← Notes

J'ai fait pronostiquer la Coupe du Monde à Claude, GPT et Gemini. Je tiens le score en live.

· ia · build · claude · 4 min · EN

J’avais une question bête en tête : si je demande aux trois meilleurs modèles de pronostiquer la Coupe du Monde, lequel se débrouille le mieux ? Pas en théorie, pas sur un benchmark de labo — sur des vrais matchs, avec des vrais résultats, et un score qui tombe en direct.

Alors je l’ai buildé. Ça s’appelle AI Prono Battle : Claude vs GPT vs Gemini sur la phase de poules du Mondial 2026, en temps réel. La démo est ici.

La règle du jeu

C’est volontairement simple, parce que la simplicité, c’est ce qui rend le truc honnête :

  • Les trois IA pronostiquent les 72 matchs de poules — 1, X ou 2 — avant le début du tournoi.
  • Les pronos sont figés : commités sur le repo, horodatés. Pas de retouche après coup possible.
  • Scoring minimal : 1 point par résultat juste. Pas de bonus pour le score exact. Tout le monde joue avec la même règle.
  • Trois écrans : Dashboard (les matchs + résultats), Classement (qui mène), Règles (la méthodo).

Pourquoi c’est plus malin qu’un benchmark classique

Les benchmarks d’IA ont tous le même problème : à force d’exister, ils fuient dans les données d’entraînement. Le modèle a déjà vu les réponses.

Là, impossible. Les matchs n’ont pas encore eu lieu au moment où les modèles pronostiquent. Aucun ne peut « tricher » : il n’y a pas de bonne réponse à mémoriser, elle se joue sur le terrain, après le cutoff. Même question pour les trois, même règle, résultat vérifiable par n’importe qui. C’est le genre d’évaluation que j’aime : infalsifiable.

Est-ce que ça mesure « l’intelligence » d’un modèle ? Non. Le foot reste largement imprévisible, et trois matchs sur quatre se devinent (un favori gagne souvent). Mais sur la marge — les matchs serrés, les pièges — c’est là que les modèles se séparent. Et ça, c’est amusant à regarder.

Comment c’est branché (la partie build)

C’est une mini-app, pas un produit. Le but, c’était de la sortir vite et qu’elle tourne toute seule :

  • Front en vanilla JS + CSS (néo-brutaliste, forcément), zéro framework, hébergé sur GitHub Pages. Le client fetch deux fichiers JSON — predictions.json et results.json — et calcule le classement côté navigateur.
  • Pas de base de données. Les pronos et les résultats vivent dans des fichiers JSON versionnés. Git est la base de données, et l’historique fait office de preuve d’antériorité.
  • Un agent Flue (sur Gemini 2.5 Flash) automatise la corvée : récupérer les résultats des matchs joués, mettre à jour le JSON, recalculer, committer. Je ne touche à rien — l’agent fait le tour à chaque journée.
  • Double logique de scoring : une version Python (score.py) et une version TypeScript, volontairement identiques. La TS tourne dans l’agent, la Python sert de contrôle. Si les deux divergent, c’est qu’il y a un bug — un filet de sécurité à deux lignes.

Ce que j’en retire

Honnêtement ? D’abord que c’est addictif à regarder. Mais surtout que ce format — figer une prédiction publique et la confronter au réel — est une bien meilleure façon de juger un modèle qu’un score sorti d’un PDF marketing.

Le classement live se joue ici : AI Prono Battle → (le code est ouvert). C’est une expérience de mon lab — buildée vite, lâchée dans la nature, et laissée tourner.