil appelé ForesightFlow, conçu pour repérer lorsqu'une personne triche dans cette place publique.

Le Problème : L'« Initié » dans la Foule

Dans un marché équitable, tout le monde apprend un événement en même temps. Mais dans ces marchés numériques, parce qu'ils sont anonymes et fonctionnent sur la technologie de la blockchain, il est très facile pour quelqu'un disposant d'informations secrètes (un « initié ») d'acheter des paris avant que l'information ne parvienne au public.

Pensez à une course de chevaux où un jockey sait que le cheval a la jambe cassée avant le début de la course. Il achète un ticket sur les autres chevaux, attend que la course commence, puis encaisse un profit massif lorsque le favori s'effondre. L'article note que ces dernières années, des initiés ont réalisé des centaines de millions de dollars de cette manière sur des plateformes comme Polymarket.

Le problème est que les méthodes actuelles pour attraper ces tricheurs ne fonctionnent que après la course. Au moment où nous savons qui a triché, l'argent est déjà parti et le « signal de prix » (la croyance du public) a déjà été déformé. Nous avons besoin d'un moyen de repérer le tricheur pendant qu'il place ses paris.

La Solution : Le « Score de Fuite »

Les auteurs ont construit un système appelé ForesightFlow pour agir comme un détecteur de fumée pour ces marchés. Le cœur de ce système est une métrique appelée Score de Fuite d'Information (ILS).

Voici l'analogie expliquant son fonctionnement :
Imaginez qu'un film est sur le point d'être sorti.

Le Prix d'Ouverture : Lorsque le marché de paris s'ouvre, le prix reflète ce que le public sait à cet instant précis.
L'Événement Informationnel : Le moment où la bande-annonce du film est officiellement diffusée au monde.
La Résolution : Le moment où le film sort réellement et où le pari est réglé.

Le Score de Fuite d'Information pose une question simple : « Dans quelle mesure le prix a-t-il bougé avant la sortie officielle de la bande-annonce ? »

Score de 0 : Le prix est resté stable jusqu'à la sortie de la bande-annonce. C'est un marché équitable ; personne ne savait rien à l'avance.
Score de 1 : Le prix a bondi jusqu'au niveau de « victoire » avant même que la bande-annonce ne soit diffusée. Cela suggère que quelqu'un connaissait le résultat et a parié dessus tôt. L'information a « fui » avant l'heure prévue.

Les Règles de « Portée » : Savoir Quand le Score Fonctionne

L'article précise soigneusement que ce score ne fonctionne pas pour chaque pari individuel. Les auteurs ont identifié trois règles spécifiques où le score est fiable :

La Règle de la « Surprise » : Le score ne fonctionne que si l'événement est réellement incertain. Si tout le monde connaît déjà la réponse (par exemple, le prix est à 99 % « Oui » dès le début), un tout petit mouvement de prix semble énorme mathématiquement, mais ce n'est que du bruit, pas de la triche.
La Règle « Échéance » vs « Événement » : C'est une découverte cruciale de l'article.
- Marchés d'Événements : « X va-t-il se produire ? » (par exemple, « Le Président va-t-il signer un projet de loi ? »). Le score fonctionne bien ici.
- Marchés d'Échéance : « X va-t-il se produire avant vendredi ? » Les auteurs ont constaté que la plupart des cas célèbres de triche se sont produits dans ces marchés d'« Échéance ». Le score original ne fonctionnait pas pour eux car la « nouvelle » est simplement l'écoulement du temps.
- La Correction : Les auteurs ont créé une nouvelle version du score (appelée Deadline-ILS) spécifiquement pour ces paris du type « Cela va-t-il se produire avant vendredi ? ». Cette nouvelle version compare le prix à une « attente de base » plutôt qu'au simple prix d'ouverture.
La Vérification du « Portefeuille » : Le score ne suffit pas à lui seul. Le système vérifie également qui parie. Si un tout nouveau portefeuille (créé il y a 10 minutes) sans historique déverse soudainement une énorme somme d'argent sur un pari spécifique juste avant la diffusion de l'information, c'est un signal d'alarme. Si un trader expérimenté avec une longue histoire le fait, cela pourrait simplement être une hypothèse avisée.

