(NOTE: Cet article fait partie d'une série en cours qui documente une expérience d'utilisation de l'IA pour remplir les catégories de la NCAA et voir comment elle se comporte par rapport à des années d'expérience humaine. L'article original est le suivant.)
Il s'agit de la dernière entrée de ma série sur l'utilisation de l'IA pour aider à jouer aux pools March Madness. Comme la plupart des histoires, j’espérais que celle-ci aurait une fin heureuse. Hélas, mon expérience utilisant ChatGPT pour m'aider à remplir mes tranches de tournoi NCAA se résume mieux comme suit : proche, mais pas de cigare.
Et pourtant, je qualifierais toujours l’expérience de succès.
Cela peut paraître étrange de la part de quelqu’un qui n’a pas gagné. Mais l’une des plus grandes leçons de cet exercice est que L'IA a amélioré mon processus plus qu'elle n'a amélioré la certitude. En d’autres termes, cela m’a aidé à mieux réfléchir, même si cela n’a pas pu éliminer la folie.
La semaine dernière, j'étais ravi d'avoir obtenu 13 des équipes Sweet 16 à droite. Mes supports se situaient près du sommet du classement, et je commençais à penser que je pourrais réellement y parvenir. Puis est arrivé le chaos classique du mois de mars.
Dans une poule de 65 tranches, je suis toujours près du sommet – à égalité au deuxième rang dans une tranche et à égalité au sixième dans une autre – ce qui n’est guère un désastre. J'avais l'Arizona et le Michigan qui avançaient correctement d'un côté du support, mais j'ai complètement raté l'autre. J'avais prévu que Duke et Florida se rencontreraient en demi-finale, Duke remportant finalement tout. Il y avait une certaine justice karmique chez Duke qui finissait par recevoir un Je vous salue Marie à la Laettner, mais cela mettait également fin à mes chances de gagner.
Pourtant, en entrant dans l'Elite Eight, mes tranches étaient dans le 98e percentile sur 26 millions d'entrées sur ESPN. Honnêtement, je ne peux pas dire que j’y serais arrivé sans l’aide d’AI. Et plus important encore, je suis reparti avec un ensemble de leçons que j'utiliserai l'année prochaine – parce que oui, je recommence.
Meilleur processus, même folie
Le point central à retenir est simple.
L’IA n’a pas produit de miracle, mais elle a produit un meilleur processus.
Au lieu de remplir une fourchette basée sur une vague intuition, des faits saillants récents ou toute autre équipe qui semblait imbattable un samedi après-midi, j'avais une manière plus structurée de penser au peloton. L'IA m'a aidé à organiser la décision, à comparer les résultats probables avec des choix à contre-courant plus élevés et à faire ressortir certaines des variables les plus importantes dans le jeu en tournoi.
Ce cadre a fonctionné. Il a identifié correctement bon nombre des équipes les plus fortes. Cela m’a empêché de commettre certaines des erreurs paresseuses habituelles. Cela m'a poussé vers une catégorie plus disciplinée et moins émotionnelle.
Ce qu’il n’a pas fait, c’est abroger les lois du basket-ball à élimination simple.
Il s’agit d’une distinction importante qui s’applique bien au-delà du sport. L'IA peut améliorer le jugement. Cela ne peut pas supprimer la volatilité.
Mettre plus de poids sur la dynamique de fin de saison
L’une des leçons les plus claires de ce tournoi est que je n’ai pas accordé suffisamment de crédit aux équipes qui s’échauffent au bon moment.
D’où viennent l’Illinois et l’Iowa ?
Oui, les deux étaient de bonnes équipes dans ce qui était clairement la conférence la plus forte du pays cette année. Mais je ne les ai pas vus sortir une tête de série n°1 en Floride et une tête de série n°2 à Houston. Ils atteignaient leur apogée tardivement et je ne pesais pas assez lourd.
L’année prochaine, je ferai plus attention à qui joue réellement son meilleur basket en mars, plutôt que de trop m’appuyer sur les statistiques de toute la saison. Bien sûr, un curriculum vitae sur toute la saison compte toujours. Mais dans un tournoi comme celui-ci, la forme peut compter presque autant que la qualité sous-jacente.
En termes commerciaux, c’est la différence entre évaluer une entreprise sur douze mois de résultats et reconnaître que quelque chose de significatif a changé au cours des six dernières semaines.
Accordez plus de poids aux entraîneurs, pas seulement aux joueurs
Je suis également reparti convaincu d’avoir sous-estimé le coaching.
Oui, ce sont les joueurs qui sont sur le terrain. Mais les entraîneurs comptent énormément en mars, en particulier dans un format unique où la préparation, les ajustements, les remplacements et le sang-froid peuvent faire basculer une saison entière.
Dan Hurley a rappelé une fois de plus à tout le monde pourquoi il est une telle force dans cet environnement. John Scheyer? Pas tellement.
L’année prochaine, je consacrerai plus de temps à examiner quels entraîneurs ont toujours montré qu’ils pouvaient naviguer dans le chaos des tournois de basket-ball. Le talent reste la base. Mais le coaching est souvent le multiplicateur de force.
Accepter les limites de la prévision
C’est peut-être la plus grande leçon de toutes.
Les prévisions, même lorsqu’elles sont aidées par l’IA, permettent d’identifier de grandes tendances. Il est beaucoup moins fiable lorsqu’il s’agit de prédire exactement ce qu’une personne particulière, ou une équipe particulière, fera un jour donné.
