FutureSearch traite la prévision comme un problème de recherche, et non comme un jeu de devinettes. Au lieu de demander à un seul modèle un chiffre intuitif, la plateforme envoie une équipe d'agents collecter des preuves, pondérer les sources et produire une réponse calibrée dans le format adapté à la question : une probabilité (« X se produira-t-il avant 2030 ? »), une fourchette chiffrée, une estimation de date ou un choix parmi des options nommées. Les sous-questions et les prévisions conditionnelles permettent de modéliser des décisions — « si nous faisons A plutôt que B, que se passe-t-il ? » — et la plateforme publie le raisonnement et les sources avec chaque résultat, pour que vous puissiez auditer la logique.
Ce qui distingue le produit, c'est son bilan public. FutureSearch publie ses classements sur des benchmarks de prévision comme Metaculus FutureEval, ForecastBench et la Metaculus Cup, ainsi que des positions réelles sur des marchés de prédiction tels que Kalshi, Polymarket et des questions liées au S&P 500 — y compris les positions perdantes. Cette transparence est rare dans une catégorie où les affirmations de précision sont généralement invérifiables. S'y ajoutent des flux pour les tâches gourmandes en recherche : envoyer une question à une équipe d'agents, ou ajouter une colonne documentée à chaque ligne d'une liste.
Pour les équipes qui travaillent dans un assistant IA, FutureSearch propose des connecteurs MCP afin que Claude.ai, Claude Desktop, Claude Code, Cursor, ChatGPT et Codex appellent le moteur de prévision comme un outil. Une API et un SDK pour développeurs couvrent les pipelines automatisés, le screening et les flux quantitatifs. L'usage est facturé à la question et évolue avec l'effort de recherche demandé : les vérifications rapides et les enquêtes approfondies n'ont pas le même prix.
