Comment fonctionnent les supercalculateurs du football

Chaque mois d'août, alors que les championnats viennent de démarrer, les médias sportifs publient le même genre de titre : le supercalculateur a prédit la Premier League, ou le modèle accorde 62 pour cent de chances au favori. Le mot évoque une machine énorme qui vrombit dans un sous-sol réfrigéré. La réalité est bien plus modeste et bien plus intéressante : il s'agit presque toujours d'un programme statistique qui distribue des buts selon une formule vieille de plus de quarante ans et qui joue la saison des milliers de fois d'affilée pour compter combien de fois chaque équipe l'emporte. Comprendre ce qu'il y a dessous sert à deux choses : mesurer pourquoi ces modèles tombent plus souvent juste qu'on ne l'imaginerait, et savoir exactement à quel moment ils cessent d'être utiles.

D'où sort le titre de chaque mois d'août

Le format a été popularisé par les maisons de données sportives. Le modèle d'Opta, par exemple, simule dix mille fois chaque match de la saison et classe les équipes selon la moyenne de points qu'elles accumulent dans cet ensemble de saisons imaginaires. Avec ce matériau, on peut construire n'importe quel titre : probabilité de titre, de qualification européenne, de relégation, ou encore le classement final le plus probable. C'est un contenu peu coûteux à produire, qui se met à jour tout seul à chaque journée et qui fonctionne très bien sur les réseaux sociaux, si bien qu'il est devenu un genre journalistique à part entière, réapparaissant ponctuellement à chaque intersaison.

Le plus frappant, c'est que les petites lignes contredisent souvent le titre. Dans la projection d'Opta pour la Premier League 2025-26, dix-neuf des vingt équipes ont remporté le titre au moins une fois à l'intérieur de ces dix mille saisons simulées. Autrement dit : le modèle lui-même prévenait que presque tout était possible. Le titre retient l'équipe qui a gagné le plus souvent et la présente comme une prédiction fermée ; le modèle, lui, décrivait un éventail énorme de futurs, certains très improbables mais aucun impossible.

Maher, Dixon et Coles : l'origine universitaire

L'idée de fond est plus vieille qu'internet. En 1982, M. J. Maher a publié dans la revue Statistica Neerlandica un article intitulé Modelling association football scores dans lequel il attribuait à chaque équipe deux nombres : une force d'attaque et une force de défense. Les buts de chaque match étaient modélisés par une distribution de Poisson, l'outil même qui sert à compter des événements peu fréquents à l'intérieur d'un intervalle de temps. Maher a constaté que, à quelques nuances près, ce modèle si simple décrivait raisonnablement bien la fréquence réelle des scores, et il y a en outre intégré l'avantage de jouer à domicile.

Quinze ans plus tard, en 1997, Mark Dixon et Stuart Coles ont publié dans le Journal of the Royal Statistical Society, Série C, le travail qui a transformé tout cela en outil pratique. Ils ont ajusté le modèle sur des matchs anglais de championnat et de coupe disputés entre 1992 et 1995 et lui ont apporté deux correctifs décisifs. Le premier : corriger la fréquence des scores faibles, parce que le Poisson pur sous-estimait les zéro à zéro et les un partout. Le second, et le plus important pour ce qui nous occupe : introduire une pondération temporelle, de sorte que les matchs récents pèsent davantage que les anciens dans l'estimation de la force d'une équipe. Un club n'est pas le même en avril que deux ans plus tôt, et le modèle devait s'en apercevoir.

Pourquoi il faut jouer la saison dix mille fois

Une fois les attaques et les défenses estimées, on peut calculer la probabilité de chaque score possible pour chaque match restant. Le problème, c'est qu'un championnat n'est pas un match isolé : c'est un réseau de dizaines de journées dans lequel le résultat de chacune change le sens de la suivante. Il n'existe pas de formule fermée raisonnable qui convertisse toutes ces probabilités individuelles en une probabilité de finir champion, et encore moins quand entrent en jeu les départages à la différence de buts ou aux confrontations directes entre les équipes concernées.

La solution est la simulation de Monte-Carlo, une méthode qui consiste à résoudre un problème difficile en lançant les dés un très grand nombre de fois. L'ordinateur tire au sort un résultat concret pour chaque match restant, en suivant les probabilités dictées par le modèle ; il additionne les points ; il construit le classement final ; et il note qui a été champion et qui est descendu. Puis il recommence l'opération à zéro. Au bout de dix mille saisons complètes, il suffit de compter : si une équipe a terminé première dans 6 200 d'entre elles, sa probabilité de titre est de 62 pour cent. Il n'y a pas d'autre magie que celle-là, et le nom vient du casino de Monaco, pas d'un superordinateur.

