PowerBall XTRA : prédiction par IA et test historique – que valent les grilles « statistiques » ?

Deux expériences honnêtes sur les vrais tirages : nous comparons des grilles flash aléatoires à des grilles « chaudes » tirées des numéros les plus fréquents, et nous laissons un algorithme d'apprentissage (k plus proches voisins) prédire chaque tirage, toujours avec les seules données connues avant le tirage. Les deux méthodes sont comparées à l'espérance exacte du hasard.

Test historique : grilles flash contre grilles chaudes (12 mois)

Pour chacun des 105 tirages du 14.10.2025 au 13.10.2026, chaque groupe joue 10 grilles : flash aléatoires contre grilles construites avec les 15 numéros les plus sortis sur les 100 tirages précédents. Les numéros complémentaires sont aléatoires dans les deux groupes pour ne comparer que les numéros principaux. 1 050 grilles par groupe au total.

Bons numérosFlashChaudesEspérance du hasard
0585631605,5
1390353369,2
2725970,3
3374,9
4000,1
5000,0

Gains par rang

RangBons numérosFlashChaudesEspérance du hasard
15 Bons numéros + PowerBall000,00
25 Bons numéros000,00
34 Bons numéros + PowerBall000,01
44 Bons numéros000,10
53 Bons numéros + PowerBall000,31
63 Bons numéros374,60
72 Bons numéros + PowerBall734,40
81 Bons numéros + PowerBall151923,07
90 Bons numéros + PowerBall283537,84

Résultat : la différence entre les deux groupes n'est pas statistiquement significative (khi² = 6,47, p = 0,091). Elle reste dans ce que le pur hasard produit pour un échantillon de cette taille.

Prédiction par IA (k plus proches voisins)

Pour chaque tirage, le modèle cherche les 7 moments passés dont les 3 derniers tirages ressemblaient le plus aux actuels et joue les numéros sortis le plus souvent ensuite. Il est réappliqué après chaque tirage et ne voit jamais l'avenir. 300 tirages évalués du 01.12.2023 au 13.10.2026.

Bons numéros par prédiction

ObservéAttendu
0 Bons numéros175 / 173,0
1 Bons numéros104 / 105,5
2 Bons numéros19 / 20,1
3 Bons numéros2 / 1,4
4 Bons numéros0 / 0,0
5 Bons numéros0 / 0,0

Moyenne : 0,493 bons numéros par prédiction – le hasard donne 0,500.

Écart à l'espérance du hasard : khi² = 0,06, p = 0,972. Le modèle trouve exactement aussi souvent que des numéros pris au hasard.

Grille du modèle pour le prochain tirage

1731324046

Pour le divertissement uniquement : cette grille a exactement la même chance que n'importe quelle autre.

Dernières prédictions

DatePrédictionBons numéros
13.10.2026 1525313949 1
09.10.2026 1725323540 1
06.10.2026 35163741 0
02.10.2026 78213248 0
29.09.2026 418192943 1
25.09.2026 719212848 0
22.09.2026 67151823 0
18.09.2026 711172935 0
15.09.2026 714353846 0
11.09.2026 1343540 0
08.09.2026 47152744 0
04.09.2026 2122424345 0
01.09.2026 78102348 0
28.08.2026 2123273748 0
25.08.2026 17142043 1
21.08.2026 1031323642 0
18.08.2026 1621353742 0
14.08.2026 814273644 1
11.08.2026 719323747 0
07.08.2026 1027363743 1
04.08.2026 1619273541 0
31.07.2026 1420353640 1
28.07.2026 516172125 0
21.07.2026 78153136 0
17.07.2026 217363743 1
14.07.2026 59162125 0
10.07.2026 710162540 1
07.07.2026 510234348 0
03.07.2026 1316233148 0
30.06.2026 420293248 0
26.06.2026 414354546 0
23.06.2026 1422232746 1
19.06.2026 1720232741 1
16.06.2026 223333649 0
12.06.2026 1523303750 0
09.06.2026 1631323649 1
05.06.2026 821223643 0
02.06.2026 27314548 0
29.05.2026 23294344 0

Comment ça marche

Un modèle des plus proches voisins cherche les moments dont les derniers tirages ressemblaient aux tirages actuels, puis joue les numéros les plus fréquents qui ont suivi. Il est réappliqué tirage après tirage, sans regard vers l'avenir ; un backtest compare en plus des grilles flash à des grilles de numéros fréquents.

Exemple

Pour 5 parmi 50, on attend en moyenne 0,5 bons numéros par grille ; le modèle se situe exactement là.

Limites

Aucun modèle ne peut prédire des tirages aléatoires. La page le montre de façon transparente avec un test du χ².

Questions fréquentes sur cet outil

L'IA peut-elle prédire les numéros du loto ?
Non. Avec des tirages indépendants et équiprobables, il n'existe aucun schéma qu'un modèle pourrait apprendre.
▲