L’importance de l’analyse des donnees dans le football

Au cours des deux dernières décennies, l’influence de l’analyse des données s’est accrue dans tous les aspects de notre vie : dans les entreprises de toutes sortes, mais aussi dans la santé, les médias et les sports. Il y a quelques années encore, on pensait que le football était à l’abri de cette tendance. Aujourd’hui, les premiers adeptes des grandes ligues de football prospèrent grâce à l’avantage concurrentiel que les investissements dans l’analyse de données commencent à leur procurer : Liverpool, AZ Alkmaar et Brentford ne sont que quelques-uns des cas de réussite qui se multiplient. À notre avis, les clubs qui ne prévoient pas de prendre le train en marche de l’analyse risquent d’être laissés pour compte.


Une brève histoire de l’analyse du football

Les origines de l’analyse du football : Charles Reep et le problème de l’interprétation des données

Charles Reep

L’analyse du football n’est pas une discipline aussi jeune qu’on le pense souvent. Le premier adepte a été un comptable de la Royal Air Force britannique, Charles Reep, qui, après la Seconde Guerre mondiale, a commencé à recueillir et à analyser des données sur les matches de football, à l’aide d’un crayon et d’un papier.

Reep en a conclu que la plupart des buts étaient marqués sur moins de trois passes, et qu’il était donc important de faire avancer le ballon le plus vite possible. Sa théorie est connue sous le nom de « balle longue » et aura une grande influence sur le football anglais pendant de nombreuses années, en particulier dans les années 80. Reep a travaillé à Brentford, Wolverhampton et Sheffield Wednesday, mais a également collaboré avec Wimbledon, Watford et l’équipe nationale norvégienne, en préconisant toujours un style de jeu d’attaque directe.

Les conclusions de Reep se sont toutefois révélées inexactes. Jonathan Wilson (auteur de « Inverser la pyramide« ), a souligné que l’analyse de Reep a montré que 91,5% des mouvements dans les jeux qu’il a étudiés avaient 3 passes ou moins et que logiquement, cela signifierait que 91,5% de tous les buts devraient provenir de mouvements avec 3 passes ou moins.

Ce que Charles Reep faisait bien, c’était la collecte de données. Ce qu’il a fait de mal, ce sont les conclusions auxquelles il est parvenu après avoir analysé la base de données qu’il a constituée avec tant de passion. En fin de compte, il était un comptable, pas un spécialiste des données.

C’est un exemple clair de la façon dont les données seules ne suffisent pas pour obtenir un avantage concurrentiel, ce qui est encore plus important, c’est la capacité à les interpréter. Cela devient de plus en plus évident de nos jours, alors que les bases de données continuent à se développer et que le rôle des scientifiques des données devient de plus en plus important.

L’institution du football, au lieu de prendre la bonne partie initiale du travail de Reep (la collecte de données) et de se concentrer sur l’amélioration de l’interprétation des données, a plutôt écarté l’expérience et le concept qui la sous-tend, c’est-à-dire qu’avec des données, il est possible de mieux comprendre le jeu et d’obtenir un avantage concurrentiel.

Les données ne suffisent pas : il faut des analyses

Le problème de la capacité à interpréter les données est toujours d’actualité. Par exemple, si les clubs de football sont inondés par d’énormes flots de chiffres, mais qu’ils n’ont pas le savoir-faire interne pour les interpréter et en extraire des informations exploitables, les données deviennent presque inutiles. C’est comme donner tous les prix, ratios et indicateurs sur les actions, les devises et les marchandises à une personne qui ne connaît pas les marchés financiers : les données elles-mêmes ne font pas de cette personne un trader infaillible. Pour prendre de bonnes décisions, les équipes de football ont besoin de données, bien sûr, mais elles ont aussi besoin d’analyses pour leur donner un sens. Voici une bonne représentation de ce concept, par l’Imperial College de Londres.

L'importance de l'analyse pour donner un sens aux données

L’essor de l’analyse sportive après Moneyball

Billy Beane à Oakland Athletics

La publication en 2003 de ‘Moneyball: The Art of Winning an Unfair Game‘ a été la véritable introduction de l’analyse sportive à un public plus large. Écrit par Michael Lewis, le livre se concentre sur l’équipe de baseball Oakland Athletics et son directeur général, Billy Beane. Le livre – et huit ans plus tard le film Moneyball, avec Brad Pitt et Jonah Hill – a contribué à populariser le concept de sabermétrie (l’analyse statistique du baseball) et l’analyse du sport.

