Seldon Vault transforme la psychohistoire d'Asimov en service multi-agents de prévisions par IA

Seldon Vault est un service multi-agents gratuit qui publie chaque jour des prévisions d'événements mondiaux, puis vérifie leur justesse. Le projet s'inspire de la psychohistoire de Fondation d'Isaac Asimov, mais il repose sur des briques bien réelles : LLM, flux d'actualités, mises à jour bayésiennes et jeux de données ouverts.

Comment fonctionne Seldon Vault

Le service ne fonctionne pas comme un « oracle » unique, mais comme un petit bureau d'analyse. Il commence par collecter des signaux issus de sources ouvertes. Un processeur distinct élimine ensuite le bruit et décide ce qui relève de l'actualité urgente et ce qui relève d'une tendance structurelle de long terme. Cette première étape utilise un modèle peu coûteux, afin de ne pas gaspiller de ressources sur tout et n'importe quoi ni de gonfler le flux d'hypothèses vides de sens. Ce filtre sert à éviter qu'une information fraîche pèse autant qu'une rumeur lancée au hasard.

• médias mondiaux, Reddit, Telegram et Bluesky
• marchés prédictifs Polymarket et Metaculus
• données macroéconomiques FRED et indice Fear & Greed
• bases de données sur les conflits, les catastrophes et les événements géopolitiques

Après filtrage, les signaux partent simultanément vers sept analystes : l'un s'intéresse à la géopolitique, un autre à l'économie, un troisième à la technologie, puis viennent la sociologie, le climat, l'analyse militaire et la cybersécurité. Ils interprètent chacun différemment le même fait, puis proposent leurs prévisions assorties de probabilités. Un arbitre final en tire les 5 principales conclusions et publie des fiches de prévision bilingues avec une probabilité comprise entre 5 % et 95 %.

Le sceptique, les cascades et les métriques

La partie la plus intéressante de l'architecture est un agent sceptique dédié. Sa mission n'est pas d'aider les analystes, mais de démolir leurs conclusions : chercher des contre-exemples, vérifier les faits par recherche externe et repérer les failles du raisonnement. Dans l'article, l'auteur parle de doute institutionnalisé : l'idée qu'il vaut mieux, pour un système, tenter d'abord de prouver qu'il a tort plutôt que de se proclamer prématurément dans le vrai. En pratique, c'est un mécanisme d'autocritique intégré, qui élimine les analyses séduisantes mais fragiles avant qu'elles n'atteignent le flux final.

Un analyste doit chercher les raisons pour lesquelles il a tort avant

de rapporter à sa hiérarchie qu'il a raison.

Seldon Vault repose aussi sur les récits en cascade. Lorsque le système repère plusieurs prévisions liées, il construit une chaîne de causalité : par exemple, de nouvelles sanctions à l'exportation peuvent entraîner une pénurie de puces, des retards de production et un refroidissement des marchés connexes. Quand le premier événement de la chaîne se réalise, les probabilités des autres sont recalculées automatiquement. Pour qu'un seul déclencheur ne fasse pas osciller tout le modèle, l'influence s'atténue à chaque étape et se limite à quelques niveaux de profondeur.

Les prévisions qui passent ce test ne sont pas figées pour toujours. Toutes les six heures, le service lance un nouveau cycle, réévalue les probabilités selon une logique bayésienne et plafonne la variation quotidienne, afin de ne pas réagir de façon hystérique à chaque titre tapageur. En parallèle, le système calcule le Brier Score, une métrique de base de la justesse des prévisions probabilistes, et accumule des statistiques pour chaque agent. Ce retour est réinjecté dans les prompts pour que les modèles calibrent mieux leur confiance au fil du temps.

Où le système trébuche

L'auteur du projet écrit sans détour que les points faibles ne manquent pas. Premier problème : les hallucinations des LLM. Un modèle peut citer avec aplomb un événement qui n'a pas eu lieu et, si la recherche externe ne détecte pas l'erreur, celle-ci se retrouvera dans la prévision finale. Deuxième problème : la tendance des modèles comme des humains à se réfugier dans la zone sûre de 45–55 %. Sur le papier, cela paraît propre, mais en pratique trop de « 50 % » font de la prévision une façon polie de dire « je ne sais pas ».

Il existe aussi des limites plus fondamentales. Par définition, les cygnes noirs se prêtent mal à la prédiction à partir de schémas historiques, et les actualités, Reddit ou Telegram ne montrent pas la réalité elle-même, mais une version déjà filtrée par quelqu'un. Même un riche éventail de sources ne garantit donc pas l'objectivité. L'auteur reconnaît lui-même que le service a été lancé très récemment et que, dans quelques mois seulement, le Brier Score accumulé montrera si ce dispositif sait repérer les tendances mieux que le hasard.

Ce que cela signifie

Seldon Vault est intéressant non parce qu'il promet de « prédire l'avenir », mais parce qu'il tente de transformer les prévisions des LLM en système vérifiable, avec des rôles, une confrontation d'opinions et une métrique de qualité. Si cette approche survit aux premiers mois et conserve une précision correcte, les équipes d'analyse disposeront d'un outil utile pour surveiller les risques et les signaux faibles. Pour le marché, cela compte davantage qu'un énième chatbot aux réponses assurées mais invérifiables dans l'analyse d'entreprise et les médias.