Modèle de prédiction de matchs de football : comment on le construit et comment on le juge

Un modèle de prédiction de matchs de football ne fait qu'une chose : il transforme ce que l'on sait avant le coup d'envoi en probabilité pour chacune des trois issues, victoire à domicile, match nul et victoire à l'extérieur. Pour un directeur sportif ou un responsable de l'analyse, la bonne question n'est pas de savoir si le modèle est astucieux, mais quelle décision ses chiffres peuvent éclairer, et comment on saura s'ils sont bons.

La plupart des constructions partent de la force des équipes. Les résultats récents, la forme, les confrontations directes et le niveau des adversaires sont compressés en une note pour chaque équipe, et l'écart entre deux notes donne une première idée du favori. C'est aussi la colonne vertébrale naturelle de l'analyse de données football appliquée à l'étude de l'adversaire : une estimation de force honnête sur ce qu'elle ignore constitue un meilleur point de départ pour un rapport qu'un récit bâti sur les deux derniers matchs. Les notes évoluent lentement par construction, il faut donc les ajuster en fonction de ce qui est nouveau : blessures, suspensions et, une fois publiées, les compositions confirmées, en général environ une heure avant le coup d'envoi. Un pronostic émis avant les feuilles de match et un pronostic émis après sont deux pronostics différents, et un bon produit précise lequel vous avez sous les yeux.

La deuxième couche est une simulation du nombre de buts. Plutôt que de prédire directement un vainqueur, on estime combien de buts chaque équipe est susceptible de marquer et d'encaisser, puis on rejoue le match des milliers de fois. Chaque score simulé compte pour une victoire à domicile, un nul ou une victoire à l'extérieur, et les scores les plus fréquents donnent les estimations de score exact. C'est pourquoi les scores exacts se lisent mieux comme une liste restreinte d'issues probables que comme un verdict. Kickwise construit ainsi son pronostic de score exact : une simulation de buts tirée du rendement offensif et défensif récent de chaque équipe, calibrée sur la lecture des bookmakers quant au favori, les scores les plus probables servant d'ancrage au choix final.

Le troisième ingrédient est le consensus du marché utilisé comme a priori. Les cotes des bookmakers, débarrassées de leur marge, portent une grande quantité d'informations collectives sur les nouvelles des groupes, la forme et les blessures. Un modèle qui les ignore se prive d'une excellente estimation de départ, tandis qu'un modèle qui se contente de les répéter n'apporte rien. La bonne pratique consiste à traiter le marché comme une donnée parmi d'autres et à se demander ce que le modèle ajoute par-dessus. Lorsqu'il n'existe pas de cotes, comme pour de nombreuses affiches mineures, une estimation fondée sur la forme doit prendre le relais, et il faut s'attendre à ce qu'elle soit moins précise. Kickwise associe la lecture des faits du match par un modèle de langage au consensus du marché lorsque des cotes existent, et met à jour son pronostic dès que les compositions tombent.

C'est sur la fiabilité que la plupart des discussions autour de la prédiction de football par apprentissage automatique déraillent, car un match isolé ne dit presque rien. Si une équipe se voit attribuer 70 % de chances, elle doit tout de même perdre environ trois fois sur dix, et une erreur n'est pas la preuve d'un mauvais modèle. Il faut juger un modèle sur de nombreux matchs, en posant deux questions distinctes. Est-il bien calibré, c'est-à-dire, parmi tous les pronostics autour de 70 %, environ 70 % se réalisent-ils ? Et bat-il une référence naïve ? Une règle de score comme le score de Brier répond aux deux, en pénalisant davantage les erreurs commises avec aplomb que les erreurs prudentes. Plus il est bas, mieux c'est, et le chiffre n'a de sens qu'à côté d'une référence.

Voici ce que cela donne avec des chiffres réels. Le bilan public de Kickwise conserve le dernier pronostic émis avant le coup d'envoi pour chaque match et le note d'après le résultat à l'issue des 90 minutes, prolongation comprise le cas échéant (un match décidé aux tirs au but compte comme un nul). Sur les 90 derniers jours, les pronostics à 65 % de confiance ou plus se sont révélés justes 41 fois sur 51 (80 %), dans des matchs où l'équipe à domicile l'a emporté 61 % du temps : miser systématiquement sur l'équipe qui reçoit aurait donc donné 61 %. Sur l'ensemble des pronostics, tous niveaux de confiance confondus, les 30 derniers jours affichent 62 réussites sur 99 (63 %), avec un score de Brier de 0,54 contre 0,65 pour une référence qui attribue à chaque match les taux de victoire à domicile, de nul et de victoire à l'extérieur de l'échantillon lui-même. Ce sont des échantillons modestes, et les chiffres sur 7 jours (29 sur 44, Brier de 0,545 contre 0,623) montrent à quel point une fenêtre courte peut fluctuer.

Les limites comptent autant que le chiffre phare. Le match nul est l'issue la plus difficile à prévoir, car il se situe entre deux états que le modèle cherche par ailleurs à départager. Les matchs amicaux et les rencontres pour lesquelles on dispose de peu de données s'apparentent à des pile ou face, et aucune méthode n'y change rien. Pour la rotation de l'effectif, cela plaide pour utiliser les probabilités afin de dimensionner le risque, non pour désigner des vainqueurs. Face à un conseil d'administration, cela plaide pour présenter une fourchette et un bilan sur de nombreuses rencontres, jamais une promesse sur un seul match.

Lorsque vous construisez ou achetez un outil, posez cinq questions. Publie-t-il chacun de ses pronostics, erreurs comprises ? Le pronostic est-il horodaté par rapport aux nouvelles des groupes ? Est-il noté face à une référence clairement énoncée plutôt que face à rien ? Dit-il où il est faible ? Et montre-t-il assez de matchs pour que les chiffres se stabilisent ? Ces mêmes questions répondent à l'essentiel de ce que l'on entend par la fiabilité des pronostics de football, et par la façon dont on les élabore : la méthode ne vaut que ce que vaut le bilan que l'on peut vérifier.