Ce que veut vraiment dire un 62 pour cent

C'est là que se niche le malentendu central. Un 62 pour cent ne signifie pas que cette équipe va gagner le championnat. Cela signifie que, si la saison se jouait cent fois à partir de l'état actuel, avec ces effectifs et ce calendrier, cette équipe serait championne environ soixante-deux fois et une autre l'emporterait dans les trente-huit cas restants. Et 38 pour cent n'est pas un chiffre négligeable : c'est presque exactement la probabilité d'obtenir deux faces en lançant trois fois une pièce, ce qui n'étonne personne quand cela arrive.

D'où le fait qu'un modèle ne se juge pas à sa capacité à désigner le bon champion, mais à son calibrage : de toutes les fois où il a annoncé vingt pour cent, l'événement s'est-il produit à peu près une fois sur cinq ? Un modèle bien calibré se trompe constamment sur des cas individuels et reste malgré tout utile, exactement comme un bulletin météo qui annonce trente pour cent de pluie a raison s'il pleut trois fois sur dix quand il le dit. Juger une probabilité sur un seul résultat, c'est comme juger un dé sur un unique lancer.

Comment fonctionne le supercalculateur de ce site

Le modèle de futsimulator.com appartient à cette même famille d'idées. Il joue dix mille fois tous les matchs qu'il reste à disputer dans la compétition et compte les dénouements. La force offensive et défensive de chaque club n'est pas tirée du classement brut, mais ajustée selon les adversaires déjà rencontrés : marquer trois buts au leader ne vaut pas la même chose que les marquer à la lanterne rouge, et une défense qui s'est déjà déplacée chez les quatre meilleurs du championnat mérite d'être lue avec une autre aune qu'une autre qui n'a pas encore bougé de chez elle.

Suivant la logique de Dixon et Coles, les matchs récents pèsent davantage que les lointains, avec une demi-vie de cent jours : un résultat vieux de trois mois influe environ moitié moins qu'un résultat de cette semaine. Et pour le problème classique des premières journées, quand les données manquent encore, le modèle démarre avec une valeur a priori construite à partir de la valeur de l'effectif du club et de son classement de l'année précédente ; ce poids initial diminue à mesure qu'arrivent de vrais résultats. Un détail technique qu'il vaut la peine de mentionner : tout le calcul s'exécute dans le navigateur du visiteur, pas sur un serveur distant. Le supercalculateur, littéralement, c'est ton propre appareil.

Ce qu'aucun modèle ne peut savoir

Et voici la partie honnête. Ces modèles lisent le passé ; ils ne lisent pas l'avenir. Ils ne savent pas que l'attaquant titulaire va se blesser à la neuvième journée, ni que le club va recruter en janvier un milieu de terrain qui changera le visage de l'équipe, ni qu'il y aura un changement d'entraîneur qui réorganisera complètement le vestiaire. Ils ne savent rien de la charge du calendrier européen qui videra les jambes en mars, ni d'une sanction administrative, ni d'un transfert inattendu le dernier jour du mercato. Tout cela n'entre dans le modèle qu'après coup, une fois traduit en résultats.

Ils ne captent pas bien non plus ce que les statisticiens appellent la corrélation entre les matchs : dans la simulation, chaque rencontre est tirée au sort de façon pratiquement indépendante, alors que dans la réalité une mauvaise série se propage d'un week-end à l'autre et une longue blessure pèse pendant des mois. C'est pourquoi les fourchettes qu'ils produisent sont généralement un peu plus étroites que ce que la vie finit par démontrer. La conclusion raisonnable n'est pas de jeter le modèle à la poubelle, mais de l'utiliser pour ce qu'il est : une manière ordonnée de distinguer le probable du simplement possible, sans jamais confondre l'un avec l'autre.

"Un modèle ne te dit pas ce qui va se passer ; il te dit combien de fois cela arriverait si l'année se rejouait dix mille fois."

• Simule les journées restantes de ton championnat et regarde à quoi ressemble le classement final.
• Change à la main n'importe quel résultat et vérifie à l'instant comment bouge le classement.
• Monte des tableaux à élimination directe et simule-les tour par tour jusqu'à la finale.
• Ouvre le supercalculateur, regarde les probabilités de titre et de relégation et compare-les au classement réel.

"La statistique ne remplace pas la saison : elle te dit seulement à quoi t'attendre avant qu'elle ne se joue."