Le Score le Plus Fréquent au Football : Analyse et Statistiques

Les amateurs de la Ligue 1 ne sont vraiment pas gâtés cette saison. Avec déjà deux 0-0 en trois matchs ce week-end, les équipes de Ligue 1 confirment leurs difficultés à marquer. Le score nul et vierge est d'ailleurs le plus fréquent cette saison.

Le score nul et vierge est d'ailleurs un résultat en vogue pour cet exercice 2023-2024 puisqu'il a été vu à 15 reprises, le score le plus fréquent dans l'élite, selon Opta. Avec 15% de 0-0 en Ligue 1, il s'agit du plus haut pourcentage depuis la saison 1991-1992 (16,8%).

Après une 11e journée bien pâle (13 buts en neuf matchs), la J12 part sur les mêmes tristes bases, avec déjà deux 0-0 en trois matchs (Montpellier-Nice et Le Havre-Monaco). Seul le PSG a donné un peu de beaume au coeur avec trois buts marqués sur la pelouse de Reims samedi soir (0-3).

Des buteurs en panne. Les matchs de ce dimanche devront sauver l'honneur d'un week-end qui s'annonce de nouveau morose au niveau du spectacle. Un festival de plus en plus rare ces dernières semaines qui s'explique pour plusieurs raisons. Si le passage de 20 à 18 clubs réduit de facto le volume de buts, il n'a en théorie aucune influence sur la moyenne. Après 100 matchs cette saison, seulement 252 buts ont été marqués.

Avant la suite de la 12e journée, la moyenne tourne à 2,52 buts par match, contre 3,01 l'an dernier. Ceux qui avaient brillé la saison dernière (Lacazette, David, Moffi, Balogun...) sont en panne sèche et seul Kylian Mbappé, auteur d'un triplé face à Reims, semble tenir le rythme avec déjà 13 réalisations.

Les statistiques ont pris une place prépondérante au sein du football. Des éléments comme les buts, les passes décisives, et la possession façonnent notre compréhension du jeu. Les entraîneurs utilisent ces données pour perfectionner les performances de leurs équipes, créant ainsi un cycle de constant apprentissage et d’amélioration. Les graphes et les matrices ne sont plus des outils réservés aux analystes.

Dans l'ensemble, les statistiques enrichissent le discours autour du sport. Elles ouvrent des perspectives inédites et révèlent une couche de complexité supplémentaire. Le monde du sport regorge de statistiques étonnantes qui peuvent changer notre perception des matchs. Des buts en fin de rencontre à des performances individuelles faramineuses, chaque donnée raconte une histoire captivante.

Il est fascinant de constater qu’une grande partie des buts est marquée dans les dernières minutes de jeu. Environ 21,1 % à 24,8 % des buts tombent après la 75e minute. Ce phénomène, parfois attribué à la fatigue des joueurs ou à la pression accrue sur le terrain, peut réellement bouleverser le résultat d’un match.

Les hors-jeux sont un aspect crucial du football et les statistiques montrent que certaines équipes, comme le FC Barcelone, affichent des chiffres remarquables. Avec seulement 5 hors-jeux cette saison, ils se distinguent des Young Boys, qui en comptabilisent 18.

Les passerelles entre les joueurs font souvent la différence. Les statistiques montrent que certains joueurs tentent bien plus de passes que d’autres. Par exemple, un joueur comme Scales du Celtic du Glasgow a été en tête des passes tentées.

Des événements comme la Coupe du Monde génèrent une attention inégalée, attirant environ 95 % des amateurs de sport. La popularité de ces compétitions révèle l’immense passion que suscite le football au niveau mondial.

Les statistiques dans le sport soulèvent parfois des interrogations. Le football devient-il inhumain ? Les chiffres prennent-ils le pas sur l’émotion ? Alors que plus de données sont collectées, certaines personnes craignent que les humains soient réduits à de simples chiffres sur un tableau.

Les échecs des équipes, que ce soit à cause de statistiques peu flatteuses ou de décisions contestées, apportent souvent des leçons précieuses. Des joueurs comme Benjamin Corgnet, connu pour avoir perdu des ballons lors d’un match de Ligue 1, illustrent que chaque performance, qu’elle soit bonne ou mauvaise, a sa place dans l’histoire.

Les infographies et graphiques font partie intégrante de l’analyse moderne du sport. Ils aident à déchiffrer des données et à rendre compréhensibles des éléments complexes.

Envahi par les statistiques mais pas toujours par les bonnes, le football a vu son traitement s'américaniser. Le football est à un carrefour de son traitement médiatique et analytique. Porté par l'intérêt toujours grandissant des États-Unis pour le soccer, l'emploi des statistiques a fait un bond dans les pays anglo-saxons.