Selon le livre, avant l’introduction du sabermétrique au baseball, les équipes dépendaient des compétences de leurs recruteurs pour trouver et évaluer les joueurs. Lewis soutient que le front office de l’Oakland A’s a tiré profit de jauges plus analytiques des performances des joueurs afin de trouver des joueurs et de construire une équipe qui pourrait être plus maligne et mieux concurrencer les concurrents plus riches de la Major League Baseball. L’équipe est devenue célèbre en remportant 20 matchs consécutifs entre le 13 août et le 4 septembre 2002.

Après que l’Oakland Athletics ait ouvert la voie, toutes les autres équipes de la MLB en ont pris note et ont rapidement suivi. En quelques années, d’autres sports américains, comme le basket-ball et le football américain, ont commencé à être de plus en plus axés sur les données.

Les dirigeants du football, au début, sont restés sceptiques. La plupart des gens pensaient que, contrairement aux sports américains, le football serait impossible à analyser à l’aide de données.

Mais quelques personnes obstinées n’étaient pas d’accord. Et ils ont commencé une révolution des données dans le Beautiful Game. L’un d’eux était Billy Beane lui-même, qui s’intéresse beaucoup au football. Dans cet article, nous décrivons comment il est devenu conseiller du club néerlandais AZ Alkmaar, en 2015.

Les développements les plus récents, les études de cas réussies de Liverpool, AZ Alkmaar, FC Midtjylland et Brentford, montrent qu’il est non seulement possible d’analyser le football, mais que ceux qui le font correctement acquièrent un avantage compétitif important.

Application de l’analyse des données dans le domaine du football


Les progrès que nous avons observés dans l’industrie au cours des cinq dernières années seront éclipsés par ce qui se passera dans les cinq prochaines années.


Au cours des dernières années, la vitesse exponentielle de l’amélioration des technologies de collecte, de stockage et d’analyse des données est allée de pair avec une augmentation exponentielle du capital humain investi dans l’analyse des sports. La quantité et la qualité des ensembles de données ont ainsi explosé. Toutefois, nous pensons que les progrès que nous avons observés dans le secteur au cours des cinq dernières années seront éclipsés par ce qui se passera dans les cinq prochaines années.

À mesure que les ensembles de données se sont développés et améliorés, le nombre d’applications potentielles de l’analyse des données au jeu s’est multiplié, faisant de “l’analyse du football » un concept assez générique. Nous essayons ci-dessous de résumer les principaux domaines d’application.

Scouting / Recrutement

Le recrutement intelligent : trois raisons

À notre avis, l’analyse des données est un outil de dépistage très puissant, pour trois raisons principales:

  1. 1. Economies. La recherche de joueurs dans des bases de données étendues et détaillées permet aux clubs de réaliser des économies incroyables de temps et d’argent. Après avoir appliqué les filtres souhaités, le recruteur peut restreindre la zone d’intérêt à un nombre sélectionné de joueurs et commencer à voir les vidéos de ce groupe. Dans notre entonnoir de recherche hypothétique, conceptualisé dans l’image ci-dessous, grâce aux vidéos, le recruteur peut filtrer davantage le nombre de joueurs à aller voir en direct. Nous pensons que les bases de données ne peuvent pas remplacer les recruteurs, mais qu’elles peuvent plutôt compléter leurs compétences en matière d’identification de talents.
  2. 2. Silicon a plus de mémoire que vous ou moi. Vous souvenez-vous de toutes les actions, tous les tirs, tous les centres et les dribbles de votre équipe favorite au cours de la saison passée ? Bien sûr que non. Et il en serait de même même si nous limitons l’analyse à votre joueur préféré. Au contraire, si un ordinateur n’a pas d’équipe ou de joueur favori, il peut se souvenir de tout ce qui s’est passé au cours des saisons précédentes. C’est une aide précieuse pour les recruteurs, qui sont souvent induits en erreur par la sur- ou la sous-performance d’un joueur dans un match spécifique, voire sur une période plus longue.
  3. 3. Limiter les idées préconçues. L’exploration des bases de données donne souvent lieu à des résultats contre-intuitifs. Dans certains cas, il peut s’agir de faux positifs. Dans d’autres cas, ils donnent de véritables « moments d’eurêka » : vos yeux n’ont pas capté cette compétence particulière de ce joueur en particulier, mais la prochaine fois que vous le regardez, tout devient clair.

