41 ans · Collègue d'Alexia · Debout, appuyé au flipper en panne
Le bar l'a surnommé « l'Effort Vain ». Le bar est injuste.
Roger, c'est Alexia après trois bières. Même famille, même école, et une réputation de traîne-savate qui lui colle depuis le premier jour.
Il essaie de classer les chevaux dans l'ordre. Le classement tombe souvent à côté. Il recommence le lendemain sans se plaindre.
Il ne rate jamais une course. Pas une. C'est la seule chose que personne ne lui conteste.
Assidu et honnête. Il ne triche pas avec ses propres chiffres, ce qui est plus rare qu'on croit.
Il vise l'ordre général et se fait battre par ceux qui visent simplement le vainqueur.
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 −52,67 %, 16,7 % 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 qu'Alexia, mais avec un objectif de classement par paires : pour chaque couple de chevaux d'une course, il apprend lequel devrait finir devant. Puissant en théorie. En pratique, Roger illustre que XGBoost n'est pas le meilleur outil pour le classement hippique — LightGBM LambdaRank lui est supérieur sur ce terrain.
Identifiant interne : xgb_ranker_v1. Roger est un personnage ; le modèle, lui, existe.
| Bibliothèque | XGBoost |
|---|---|
| Objectif d'optimisation | rank:pairwise — classement par comparaison de paires |
| Structure | 1 000 arbres, profondeur maximale 6 |
| Pas d'apprentissage | 0,05 |
| Échantillonnage | 80 % des lignes et 80 % des variables par arbre |
| Construction des arbres | méthode par histogrammes |
| Matériel | CUDA si disponible, sinon processeur |
Pour chaque couple de chevaux d'une même course, le modèle apprend lequel devrait finir devant. C'est l'approche la plus intuitive du classement, et c'est aussi sa limite : toutes les paires comptent pareil. Se tromper entre le premier et le deuxième est puni exactement comme se tromper entre le neuvième et le dixième.
LambdaRank corrige précisément ce défaut en pondérant chaque paire par ce qu'elle change au classement final. C'est pourquoi Gisèle, à moteur équivalent, lit mieux les courses que Roger — et pourquoi le surnom du bar est injuste : ce n'est pas Roger qui travaille mal, c'est son objectif qui regarde au mauvais endroit.
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.
MichelGisèleCarlosBertrandAlexiaPatrickJacquotGastonNathalieLe classement