Depuis l'article novateur de Sam Green en 2012 présentant les buts attendus, cette mesure est devenue l'une des plus répandues et des plus pertinentes dans le domaine de l'analyse du football.
Ce blog est un bref récapitulatif et une vue d'ensemble, visant à expliquer la métrique dans son contexte et à fournir quelques exemples plus récents.
Les buts attendus (xG) mesurent quantitativement la qualité des chances, un concept largement utilisé dans le sport.
En regardant un match, nous pouvons intuitivement distinguer les bonnes chances des mauvaises en fonction d'un certain nombre de facteurs. Le tireur était-il proche du but ? L'angle de tir était-il bon ? S'agissait-il d'un face-à-face ? S'agit-il d'un coup de tête ?
xG tient compte de ces facteurs - et d'autres - et calcule la probabilité qu'un tir donné soit marqué. Par exemple, si un tir présentant un ensemble spécifique de caractéristiques est susceptible d'être marqué une fois sur 10, il vaudra 0,10 xG. Ces calculs sont basés sur de nombreuses données historiques de tirs (plus de 300 000 tirs de la base de données Opta au moment de la rédaction) et sont ajustés en fonction des différentes ligues.
*Voir l'annexe pour une explication plus approfondie du calcul.
Cette mesure reflète la façon dont nous analysons les matches ; l'équipe qui crée le plus d'occasions de qualité est généralement celle que nous considérons comme "la meilleure". Un modèle xG donne une mesure quantitative de la qualité des occasions de but et ajoute un contexte supplémentaire aux tirs d'un joueur ou d'une équipe, au-delà des totaux bruts des tirs et des tirs cadrés.
Le nombre de buts attendus est généralement une mesure plus cohérente de la performance que les buts réels. Alors que les buts sont des événements relativement rares qui vont et viennent, la production de buts d'une équipe ou d'un joueur a tendance à fluctuer beaucoup moins d'un match à l'autre. Il est évident que les buts effectivement marqués sont ceux qui permettent de gagner des points, mais le nombre de buts escomptés nous donne plus de contexte pour évaluer les performances de l'équipe.
Comprendre les performances sous-jacentes d'une équipe
Prenons l'exemple d'Arsenal au début de la saison 2015-16 de Premier League. Lors de ses six premiers matchs, il n'a marqué que cinq buts, soit une moyenne de 0,83 but par match. C'est un chiffre inquiétant pour une équipe qui s'attendait à disputer le titre. Cependant, au cours de cette période, Arsenal a inscrit plus de 12 buts attendus, soit une moyenne de 2,11 buts attendus par match.
À la fin de la saison, Arsenal avait marqué en moyenne 1,71 but par match, ce qui correspond à peu près à la production attendue en début de saison, alors que le nombre de buts n'était pas très élevé à cette époque.
Si nous n'avions analysé que les buts marqués par Arsenal lors de ses premiers matches de la saison, nous n'aurions jamais pensé qu'il terminerait la saison avec autant de buts. Cependant, en examinant leur xG, nous pouvons obtenir un aperçu beaucoup plus clair de la façon dont Arsenal jouait réellement.
Comprendre les performances sous-jacentes d'un joueur
En comparant les buts qu'un joueur a marqués avec les occasions qui lui ont été offertes grâce au xG, nous pouvons mieux comprendre ce qui motive les performances de ce joueur. Si les chiffres des xG sont nettement inférieurs à la production de buts du joueur, cela peut être le signe d'une série non durable ou, à tout le moins, mérite une étude plus approfondie pour comprendre les raisons de cette surperformance - par rapport à la moyenne au moins -.
En analysant le xG moyen d'un joueur par tir, nous pouvons comprendre s'il effectue des tirs de grande qualité ou s'il prend beaucoup de tirs dans des zones où il a peu de chances de marquer.
Un cercle plus grand indique une valeur xG plus élevée pour le tir.
Les buts escomptés sont un outil efficace pour évaluer la qualité des chances et prédire les performances futures, tant au niveau du joueur que de l'équipe. Le concept de qualité des chances n'a rien de nouveau ; Expected Goals attribue une valeur quantitative à chaque tir afin de générer une analyse plus approfondie et plus significative.
Annexe
Le modèle xG d'Optaest calculé à l'aide d'une régression logistique où la variable dépendante est le fait que le tir soit ou non un but et les entrées de la régression sont les suivantes :
- Passage du jeu (jeu ouvert, coup franc direct, coup de pied arrêté, coup de pied de coin, aide, rentrée de touche)
- Type d'assistance (long ballon, centre, passe en profondeur, passe dans la zone dangereuse, remise en jeu)
- Après la prise de jeu
- Rebond
- Tête
- Distance par rapport au but
- Angle visible du but
- 1 v 1
- Grande chance
- Ajustements pour un sous-ensemble de compétitions