Une équipe de basket-ball universitaire ne compte que cinq adolescents sur le terrain à la fois. Des adolescents très talentueux, certes, mais toujours des adolescents. Et quiconque a passé du temps avec des jeunes sait qu'ils ont des hauts et des bas, des sautes d'humeur, de bons jours, de mauvais jours et des moments où tout va soudainement de travers. Parfois, ces changements se produisent au milieu d’un match de tournoi.
Si ces affrontements se déroulaient au meilleur des cinq ou au meilleur des sept, il y aurait moins de bouleversements. Mais dans un environnement unique, il est beaucoup plus facile pour Cendrillon d'avoir la dernière danse.
Ce n’est pas un échec de l’IA. C'est juste un rappel que certains environnements sont intrinsèquement bruyants. Le tournoi est conçu pour transformer de petits avantages en résultats spectaculaires. C'est pourquoi nous surveillons.
Dans le monde réel, l’IA est souvent plus utile que dans un pool de brackets
Les pools de brackets sont un test particulièrement impitoyable.
Ici, je devais avoir raison quant à savoir si le Connecticut battrait Duke. Il n’y avait aucun crédit partiel pour avoir identifié les deux équipes comme étant d’excellentes équipes. C’était purement binaire : gagner ou perdre, bien ou mal.
Dans le monde réel, bon nombre des décisions dans lesquelles j’utilise l’IA ne fonctionnent pas comme ça.
Il y a des années, un de mes professeurs disait que plus un choix est difficile, moins la décision compte souvent. Il y a là beaucoup de sagesse. Si je vous demande de choisir entre une ancienne Yugo et une Porsche Macan, vous vous déciderez instantanément. Et si vous choisissez le Yugo, vous le regretterez pour le reste de votre vie. Mais si je vous demande de choisir entre un Porsche Macan et un BMW X3, vous avez soudain une vraie décision. Vous pouvez comparer la fiabilité, le confort, les spécifications et les performances. Mais il y a de fortes chances que vous vous retrouviez toujours avec une excellente voiture.
C’est ainsi que l’IA est utile dans de nombreux contextes du monde réel. Il n’identifie pas toujours la meilleure option avec le recul, mais il peut souvent restreindre le champ à plusieurs options très solides. Cela reste extrêmement précieux.
Il en va de même pour l’investissement, la planification et la recherche. L’IA peut aider à identifier des voies prometteuses, des résultats probables et des options judicieuses. Choisira-t-il toujours le vainqueur de tous les temps ? Bien sûr que non. Mais cela peut vous éviter des erreurs évidentes et vous aider à faire un choix plus éclairé.
Des suggestions, pas des décisions
C’est, pour moi, la façon la plus saine d’envisager l’IA.
Récemment, nous avons visité Lima, au Pérou, et j'ai largement utilisé ChatGPT pour m'aider à décider quoi voir et où manger. Les endroits que nous avons visités faisaient-ils partie des dix meilleures options de la ville ? Je ne sais pas. Mais étions-nous satisfaits du voyage ? Absolument. Ai-je un sentiment persistant de manquer quelque chose ? Aucun.
Voilà à quoi ressemble une bonne assistance par l’IA.
Il aide à trier des quantités énormes d’informations et présente des options intéressantes. La qualité de ces options dépend fortement de la qualité des invites. Plus vous expliquez clairement vos intérêts, vos contraintes, votre budget et vos préférences, meilleures sont les suggestions.
Mais ce sont toujours des suggestions.
Nous sommes loin du point où quiconque devrait confier la responsabilité de sa vie à un modèle d’IA. Nous ne devrions pas non plus le vouloir.
Ce que je ferai différemment l'année prochaine
L’année prochaine, j’accorderai plus d’importance à la dynamique de fin de saison, plus d’importance au coaching et plus d’importance à la volatilité. Je ferai moins confiance aux favoris vulnérables et je serai plus attentif aux équipes qui semblent dangereuses même si leur tête de série dit le contraire.
Tout aussi important, j’aborderai cet exercice avec une meilleure compréhension de ce que l’IA peut et ne peut pas faire.
Cela peut améliorer le processus. Cela peut affiner l’analyse. Cela peut aider à organiser l’incertitude.
Ce qu’il ne peut pas faire, c’est faire en sorte que mars cesse d’être mars.
A l'année prochaine
Alors oui, March Madness a finalement revendiqué mon expérience d’IA.
Mais cela a également prouvé que l’expérience en valait la peine.
L’IA n’a pas fourni un support parfait. Cela n’a pas éliminé l’incertitude. Cela n’a pas fait de moi un champion. Cela m'a aidé à réfléchir plus systématiquement, à évaluer le domaine plus intelligemment et à être bien meilleur que ce que j'aurais probablement fait avec mon seul instinct.
C'est un résultat significatif.
Je reviendrai donc l'année prochaine — avec un cadre un peu meilleur, un peu plus d'humilité et le même respect pour le fait qu'aucun modèle, aussi sophistiqué soit-il, n'aura le dernier mot en mars.
Si vous avez suivi cette série en cours de route, merci d'avoir lu. Et si vous me battez dans votre poule sans aucune aide de l'IA, profitez du tour de victoire tant que vous le pouvez.
L'année prochaine, la machine et moi viendrons nous venger.