Soccerment: Scouting funnel starting with stats

En ce qui concerne le recrutement intelligent et l’échange de joueurs, trois clubs se distinguent, les données étant au cœur de leurs routines de dépistage. Deux d’entre eux sont détenus par le même homme : Matthew Benham. Deux d’entre eux sont détenus par le même homme : Matthew Benham.


Recrutement intelligent : Brentford

Matthew Benham et Rasmus Ankersen

Leur succès sur le marché des transferts permet à Brentford de participer avec succès au championnat anglais, malgré un budget salarial inférieur de 60 % à la moyenne de la ligue.


Matthew Benham (à gauche sur la photo ci-dessus, représenté avec son ami et collègue Rasmus Ankersen) est un ancien commerçant de la ville qui a fondé la société de conseil en paris Smartodds, une société privée qui fournit des services de recherche statistique et de modélisation sportive à des clients comme les joueurs professionnels.

En juin 2012, Benham est devenu l’actionnaire majoritaire du Brentford FC, qui se battait alors pour la promotion de la League 1 (3ème division Anglaise). En juillet 2014, il est devenu propriétaire du club danois FC Midtjylland.

Le club anglais Brentford et le club danois FC Midtjylland ont une chose en commun, à part leur propriété : ils sont capables de faire mieux que leur poids, c’est-à-dire qu’ils ont trouvé le moyen de rivaliser avec des budgets beaucoup plus réduits que leurs pairs. La manière dont ils s’y prennent est un concept relativement simple, mais très difficile à mettre en œuvre: maximiser les rendements sur le marché des transferts.

Voici, à titre d’exemple, un tableau que nous avons tiré du livre « The Expected Goals Philosophy« , écrit par James Tippett, un ancien « observateur » de Smartodds. Un « watcher » est chargé de suivre les statistiques des matchs de football, les mêmes statistiques qui alimentent les algorithmes de Smartodds, Brentford et FC Midtjylland.


PlayerPurchasing fee (£ m)Selling fee (£ m)Profit (£ m)
N. Maupay1.82018.2
A. Gray0.51211.5
S. Hogan0.751211.25
C. Mepham01111
E. Konsa2.5129.5
R. Woods16.55.5
N. Yennaris0.254.8
Jota1.564.5
J. Tarkowski0.34.54.2
J. Egan0.443.6
D. Bentley0.4543.55
R. Sawyers0.32.92.6
M. Odubajo13.52.5
M. Colin0.932.1
F. Jozefzoon0.92.81.9
Total12.5109.296.7
Source: The Expected Goals Philosophy

Le tableau ci-dessus représente les transferts de joueurs les plus rentables de Brentford. Il comprend le prix que Brentford a payée pour eux, le prix de vente et les plus-values brutes de l’opération. Comme le montre le tableau, Brentford a payé 12,5 millions de livres sterling pour cette liste de joueurs et a reçu 109,2 millions de livres sterling lors de leur transfert, soit une plus-value brute de 96,7 millions de livres sterling.

Selon le livre, leur succès sur le marché des transferts permet à Brentford de participer avec succès au championnat anglais, malgré un budget salarial inférieur à 15 millions de livres sterling, soit 60 % de moins que la moyenne de la ligue (39 millions de livres sterling).

Recrutement intelligent : Liverpool

Liverpool's Michael Edwards

Le FC Liverpool emploie une équipe de recherche de quatre personnes, qui est en fait l’équipe de rêve de l’analyse du football. Les clubs de football, lorsqu’ils s’intéressent à l’analyse de données, ont normalement au maximum une personne avec son experience. En avoir quatre est plus qu’inédit, c’est révolutionnaire.


En 2010, Liverpool a été racheté par la société américaine Fenway Sports Group, propriétaire de l’équipe de baseball Boston Red Sox depuis 2002. Très férus de sabermétrie, les Red Sox ont tenté d’engager Billy Beane, mais celui-ci a refusé l’offre, préférant rester à Oakland Athletics. Les Red Sox se sont donc tournés vers un autre des pionniers du sabermétrique, Bill James, en tant que conseiller spécial du club. Le terme « sabermétrie » a été inventé par Bill James lui-même, dérivant de l’acronyme SABR, qui signifie « Society for American Baseball Research« , fondée en 1971.

Les Red Sox n’avaient pas gagné les World Series depuis 84 ans, apparemment condamnés par la soi-disant « malédiction des Bambino« . En 2004, deux ans après l’intervention de Fenway, les Red Sox ont réussi à briser la malédiction et sont devenus l’une des équipes de baseball les plus dominantes de l’histoire, remportant à nouveau les World Series en 2007, 2013 et 2018.

