Comment prédire le résultat d’un match avec des méthodes statistiques ? La réponse honnête commence par des probabilités et non par des prophéties. Le football est un sport à faibles scores et à forte variance, donc un seul score n’est jamais une certitude. Un bon modèle estime la fréquence à laquelle chaque résultat devrait se produire lors de nombreuses correspondances similaires. Les victoires à domicile, les nuls et les victoires à l’extérieur forment le marché classique des possibilités 1X2. Les totaux supérieurs et inférieurs, les deux équipes qui marquent et les scores exacts ne sont que d’autres vues du même processus de but. Le moteur pratique le plus ancien est un modèle de Poisson pour les objectifs. Les travaux de Michael Maher de 1982 traitaient le score de chaque équipe comme un processus de décompte avec un taux d’attaque et un taux de défense. Vous estimez ces taux à partir des matchs récents, puis ajoutez un facteur d’avantage à domicile. La formule de Poisson donne alors la possibilité d’atteindre zéro, un, deux buts ou plus. La combinaison de deux Poissons indépendants produit une grille de score de 0-0 à 5-4 et au-delà. La somme des cellules dans lesquelles l’équipe à domicile marque le plus donne une probabilité de victoire à domicile. La somme de la diagonale donne le tirage au sort. La masse restante est la victoire à l’extérieur. Dixon et Coles ont montré plus tard que les 0-0 et 1-1 se produisent plus souvent que ce à quoi s’attend un simple Poisson. Leur ajustement gonfle ces cellules à faible score et dégonfle légèrement les autres. La dégradation du temps est importante car le formulaire du mois dernier est plus informatif qu’un match d’il y a dix mois. Les pondérations exponentielles donnent plus de voix aux jeux récents sans gâcher l’histoire. La force d’une ligue compte également lorsque les équipes se rencontrent dans des compétitions. Un but contre une défense de haut niveau n’est pas la même preuve qu’un but contre une équipe reléguée. Des classements tels que Elo convertissent l’historique des victoires, des défaites et des nuls en un seul chiffre de force qui se met à jour après chaque match. Les classements de la FIFA sont un cousin public de la même idée, bien qu’ils soient plus lents et plus politiques. Les modèles de club battent généralement les classements nationaux pour les matches de championnat du week-end car ils voient plus de données. La qualité des données constitue un goulot d’étranglement discret. Les blessures manquantes, les cartons rouges mal codés et les files d’attente retardées empoisonneront les mathématiques élégantes. Commencez avec des luminaires propres, des scores clairs et une définition claire de la maison. Alors les statistiques peuvent parler.

Les buts attendus ont changé la conversation car les tirs ne sont pas égaux. Une frappe à six mètres n’est pas une promenade de trente mètres dans une foule. Les modèles xG attribuent à chaque tir une probabilité de conversion historique basée sur l’emplacement, le type d’assistance et parfois la densité du défenseur. En additionnant la qualité des tirs au cours d’un match, on estime le nombre de buts mérités par une équipe. Sur une saison, les xG pour et contre sont plus stables que les buts bruts, qui balancent sur les poteaux et les gardiens. L’utilisation de xG comme entrées d’attaque et de défense dans un modèle de style Poisson améliore souvent le calibrage. Pourtant, xG n’est pas magique. La taille de l’échantillon sur un seul week-end est petite. Une équipe peut afficher 2,4 xG et perdre 1-0 sans que le modèle ne se trompe. Le modèle a déclaré que des chances avaient été créées. Le match a déclaré que la finition et les arrêts sont intervenus. Cet écart est une variance et non une raison pour abandonner les chiffres. La possession, les passes dans la surface et l’intensité du pressing ajoutent du contexte mais peuvent compter deux fois la même histoire offensive. La sélection des fonctionnalités doit privilégier les variables qui prédisent les objectifs futurs, et non les variables qui décrivent simplement la dernière diffusion. La validation croisée sur les saisons passées est la manière adulte de choisir. Entraînez-vous les années précédentes, testez une année plus tard et refusez de célébrer