Une prévision probabiliste représente la probabilité qu'un événement futur satisfasse une condition donnée. Un des aspects intéressants de ces prévisions est leur calibration, c'est-à-dire l'appariement entre les probabilités prédites et les probabilités réalisées. Dans le passé, la calibration a été évaluée en regroupant des probabilités de prévisions en catégories distinctes. Nous proposons d'utiliser des estimateurs à noyaux, qui sont plus efficaces et qui estiment une relation lisse entre les probabilités prédites et réalisées. Nous nous servons de ces estimations pour évaluer l'importance empirique des erreurs de calibration dans plusieurs pratiques économiques, telles que la prévision de récessions et de l'inflation. Pour ce faire, nous utilisons des prévisions historiques, ainsi que des pseudoprévisions effectuées à l'aide de données telles qu'elles étaient au moment de la prévision. Nous analysons les résultats en utilisant autant des estimations préliminaires que des estimations tardives, ces dernières incorporant parfois des révisions importantes. Nous trouvons une forte évidence empirique d'une calibration erronée des prévisions professionnelles de récession et d'inflation. Nous présentons aussi une évidence d'asymétries dans la performance des prévisions d'inflation basées sur des estimations des écarts de la production en temps réel.