Leur interprétation est devenue un enjeu majeur, à tel point que certains blogueurs anglophones ont été débauchés par des clubs professionnels. D'autres pigent pour ESPN, le Washington Post ou Grantland, médias américains déjà habitués à l'approfondissement de la data.

Les fournisseurs de contenus (Opta, Prozone) donnent bien aux médias français des statistiques plus poussées que par le passé, mais les plus grandes avancées sont souvent l'oeuvre de passionnés un peu dérangés, qui tentent d'appliquer au football une grille de lecture et d'interprétation innovante. Les "Expected Goals" font partie de ces statistiques encore adolescentes.

Focus sur les « Expected Goals » (ExpG)

Terme barbare dont la traduction littérale a peu de sens en français. Les "ExpG", ou "xG", ce sont le nombre de buts qu'un joueur ou une équipe aurait dû marquer ou encaisser selon les probabilités sur une période donnée, qu'il s'agisse d'un match ou d'une saison.

Le calcul n'est pas si compliqué: une probabilité de marquer est attribuée à chaque tir tenté ou concédé par une équipe, se basant sur les milliers de tirs tentés lors des saisons précédentes. La statistique aurait d'abord été expérimentée dans le hockey sur glace, sport propice aux statisticiens, comme le baseball et le basket-ball.

La position du tireur n'est pas le seul facteur influant sur la probabilité de marquer. Le modèle prend également en compte d'autres paramètres:

• Le type de tir: quelle partie du corps le joueur a utilisé pour réaliser la frappe.
• Le type de passe: passe dans les pieds, centre, remise de la tête, passe en profondeur dans le dos de la défense.
• Le type de situation: attaque placée ou contre-attaque, coup franc direct ou indirect, corner ou penalty.

D'autres modèles prennent également en compte la dynamique du match ainsi que le nombre de touches de balle réalisées par l'attaquant avant de tirer. Dans l'ensemble, la construction du modèle n'est pas follement sophistiquée. C'est surtout la récupération des données qui pose problème aux statisticiens, lesquels doivent souvent se contenter de la data accessible au public.

Si la corrélation entre les ExpG et les buts réellement marqués est forte, certaines zones d'ombre demeurent. En premier lieu, la position des défenseurs au moment du tir, pas mesurée par les outils actuels. Tandis que les actions avec le ballon sont aisément prises en compte, les déplacements des joueurs qui n'ont pas le ballon dans les pieds ne sont pas intégrés.

Les Expected Goals sont avant tout une mesure de performance objective. Loin du score réel, parfois trompeur, et du "mérite", cette statistique évalue la capacité d'une équipe à se créer des occasions (et leur qualité) et sa propension à en conçéder.

Les Expected Goals ont également un aspect prédictif. Si une équipe a inscrit dix buts sur les trois derniers matches alors qu'elle aurait dû en inscrire cinq, une baisse de forme peut être attendue. De même, si elle encaisse beaucoup de buts alors que sa performance ExpG indique qu'elle concède peu de tirs à haute probabilité de marquer, on peut imaginer qu'elle vit une période de malchance et que la routourne va finir par tourner.

Les statisticiens mettent en avant les Expected Goals en particulier lorsqu'un entraîneur est en danger, invitant les dirigeants de clubs à s'intéresser aux performances objectives de leurs équipes avant de licencier leur coach.

À l'échelle de la performance individuelle, les ExpG affichent moins de certitudes. Bien qu'ils soient fortement reproductibles par tranche de quatre-vingt-dix minutes, signifiant que les bons joueurs sont capables de se procurer régulièrement des occasions, c'est la conversion de celles-ci qui refuse la constance.

Les fluctuations de conversion sont très nombreuses d'une année sur l'autre, même pour les meilleurs joueurs. Sur un échantillon de temps élargi, une hiérarchie apparaît, mais la prédiction de futures performances reste bancale, en particulier chez les jeunes joueurs.

Les Expected Goals restent un outil de mesure encore très jeune et faillible, quelque peu obscurci par le silence de ses créateurs (nombreux et aux modèles variables). Dans les paris sportifs, chaque chiffre est une pièce du puzzle. Un but marqué, un carton jaune, une possession à 60 %… pris isolément, ces éléments semblent anecdotiques. Mais assemblés, ils composent une histoire que les parieurs avisés savent lire et interpréter.