À Liverpool, le Fenway Sports Group a décidé de reproduire le projet, en investissant de l’argent dans l’analyse des données. Ils ont rapidement engagé Damien Comolli en tant que directeur de la stratégie du football. Comolli avait la réputation de découvrir des joyaux cachés grâce aux données : à Tottenham, par exemple, il a signé Luka Modric et Dimitar Berbatov.

À Liverpool, bien qu’il ait signé Luis Suarez et Jordan Henderson, les choses ne se sont pas déroulées comme prévu pour Comolli, qui a quitté le club au printemps 2012. Avant de quitter Liverpool, il a cependant signé un contrat important, un homme qui a joué un rôle essentiel dans les récents succès du club. Pour une fois, il ne s’agit pas d’une star du jeu, mais d’un analyste de données : Michael Edwards, sur la photo ci-dessus.

Amené par Comolli à la tête du département performance et analyse, Michael Edwards a été nommé premier directeur sportif de Liverpool en novembre 2016.

Edwards travaille avec le responsable du recrutement Dave Fallows, l’éclaireur en chef Barry Hunter et une équipe de recherche de quatre personnes dirigée par Ian Graham, diplômé de Cambridge (PhD en physique) et comprenant William Spearman (PhD en physique et ex-CERN), Tim Waskett (PhD en astronomie) et Dafydd Steele (chercheur en statistiques). Ce groupe est vraiment l’équipe de rêve de l’analyse du football. Les clubs de football, lorsqu’ils s’intéressent à l’analyse de données, ont normalement au maximum une personne ayant ce type d’expérience. En avoir quatre est plus qu’inédit, c’est révolutionnaire.

La capacité à analyser les données de performance et à leur donner un sens a permis à Liverpool de rechercher les joueurs qui correspondent le mieux au style de jeu de Jürgen Klopp. Une autre caractéristique importante de la mise en place de Liverpool est qu’il existe des synergies évidentes entre les entraîneurs techniques, dirigés par Klopp, et les spécialistes des données, une relation qui est favorisée par la confiance et le respect mutuels.

À notre avis, la qualité et la quantité supérieures de ses données ont permis à Liverpool de faire des offres mieux informées sur le marché des transferts que ses pairs, car le club, contrairement à ses concurrents, disposait de beaucoup plus d’informations sur les joueurs et pouvait donc appliquer un risque de remise plus faible à ses évaluations.

Les achats de Mohamed Salah, Alisson et Virgil van Dijk semblaient tous trop chers à l’époque. Au lieu de cela, les évaluations des joueurs ont considérablement augmenté depuis que Liverpool les a achetés. Dans le tableau ci-dessous, nous incluons toutes les signatures les plus importantes de Liverpool (frais d’achat supérieurs à 10 millions d’euros) depuis 2016/17 (la première saison complète avec Edwards comme directeur sportif) et nous comparons les frais d’achat avec l’évaluation actuelle (après la vérification) ou les frais de vente. N’oubliez pas que nous n’incluons pas les transferts gratuits comme ceux de Joel Matip ou les signatures inférieures à 10 millions d’euros comme celles d’Andrew Robertson.


PlayerPurchasing
fee (€ m)
Current
valuation (€ m)
Valuation
change (€ m)
S. Mané41.2120+79
G. Wijnaldum27.550+22
V. van Dijk84.790+5.3
M. Salah42.0150+108
A. Oxlade-Chamberlain38.035-3.0
Alisson62.572+9.5
N. Keïta60.060
Fabinho45.050+5.0
X. Shaqiri14.725+10
Total415.6652+236
Source: Transfermarkt

Recrutement intelligent : La formule secrète

Alors, quelle est la formule secrète utilisée par Brentford et Liverpool? Nous pensons qu’elle se résume à deux facteurs principaux, qui forment ensemble une philosophie sous-jacente : la recherche de la rationalité.


Les procédures de transfert de joueurs donnent à un club de football la possibilité de réinvestir l’argent soit dans des talents sous-évalués, soit dans des joueurs qui correspondent mieux au style de jeu du club. Le Saint Graal du dépistage permet d’atteindre ces deux objectifs en même temps. Et Liverpool n’en est pas loin.


