Quels championnats de football sont les plus (et les moins) prévisibles ?

Les championnats diffèrent-ils vraiment en prévisibilité ?

Oui — la prévisibilité n'est pas uniforme, et les propres archives de 11Stat le montrent. Dans notre backtest walk-forward sans fuite de données, le ROI sur papier calibré de trois championnats témoins est ressorti ainsi :

Note d'honnêteté importante : ce sont de petits échantillons. L'écart de +2,8 % à −19,5 % illustre une dispersion — le fait que la précision du modèle et la variance des résultats ne sont pas identiques partout — et non un classement sur lequel il faudrait miser. Un seul trimestre de résultats dans un championnat ne peut pas indiquer où se situe un avantage durable. Ce qu'il nous dit, en revanche, c'est qu'un modèle de probabilités unique et uniforme serait mal calibré d'une ligue à l'autre — d'où la calibration par championnat chez 11Stat.

Pourquoi les championnats de football diffèrent-ils en prévisibilité ?

Plusieurs facteurs structurels rapprochent ou éloignent une ligue de la victoire du favori telle que le modèle l'anticipe :

• Compétitivité (écart de niveau). Quand quelques clubs dominent, les favoris s'imposent plus souvent et les résultats paraissent plus prévisibles. Quand le niveau est resserré sur tout le classement, les surprises augmentent et la dispersion grandit.
• Variance des buts. Les championnats fermés et peu prolifiques produisent davantage de résultats à pile ou face (nuls, matchs à un but d'écart), ce qui gonfle la variance sur les marchés de buts comme Plus/Moins et les Deux équipes marquent.
• Avantage du terrain. L'ampleur et la stabilité de l'avantage à domicile varient selon la ligue et l'époque ; là où il est fort et régulier, les modèles s'ajustent mieux, là où il a dérivé, les a priori historiques trompent.
• Qualité des données et profondeur de l'échantillon. Les ligues aux historiques de matchs et de cotes plus riches et plus propres se calibrent de façon plus fiable ; des données minces ou bruitées élargissent l'incertitude, indépendamment du football lui-même.

Parce que ces forces varient, un même moteur peut sembler bien réglé dans une compétition et fragile dans une autre — l'argument en faveur d'une calibration par championnat plutôt que d'une courbe globale unique.

Ce que montre réellement le backtest walk-forward de 11Stat

Notre preuve principale est un backtest walk-forward, en temps réel (point-in-time) — chaque prédiction est notée en n'utilisant que l'information disponible avant le coup d'envoi, sans qu'aucune donnée future ne s'y glisse. Sur la fenêtre du 22 mars 2026 au 22 juin 2026 (88 jours), il 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 mesuré sur ce sous-ensemble couvert par les cotes.

Dans l'ensemble : la précision du taux de réussite était de +36,4 % au-dessus du hasard, la cote moyenne de 3,90 et le ROI sur papier de −13,1 %. Sur ce sous-ensemble, chaque marché est ROI-négatif — Plus/Moins 2,5 et Double chance étant les moins négatifs, et Plus/Moins 6,5 le pire :

Ce sont des métriques simulées / sur papier sur un sous-ensemble limité couvert par les cotes ; elles décrivent le comportement passé du modèle et ne garantissent rien quant à l'avenir.

Comment 11Stat modélise et calibre chaque championnat

Chaque lecture est un consensus multi-moteurs, pas une boîte noire unique : un modèle de buts Poisson/Dixon-Coles, un moteur de force Elo/forme, un moteur bivarié/de corrélation et une simulation de Monte-Carlo à 10 000 tirages. Chaque prédiction s'accompagne d'un score d'accord des modèles (N sur M), d'une calibration par championnat et d'un niveau de confiance/incertitude de 0 à 10.

La calibration compte parce que les sorties brutes d'un modèle sont rarement des probabilités honnêtes. Nous appliquons un calage de Platt par marché sur des résultats réellement dénoués, de sorte qu'un 60 % affiché soit conçu pour se réaliser autour de 60 % sur le long terme. Les tailles d'échantillon d'ajustement sont publiées : global n=15 958 ; Résultat du match n=802 ; Plus/Moins 2,5, Plus/Moins 4,5, Deux équipes marquent et Double chance n=760 chacun ; Plus/Moins 1,5 et Plus/Moins 3,5 n=1 200 ; buts par équipe n=4 560 ; total de buts n=3 800 ; cartons n=736 ; corners n=740. Ajuster par championnat est précisément notre façon d'absorber la dispersion décrite plus haut au lieu de prétendre qu'elle n'existe pas.

La thèse honnête : calibré, pas au-dessus du marché

C'est la partie que la plupart des plateformes ne diront pas franchement. 11Stat est bien calibré — ses probabilités affichées suivent les fréquences réelles — mais il ne bat pas la ligne de clôture en termes de ROI, et nous publions ce fait plutôt que de le cacher. La valeur que nous offrons, ce sont des probabilités transparentes et calibrées, des archives publiques vérifiables et un suivi de la valeur de la ligne de clôture, pas un avantage capable de battre le marché.

11Stat est une plateforme de football d'analyse de données et d'éducation, pas un service de paris ou de jeux d'argent. Rien ici n'est un conseil de pari, un pronostic ou un coupon. Chaque chiffre de ROI et de taux de réussite n'est qu'une métrique de qualité de backtest simulé / sur papier, et les performances passées ne préjugent pas des résultats futurs. Si vous explorez la plateforme, considérez les probabilités comme des estimations mesurées assorties d'une incertitude déclarée — lisez-les, ne misez pas sur notre parole. Commencez par la page d'accueil de 11Stat.

Termes clés définis

• Calibration. Ajustement des sorties du modèle pour qu'une probabilité affichée corresponde à la fréquence réelle sur le long terme (un ensemble de pronostics à 60 % devrait se vérifier environ 60 % du temps).
• Backtest walk-forward (en temps réel). Évaluer un modèle en n'utilisant que les données disponibles avant chaque match, pour qu'aucune information future ne s'infiltre dans les prédictions passées.
• Valeur de la ligne de clôture (CLV). Comparaison entre la probabilité implicite d'une prédiction et le prix final du marché avant le coup d'envoi — un repère de transparence, pas une promesse de profit.
• Score de Brier / ECE. Mesures standard de calibration et de précision ; le score de Brier récompense des probabilités nettes et correctes, et l'erreur de calibration attendue (ECE) mesure l'écart entre fréquences affichées et observées.
• Accord des modèles (N sur M). Combien des moteurs indépendants de 11Stat s'accordent sur une lecture, présenté comme un score de consensus assorti d'un niveau de confiance de 0 à 10.

Note de risque : les résultats de football sont incertains ; tous les chiffres de cette page relèvent d'une analyse simulée / sur papier et ne garantissent rien.