Une prévision doit permettre un calcul non ambigu
« L’activité sera difficile l’an prochain » ne peut pas être vérifié proprement : la phrase ne comporte ni seuil, ni date, ni source du résultat. Une prévision pédagogique utile serait : « Avec une probabilité de 70 %, le chiffre d’affaires annuel publié d’une entreprise hypothétique dépassera celui de l’année précédente à périmètre identique. » Indiquez ensuite la devise, le rapport, la date de résolution et le traitement des retraitements. La pratique importante est la façon de consigner l’énoncé, non la prévision d’un titre particulier.
La méthodologie d’évaluation distingue la vérification d’une prévision, la comparaison de plusieurs approches et la combinaison de prévisions. Ces tâches exigent des mesures adaptées : l’erreur d’une estimation ponctuelle et la qualité d’une probabilité d’événement ne sont pas la même chose. Les recherches sur les prévisionnistes professionnels soulignent aussi qu’une estimation ponctuelle ne communique pas à elle seule l’incertitude de son auteur.[1][2]
Un journal difficile à réécrire après coup
Chaque entrée doit comporter la date de création, la formulation, la probabilité, le fondement, la date limite et la règle de détermination du résultat. Ne supprimez pas l’entrée initiale lors d’une mise à jour. Une nouvelle information peut justifier une modification de la probabilité, mais il s’agit alors d’une nouvelle version avec sa propre date. Si une prévision est annulée parce que le périmètre de reporting a changé, conservez le motif de l’annulation au lieu de supprimer discrètement une observation gênante.
Un tableau vide est souvent plus utile qu’un modèle complexe. Séparez l’hypothèse sur le fait à venir et la décision d’action : une probabilité élevée de croissance du chiffre d’affaires ne signifie pas qu’un cours est attractif. La probabilité peut être vérifiée indépendamment du résultat d’investissement. La question du prix et du risque relève des [décisions fondées sur la valeur attendue](/guides/expected-value-decisions/) et ne se résout pas par la seule confiance dans un événement.
Petit calcul du score de Brier
Pour un événement binaire, prenez le carré de la différence entre la probabilité et le résultat : un signifie que l’événement s’est produit et zéro qu’il ne s’est pas produit. La moyenne de ces carrés est le score de Brier ; une valeur plus faible correspond à une erreur quadratique plus faible. Pour quatre événements fictifs, les probabilités sont 0,8 ; 0,6 ; 0,3 ; 0,1, et les résultats sont 1 ; 0 ; 1 ; 0. Les erreurs sont 0,04 ; 0,36 ; 0,49 ; 0,01. Leur moyenne est 0,225.
Une prévision constante de 50 % sur les mêmes résultats donnerait 0,25. Il existe une différence dans ce petit tableau, mais quatre observations ne démontrent pas un avantage durable. Elles ne doivent surtout pas être considérées comme indépendantes si tous les événements concernent un même choc macroéconomique. Avant de comparer les chiffres, vérifiez que la liste des événements est identique : un auteur qui n’a retenu que des questions faciles résolvait une autre tâche.
Calibration et pouvoir discriminant utile
La calibration signifie que les probabilités annoncées correspondent aux fréquences observées dans un groupe comparable de prévisions. Par exemple, quatorze événements sur vingt annoncés à 70 % se sont produits. Cela est compatible avec un niveau de 70 %, mais ne prouve pas la précision de la série suivante : le groupe est petit et peut être dépendant. Il faut des intervalles d’incertitude et des règles de regroupement définies à l’avance.
Une prévision peut être assez bien calibrée tout en étant peu informative si elle répète toujours la fréquence de base. Vérifiez donc aussi si l’approche distingue les événements fréquents des événements rares. N’augmentez pas artificiellement la confiance pour obtenir une séparation spectaculaire : une probabilité erronée et trop assurée reçoit une forte pénalité. La combinaison de plusieurs opinions ne garantit pas non plus une amélioration, surtout lorsqu’elles utilisent le même modèle initial.
Analyser l’erreur plutôt que classer les prévisionnistes
Après la résolution de la question, demandez-vous si l’erreur venait des données, du modèle causal ou du niveau de confiance. Notez séparément si l’événement avait été correctement formulé. N’évaluez pas une probabilité sur un seul résultat : un événement à 10 % doit parfois se produire. En revanche, transformer systématiquement des événements « peu probables » en événements fréquents justifie de revoir le modèle et la qualité des informations initiales.
Dans les recherches primaires, recherchez l’échantillon, la fonction de perte et les règles de mise à jour, pas seulement un classement de précision. Pour vos propres observations, fixez à l’avance un modèle de base simple et conservez le journal complet. Le résultat important est une description plus honnête de l’incertitude, non une licence pour prévoir les prix avec un bénéfice garanti. La vérification de la fiabilité des publications sources se poursuit dans la [fiche de source financière](/guides/source-verification-finance/).
Vérifier avant de commencer le journal
Faites une résolution d’essai : deux lecteurs pourraient-ils déterminer indépendamment le même résultat à partir du document indiqué ? Si l’un choisit la publication initiale et l’autre une correction ultérieure, l’instruction est insuffisante. Précisez-la avant que le résultat soit connu. Ce travail semble moins intéressant que l’attribution d’une probabilité, mais il rend l’évaluation ultérieure pertinente.
Consignez séparément la fréquence de base et la manière dont elle a été obtenue. Elle doit être disponible à la date de la prévision et concerner des cas comparables, plutôt que d’être calculée à partir d’un échantillon futur. Vous pourrez ensuite comparer votre estimation à un repère simple. Les définitions de la [calibration](/glossary/kalibrovka-prognoza/) et du [score de Brier](/glossary/ocenka-brayera/) répondent à des questions différentes : l’accord des fréquences et la taille de l’erreur quadratique. Un bon journal conserve ces deux aspects sans les substituer à l’analyse des causes.
Sources et limites de la vérification
[1] [Forecast Evaluation and Combination](https://www.nber.org/papers/t0192). Comparaison de prévisions, y compris probabilistes ; les calculs pédagogiques ici sont propres au texte.
[2] [Comparing the Point Predictions and Subjective Probability Distributions of Professional Forecasters](https://www.nber.org/papers/w11978). Une estimation ponctuelle ne révèle pas l’incertitude.