Lire la saison 2025/26 à travers xPoints

Ce que mesure cet indicateur

Les cinq championnats nationaux les plus importants du football européen sont désormais terminés. Les classements finaux sont publiés et les résultats enregistrés, mais les classements officiels ne rendent compte que d'une dimension du déroulement réel de la saison.

Les points attendus (xPoints) offrent une autre lecture. Cet indicateur estime combien de points une équipe aurait dû accumuler selon la qualité des occasions créées et concédées lors de chaque match, plutôt que selon le score réel. Le calcul repose sur les buts attendus (xG) : en modélisant les valeurs de xG générées par les deux équipes lors d'une rencontre, il devient possible d'attribuer une probabilité à chaque issue possible, victoire, match nul ou défaite, puis de convertir ces probabilités en points. La somme sur 38 journées donne un classement alternatif.

Un principe important : un écart entre les points réels et xPoints est une caractéristique structurelle du modèle, et non un signe d'anomalie en soi. Une équipe qui remporte un match gagne exactement trois points, mais même la prestation la plus dominatrice génère rarement un total de xPoints supérieur à 2.8 ou 2.9. Le signal pertinent concerne la position : lorsque la place d'une équipe au classement réel diffère sensiblement de son rang selon xPoints, notamment avec des conséquences sur la relégation, le maintien ou la qualification européenne, cela mérite un examen.

Serie A : l'inversion entre Juventus et Napoli

La situation pour le titre est claire : l'équipe qui a remporté la Serie A dominait aussi le classement selon xPoints. L'histoire la plus intéressante se joue plus bas.

Les trois derniers clubs selon xPoints étaient Lecce, Parma et Cremonese. Parmi eux, seul Cremonese a effectivement été relégué. Lecce et Parma ont tous deux tiré de leurs situations davantage de points que les données sous-jacentes ne le prédisaient, un schéma compatible avec des gardiens efficaces et des variations de réussite à la finition dans les moments décisifs.

Verona et Pisa suivent la trajectoire inverse. Tous deux ont enregistré nettement moins de points que leurs totaux de xPoints, en raison d'un faible taux de conversion des occasions créées, combiné à davantage de buts encaissés que ne le suggérait la qualité des occasions adverses.

Le changement de position le plus significatif concerne Napoli et Juventus, dont les places sont inversées dans la comparaison selon xPoints. Juventus a inscrit 61 buts sur la saison pour un total de xG d'environ 71, un écart de dix buts qui traduit une sous-performance offensive constante, aggravée par des erreurs coûteuses du gardien.

Premier League : Sunderland et Aston Villa

En tête, la situation concernant Champions League se confirme dans les deux classements. Arsenal, Manchester City, Manchester United et Liverpool occupent les quatre mêmes places au classement réel et dans celui selon xPoints. En bas, Burnley et Wolves sont derniers selon les deux mesures.

Les écarts importants se trouvent ailleurs. Aston Villa a terminé à la 4e place, se qualifiant pour la Champions League. Son rang selon xPoints est la 12e place. Cet écart de huit places est la plus forte divergence positive du championnat et traduit une saison durant laquelle les résultats ont constamment dépassé la qualité sous-jacente des occasions créées et concédées.

Sunderland constitue un cas tout aussi extrême dans des circonstances différentes. Le club a terminé à la 7e place, obtenant un billet pour la Europa League la saison prochaine, un résultat notable pour une équipe récemment promue. Son total de xPoints le situe toutefois dans la zone de relégation. Sur l'ensemble de la saison, ses résultats réels ont largement dépassé les prévisions issues des données sur les occasions, en attaque comme en défense.

La Liga : Getafe et la lutte pour le maintien

Les cinq premières places de La Liga sont identiques au classement réel et dans celui selon xPoints. Plus bas, la situation change.

Le cas le plus net est celui de Getafe. Le club a terminé à la 7e place et s'est qualifié pour la Conference League, signant le meilleur classement de son histoire. Sa position selon xPoints se situe juste au-dessus de la zone de relégation. L'écart entre les deux est le plus marqué du championnat.

Dans la zone de relégation, les données indiquent une autre direction que le verdict officiel. Girona et Mallorca ont été relégués. Selon xPoints, Sevilla et Elche seraient descendus à leur place. Cela dit, la seconde moitié du classement de La Liga est restée très resserrée toute la saison, et plusieurs clubs de cette zone ont enregistré des totaux réels et de xPoints très proches. Avec un classement aussi serré, de faibles marges ont eu de grandes conséquences sur les positions.

Bundesliga : une saison cohérente

Bayern Munich, Borussia Dortmund et RB Leipzig occupent les trois mêmes premières places au classement réel et dans celui selon xPoints. Dans son ensemble, la Bundesliga présente la plus forte cohérence interne des cinq championnats selon cette mesure, sans écarts de position significatifs dans les zones de relégation ou de qualification européenne susceptibles de modifier les grands enseignements de la saison.

Ligue 1 : Angers, Lyon et Rennes

PSG, Lens et Lille occupent les trois mêmes premières places dans les deux classements.

L'anomalie la plus significative de Ligue 1 est Angers. Le club a terminé à la 13e place du classement réel, largement à l'abri du danger. Dans le classement selon xPoints, il occupe la 17e place, dans la zone de relégation. Les données le situent parmi les trois équipes les plus faibles du championnat au regard de leurs performances sous-jacentes sur la saison.

