L'intelligence artificielle consiste à doter une système informatique des capacité intellectuelles d'un humain. Il s'agit en quelque sorte de modéliser les processus mentaux typiquement humain sous forme d'algorithme afin d'exploiter la puissance de l'informatique pour optimiser ces processus.

Le pronostic pmu intelligent

Dans le domaine du turf, le processus le plus complexe reste sans aucun doute celui de la création d'un bon pronostic pmu. L'intelligence artificielle appliquée à ce processus consistera donc à créer un ou plusieurs algorithmes susceptibles de reproduire le raisonnement tenu par un pronostiqueur humain afin de faire un pronostic pmu assisté par ordinateur. Dans un premier temps, on peut supposer que la simple capacité de calcul supérieure d'un système d'information permettre d'améliorer la performance du processus de création du pronostic, par la suite l'amélioration des algorithme doit permettre de se rapprocher du pronostic idéal. Toute la problématique réside donc dans la modélisation de la réflexion faite par un pronostiqueur.

L'intelligence artificielle dans le turf

Pour modéliser la création d'un pronostic, il faut donc identifier l'ensemble des paramètres qu'un bon pronostiqueur analyse pour faire son pronostic pmu. Cette étape reste assez facile, et au regard de l'ensemble des données hippiques disponibles, on se rend compte qu'un bon nombre de critères ne sont pas ou peu utilisés, ce qui laisse supposer que les marges d'amélioration sont énormes. En outre on se rend compte que les pronostiqueurs que l'on peut qualifier de bon sont généralement des spécialistes d'une discipline au mieux, en raison du trop grand nombre de paramètre qu'ils ont à analyser pour une course. C'est aussi pour cette raison qu'ils ne peuvent conduire leurs analyses sur toutes les courses d'une journée et qu'ils préfèrent pour la plupart se concentrer sur la course de quinté du jour, alors qu'un algorithme d'intelligence artificielle est en mesure de calculer un pronostic pour chaque course de la journée, et ce plusieurs fois par jours avant le départ de la course si les conditions de la course évoluent (non partant, météo, etc.). Le plus difficile reste comme dans toute modélisation la formalisation des connaissances implicites acquises par l'expérience. C'est notamment l'une des voie ouvertes par l'apprentissage des réseaux de neurones mathématiques.

Les réseaux de neurones

Un réseau de neurones mathématiques et un réseau artificiel qui consiste en un modèle de calcul qui mime le fonctionnement des neurones. D'un point de vue intelligence artificielle, l'un des grand point fort des réseaux de neurones est leur capacité d'apprentissage, qui peut être comparer à l'acquisition de l’expérience humaine dans un domaine. Ainsi, en fournissant des jeux de données hippiques suffisamment conséquents et correctement structurés, un réseau de neurone est capable de catégoriser de façon performante différentes courses hippiques. Mais on peut aller plus loin et éduquer le réseau pour lui demander par exemple de classifier les partants d'une même course, on peut ainsi très simplement faire des sélections de chevaux. En complexifiant encore l'analyse, on peut ainsi produire un pronostic pour une course pmu.
Un autre des avantages du réseau de neurones est sa capacité à améliorer ces classifications de façon autonome : on parle alors d'algorithmes auto-adaptatifs.

Les algorithmes auto-adaptatifs

En effet, certains réseaux de neurones mathématiques sont en mesure de modifier leurs classifications afin de toujours proposer un résultat en accord avec le but recherché. C'est particulièrement intéressant dans le cas des courses hippiques dans la mesure où certains paramètres évoluent en permanence (conditions météorologiques, etc.). Dès lors que l'ensemble des règles est correctement établi, un réseau de neurones est un pronostiqueur redoutable qui peut facilement rivaliser avec les meilleurs pronostiqueurs humains.