Méthodologie
11Stat est une plateforme d'analyse de données de football qui modélise les matchs à l'aide de trois moteurs de probabilité indépendants, de sources de données transparentes et de contrôles de calibration ; chaque résultat est un signal analytique du modèle, jamais un conseil de pari ni un résultat garanti.
Les modèles et moteurs que nous utilisons
Au lieu d'une unique « formule magique », 11Stat fait tourner trois moteurs indépendants qui se contrôlent mutuellement. Que ces moteurs s'accordent ou non sur un marché constitue, pour nous, un signal aussi important que la probabilité elle-même — c'est ce que nous appelons l'accord des modèles.
- Moteur SHARP (Poisson + Dixon-Coles) : déduit les buts attendus (xG) comme un mélange pondéré de la performance sur la saison, de la forme récente et de la forme spécifique à domicile/à l'extérieur (environ 40 % saison, 40 % forme générale, 20 % forme spécifique), construit une matrice de scores de Poisson, puis applique la correction Dixon-Coles pour que les faibles scores correspondent à leur fréquence réelle.
- Moteur 888 (Elo + forme) : modélise la force des équipes avec une note Elo et la dynamique avec une mesure de points par match (PPG) qui pondère davantage les matchs récents.
- Moteur avancé (Poisson bivarié) : utilise une distribution de Poisson à deux variables avec un paramètre de dépendance partagé (rho), plus un ajustement des faibles scores, de sorte que les buts à domicile et à l'extérieur ne sont pas traités comme totalement indépendants.
Le résultat de chaque moteur est converti en marchés tels que le résultat du match (1X2), les lignes de buts (plus/moins 1,5/2,5/3,5), les deux équipes marquent (BTTS), mi-temps/fin de match et les tranches de total de buts. Les trois moteurs sont comparés par marché, et le nombre de moteurs d'accord alimente directement l'étiquette de confiance du résultat.
Sources de données et fraîcheur
Les entrées du modèle proviennent d'un fournisseur de données sportives en direct : calendrier des matchs, résultats de matchs terminés et cotes des bookmakers. Nous n'utilisons pas de cotes synthétiques ou inventées ; si aucun prix de marché réel n'existe pour un match, ce marché est exclu de tout calcul de valeur.
- Historique des matchs : pour chaque équipe, nous utilisons les matchs récents (généralement les ~12 derniers).
- Conception point-in-time, sans fuite de données : lorsqu'on modélise un match, nous ne prenons en compte que les rencontres jouées avant son coup d'envoi. Cela évite la fuite de données par anticipation.
- Cotes réelles : la valeur et l'edge sont calculés par rapport à de véritables cotes de bookmakers chaque fois que possible. Pour les marchés dont les cotes ne peuvent pas toujours être récupérées (par ex. mi-temps/fin de match et tranches de total de buts), le prix utilisé est une estimation clairement signalée dans le résultat, si bien que la « valeur » de ce marché n'est considérée qu'à titre indicatif.
Lorsqu'un match manque d'historique suffisant (par exemple moins de 3 rencontres antérieures) ou n'a pas de cotes, le système renvoie délibérément « aucun signal ». Nous ne comblons pas les lacunes pour fabriquer une prédiction forcée.
Calibration : rapprocher les probabilités de la réalité
Les probabilités brutes du modèle sont généralement trop confiantes. La calibration est l'étape qui les corrige, avec pour objectif que « lorsque nous annonçons 70 %, cela se produit réellement environ 70 % du temps sur le long terme. »
- Contraction dans l'espace logit : pour chaque marché, les probabilités sont doucement ramenées vers 0,5 dans l'espace logit à l'aide d'une transformation de type Platt avec une pente juste inférieure à 1. Cela réduit l'excès de confiance tout en préservant le classement.
- Facteur de marché appris (contraction bayésienne) : l'écart entre le taux de réussite observé et la probabilité prédite construit un facteur de correction au fil du temps. Avec un petit échantillon, le facteur est ramené vers le neutre (1,0) ; à mesure que les données s'accumulent, il se rapproche du taux observé. Le facteur est borné par une plage symétrique (≈0,85–1,15), de sorte qu'il peut corriger aussi bien l'excès que le défaut de confiance.
Cette conception remplace une ancienne implémentation défectueuse qui retranchait silencieusement ~5 % à chaque probabilité. L'objectif est une probabilité honnête, pas une manipulation.
