Classement Elo en football, modèle de Poisson et xG : comment les mathématiques prédisent les matchs

Le classement Elo en football évalue la force globale d'une équipe avec un seul chiffre et donne la probabilité d'un résultat en fonction de la différence de classement. La loi de Poisson transforme le nombre attendu de buts de chaque équipe en probabilités de score exact, et donc — de résultats, de totals et de « les deux équipes marquent ». Les xG (buts attendus) servent le plus souvent d'entrée : ils permettent d'évaluer l'attaque et la défense des équipes avec plus de précision que les buts réels. La plupart des modèles mathématiques de prédiction de matchs de football combinent ces trois idées. Voici comment fonctionne chacune d'elles, à l'aide d'exemples simples.

Le classement Elo en football : la force d'une équipe en un seul chiffre

Le système Elo vient des échecs. Chaque équipe possède un classement ; après le match, le vainqueur prend une partie des points du perdant. Le montant exact dépend de l'imprévisibilité du résultat : la victoire d'un favori modifie à peine les classements, tandis que la victoire d'un outsider les fait bouger de manière significative.

Le résultat attendu de l'équipe A contre l'équipe B se calcule à partir de la différence de classement :

E = 1 / (1 + 10^((Rb − Ra) / 400))

Pour une différence de 100 points en faveur de A, on obtient environ 0.64 ; pour une différence de 200, environ 0.76. Il s'agit de la « part de points attendue » : une victoire vaut 1, un match nul 0.5. Après le match, le classement est mis à jour selon K × (résultat − E), où K est un coefficient qui détermine la rapidité avec laquelle le classement réagit aux nouveaux matchs.

Les versions footballistiques d'Elo ajoutent généralement :

• l'avantage du terrain — une correction fixe est ajoutée au classement des hôtes ;
• la prise en compte de la différence de buts — une victoire 4:0 fait bouger le classement plus qu'un 1:0 ;
• un K variable selon l'importance des tournois.

Forces : un chiffre clair, une formule simple, un classement qui « oublie » naturellement les anciens matchs. Faiblesses : Elo ignore les buts et le style, le match nul doit être déduit séparément, et des marchés comme les totals ou « les deux équipes marquent » ne peuvent pas être obtenus à partir d'un seul classement.

La loi de Poisson en football : des buts attendus au score exact

Les buts en football sont des événements rares, et le nombre de buts marqués par une équipe lors d'un match est bien décrit par la loi de Poisson. Si l'on connaît le nombre attendu de buts d'une équipe $\lambda$, la probabilité qu'elle marque exactement $k$ buts est égale à :

P(k) = λ^k × e^(−λ) / k!

Exemple : le modèle s'attend à ce que les hôtes marquent 1.5 but et les visiteurs 1.0. En considérant les buts des équipes comme indépendants, la probabilité d'un score est le produit de deux probabilités :

En additionnant les probabilités de tous les scores, on obtient les issues : victoire des hôtes ≈ 48.7%, match nul ≈ 26.0%, victoire des visiteurs ≈ 25.2%. Cette même grille permet de calculer le total supérieur à 2.5 (≈ 45.6%) et « les deux équipes marquent » (≈ 49.1%). C'est le principal avantage : le modèle de Poisson fournit une prédiction du score et, à partir du même calcul, les probabilités pour tous les marchés de buts simultanément, qui sont donc cohérentes entre elles. Vous pouvez insérer vos propres buts attendus et obtenir une telle grille dans le calculateur de Poisson.

Faiblesses : dans la réalité, les buts des équipes ne sont pas tout à fait indépendants — le score en cours de match modifie la tactique. Le modèle de Poisson simple commet généralement de légères erreurs sur la fréquence des matchs nul et des petits scores, c'est pourquoi il est souvent complété par des corrections (la plus connue étant la correction de Dixon-Coles pour les scores 0:0, 1:0, 0:1 et 1:1). Et tout se résume à l'essentiel : d'où vient $\lambda$.

Où interviennent les xG : prédire un match grâce à la qualité des occasions

Les buts attendus pour le modèle de Poisson peuvent être évalués à partir des buts marqués, mais les buts comportent du bruit : quelques rebonds chanceux faussent l'image pendant plusieurs journées. Les xG évaluent la qualité de chaque tir, ce qui rend les classements d'attaque et de défense basés sur les xG plus stables et plus rapides à refléter le véritable niveau d'une équipe.

Le schéma type d'une prédiction de match basée sur les xG est le suivant :

1. Pour chaque équipe, on calcule le classement d'attaque (combien de xG elle crée par rapport à la moyenne de la ligue) et le classement de défense (combien de xG elle autorise à l'adversaire).
2. Buts attendus des hôtes = niveau moyen de la ligue à domicile × attaque des hôtes × faiblesse de la défense des visiteurs ; pour les visiteurs — en miroir.
3. Les $\lambda$ obtenus sont injectés dans la loi de Poisson pour obtenir les probabilités de scores et de résultats.

Elo et xG ne s'excluent pas mutuellement. Elo décrit bien la force globale et se met à jour facilement, tandis que xG évalue la qualité du jeu en attaque et en défense. De nombreux modèles utilisent le classement de force pour une vue d'ensemble, et les xG ainsi que Poisson pour les marchés de buts.

Pourquoi aucun modèle ne garantit de résultats

N'importe quel modèle présente des limites communes :

• les données ont un temps de retard sur la réalité — le modèle ignore une blessure survenue lors de l'entraînement de la veille tant qu'elle n'apparaît pas dans les compositions ;
• trop peu de matchs en début de saison et après un changement d'entraîneur — les classements n'ont pas encore eu le temps de s'ajuster ;
• la part de hasard est grande en football — même une probabilité exacte de 60 % signifie que dans quatre cas sur dix, l'issue sera différente.

C'est pourquoi un modèle ne se teste pas sur un seul match, mais sur un historique étendu : à quelle fréquence les prédictions ayant une probabilité d'environ 60 %, environ 70 %, etc., se réalisent-elles. Pour savoir comment procéder et pourquoi le pourcentage de prédictions correctes dit peu de choses en soi, consultez l'article comment vérifier la précision des prédictions. Un autre point de repère est le marché : la probabilité issue de la cote sans la marge constitue une évaluation collective avec laquelle il est utile de comparer tout modèle.

Comment fonctionne le modèle xG.Football

Le modèle xG.Football n'utilise pas le classement Elo et ne génère pas de prédictions par la simple loi de Poisson. Pour sa prédiction principale sur l'issue, il compare les équipes selon cinq critères statistiques — la forme générale, la forme à domicile et à l'extérieur, le potentiel de buts attendus, la différence moyenne de buts et les confrontations directes — et affiche une probabilité calibrée : la fréquence à laquelle les prédictions dotées du même ensemble de signaux se sont réalisées par le passé. Pour en savoir plus, lisez l'article comment fonctionne le modèle xG.Football. Chaque prédiction est enregistrée avant le début du match, et l'historique est accessible sur la page statistiques des prédictions. Les probabilités pour les matchs à venir sont regroupées dans la section prédictions de football.

En bref