La règle fondamentale : ne jamais modifier en production
Un algo qui tourne en production (avec des mises réelles) ne doit jamais être modifié directement. Toute modification doit passer par une phase de test en parallèle — un "shadow bot" qui tourne avec les nouvelles règles sans miser, pendant que l'algo original continue inchangé.
Cette discipline protège contre les modifications émotionnelles (modifier pendant un drawdown) et permet de valider les améliorations avant de les déployer.
Comment analyser les pertes de ton algo
Avant d'optimiser quoi que ce soit, il faut comprendre où et pourquoi l'algo perd. Voilà les analyses à faire :
Analyse par ligue
Ton algo a-t-il un ROI positif sur toutes les ligues incluses ? Ou est-ce qu'une ou deux ligues "tirent vers le bas" les résultats globaux ?
Si une ligue a un ROI systématiquement négatif sur 200+ picks, il y a deux possibilités : soit c'est de la variance (attendre plus de volume), soit tes critères ne s'appliquent pas bien à cette ligue particulière (style de jeu différent, données moins fiables).
Analyse par fourchette de score
Les picks avec un score élevé (ex: 80-100/100) sont-ils plus profitables que ceux avec un score bas (50-65/100) ? Si oui, tu peux augmenter ton seuil de sélection minimum.
Analyse par heure de publication
Les picks publiés le matin ont-ils une meilleure CLV que ceux du soir ? Le timing de publication influence-t-il les résultats ?
Analyse par cote
Dans ta fourchette de cote, certaines sous-zones sont-elles plus profitables ? Un algo Over 2.5 peut être excellent sur les cotes 1.75-2.00 et perdant sur les cotes 2.00-2.35. Affiner la fourchette peut améliorer considérablement les résultats.
Le processus d'optimisation sécurisé
- Identifier une faiblesse précise : "l'algo perd sur les ligues d'Asie de l'Est"
- Formuler une hypothèse : "les données sont moins fiables sur ces ligues" ou "le style de jeu est différent"
- Définir une modification : exclure ces ligues ou ajuster les seuils pour elles
- Backtester la modification sur les données historiques
- Lancer en shadow mode pendant 4 à 6 semaines sans mises
- Comparer les résultats shadow vs original
- Déployer si les résultats sont meilleurs
Les améliorations les plus communes et leur impact
| Amélioration | Impact typique | Risque |
|---|---|---|
| Augmenter le seuil de score minimum | +1 à +3% ROI, -30 à -50% de volume | Faible |
| Affiner la fourchette de cote | +1 à +4% ROI | Faible |
| Exclure les ligues peu performantes | Variable | Moyen (risque d'overfitting) |
| Ajouter un critère CLV (cote supérieure à X% vs Pinnacle) | +2 à +5% CLV | Faible |
| Ajouter la pondération temporelle | +1 à +3% ROI | Faible à moyen |
Ce qu'il ne faut jamais faire
- Modifier les critères pendant un drawdown — c'est de l'overfitting émotionnel
- Changer deux paramètres en même temps — impossible de savoir lequel a aidé ou nui
- Supprimer des critères parce qu'ils "semblent" inutiles sans analyse quantitative
- Backtester une modification uniquement sur la période où elle aurait été bonne