Backtesting et ROI simulé (pas un profit réel)
Nous mesurons la qualité du modèle avec un backtest sans fuite de données sur des matchs historiques. Le ROI et le taux de réussite présentés ici sont des métriques de qualité simulées, uniquement sur papier — ce ne sont pas des gains en argent réel et ils ne garantissent pas les performances futures.
- Score de Brier : mesure la calibration des probabilités (0 = parfait, 0,25 = non informatif). Une valeur supérieure à 0,25 déclenche une alerte de calibration.
- Seuil d'échantillon : un marché a besoin d'au moins 20 signaux sélectionnés avant que son ROI/taux de réussite soit jugé fiable ; les totaux inférieurs à 80 sont signalés comme « pas encore fiables ».
- Contrôle de concentration : si un seul marché représente plus de 55 % des sélections, il est signalé comme un risque de surapprentissage.
- Santé des marchés : les marchés dont le ROI est négatif sur deux backtests consécutifs, ou dont l'erreur de calibration est élevée, sont automatiquement désactivés à l'exécution suivante (par exemple, le marché du total de buts est inactif par défaut tant qu'il n'a pas prouvé sa valeur).
Tous ces contrôles existent pour révéler les faiblesses du modèle, plutôt que pour faire paraître les résultats meilleurs qu'ils ne le sont.
Limites connues et incertitude
Aucun modèle de football ne peut connaître l'avenir. Voici les limites que 11Stat garde délibérément transparentes :
- Le football est par nature à forte variance ; sur de petits échantillons, la chance peut compter davantage que le modèle.
- Des variables de contexte comme les blessures, la rotation de l'effectif, la météo, l'arbitrage et la motivation ne peuvent pas toujours être pleinement prises en compte.
- Comme les cotes de certains marchés (mi-temps/fin de match, total de buts) ne sont pas disponibles pour chaque match, leurs calculs de valeur ne sont qu'indicatifs.
- Les cotes des bookmakers valorisent généralement le marché de manière efficiente ; un véritable avantage sur le long terme est rare et ne devrait pas être revendiqué sans être mesuré par rapport au prix de clôture.
C'est pourquoi chaque résultat est accompagné d'un niveau de risque et d'une étiquette de confiance — nous mettons l'incertitude en avant plutôt que de la masquer.
Périmètre du produit : analyse de données, pas de paris
11Stat est une plateforme d'analyse de données de football et d'évaluation de modèles ; ce n'est pas un opérateur de paris, un vendeur de coupons ni un outil d'automatisation de jeux d'argent. C'est précisément là que la différence entre « pronostics de football » et « analyse fondée sur les données » devient concrète.
- Nos résultats sont des signaux analytiques — modèles de probabilité, buts attendus, accord des modèles et niveau de risque — et non des instructions pour placer un pari.
- Nous ne présentons jamais un résultat comme « garanti », « certain » ou « acquis », car une probabilité comporte par définition de l'incertitude.
- Le ROI et le taux de réussite sont des métriques de qualité de simulation, et non une promesse de gains en argent réel.
En bref : nous ne vous disons pas quoi parier. Nous vous montrons en toute transparence ce que disent les données, le degré de confiance du modèle et sa précision historique. La décision — et la responsabilité — appartiennent entièrement à l'utilisateur.
Questions fréquentes
11Stat est-il un site de paris ?
Non. 11Stat est une plateforme d'analyse de données de football et d'évaluation de modèles. Elle n'accepte pas de paris, ne vend pas de coupons et ne propose aucune automatisation de jeux d'argent ; elle produit uniquement des modèles de probabilité et des signaux analytiques.
Le ROI affiché est-il un profit réel ?
Non. Le ROI et le taux de réussite sont des métriques de qualité simulées, uniquement sur papier, issues de backtests sur des matchs historiques. Ils ne représentent pas des gains en argent réel et ne garantissent pas les performances futures.
Quels modèles utilisez-vous ?
Trois moteurs indépendants : un moteur SHARP fondé sur Poisson + Dixon-Coles, un moteur 888 fondé sur Elo + forme, et un moteur avancé fondé sur une distribution de Poisson bivariée. Les résultats sont comparés par marché.
Comment calibrez-vous les probabilités ?
Les probabilités sont doucement contractées dans l'espace logit et ajustées par un facteur de marché appris qui reflète le taux de réussite observé et qui est ramené vers le neutre lorsque les échantillons sont petits. Nous mesurons la calibration avec le score de Brier.
Les données sont-elles fraîches et sans fuite ?
Les données proviennent d'un fournisseur de données sportives en direct, et chaque match est modélisé en n'utilisant que les rencontres jouées avant son coup d'envoi (point-in-time). Cela évite la fuite de données par anticipation.