l’adéquation à l’échantillon. Le score du Brier et la perte du journal punissent les probabilités trop confiantes. Précision du score le plus probable| est une métrique de vanité car 1-1 et 1-0 partagent la masse de probabilité. Un modèle qui dit 38 pour cent à domicile, 28 pour cent nuls, 34 pour cent à l’extérieur peut être excellent même lorsque l’équipe à l’extérieur gagne. La question est de savoir si ces 34 pour cent de victoires à l’extérieur surviennent réellement environ un tiers du temps. Les tracés d’étalonnage répondent à cette question. La netteté est l’autre axe : un modèle qui dit toujours 33-33-33 est calibré et inutile. Vous voulez que les probabilités changent lorsque les preuves bougent. Les blessures d’un attaquant partant devraient réduire le taux d’attaque. Un milieu de semaine encombré devrait légèrement augmenter les chances de rotation et d’objectifs tardifs. La distance parcourue, les jours de repos et l’intensité du derby sont de petits effets qui s’additionnent encore. La météo et la qualité du terrain font partie du terme d’erreur, sauf si vous disposez de suffisamment de matchs pluvieux pour les estimer. Gardez le modèle de base suffisamment simple à expliquer. Une complexité qui ne peut être vérifiée finira par vous mentir.

Un pipeline pratique semble moins romantique qu’un graphique télévisé. Collectez les matchs terminés avec les dates, les équipes, les lieux et les scores. Calculez les notes d’attaque et de défense avec la décroissance temporelle. Intégrez xG si la ligue publie des données de tir fiables. Convertissez les notes en objectifs attendus pour le prochain match. Construisez la matrice de scores. Lisez 1X2, les totaux et les deux équipes pour marquer. Comparez ces probabilités avec les prix de clôture du marché uniquement à titre de contrôle de santé mentale, et non pour remplacer votre propre probabilité. Les marchés sont des foules. Les foules sont souvent vives et parfois lentes face aux informations tardives. Votre avantage, si vous en avez un, est généralement un meilleur timing des blessures ou un facteur domicile plus propre, spécifique à la ligue. Ne considérez jamais une victoire à domicile de 55 pour cent comme une promesse. Considérez cela comme une affirmation selon laquelle des maisons similaires gagnent un peu plus de la moitié du temps. La réflexion sur la bankroll appartient aux paris, qui sont une discipline distincte des prévisions. La prévision se termine lorsque les probabilités sont honnêtes. Les prévisions honnêtes passent encore à côté des bouleversements célèbres, car les bouleversements sont dans la queue. Les cartons rouges, les loteries de pénalités et les buts contre son camp de dernière minute vivent dans cette queue. Un bon article sur les méthodes doit le dire deux fois. La prédiction statistique n’est pas une boule de cristal. C’est une carte de vraisemblance relative. Les cartes vous aident à éviter les deux erreurs courantes des fans. La première erreur est le théâtre de la récence : une victoire 4-0 ne fait pas d’une équipe de milieu de tableau un favori pour le titre. La deuxième erreur est la capture narrative : un nom de club célèbre n’est pas une note. Les notes devraient pouvoir baisser lorsque les performances chutent. Les modèles hiérarchiques peuvent partager la force entre les ligues lorsque les données sont rares. La mise à jour bayésienne est une manière formelle de partir d’un préalable et d’avancer avec des preuves. Vous n’avez pas besoin d’un doctorat pour utiliser cette idée. Commencez par les buts attendus moyens de la ligue, puis orientez l’estimation vers les matchs récents de l’équipe. Les petits échantillons se rapprochent de la moyenne. Les grands échantillons peuvent paraître extrêmes. Ce retrait vous évite de réagir de manière excessive à une séquence de trois matchs chauds. Cela vous empêche également d’enterrer une équipe nouvellement promue après deux défaites contre des géants. Le contexte reste roi. Un 1-0 à domicile contre le leader du championnat peut être un signal plus fort qu’un 3-0 contre le dernier club. La différence de buts sans ajustement de l’adversaire est un instrument brutal. La différence de buts ajustée en fonction de l’adversaire est plus proche de ce que Poisson et Elo tentent déjà de capturer.