L'Étude Pilote : Ce Qu'ils Ont Appris

Les auteurs ont testé leur système sur des données réelles. Ils ont découvert des choses intéressantes :

Le Signal « Faux » : Lorsqu'ils ont essayé d'utiliser une simple estimation pour « quand l'information est survenue » (au lieu de trouver l'article réel), le système s'est confondu et a signalé des marchés innocents comme coupables. Cela leur a appris qu'ils doivent trouver le moment exact où l'information a éclaté pour rendre le score précis.
Le Vide de l'« Échéance » : Ils ont réalisé que leur outil original ne pouvait pas attraper les tricheurs les plus célèbres parce que ces tricheurs pariaient sur des marchés d'« Échéance ». Cela les a forcés à construire la nouvelle version « Deadline-ILS ».
L'Affaire « Barak » : Ils ont examiné un marché spécifique concernant une personnalité politique nommée Barak. Même avec un score parfait, ils n'ont pas pu prouver qu'il s'agissait de triche en regardant uniquement le prix. Ils ont dû examiner les portefeuilles et le timing pour réaliser que le mouvement de prix était en fait dû à des gens débattant des règles du pari, et non à des personnes disposant d'informations secrètes.

La Vue d'Ensemble

L'article conclut que repérer les tricheurs en temps réel est possible, mais cela nécessite une boîte à outils très spécifique :

Un Score : Pour mesurer dans quelle mesure le prix a bougé trop tôt.
Une Typologie : Pour savoir si le pari est un « Événement » ou une « Échéance » (et utiliser les mathématiques appropriées).
Une Forensique des Portefeuilles : Pour voir si les parieurs ressemblent à des initiés (nouveaux portefeuilles, paris énormes) ou à de simples particuliers.

Les auteurs ont publié leur code et une liste de cas de triche connus (l'inventaire « FFIC ») afin que d'autres puissent utiliser et améliorer ce système. Leur objectif n'est pas seulement de attraper les tricheurs pour le profit, mais de s'assurer que ces marchés de prédiction restent des outils dignes de confiance pour le public, plutôt que des terrains de jeu pour des personnes disposant d'avantages secrets.

1. Énoncé du problème

Les marchés de prédiction décentralisés (par exemple, Polymarket) agrègent des informations privées dispersées en signaux de prix, mais opèrent dans une zone grise réglementaire avec une participation pseudonyme. Cet environnement facilite le trading informé sur des informations matérielles non publiques (MNPI).

Le vide : Les méthodes de détection existantes (par exemple, Mitts & Ofir, 2026) sont presque exclusivement a posteriori, reposant sur les profits réalisés et les résultats de résolution. Elles n'offrent aucun signal exploitable pendant la fenêtre de trading lorsque le flux informé fait bouger les prix.
Le défi : La détection en temps réel nécessite des caractéristiques causales (observables avant la résolution) et des étiquettes qui ne divulguent pas d'informations futures. De plus, la structure spécifique de nombreux cas de délits d'initiés (contrats basés sur une date limite) ne correspond pas aux modèles standards résolus par événement.

2. Méthodologie : Le cadre ForesightFlow

L'article propose un système pour détecter le flux informé en temps réel en combinant la théorie de l'information, la microstructure de marché et la forensique de la chaîne de blocs.

A. Le score de fuite d'information (ILS)

L'innovation centrale est le score de fuite d'information (ILS), un générateur d'étiquettes scalaires pour les marchés binaires résolus.

