Cet article souligne l'importance de prévisions précises des prix de l'électricité (EPF) pour une prise de décision efficace sur le marché spot de l'électricité et évalue les performances de prévision des prix de l'électricité des modèles basés sur des séries chronologiques (TSFM) récemment développés, basés sur l'intelligence artificielle générative (GenAI) et des modèles de langage géant pré-entraînés (LLM). Des modèles pré-entraînés de pointe, notamment Chronos-Bolt, Chronos-T5, TimesFM, Moirai, Time-MoE et TimeGPT, sont comparés et analysés par rapport aux méthodes statistiques et d'apprentissage automatique (ML) existantes. À l'aide des données de prix de l'électricité du Daily Futures Market (DAA) 2024 d'Allemagne, de France, des Pays-Bas, d'Autriche et de Belgique, des prévisions journalières sont réalisées. Les résultats montrent que Chronos-Bolt et Time-MoE sont les plus performants parmi les TSFM, atteignant des performances comparables aux modèles existants. Cependant, le modèle MSTL bi-saisonnier, qui prend en compte la saisonnalité quotidienne et hebdomadaire, surpasse systématiquement le modèle MSTL, quel que soit le pays ou l'indice d'évaluation. Aucun TSFM ne surpasse statistiquement le modèle MSTL.