Le parieur qui se contente de « feeling » part donc avec un handicap. Utiliser les statistiques, c’est réduire l’incertitude et trouver des failles dans les évaluations des cotes. La moyenne de buts est souvent le premier chiffre regardé. Pourtant, ce chiffre doit être nuancé : une équipe peut afficher une forte moyenne grâce à quelques cartons (5-0, 6-1) mais être beaucoup moins régulière dans les autres rencontres.

Se limiter au nombre de buts encaissés est insuffisant. Il faut examiner le volume de tirs subis, la qualité de ces tirs (Expected Goals contre - xGA), ou encore la fréquence des fautes commises près de la surface. La possession illustre un style de jeu, pas forcément l’efficacité. Des clubs comme Leicester City ou l’Atlético de Madrid ont remporté des titres en laissant volontairement le ballon.

Certains clubs sont ultra-dépendants de leurs stars offensives. L’absence d’un joueur comme Haaland, Mbappé ou Lewandowski modifie radicalement la probabilité de marquer.

Un tableau comparatif des Expected Goals (xG) ou des tirs cadrés aide à repérer la vraie dynamique d’une équipe. Les bases de données spécialisées fournissent des statistiques détaillées, mises à jour en temps réel.

En attribuant une valeur à chaque tir, cette statistique offre une étude plus objective et détaillée de la qualité des occasions créées. Pour ce faire, chaque tir va se voir comparer à une base de données comprenant des milliers d’autres tirs dans des situations similaires. Grâce à un algorithme, on attribue à chaque tir une valeur comprise entre 0 et 1. L’attribution de cette note se fait en comparaison du pourcentage de buts inscrits sur une situation identique.

Chaque tir va être analysé et comparé à des milliers d’autres dans des situations similaires, puis un score entre 0 et 1 lui sera attribué. L’attribution de cette note se fait par rapport au pourcentage de buts inscrits sur une situation.

Comparaison équitable entre les joueurs : Le fait de compter les tirs bloqués dans le calcul des xG rend possible une comparaison juste entre deux joueurs. Les pénaltys sont également inclus dans le calcul des xG.

Dans un premier temps, cela permet de se rendre compte de l’efficacité offensive d’une équipe. Analyse des performances individuelles : Cette métrique permet d’évaluer l’efficacité de ses joueurs devant le but. Pour ce faire, il leur suffit de comparer les xG avec le nombre de buts inscrit d’un joueur.

Les expected goals peuvent également aider à voir si un attaquant occupe le bon rôle. Étude des performances collectives : Ces données statistiques peuvent mettre en évidence l’efficacité défensive d’une équipe. Les entraîneurs peuvent également savoir quels sont les points à améliorer dans leur jeu.

Les expected goals sont un outil précieux, offrant aux entraîneurs, aux analystes, aux recruteurs ou encore aux agents de joueurs un nouvel outil pour évaluer le niveau de jeu.

Application Concrète des Expected Goals

Lors du match retour de Ligue des champions, le FC Barcelone a tout tenté pour refaire son retard de trois buts sur la pelouse du PSG. Malgré une possession de balle de 72 % et de nombreuses tentatives, le score final était de 1-1. Les Expected Goals donnaient un score final de 1,7-2,3, indiquant que le Barça méritait peut-être mieux, mais que Paris avait été plus efficace.

Selon l'algorithme d'Opta, Lionel Messi et ses coéquipiers auraient ainsi « pu espérer » trouver le chemin des filets 2,27 fois au Parc des Princes. Cela ne veut pas nécessairement dire qu'ils ont joué de malchance, car le joueur « moyen » aurait marqué moins de 3 fois sur 100 (0,0282 xG, 2,82 %) dans la situation du meneur de jeu argentin, buteur sur une frappe de 25 mètres.

Sur cette action de la 10e minute, Ousmane Dembélé semble en bonne position pour ouvrir le score, aucun défenseur n'obstruant son champ de tir. Cependant, l'angle restreint et la pression imposée par Presnel Kimpembe rendent sa tâche plus difficile, ce qui explique en partie la faible valeur xG de sa tentative (0,05 soit 5 %, c'est-à-dire qu'un joueur dans la moyenne marque 5 fois sur 100 lorsqu'il se retrouve dans cette situation).

Sur cette action de la 34e minute, l'angle de tir est plus ouvert et la pression des défenseurs moins importante. Dembélé est aussi plus avancé dans la surface et positionné sur son pied fort, le droit. Autant de facteurs qui expliquent la valeur xG plus élevée de son tir (0,29).

À condition de savoir les interpréter, les xG peuvent se révéler une mine d'or pour les parieurs, car ils permettent d'analyser plus objectivement les performances d'une équipe et donc de prédire avec davantage de justesse une éventuelle baisse de régime, par exemple. Mais ils sont aussi un outil précieux pour les clubs qui font le pari de les utiliser, notamment dans le domaine du recrutement.