Définition : $ILS(M) = \frac{\Delta_{pre}}{\Delta_{total}} = \frac{p(T_{news}) - p(T_{open})}{p(T_{resolve}) - p(T_{open})}$ $I L S (M) = \frac{Δ _{p r e}}{Δ _{t o t a l}} = \frac{p ( T _{n e w s} ) - p ( T _{o p e n} )}{p ( T _{r eso l v e} ) - p ( T _{o p e n} )}$
- $T_{open}$ : Création du marché.
- $T_{news}$ : Horodatage de la première mention publique de l'événement pertinent pour la résolution (récupéré via les URLs de preuve UMA, GDELT, ou une recherche assistée par LLM).
- $T_{resolve}$ : Heure de résolution formelle.
- $p(t)$ : Prix médian du token "OUI".
Interprétation : L'ILS quantifie la fraction du mouvement total des prix qui s'est produite avant l'événement d'actualité public.
- $ILS \approx 1$ : Prix anticipatif parfait (fuite forte).
- $ILS \approx 0$ : Le marché n'a réagi qu'après l'actualité publique.
Base théorique : Les auteurs relient l'ILS à la décomposition de Murphy du score Brier. Un ILS élevé indique que le composant "Résolution" (pouvoir discriminant) a été anticipé avant que l'ensemble d'informations publiques ne rattrape le marché.

B. Typologie de résolution et conditions de portée

Les auteurs identifient que l'ILS n'est interprétable que sous des conditions strictes, conduisant à une classification en trois types de marchés :

Résolu par événement : Un événement observable spécifique déclenche la résolution (par exemple, résultats d'élections). L'ILS est valide ici.
Résolu par date limite : Le marché résout NON si un événement ne se produit pas avant une date (par exemple, "X se produira-t-il avant vendredi ?"). L'ILS standard est invalide ici car $T_{news}$ est indéfini ou trivial.
Inclassable : Sports, comptes, etc.

Conditions de portée : Pour éviter des signaux erronés, l'ILS n'est rapporté que si :
- Vérification des effets de bord : Le prix d'ouverture n'est pas proche du consensus ( $p_{open} \in [0.1, 0.9]$ ).
- Vérification de résolution triviale : Le mouvement total des prix $|\Delta_{total}| > 0.05$ .
- Sensibilité à l'ancre : La valeur de l'ILS doit être robuste face à différentes spécifications d'ancre $T_{news}$ .

C. Pipeline de caractéristiques en temps réel

Pour détecter le flux avant la résolution, le système calcule un vecteur de caractéristiques $x(M, t)$ combinant :

Mesures de microstructure adaptées :
- Déséquilibre des ordres (OI) : Ratios de volume d'achat/vente.
- Toxicité de style VPIN : Déséquilibre du flux d'ordres synchronisé au volume.
- Lambda de Kyle : Impact de prix estimé par unité de flux d'ordres.
- Ratio de variance et bidirectionnalité : Diagnostics pour une dérive persistante par rapport à un bruit temporaire (adapté de Nechepurenko, 2026a).
Caractéristiques de portefeuille sur chaîne :
- Score de nouveauté du portefeuille : Une composition de l'âge du portefeuille, de l'historique de participation, de la concentration des sources de financement et du moment d'entrée par rapport à la résolution.
Priors conditionnels par catégorie : Le système se concentre sur trois catégories à haut risque : Militaire/Géopolitique, Divulgations d'entreprises et Décisions réglementaires.

D. Extension ILS-Délimitation

Une découverte clé de l'étude pilote est que les cas documentés de délits d'initiés sont majoritairement résolus par date limite. L'article étend l'ILS à ce domaine :

Mécanisme : Au lieu de s'ancrer sur un événement d'actualité, le score s'ancrée sur une croyance de base bayésienne ( $\theta_{T_{open}}$ ) dérivée d'un modèle de survie à danger constant.
Formule : $ILS_{dl} = \frac{p(T_{event}^-) - \theta_{T_{open}}}{p(T_{resolve}) - \theta_{T_{open}}}$ .
Cela permet de détecter les traders informés qui savent qu'un événement est imminent dans un contrat du type "X se produira-t-il avant la date Y ?".