Alors, comment un lecteur devrait-il réellement utiliser ces méthodes avant le coup d’envoi ? Tout d’abord, écrivez la question en chiffres. Voulez-vous le 1X2 le plus probable, une répartition des scores ou seulement si les deux équipes marquent ? Deuxièmement, rassemblez les trente à cinquante derniers matchs pertinents pour chaque équipe, et non les trois derniers titres. Troisièmement, il faut tenir compte de l’avantage du terrain, qui, dans la plupart des championnats, ajoute encore quelques dixièmes de but. Quatrièmement, les matchs amicaux à prix réduit et les matchs nuls en coupe, à moins que vous ne manquiez de données sur la ligue. Cinquièmement, appliquez une correction de style Dixon-Coles si vous vous souciez du 0-0 et du 1-1. Sixièmement, convertissez la grille en probabilités dont vous discuterez réellement. Septièmement, contrôle de santé mentale contre les blessures, les suspensions et les rotations évidentes. Huitièmement, refuser d’arrondir 47 pour cent pour devenir une chose sûre. Neuvièmement, tenez un journal de vos probabilités et des résultats réels. Dixièmement, revoyez l’étalonnage chaque mois au lieu de vous souvenir uniquement des week-ends où vous avez eu l’air intelligent. Des pages de statistiques de type FootballAlarm existent car il est fastidieux de le faire manuellement pour chaque ligue. L’automatisation ne remplace pas le jugement. Il remplace les erreurs de copier-coller. Le jugement décide toujours si un attaquant nouvellement recruté fait partie du onze. Le jugement décide toujours si un terrain gorgé d’eau modifie la valeur de tir. Le modèle absorbe ensuite ces appels comme des entrées modifiées, et non comme des vibrations. Les vibrations ne sont pas une méthode. Les méthodes survivent à l’embarras parce qu’elles peuvent être auditées. Les pistes d’audit incluent l’époque des données, le paramètre de décroissance et le facteur d’origine que vous avez utilisé. Si vous ne pouvez pas citer ces trois éléments, vous n’avez pas encore de prévision statistique. Vous avez une opinion en portant un costume de feuille de calcul. Les opinions peuvent être justes. Les méthodes statistiques tentent d’avoir raison pour une raison qui fonctionnera encore samedi prochain. Samedi prochain, il y aura au moins un score que la grille a qualifié d’improbable. Ce n’est pas un échec. C’est ça le football. Le football est la raison pour laquelle nous modélisons les décomptes au lieu de prétendre que les matchs sont des tirages au sort avec des logos célèbres. Les lancers de pièces ignorent l’attaque et la défense. Ce n’est pas le cas de Poisson. xG ne le fait pas. Elo ne le fait pas. Utilisez-les ensemble avec humilité. L’humilité est la dernière méthode statistique, et celle que les fans ignorent. Ne le sautez pas. Prédire, enregistrer, réviser. Alors regardez quand même le match, car la belle n’a jamais été les 38 pour cent. La beauté, c’est le ballon, le raté et le numéro qui a essayé de vous prévenir à l’avance.

