Expected Goals

1. La révolution des données dans le football : Du scepticisme à l'acceptation générale

"Le football avait flirté avec les données dès les années 1950, mais ce n'est qu'à la fin des années 1990 – quelques années avant que Bill James et ses acolytes ne commencent à infiltrer et influencer la pensée du baseball – qu'il a commencé à gagner une traction généralisée."

Résistance initiale : Contrairement au baseball, le football était longtemps considéré comme trop fluide et dynamique pour être quantifié. Les traditionalistes du sport croyaient que des éléments intangibles comme la passion et le cœur étaient plus importants que les chiffres. Cependant, plusieurs facteurs ont contribué à l'acceptation progressive des données dans le football :

• Professionnalisation et mondialisation croissantes du sport
• Enjeux financiers de plus en plus importants, incitant à la recherche d'avantages compétitifs
• Influence des sciences du sport et des approches académiques
• Avancées technologiques permettant une meilleure collecte et analyse des données
• Changement démographique des fans, avec des supporters plus analytiques

Étapes clés de l'acceptation :

• ProZone et Opta introduisant des services de collecte de données à la fin des années 1990
• Publication de "Moneyball" en 2003, mettant en lumière le potentiel des données dans le sport
• Apparition des Expected Goals (xG) sur Match of the Day en 2017
• Intégration des données dans les opérations de clubs de premier plan comme Liverpool FC

2. Les pionniers : Les premiers adeptes qui ont ouvert la voie à l'analytique dans le football

"Bolton était raillé – pas entièrement à tort mais pas sans raison – comme une équipe de long-ball à une époque où le football anglais était sous le charme d'une esthétique plus exotique, importée d'Europe continentale et influencée par l'Amérique du Sud."

Sam Allardyce à Bolton : Malgré sa réputation de manager traditionnel adepte du long-ball, Allardyce fut l'un des premiers à adopter l'analyse des données dans le football anglais. Son approche incluait :

• Embauche d'analystes et de scientifiques du sport
• Utilisation des données de ProZone pour informer les décisions tactiques
• Focalisation sur les coups de pied arrêtés et le recrutement de joueurs basé sur les données
• Développement des principes des "fantastic four" basés sur l'analyse statistique

Autres premiers adeptes :

• Arsène Wenger à Arsenal, reconnaissant tôt le potentiel des données
• Damien Comolli à Tottenham et Liverpool, plaidant pour un recrutement basé sur les données
• Decision Technology travaillant avec Tottenham pour fournir des analyses avancées

Ces pionniers ont fait face au scepticisme et aux moqueries mais ont jeté les bases de l'acceptation plus large des données dans le football.

3. La montée des Expected Goals (xG) : Une métrique révolutionnaire

"Les Expected Goals n'ont pas changé le monde immédiatement. En 2017, lorsqu'ils sont apparus pour la première fois à l'écran, ils n'étaient même pas particulièrement à la pointe."

Développement des xG : Les Expected Goals ont évolué des premières tentatives de quantifier la qualité des tirs pour devenir une mesure largement acceptée de la performance des équipes et des joueurs. Les étapes clés de son développement incluent :

• Les premiers travaux de Charles Reep dans les années 1950
• La recherche académique de Mark Dixon et Stuart Coles dans les années 1990
• Sam Green d'Opta développant un modèle public de xG en 2012
• Adoption par les clubs professionnels et les médias

Impact des xG :

• Fournit une compréhension plus nuancée de la performance des équipes et des joueurs
• Aide à identifier les joueurs sous-évalués sur le marché des transferts
• Influence les décisions tactiques et le positionnement des joueurs
• Change les discussions des fans et des médias sur le football

L'adoption généralisée des xG représente un changement significatif dans la manière dont le football est analysé et compris, comblant le fossé entre le scouting traditionnel et l'analyse avancée.

4. Les défis de l'implémentation des approches basées sur les données dans la culture footballistique traditionnelle

"Le football tient fermement à ses traditions ; ceux qui se considéraient comme les gardiens spirituels du jeu n'ont pas accueilli favorablement les intrus, avec leurs idées lumineuses et leurs nouvelles façons de faire les choses."