  1. Analyse des donnéesBrentford et le FC Midtjylland utilisent des données et des algorithmes de Smartodds qui, selon Tippett, sont basés sur le concept d’objectifs attendus (bien que calculés d’une manière particulière – voir le paragraphe sur les objectifs attendus ci-dessous pour plus de détails);
  2. Vendre les super performants : ne pas avoir peur de vendre un joueur est la clé de l’approche financière de Brentford et de Liverpool. Sur le marché des transferts, les clubs de football oublient souvent les considérations rationnelles à long terme et font des émotions à court terme de leurs supporters le principal moteur de leurs décisions. Pour la réussite financière à long terme d’un club, il est essentiel de rester aussi rationnel que possible et, à notre avis, il n’y a pas beaucoup de meilleures options que l’analyse des données. Comme le Brentford de Matthew Benham, Liverpool n’a pas peur de vendre des joueurs importants (Suarez, Coutinho et Sterling pour n’en citer que quelques-uns), car les procédures leur donnent l’occasion réinvestir l’argent soit dans des talents sous-évalués soit dans des joueurs qui correspondent mieux au style de jeu du club. Le Saint Graal du scoutisme permet d’atteindre ces deux objectifs en même temps. Et Liverpool n’en est pas loin..

Analyse des performances

Football, indices de performance, statistiques, mesures avancées

L’analyse de données nous aide à découvrir des faits contre-intuitifs sur le football, sur lesquels nous pouvons construire une stratégie innovante et gagnante.


Les clubs de football, ainsi que les médias et même les supporters, peuvent, grâce aux données, comprendre facilement comment une équipe ou un joueur s’est comporté au cours d’un match ou d’une saison.

Même les statistiques les plus élémentaires, comme le nombre de tirs, les tirs au but et la possession du ballon, peuvent fournir un guide, même incomplet, sur les performances de deux équipes et sur la conformité de leurs performances avec le résultat du match.

Si nous améliorons ensuite la granularité des statistiques et incluons des indicateurs de performance sélectionnés, l’ensemble de données commence progressivement à donner une image plus définie et plus complète de ce qui s’est passé sur le terrain, ce qui permet une analyse détaillée du jeu. Une telle granularité peut offrir à un entraîneur plus d’informations sur les performances de l’équipe et même sur le respect ou non des instructions d’avant-match.

L’analyse des performances comprend normalement des vidéos et des données. Il est de plus en plus fréquent de voir des entraîneurs qui, dans leurs commentaires d’après-match, expliquent à leurs joueurs ce qu’ils ont fait de mal ou ce qu’ils pourraient améliorer à l’aide de la vidéo et des statistiques. En fin de compte, montrer des faits objectifs est une façon plus efficace et plus convaincante d’énoncer un point.

De plus, l’analyse de données volumineuses nous aide à découvrir des faits contre-intuitifs sur le football, sur lesquels nous pouvons construire une stratégie innovante et gagnante. Par exemple, il devient de plus en plus évident que les centres à l’ancienne ne sont plus une stratégie très efficace. Nous avons publié une analyse ad hoc à ce sujet, dont le lien est ci-dessous.



Expected Goals (xG)

Expected goals is one of the most revolutionary, and at the same time simple, advanced metrics in football. An « Expected Goal » (or « xG ») represents the expected value from a shot, i.e. the probability of that shot becoming a goal. Calculating such probability depends on a number of factors, including distance from goal, the angle of the shot, the body part the shot was taken with (head, strong or weak foot), the playing situation (open play, counterattack), and others (whether there were any opponents blocking the space ahead, for example).


The Expected goal (xG) represents the expected value from a shot, i.e. the probability of that shot becoming a goal.


Expected Goals sont normalement calculés selon une approche « fréquentiste » : un ensemble de données de plusieurs milliers de tirs est classé en fonction des variables susmentionnées (distance du but, angle, partie du corps, etc.). Si un type de tir, qui s’est produit par exemple 10 000 fois dans l’ensemble de données, est marqué 200 fois, alors ce type de tir est « attendu » avec une xG de 0,02 (2% de probabilité). En utilisant cette méthodologie, nous pouvons déterminer qu’une pénalité vaut 0,76 buts attendus, c’est-à-dire qu’une pénalité a une probabilité implicite de 76% d’être marquée. Il est rare qu’un modèle d’objectifs escomptés soit construit selon une approche bayésienne, mais c’est parfois le cas. Enfin, dans quelques cas sélectionnés, ils semblent être construits sans aucune base statistique. Selon le livre « The Expected Goal Philosophy« , la société de conseil en paris Smartodds, appartenant à Matthew Benham de Brentford, calcule les buts attendus différemment : au lieu de se baser sur les valeurs statistiques attendues des tirs effectués, ils sont basés sur des opinions subjectives concernant la probabilité que chaque attaque (et non chaque tir) devienne un but.