La vie d’un pronostic de match est donc une boucle, pas un titre. Collectez, évaluez, projetez, notez et apprenez. Poisson vous donne un langage objectif. Dixon-Coles répare les scores tranquilles. xG vous indique quelles chances étaient réelles. Elo garde une force de course qui ne s’affole pas tous les lundis. L’avantage du terrain reste un fait empirique tenace. La dégradation du temps maintient le modèle éveillé. L’étalonnage permet au modélisateur d’être honnête. Rien de tout cela ne supprime le drame de quatre-vingt-dix minutes. Cela ne coûte que le drame. C’est ainsi que parlent les analystes lorsqu’ils refusent de deviner. Deviner n’est pas cher. L’estimation est un travail. Le travail ressemble à un tableau d’affichage qui pourrait indiquer 2-1 à cinq minutes de la fin alors que votre grille d’avant-match avait 1-1 comme mode. Les deux peuvent être vrais. Le mode n’est pas une commande. Le mode est le sommet d’une distribution. Les distributions sont tout l’intérêt de la prédiction statistique des correspondances. Si vous ne vous souvenez que d’une seule phrase, souvenez-vous-en. Un résultat est un échantillon. Une méthode est une distribution. Les méthodes qui ne publient qu’un seul score sans probabilités cachent leur incertitude. L’incertitude est le produit. Publiez-le. Le lecteur peut alors décider de ce que signifie réellement 40 pour cent de maison. Cela signifie quatre matches similaires sur dix, pas un trophée déjà gravé. La gravure a lieu après le coup de sifflet. Les statistiques arrivent avant. Avant, c’est là que se trouve cet article. Après, c’est là que la table est mise à jour. Entre eux se trouve le seul savoir-faire honnête dont nous disposons pour déterminer comment un match pourrait se terminer. Il pourrait finir favori. Ce n’est peut-être pas le cas. Les chiffres vous ont indiqué la répartition. Cette division est la prédiction. Tout le reste est théâtre. Le théâtre est autorisé. Le théâtre n’est pas une méthode. La méthode est ici, en deux cents phrases, pour que la prochaine rencontre soit confrontée à une grille plutôt qu’à une rumeur. Utilisez la grille. Respectez la queue. Profitez du match.

Les classements sont des indicateurs en retard par rapport au xG roulant. Un club nouvellement promu surpasse souvent ses premiers antécédents pessimistes. Un champion en transition sous-performe souvent ses premiers a priori optimistes. Les spécialistes des coups de pied arrêtés méritent une petite bosse offensive distincte. Les équipes de haute pression concèdent des chances de transition que Poisson sur les tirs peut manquer si les données de tir sont incomplètes. La qualité du gardien de but appartient à l’évaluation de la défense, pas à une aura mystique. Les taux de pénalité sont bruyants ; ne reconstruisez pas un modèle après un seul coup de pied. Les fréquences des cartons rouges sont également bruyantes et devraient être évaluées en fonction de la ligue. Les compétitions de coupe mélangent des motivations que les modèles de ligue ne capturent qu’en partie. Les trêves internationales réinitialisent le rythme du club et gonflent légèrement les chances de match nul pour certaines équipes de milieu de tableau. Les ligues féminines et masculines nécessitent des fichiers de paramètres distincts. Copier l’avantage à domicile de la Premier League dans une autre division est une erreur silencieuse courante. Estimez l’avantage du terrain dans la ligue que vous prévoyez. Historiquement, trois points pour une victoire ont changé les incitations, il ne faut donc pas regrouper aveuglément les données d’avant les années 1990. Les changements de règles tels que cinq remplacements modifient également les taux de buts en fin de match. Suivez ces changements de régime ou vos poids de désintégration combattront le passé. Les données ouvertes de StatsBomb et de projets similaires ont rendu xG reproductible pour les amateurs. La reproductibilité est plus précieuse qu’une sauce secrète que personne ne peut vérifier. Si deux modèles ne sont pas d’accord, inspectez les entrées avant de faire la moyenne des sorties. La moyenne des modèles calibrés peut aider ; faire la moyenne des histoires est rarement utile. Une ligue à gros tirages a besoin d’une intensité Dixon-Coles différente de celle d’une ligue à score élevé. Les emplacements scandinaves de début de saison ne sont pas le mois d’août en Espagne. La géographie n’est pas le destin, mais c’est une covariable. Les déplacements à travers les fuseaux horaires dans les coupes continentales sont une véritable variable de fatigue. Les matchs européens en milieu de semaine suppriment souvent l’intensité des championnats du week-end. Les politiques de rotation des grandes escouades font que les compositions de onze noms sont obligatoires.