Parmi les clubs ayant terminé aux places qualificatives pour l'Europe, Lyon et Rennes ont tous deux obtenu un classement réel supérieur à celui indiqué par les données de xPoints. Lyon a terminé à la 4e place avec 60 points ; son total de xPoints de 51.2 le situe à la 7e place. Rennes a terminé à la 5e place avec 59 points ; son total de xPoints de 47.5 le situe à la 9e place. Les deux clubs ont obtenu des places européennes grâce à des résultats que les données sous-jacentes sur les occasions ne reflètent pas pleinement.

Conclusion

Dans les cinq championnats, les classements selon xPoints confirment ce que les classements officiels suggèrent au sommet : les champions ont mérité leur titre, et le classement reflète globalement la qualité des équipes de tête. L'analyse est plus éclairante plus bas, au milieu du classement, aux places qualificatives pour l'Europe et dans la lutte pour le maintien, où l'écart entre résultats et performances sous-jacentes peut être important et avoir des conséquences concrètes.

En 2025/26, cet écart a produit un club classé septième dont le total de xPoints le plaçait dans la zone de relégation (Sunderland en Premier League), un club qualifié pour la Champions League grâce à sa quatrième place mais classé 12e selon xPoints (Aston Villa), et un club qualifié pour la Conference League dont la position selon xPoints était à peine au-dessus de la relégation (Getafe en La Liga). Il ne s'agit pas d'arguments sur la chance ou la malchance. C'est une autre lecture de la même saison.

Annexe technique : comment calcule-t-on xPoints ?

Le modèle xPoints passe des probabilités de but associées à chaque tir (xG) aux probabilités d'issue du match.

1. Modélisation de la distribution des buts

L'hypothèse centrale de la plupart des modèles de référence est que le nombre de buts inscrits par une équipe suit une distribution de Poisson, dont la moyenne est égale au total de xG de l'équipe lors de ce match.

La probabilité qu'une équipe inscrive exactement k buts, pour une valeur de buts attendus donnée (xG), se calcule avec la formule de Poisson :

P(G = k) = (e^(-xG) * xG^k) / k!

Où « e » est la constante d'Euler (~2.718) et « k! » la factorielle du nombre de buts.

Exemple concret : de xG aux probabilités de buts

Supposons que l'équipe à domicile termine un match avec un total de 1.7 xG. En insérant cette valeur dans la formule, nous obtenons la probabilité exacte que cette équipe inscrive un nombre précis de buts :

• 0 but : ~18.3%
• 1 but : ~31.1%
• 2 buts : ~26.4%
• 3 buts : ~15.0%
• 4+ buts : ~9.2%

À partir des valeurs respectives de xG de l'équipe à domicile et de l'équipe à l'extérieur, nous pouvons construire deux distributions de buts de ce type.

2. Calcul des probabilités d'issue du match

En supposant l'indépendance des deux processus de production de buts, la probabilité d'un score précis est simplement le produit des probabilités individuelles.

• Probabilité de Draw : La somme de tous les scores symétriques (0-0, 1-1, 2-2, etc.). Par exemple, P(1-1) = P(l'équipe à domicile marque 1) * P(l'équipe à l'extérieur marque 1).
• Probabilité d'une victoire à domicile : La somme de tous les scores où l'équipe à domicile inscrit plus de buts que l'équipe à l'extérieur.
• Probabilité d'une victoire à l'extérieur : La somme de tous les scores où l'équipe à l'extérieur inscrit plus de buts que l'équipe à domicile.

Naturellement, ces trois états couvrent toutes les issues possibles du match :

P(victoire à domicile) + P(Draw) + P(victoire à l'extérieur) = 1 (100%)

3. Des probabilités aux points attendus (xP)

Enfin, nous appliquons le barème traditionnel du football (3 points pour une victoire, 1 point pour un match nul). Les points attendus pour l'équipe à domicile (xP) se calculent ainsi :

xP = [3 * P(victoire à domicile)] + P(Draw)

En additionnant les xPoints obtenus sur les 38 journées, nous générons le classement alternatif « mérité ».

Observation finale

On peut se demander pourquoi les modèles de xPoints reposent généralement directement sur les buts attendus plutôt que sur des modèles d'apprentissage automatique plus sophistiqués, entraînés à prédire les issues des matchs ou les points. La raison principale est que les buts attendus fournissent déjà une estimation du processus sous-jacent de production de buts d'une équipe. Puisque les points d'un match sont entièrement déterminés par le nombre de buts inscrits et concédés, modéliser les distributions de buts à partir des valeurs de xG constitue une approche naturelle et parcimonieuse.

À long terme, le total de buts inscrits par une équipe tend à converger vers son cumul de xG, tandis que les buts concédés tendent à converger vers les xG adverses. Ainsi, xG contient déjà l'essentiel des informations nécessaires pour estimer les résultats et les points futurs. Ajouter une couche prédictive à xG accroît souvent la complexité sans apporter d'informations nouvelles substantielles.

En traitant les nombres de buts comme des variables aléatoires suivant une distribution de Poisson dont l'espérance est égale au total de xG de l'équipe, nous pouvons déduire directement les probabilités de victoire, de match nul et de défaite du processus sous-jacent de création d'occasions. Cette approche est transparente, mathématiquement fondée et étroitement liée à la relation fondamentale entre la qualité des occasions, les buts et les points.