Le concept du “Expected Goals” permet aux analystes d’inclure la qualité des tirs dans des équations qui, historiquement, étaient dominées par la quantité des tirs et certaines opinions subjectives sur leur valeur.


Comment les Expected Goals peuvent-ils révolutionner le football? À notre avis, deux domaines principaux sont clairement susceptibles d’être perturbés:

  • • Une analyse plus approfondie et plus large des buts attendus « obligera » les entraîneurs de football à repenser leurs stratégies tactiques, en particulier dans un domaine spécifique : la localisation des tirs. Dans les 10 à 15 prochaines années, nous nous attendons à voir dans le football quelque chose de similaire à ce qui s’est passé en NBA : une refonte complète des lieux de tir. Dans le livre « Sprawlball : A Visual Tour of the New Era of the NBA », les lieux de tournage les plus courants en NBA 2001-2002 sont comparés à ceux de 2016-17 (voir image ci-dessous). On remarque que les considérations risque-récompense basées sur l’analyse ont considérablement augmenté le nombre de trois points et limité le nombre de deux points en dehors de « la peinture ».
NBA: lieux de tournage les plus courants en 2001/02 vs 2016/17
La source: Sprawlball: A Visual Tour of the New Era of the NBA
  • • Nous attendons (et encourageons) les clubs de football à s’appuyer de plus en plus sur des mesures objectives, telles que les “Expected Goals”, pour évaluer les performances des équipes et les résultats des entraîneurs. Il arrive trop souvent que des entraîneurs soient licenciés à la suite de mauvais résultats, bien que ceux-ci ne soient pas dus à de mauvaises performances de l’équipe, mais plutôt à la malchance.

Expected Goals, comme nous l’avons vu plus haut, nous permettent de mieux quantifier et mesurer les performances et de les séparer des résultats.

Expected Assists (xA) (Passe décisive)

Expected Assists sont dérivés des “Expected Goals” et mesurent la probabilité qu’une chance créée (ou une passe décisive) soit convertie en un but. Les créateurs très compétents dont les coéquipiers n’ont pas été très bons à la finition peuvent, avec l’aide des Attentes de buts, être reconnus pour leurs efforts.

Par example, Kylian Mbappé (le point rouge dans le tableau ci-dessous): En Ligue, il a réussi 5 passes cette saison, soit 0,3 par 90 minutes. Pas un mauvais rendement, mais loin des meilleurs joueurs sur cette métrique. Cependant, il a créé 10,6 passes attendues, soit 0,625 par 90 minutes, ce qui est l’un des plus élevés d’Europe.



Les Indicateurs de performance

Antonio Gagliardi, responsable de l'analyse des matches de l'équipe nationale italienne

Au lieu de se pencher sur des variables et des mesures isolées, certains clubs, fédérations et entreprises ont commencé à les agréger, créant ainsi des indicateurs de performance spécifiques. Un exemple est l' »Indice de danger« , créé pour l’équipe Nationale d’Italie par Maurizio Viscidi et Antonio Gagliardi (photo ci-dessus).

Soccerment Performance Rating (SPR) et les Indices de Performance du Soccerment

Nous avons développé notre propre indicateur de performance, que nous appliquons à tous les footballeurs et équipes de notre base de données, appelé Soccerment Performance Rating (‘SPR’). Le SPR est une mesure synthétique avec laquelle nous pouvons évaluer la contribution globale d’un joueur aux performances de l’équipe. Tous les événements sur le terrain sont pris en considération et pondérés à l’aide de coefficients ad hoc, qui dépendent également du rôle des joueurs. Les algorithmes divisent la contribution des joueurs en trois phases – défense, renforcement et attaque – afin de nous donner une vision plus claire de l’approche globale du jeu par les joueurs.

Les Indices de performance, reproduits dans nos graphiques, offrent une mesure synthétique d’un aspect très spécifique des performances des joueurs. Chaque indice de performance prend en compte n mesures appartenant à un événement technique spécifique. Par exemple, pour l’indice « Vision », nous prenons en compte, entre autres, la quantité et la qualité des occasions créées, par les balles et les longues balles ; tandis que l’indice « Passes » applique différents poids aux passes des joueurs, en fonction de la zone du terrain d’où elles proviennent, de leur direction, de leur précision et de leur longueur. Voir le diagramme en araignée de Messi ci-dessous (en bleu) à titre d’exemple : nous comparons ses indices de performance aux indices moyens des attaquants de notre base de données (en gris).