Si deux joueurs ont marqué le même nombre de buts lors d'une saison, les Expected Goals permettront de comprendre certaines différences entre ces deux joueurs. Un exemple : Wissam Ben Yedder et Kevin Volland, coéquipiers à Monaco, ont tous les deux marqué 13 fois en Ligue 1 cette saison. Mais contrairement au capitaine français de l'ASM, dont les statistiques sont plutôt fidèles aux prédictions mathématiques (13,76xG), l'Allemand a assez nettement dépassé les attentes (10,03xG). Sans aller plus loin, on pourrait conclure que Volland réussit des tirs théoriquement plus difficiles et qu'il possède donc une qualité de finition au-dessus de la moyenne.

Les non penalty Expected Goals (npxG), qui excluent comme leur nom l'indique les penalties de leur champ d'analyse, sont un indicateur plus précis pour les joueurs qui les tirent, car le fort taux de conversion moyen de ces coups de pied de réparation (0,7884xG chez Opta, 0,76xG chez StatsBomb) peut fausser leur bilan.

À l'image des xG et des npxG, d'autres formules existent. On peut par exemple s'intéresser aux xG/90 minutes, qui permettent d'estimer le nombre de buts qu'un joueur peut espérer marquer à chaque match selon la qualité des situations de tir qu'il se crée ; ou aux xG/tir, un indicateur qui permet d'évaluer la qualité moyenne desdites situations de tirs.

Si les xG, les xG/90 minutes ou les xG/tir sont donc un bon point de départ pour approfondir le rendement d'un attaquant, ils ne sont selon Demeaux « que rarement suffisants pour une analyse digne de ce nom », car « le modèle "s'arrête" au moment du tir dans sa conception ».

Pour mesurer la qualité d'un tir, il convient aussi de s'intéresser aux Expected Goals On Target (xGOT), dont l'analyse n'inclut comme leur nom l'indique que les tentatives cadrées. On parle aussi de Post-Shot Expected Goals. « Cette fois, on sait où le tir termine, explique Demeaux. S'il n'est pas cadré, la probabilité de marquer est de 0. Donc on exclut ces tirs du modèle pour ne conserver que les tirs cadrés. On ajoute dans le modèle l'endroit où le tir finit et cela donne un autre angle d'analyse qui correspond davantage à une évaluation de la qualité des tirs. »

À l'image de l'abandon progressif du tir à mi-distance au profit des lay-ups et des shoots à trois points dans le basket NBA, temple des statistiques avancées et royaume des matheux, l'étude approfondie des xG pourrait-elle à plus ou moins long terme convaincre certains clubs de football de délaisser les tirs en dehors de la surface, dont le pourcentage de réussite moyen est plus faible ?

« À mon sens, c'est déjà en marche et plus ou moins avancé chez certaines équipes, observe Demeaux. Une équipe comme Liverpool, qui est réputée pour s'appuyer sur les données de façon générale, est passée de 39 % de tirs depuis l'extérieur de la surface en 2017-2018 à 29 % la saison dernière, lors de son titre en Premier League. Je ne pense pas qu'elle ait réduit cette tendance de 10 points sans qu'il y ait eu une réflexion et une recherche en amont. »

Au fond, l'Allemand n'est rien de plus qu'un entraîneur pragmatique : un tir dans la zone des six mètres présentant un taux de réussite moyen largement supérieur (environ 80 %) à un tir de 40m (environ 1 %), il préfère que ses joueurs s'approchent le plus souvent possible de la surface (au risque de perdre le ballon) plutôt que de tenter leur chance en ayant la quasi-certitude de le rendre à leurs adversaires.

Cette tendance au déclin des tirs de loin n'est pas propre au champion d'Angleterre : cette saison, seules 6 des 20 équipes de Premier League ont frappé plus de 40 % du temps en dehors de la surface (42 % au maximum pour Burnley), alors qu'elles étaient plus du double (14) il y a 10 ans. Aucun des quatre autres grands Championnats européens (Bundesliga, Liga, Ligue 1, Serie A) n'échappe d'ailleurs au phénomène, même si la baisse est par exemple moins spectaculaire en Ligue 1 (-7,8 points) qu'en Serie A (-13,5 points).

Les statistiques permettent de passer du pari instinctif au pronostic réfléchi. Il n’existe pas de formule magique. Les statistiques ne suppriment pas l’aléatoire, mais elles réduisent l’incertitude. En les maîtrisant, vous vous donnez un avantage stratégique.

tags: #quel #est #le #score #le #plus