44 ans · Frère de Carlos · Jamais sobre passé 20 h
Le bar ne croit pas en lui. Le bar a peut-être tort.
Même famille que Carlos, même moteur, caractères opposés. Là où son frère classe froidement tout le peloton, Bertrand ne veut savoir qu'une chose : qui gagne.
C'est le genre à dire « j'ai un bon feeling » avant de perdre le prix de sa tournée. Sa famille croit en lui. Le comptoir beaucoup moins.
Et pourtant, sur les derniers mois, il est l'un des deux qui perdent le moins. Personne au bar n'a encore trouvé comment le lui annoncer.
Constant. Il ne fait pas de coup d'éclat mais il ne s'effondre pas non plus.
Sa réputation. Elle date d'une époque où on mesurait mal, et elle lui colle encore.
Un pari fictif de 1 € sur son premier choix, dans chaque course. Rien n'est retiré : les perdants sont là aussi, et ils sont majoritaires.
| DATE | COURSE | CHEVAL | DISCIPLINE | COTE MATIN | RÉSULTAT |
|---|---|---|---|---|---|
| 28 août | R3C1 · 11:14 | LARGO WIND n°9 | Trot monté | 2,8 | à venir |
| 28 août | R3C2 · 11:46 | NICE AND FORTUNE n°9 | Trot attelé | 2,3 | à venir |
| 28 août | R3C3 · 12:18 | MISKAVA n°11 | Trot attelé | 3 | à venir |
| 28 août | R3C4 · 12:50 | MAJOR DU BELVER n°7 | Trot attelé | 2,9 | à venir |
| 28 août | R3C5 · 13:25 | LUCKY DU BOUFARD n°1 | Trot attelé | 4,9 | à venir |
| 28 août | R4C1 · 13:43 | HAVANISTA n°8 | Plat | 2,2 | à venir |
| 28 août | R3C6 · 14:00 | IGOR DU PARC n°11 | Trot monté | 3,3 | à venir |
| 28 août | R4C2 · 14:18 | LE PETIT POUCET n°6 | Plat | 2,7 | à venir |
| 28 août | R3C7 · 14:35 | KELLY DU LUPIN n°3 | Trot attelé | 3,3 | à venir |
| 28 août | R4C3 · 14:53 | NOMANE DIVINE n°8 | Plat | 2,5 | à venir |
| 28 août | R3C8 · 15:10 | KOUREAS D'ELA n°4 | Trot attelé | 2,8 | à venir |
| 28 août | R4C4 · 15:28 | MARAKANA n°7 | Plat | 6,1 | à venir |
| 28 août | R5C1 · 15:45 | LALOU CHOPE n°6 | Plat | 3,2 | à venir |
| 28 août | R4C5 · 16:03 | MARIE VA n°6 | Plat | 2,1 | à venir |
| 28 août | R5C2 · 16:20 | PERCEVAL n°2 | Plat | 2,5 | à venir |
| 28 août | R4C6 · 16:38 | ROSISSIM n°9 | Plat | 2,2 | à venir |
| 28 août | R5C3 · 16:55 | FROMONTINE n°3 | Plat | 1,8 | à venir |
| 28 août | R4C7 · 17:13 | IMPARATOR n°6 | Plat | 4,8 | à venir |
| 28 août | R5C4 · 17:30 | SARENZO n°6 | Plat | 2,3 | à venir |
| 28 août | R4C8 · 17:48 | STUNNING HERO n°12 | Plat | 4,7 | à venir |
| 28 août | R5C5 · 18:05 | LE GAST n°7 | Plat | 2,5 | à venir |
| 28 août | R1C1 · 18:23 | KASSYA n°4 | Trot attelé | 2,4 | à venir |
| 28 août | R5C6 · 18:40 | IKORIKA n°10 | Obstacle | 1,5 | à venir |
| 28 août | R6C1 · 18:45 | OTTO D'IQUAINE n°5 | Trot attelé | 1,1 | à venir |
| 28 août | R1C2 · 18:58 | LEXCELLENT DU METZ n°12 | Trot attelé | 3,5 | à venir |
60 paris, rendement −38,17 %, 20,0 % de gagnants. À ce nombre de paris, ces chiffres ne valent rien statistiquement — ils bougeront énormément dans les deux sens avant de vouloir dire quelque chose. L'explication est sur la page du bar.
Même moteur que Carlos, mais optimisé pour la classification binaire (gagne / gagne pas) avec la log-loss comme objectif. CatBoost gère nativement les variables catégorielles sans encodage manuel — un avantage théorique dont Bertrand ne tire pas encore tout ce qu'il pourrait.
Identifiant interne : catboost_classifier_v1. Bertrand est un personnage ; le modèle, lui, existe.
| Bibliothèque | CatBoost |
|---|---|
| Objectif d'optimisation | Logloss — probabilité de victoire |
| Structure | 1 000 itérations, profondeur 6 |
| Pas d'apprentissage | 0,05 |
| Déséquilibre | poids de classe proportionnel au rapport perdants/gagnants |
| Graine aléatoire | 42 |
| Matériel | carte graphique si disponible, sinon processeur |
Même moteur que Carlos, question différente. Là où YetiRank apprend un ordre, Logloss apprend à séparer deux classes : gagnant, pas gagnant. La fonction de coût pénalise d'autant plus fort qu'on se trompe avec assurance — annoncer 95 % sur un cheval qui perd coûte bien plus cher qu'annoncer 55 %.
Le déséquilibre est réel : sur une course moyenne il y a un gagnant et onze perdants. Sans correction, le modèle apprendrait qu'il suffit de répondre « perdant » à tout le monde pour avoir raison 92 % du temps. Le poids de classe rétablit l'équilibre en rendant chaque gagnant aussi coûteux à rater que onze perdants.
Tous apprennent sur le même corpus : 147 095 courses et 1 824 611 partants depuis 2015, décrits par 38 variables — cote de référence, forme récente lue dans la musique, taux de réussite du jockey et de l'entraîneur, allocation, distance, corde, poids, déferrage, âge, sexe, jours depuis la dernière sortie, et le reste.
Le jeu d'entraînement complet — 1,8 million de partants sur 38 variables — occupe environ 550 Mo une fois chargé en mémoire, avant l'empreinte des structures de calcul. C'est ce qui fixe le besoin réel : de la RAM, pas de la puissance brute.
L'entraînement tente d'abord la carte graphique (CUDA) et bascule seul sur le processeur si elle n'est pas disponible : le modèle obtenu est le même, seul le temps de calcul change. Les fichiers produits sont légers — de 1 à 4,6 Mo selon le modèle — et tiennent tous dans un dossier de quelques dizaines de mégaoctets.
La prédiction quotidienne, elle, ne demande aucun matériel particulier : charger les dix modèles et noter toutes les courses d'une journée prend quelques secondes sur un processeur ordinaire. Le coût du projet est dans la donnée et son historique, pas dans le calcul.
Les prédictions et les résultats vivent dans une base Postgres ; les campagnes d'évaluation sont rejouées dans un fichier analytique local de 347 Mo, sur disque SSD — la validation glissante relit des millions de lignes par passe et le débit disque devient le facteur limitant bien avant le processeur.
Ce que nous ne publions pas : la recette exacte d'entraînement et le détail de la construction des variables. Au pari mutuel, une sélection suivie par trop de monde fait s'effondrer sa propre cote — la preuve du sérieux est dans le journal des paris, pas dans la recette.
MichelGisèleCarlosAlexiaRogerPatrickJacquotGastonNathalieLe classement