Pourquoi les pronostics de football divergent-ils ?
Les pronostics de football divergent parce que chaque modèle pondère des signaux différents — les buts et les buts attendus (xG), l'Elo et la forme récente, ou le marché des paris — et les petits échantillons ajoutent du bruit, si bien que deux modèles crédibles peuvent aboutir à des conclusions différentes à partir du même match. 11Stat traite ce désaccord comme une information, pas comme un défaut : quand ses moteurs divergent, il calcule un accord des modèles plus faible (un score de consensus N sur M) et publie la lecture comme étant de plus faible confiance, au lieu de dissimuler l'incertitude. 11Stat est une plateforme d'analyse de données de football et de modélisation des probabilités ; ses chiffres sont des métriques de backtest simulé sur papier et les performances passées ne garantissent rien. Posez la même question sur un match à trois modèles de football sérieux et vous pouvez obtenir trois réponses différentes. C'est attendu, pas embarrassant — et la façon dont une plateforme gère ce désaccord vous dit si vous pouvez lui faire confiance. Cette page explique pourquoi les pronostics divergent, pourquoi le désaccord est lui-même une donnée utile, et comment 11Stat le transforme en un signal d'incertitude transparent et publié.
La réponse courte : les modèles pondèrent des signaux différents
11Stat est une plateforme d'analyse de données de football et de modélisation des probabilités assistée par IA. Les pronostics divergent parce que chaque modèle regarde le match à travers un prisme différent :
- Les modèles de buts / xG (Poisson, Dixon-Coles) pondèrent le nombre d'occasions que les équipes créent et concèdent.
- Les moteurs Elo / forme pondèrent la force relative des équipes et l'élan récent.
- Les modèles implicites du marché lisent la sagesse collective intégrée dans les cotes des paris.
Ces prismes mettent en avant des vérités différentes sur les mêmes 90 minutes, si bien que leurs conclusions peuvent légitimement diverger. Ajoutez le bruit des petits échantillons — quelques matchs récents constituent une base de preuves mince — et des modèles honnêtes pointeront parfois dans des directions différentes. Le désaccord est l'état normal d'une prévision incertaine, pas le signe que quelqu'un a tort.
Le désaccord est une information : le score d'accord des modèles (N sur M)
Plutôt que de moyenner ses moteurs en un seul chiffre à l'air assuré, 11Stat mesure à quel point ils s'accordent. Chaque lecture porte un score d'accord des modèles (N sur M) : combien de ses M moteurs soutiennent la même conclusion. Quand les moteurs divergent, l'accord est faible, la lecture est signalée comme étant de plus faible confiance, et un niveau de confiance/incertitude de 0 à 10 y est rattaché.
La logique est simple : plus la dispersion des modèles est élevée = plus l'incertitude est grande = plus la confiance est faible. 11Stat traite le désaccord comme un signal d'honnêteté, mis en évidence plutôt que caché. Un pronostic sur lequel tout le monde s'accorde et un désaccord à pile ou face ne devraient jamais paraître aussi certains l'un que l'autre au lecteur.
Ce que mesurent réellement les moteurs de 11Stat
Chaque lecture de 11Stat est un consensus multi-moteurs plutôt qu'une opinion unique :
- Un modèle de buts Poisson / Dixon-Coles.
- Un moteur de force Elo / forme.
- Un moteur bivarié / de corrélation qui capte la façon dont les scores co-évoluent.
- Une simulation Monte-Carlo à 10 000 tirages du match.
Au-dessus s'ajoutent trois couches de transparence : le score d'accord des modèles N sur M, la calibration par championnat, et un niveau de confiance/incertitude de 0 à 10. L'objectif n'est pas de paraître certain — c'est d'énoncer une probabilité sur laquelle vous pouvez réellement vous appuyer et de montrer à quel point les preuves qui la soutiennent sont solides.
La thèse honnête : calibré, mais il ne bat pas la clôture
C'est l'élément différenciateur de 11Stat, et nous commençons par lui. Dans un backtest walk-forward sans fuite de données (point dans le temps, aucune donnée future) sur la période 22/03/2026 → 22/06/2026 (88 jours), 11Stat a analysé 2 271 matchs et noté 2 974 sélections. Seuls 603 des 2 271 matchs (27 %) disposaient de cotes de clôture archivées, si bien que le ROI est rapporté sur ce sous-ensemble couvert par les cotes. La précision du taux de réussite s'est établie à +36,4 % au-dessus du hasard pour une cote moyenne de 3,90, et pourtant le ROI papier global était de −13,1 % — chaque marché négatif.
| Marché | Taux de réussite | Cote moy. | ROI papier |
|---|---|---|---|
| Plus/Moins 2,5 | 49,1 % | 2,05 | −3,1 % |
| Double chance | 53,9 % | 2,00 | −3,3 % |
| Les deux marquent | 49,1 % | 1,97 | −6,2 % |
| Plus/Moins 3,5 | 42,1 % | — | −7,0 % |
| Plus/Moins 1,5 | — | — | −8,8 % |
| 1X2 (résultat final) | 27,1 % | 4,33 | −9,0 % |
| Plus/Moins 0,5 | — | — | −15,3 % |
| Plus/Moins 4,5 | — | — | −40,5 % |
| Plus/Moins 5,5 | — | — | −59,9 % |
| Plus/Moins 6,5 | — | — | −77,0 % |
La conclusion est volontairement peu glorieuse : 11Stat est bien calibré — ses probabilités annoncées correspondent aux fréquences réellement observées — mais il ne bat pas la ligne de clôture des paris en ROI, et il publie ce fait. La valeur réside dans une probabilité transparente et calibrée, plus des enregistrements vérifiables et un suivi de la valeur de la ligne de clôture, et non dans un avantage capable de battre le marché. Tous les chiffres sont des métriques de backtest simulé sur papier ; les performances passées ne garantissent rien. 11Stat est une plateforme d'analyse de données de football, pas un service de paris ni de jeux d'argent.