Soccerment Performance Indexes | Spider Chart | Lionel Messi

The Performance Indexes and the SPR sont de puissants outils de repérage. Le premier permet d’identifier clairement les meilleurs joueurs dans un aspect technique spécifique du jeu, tandis que le second offre une vue immédiate sur le niveau de performance des joueurs pendant la saison, voire tout au long de leur carrière. En utilisant un indice de performance comme le nôtre, il est plus facile de repérer les valeurs aberrantes. Dans le cas ci-dessous, nous l’avons utilisé pour trouver les valeurs aberrantes pour différentes tranches d’âge. Pour plus d’informations, vous pouvez lire notre post sur LinkedIn.

Développement des joueurs

AZ Alkmaar, Marijn Beuker

« Nous n’achetons pas le succès, nous le créons » (Marijn Beuker)


L’analyse des données gagne également en importance en ce qui concerne le développement des jeunes. La raison en est simple : disposer d’un retour d’information objectif et mesurable peut aider tant les entraîneurs que les joueurs à accélérer les processus d’apprentissage et à créer des cycles de développement vertueux. Fondamentalement, l’analyse des données devient un outil permettant de prévoir et de cultiver le potentiel des joueurs.

Le meilleur exemple en est probablement le club néerlandais AZ Alkmaar.

Nous avons beaucoup écrit sur la façon dont l’AZ structure son processus de développement par le biais des données dans l’analyse liée ci-dessous. Dans l’analyse, nous expliquons également comment la planification à long terme nécessite une gouvernance claire et efficace, ce qui n’est pas encore trop courant dans les clubs de football, à quelque niveau que ce soit. Ci-dessus Marijn Beuker, directeur du développement sportif d’AZ Alkmaar.



Chez Soccerment, nous travaillons sur des solutions innovantes pour rassembler des statistiques homogènes et approfondies sur les équipes de jeunes de différents âges. Pour de plus amples informations, veuillez envoyer un courriel à info@soccerment.com. Si vous souhaitez simplement vous tenir au courant, cliquez ci-dessous.


Prévention des blessures et réadaptation

Les origines: Milan Lab

Milan Lab: Jean Pierre Meersseman

Milan Lab a été fondé en 2002 pour réduire le risque de blessure des joueurs de l’AC Milan, aider les joueurs blessés à récupérer plus rapidement et améliorer les méthodes d’entraînement en personnalisant les séances. On raconte que le président de l’AC Milan, Silvio Berlusconi, a décidé de créer Milan Lab et a chargé le médecin belge Jean Pierre Meersseman (photo ci-dessus) de ce travail après que Fernando Redondo, récemment signé au Real Madrid, se soit rompu le ligament croisé antérieur lors d’un entraînement de pré-saison.

La renommée de Milan Lab s’est accrue au fil des ans et a commencé à être considérée comme l’un des moteurs de la domination de l’AC Milan sur le football européen. Lorsque les Rossoneri ont remporté la Ligue des champions en 2007, par exemple, la moyenne d’âge de l’équipe était bien supérieure à 30 ans et le capitaine Paolo Maldini approchait de ses 40 ans. Le Milan Lab semblait prolonger considérablement la carrière des joueurs. En 2008, Simon Kuper, l’un des auteurs de Soccernomics, a parlé de Milan Lab comme de l’AC Milan « secret of youth », dans un article du Financial Times.

Bien que l’utilisation de la technologie et des données ait été essentielle pour le laboratoire de Milan, ses détracteurs affirment que la philosophie chiropratique, considérée comme peu orthodoxe par la plupart du monde scientifique, était au cœur même du projet.

Aujourd’hui : Des données et des technologies pour aider à la performance sportive et à la prévention des blessures

Soccerment Head of R&D Matteo Zago

Le suivi des performances peut apporter une vision claire du cadre requis pour développer et optimiser les modèles utilisés pour analyser les charges de formation.