3. Contributions clés

Reformulation : Déplace le problème de la forensique a posteriori vers l'inférence en temps réel, nécessitant des caractéristiques causales.
Métrique ILS : Introduit un générateur d'étiquettes théoriquement fondé lié aux règles de notation appropriées (décomposition de Murphy).
Typologie et portée : Définit des limites opérationnelles strictes (Événement vs Date limite) pour prévenir les faux positifs, validées par des données empiriques.
Architecture hybride : Combine les mesures classiques de microstructure (PIN, VPIN) avec des caractéristiques uniques de portefeuille sur chaîne (nouveauté, concentration de financement).
Inventaire FFIC : Publie un ensemble de validation curaté de 8 épisodes documentés de délits d'initiés (par exemple, frappes en Iran, Google Year-in-Search) mappés à des IDs de marchés spécifiques.
Extension Date limite : Formalise l'extension du cadre aux contrats à date limite, comblant le vide structurel dans la littérature existante.

4. Résultats et découvertes empiriques

L'article rapporte une étude pilote empirique sur 725 marchés résolus par événement et un audit de validation de l'inventaire FFIC.

Résultats négatifs de l'étude pilote :
- L'utilisation d'un proxy ancré sur la résolution ( $T_{resolve} - 24h$ ) pour $T_{news}$ a échoué à séparer les marchés informés des contrôles.
- Raison : Le proxy était structurellement inadapté. Pour les marchés résolus par événement, l'actualité réelle précède souvent la résolution de plusieurs jours, rendant la fenêtre "avant-actualité" en réalité "après-actualité".
- Sensibilité à l'ancre : Les valeurs de l'ILS étaient hautement sensibles au choix de l'ancre temporelle, échouant au test de robustesse.
Étude de cas (Marché Barak) :
- Une plongée en profondeur dans le marché "Ehud Barak" a montré que, bien qu'un ILS basé sur un proxy soit élevé (0,55), l'utilisation de l'horodatage dérivé de l'article (publication réelle de l'actualité) a légèrement déplacé l'ILS mais a révélé que les trades "tôt" étaient en réalité réactifs à l'actualité publique ou à l'arbitrage des critères de résolution, et non à des informations d'initiés.
- Conclusion : L'ILS seul est insuffisant ; il doit être combiné avec des caractéristiques au niveau du portefeuille (par exemple, identifier les portefeuilles professionnels par rapport aux nouveaux) et des vérifications strictes de portée.
Audit structurel :
- L'audit de l'inventaire FFIC a révélé que 100 % des cas d'initiés documentés étaient résolus par date limite, tombant hors du champ d'application de l'ILS original.
- Cela a nécessité l'extension ILS-Délimitation (Section 7) pour rendre le cadre applicable aux modèles réels de délits d'initiés.

5. Importance et travaux futurs

Bien public : Fournit le premier outil de surveillance transparent, reproductible et en temps réel pour les marchés de prédiction décentralisés, abordant le "paradoxe de l'autorité" où les marchés gagnent une crédibilité sociale tout en ayant des microstructures immatures.
Pont méthodologique : Relie la littérature sur les règles de notation appropriées (précision des prévisions) avec la forensique de la blockchain (détection du trading informé).
Open Source : Les auteurs publient l'inventaire ForesightFlow Insider Cases (FFIC), la typologie complète de résolution pour 911 237 marchés et tout le code du système.
Prochaines étapes :
- Évaluation empirique complète de l'ILS-Délimitation sur le cluster du conflit États-Unis–Iran de 2026 (rapporté dans un article complémentaire).
- Entraînement du modèle de détecteur sur l'ensemble de données affiné et étendu aux dates limites.
- Résolution des limites d'infrastructure (par exemple, pannes de l'indexeur The Graph pour les marchés d'un milliard de dollars).

Conclusion : ForesightFlow établit que le trading informé sur les marchés de prédiction est détectable en temps réel, mais uniquement si la méthodologie tient compte de la typologie spécifique du contrat (date limite vs événement), utilise des horodatages d'actualité robustes et intègre le comportement des portefeuilles sur chaîne avec les signaux de microstructure. Le cadre fait passer le domaine de l'analyse rétrospective "qui l'a fait" à la surveillance proactive de l'intégrité du marché.