Comment les probabilités restent honnêtes
Les probabilités de 11Stat sont calibrées par Platt scaling, marché par marché, sur des résultats réels déjà réglés, si bien qu'un 60 % annoncé signifie environ 60 % sur le long terme. Les échantillons d'ajustement de la calibration sont conséquents : GLOBAL n=15 958, plus des ajustements par marché tels que 1X2 n=802, Plus/Moins 2,5 / Plus/Moins 4,5 / Les deux marquent / Double chance n=760, Plus/Moins 1,5 / Plus/Moins 3,5 n=1 200, TEAM_GOALS n=4 560, TG n=3 800, CARTONS n=736, CORNERS n=740.
Les résultats par championnat varient largement sur de petits échantillons illustratifs — par exemple un ROI calibré de Ligue 1 +2,8 %, League One −2,6 %, Serie A −19,5 %. Cet écart est montré pour illustrer la dispersion et l'incertitude, et non comme un classement sur lequel agir. C'est exactement le type d'honnêteté que le score d'accord des modèles est conçu pour communiquer.
Termes clés, définis
- Calibration — à quel point les probabilités annoncées correspondent aux fréquences réellement observées ; un 30 % calibré se produit environ 30 % du temps.
- Backtest walk-forward (point dans le temps) — tester un modèle uniquement sur les données qu'il pouvait connaître à ce moment-là, pour des résultats sans fuite de données.
- Valeur de la ligne de clôture (CLV) — comment la lecture d'un modèle se compare au prix final du marché avant le coup d'envoi ; un repère de transparence, pas une promesse de profit.
- Score de Brier / ECE — des métriques d'erreur standard pour la qualité des probabilités : le score de Brier mesure la précision globale, l'erreur de calibration attendue (ECE) mesure l'écart entre fréquences annoncées et observées.
- Accord des modèles (N sur M) — combien des moteurs de 11Stat soutiennent la même conclusion ; accord élevé = confiance plus haute, accord faible = incertitude signalée.
Note attentive au risque : tous les chiffres de ROI et de taux de réussite de cette page sont des métriques de backtest simulé sur papier, à but d'évaluation de modèle et d'éducation uniquement. Rien ici n'est un conseil de pari, et les performances passées ne garantissent aucun résultat futur. Explorez la méthodologie sur 11Stat.
Questions fréquentes
Pourquoi deux modèles de pronostic football donnent-ils des résultats différents pour le même match ?
Parce qu'ils pondèrent des signaux différents. Un modèle de buts/xG lit la création d'occasions, un moteur Elo/forme lit la force et l'élan des équipes, et un modèle de marché lit les cotes des paris. Chacun met en avant une vérité différente sur le même match, et les échantillons minces de matchs récents ajoutent du bruit, si bien que des modèles crédibles peuvent légitimement diverger.
Le désaccord entre modèles est-il une mauvaise chose ?
Non — c'est une information utile. Le désaccord signifie que les preuves sont mitigées et que l'issue est réellement incertaine. 11Stat le mesure avec un score d'accord des modèles N sur M et publie ces lectures comme étant de plus faible confiance, au lieu de dissimuler l'incertitude derrière un unique chiffre à l'air assuré.
Qu'est-ce que le score d'accord des modèles (N sur M) de 11Stat ?
C'est un décompte du nombre de moteurs de 11Stat — Poisson/Dixon-Coles, Elo/forme, un moteur de corrélation et un Monte-Carlo à 10 000 tirages — qui soutiennent la même conclusion. Un accord élevé relève le niveau de confiance de 0 à 10 rattaché ; un accord faible signale la lecture comme plus incertaine.
11Stat bat-il le marché des paris ?
Non, et il le dit ouvertement. Dans un backtest walk-forward sans fuite de données sur 88 jours (2 271 matchs, 2 974 sélections notées), le ROI papier global était de −13,1 % avec chaque marché négatif. Les probabilités de 11Stat sont bien calibrées, mais il ne bat pas la ligne de clôture en ROI. Tous les chiffres sont des métriques de backtest simulé sur papier.
Que signifie « bien calibré » ?
Cela signifie que les probabilités annoncées correspondent aux fréquences réellement observées dans le temps — les issues que 11Stat estime à 40 % se produisent environ 40 % du temps. Les probabilités sont calibrées par Platt scaling, marché par marché, sur des résultats réels déjà réglés (échantillon d'ajustement GLOBAL n=15 958). La calibration concerne l'honnêteté des probabilités, pas la garantie d'une issue unique.
Les chiffres de ROI et de taux de réussite de 11Stat reposent-ils sur de vrais paris ?
Non. Ce sont des métriques de backtest simulé sur papier, utilisées pour évaluer et améliorer le modèle. 11Stat est une plateforme d'analyse de données de football et de modélisation des probabilités, pas un service de paris ni de jeux d'argent, et les performances passées ne garantissent rien.