Depuis le début des années 2000, la recherche sur le suivi des charges d’entraînement a connu une croissance exponentielle, ce qui permet aux scientifiques du sport de fonder leurs analyses sur des bases solides. Aujourd’hui, tout club de haut niveau surveille en permanence la position des joueurs, tandis que le suivi de la vitesse par GPS permet de mesurer objectivement la « charge externe », c’est-à-dire la quantité de travail effectuée sur le terrain. Les variables les plus fréquemment utilisées pour quantifier la charge externe lors des entraînements et des matchs sont : la distance parcourue dans les différentes zones de vitesse (jogging, course, sprint), les accélérations, les variables liées à la fréquence cardiaque et les mesures de l’accéléromètre (charge du joueur, intensité).

Le suivi des charges externes par GPS peut également être utilisé pour prévoir le risque de blessure des joueurs professionnels. Des recherches récentes ont montré que les blessures des joueurs de football peuvent souvent être prévues en examinant la charge de travail des joueurs pendant l’entraînement et la compétition. Les chercheurs ont découvert que le plus grand risque de blessure se produisait lorsque les joueurs accumulaient un très grand nombre de courtes poussées de vitesse pendant l’entraînement sur une période de trois semaines. Les joueurs ont enregistré un nombre de mètres par minute nettement plus élevé dans les semaines précédant une blessure, par rapport à leurs moyennes saisonnières (+9,6 et +7,4 % pour les blocs de 1 et 4 semaines, respectivement), ce qui indique une augmentation de l’intensité de l’entraînement et du jeu dans la période précédant les blessures. En outre, les « blocs de blessures » ont montré une charge corporelle moyenne nouvelle nettement inférieure aux moyennes saisonnières (-15,4 et -9,0 % pour les blocs de 1 et 4 semaines, respectivement). Les périodes de sous-préparation relative pourraient laisser les joueurs incapables de faire face à des efforts intenses lors de matchs de compétition. Il s’agit clairement d’un problème d’actualité de nos jours, car les ligues de football de haut niveau redémarrent après la pause induite par le coronavirus.

Les recherches actuelles en biomécanique du sport confirment cette tendance, en montrant que les schémas de mouvement des athlètes se détériorent de manière potentiellement néfaste lorsqu’ils répètent des courses et des changements de direction intenses. Voici un lien vers un document de recherche sur ce sujet, écrit par Soccerment’s Head of R&D Matteo Zago (représenté dans l’image ci-dessus) et publié dans le European Journal of Sports Science.

En résumé, le suivi des performances peut apporter une vision claire du cadre nécessaire pour développer et optimiser les modèles utilisés pour analyser les charges de formation. Cela permettra à ces modèles d’avoir une meilleure idée de la condition physique des joueurs, de leur aptitude à la performance et de leur fatigue, et d’améliorer la qualité et l’efficacité de l’aide qu’ils apportent au personnel d’entraînement.

L’analyse du football: des livres à lire


La photo ci-dessus présente une sélection de livres que nous recommandons à ceux qui cherchent à accroître leurs connaissances et leur compréhension de l’analyse des données dans le domaine du football.

La meilleure façon de commencer, à notre avis, est de lire un livre qui ne traite même pas du football: « Moneyball: The Art Of Winning An Unfair Game » (by Michael Lewis), que nous avons déjà mentionné dans cette analyse. Le livre et son histoire sur l’équipe de baseball Oakland Athletics décrivent l’importance de l’analyse sportive.

Puis sous lirons « The Numbers Game« , par Chris Anderson et David Sally, pour commencer à creuser dans les données sur le football. Le livre montre que l’utilisation de données dans le beau jeu est non seulement possible mais extrêmement utile, surtout lorsqu’il s’agit de démolir des mythes.

« Soccernomics » (by Simon Kuper and Stefan Szymanski), « Soccermatics » (by David Sumpter) et « Football Hackers » (by Christoph Biermann) sont tous des aperçus solides de la façon dont la discipline de l’analyse du football a évolué et a commencé à s’épanouir. Enfin, « The Expected Goals Philosophy » (by James Tippett) réduit l’analyse aux objectifs attendus et donne quelques indications sur la manière dont Brentford et Smartodds sont gérés.


Pour rester informé de nos recherches et du développement de nos outils, cliquez sur le bouton ci-dessous et – si vous ne l’avez pas encore fait – inscrivez-vous à Soccerment Analytics. Nous vous promettons: pas de spam!


Si l’inscription est un peu trop, souhaitez-vous rester en contact? Vous pouvez «aimer» notre page Facebook et nous suivre sur Instagram et Twitter.

Pour toute question, suggestion ou commentaire, vous pouvez nous envoyer un email: research@soccerment.com.