Résistance culturelle : L'intégration de l'analyse des données dans le football a rencontré plusieurs obstacles :

• Scepticisme des entraîneurs et scouts traditionnels
• Peur du remplacement des emplois parmi le personnel existant
• Difficulté à communiquer des idées complexes aux parties prenantes non techniques
• Résistance à changer des croyances de longue date sur la manière dont le football doit être joué

Études de cas sur les défis de l'implémentation :

• Chris Anderson à Coventry City luttant pour équilibrer les insights des données avec les opérations quotidiennes
• Acquisition de StatDNA par Arsenal non pleinement utilisée en raison de la résistance interne
• Premières tentatives à Liverpool FC faisant face au scepticisme des managers et des fans

La mise en œuvre réussie nécessitait souvent :

• L'adhésion de la direction et des propriétaires
• Patience et vision à long terme
• Communication efficace entre les analystes et le personnel footballistique
• Intégration progressive des insights des données dans les processus existants

5. Le rôle des entreprises de paris dans l'avancement de l'analytique du football

"Les deux gagnent leur argent en utilisant les probabilités déterminées par ces algorithmes pour repérer les domaines où le marché ouvert surévalue ou sous-évalue une équipe ou un joueur, et en transmettant ces conseils – et en plaçant des paris pour – des clients fortunés, qui peuvent désormais parier en sachant que les chances ont été légèrement inclinées en leur faveur."

Influence des paris : Les entreprises de paris professionnelles comme Starlizard et SmartOdds ont joué un rôle significatif dans l'avancement de l'analytique du football :

• Développement de modèles sophistiqués pour prédire les résultats des matchs et la performance des joueurs
• Investissement massif dans la collecte et l'analyse des données
• Création de métriques similaires aux Expected Goals avant qu'elles ne soient largement utilisées dans le football

Transfert de connaissances aux clubs :

• Tony Bloom (Starlizard) appliquant les principes de l'analytique à Brighton & Hove Albion
• Matthew Benham (SmartOdds) mettant en œuvre des approches basées sur les données à Brentford et FC Midtjylland

Ces approches issues des paris ont aidé les petits clubs à rivaliser avec les équipes plus grandes et plus riches en identifiant les joueurs sous-évalués et les avantages tactiques.

6. Liverpool FC : Une étude de cas sur l'intégration réussie des données

"Au cours de la dernière décennie, Liverpool a réussi ce qu'aucun autre club de leur taille n'a essayé, osé ou réussi, et a intégré l'utilisation des données et de l'analytique dans leur tissu même."

Approche de Liverpool : Sous la propriété de Fenway Sports Group, Liverpool FC est devenu un modèle d'intégration de l'analytique des données dans tous les aspects des opérations du club :

• Recrutement : Utilisation des données pour identifier et évaluer les cibles de transfert
• Tactiques : Information des stratégies sur le terrain et du positionnement des joueurs
• Développement des joueurs : Personnalisation des programmes d'entraînement et de récupération
• Opérations commerciales : Optimisation des prix des billets et de l'engagement des fans

Figures clés de la révolution des données à Liverpool :

• Michael Edwards : Directeur technique qui a défendu les approches basées sur les données
• Ian Graham : Chef de la recherche, développant des modèles analytiques sophistiqués
• Jürgen Klopp : Entraîneur ouvert à l'incorporation des insights des données dans la prise de décision

Résultats de l'intégration des données :

• Acquisitions de joueurs réussies (par exemple, Mohamed Salah, Virgil van Dijk)
• Victoires en Premier League et en Ligue des Champions
• Modèle financier durable équilibrant performance et rentabilité

Le succès de Liverpool démontre comment l'analytique des données peut être efficacement intégrée dans un club de football de premier plan lorsqu'elle est combinée avec un leadership fort et une expertise footballistique traditionnelle.

7. L'avenir du football : Équilibrer les données avec l'expertise humaine

"Il y a une valeur dans l'intangible, dans les parties du jeu qui ne sont pas reflétées dans, mais peuvent être affectées par, la réalité brute des données."

Paysage en évolution : À mesure que l'analytique des données devient plus répandue dans le football, l'avenir du sport impliquera probablement :

• Des techniques de collecte et d'analyse des données plus sophistiquées
• Une intégration accrue de l'analytique à tous les niveaux du jeu
• Une emphase croissante sur la recherche de nouveaux avantages et inefficacités

Acte d'équilibre : Les clubs et les managers les plus réussis seront ceux qui pourront combiner efficacement :

• Insights basés sur les données
• Connaissances et expériences footballistiques traditionnelles
• Facteurs humains comme la psychologie et la dynamique d'équipe
• Intuition et "ressenti" du jeu

Domaines potentiels de développement futur :

• Métriques avancées au-delà des Expected Goals
• Analytique en temps réel informant les décisions en cours de match
• Programmes d'entraînement et de récupération personnalisés basés sur les données individuelles des joueurs
• Applications de l'IA et de l'apprentissage automatique dans les tactiques et le recrutement

L'avenir du football ne sera pas uniquement déterminé par les données, mais par ceux qui sauront le mieux interpréter et appliquer les insights analytiques dans le contexte des éléments humains du sport.

Last updated: August 15, 2024