Poisson et Dixon-Coles : les maths derrière nos prédictions

Pourquoi modéliser les buts plutôt que le résultat

Dans un match de football, le résultat final découle du nombre de buts marqués par chaque équipe. Plutôt que de prédire directement « victoire, nul ou défaite », il est souvent plus robuste de modéliser combien de buts chaque équipe est susceptible d'inscrire.

Cette approche permet de dériver ensuite toutes les issues possibles : probabilité de victoire, de nul, de défaite, mais aussi de plus de 2,5 buts ou de score exact. C'est ce qui rend les modèles de buts si polyvalents pour l'analyse d'un match.

La distribution de Poisson, brique de base

La loi de Poisson décrit le nombre d'événements rares survenant dans un intervalle donné, comme les buts dans un match. Elle repose sur un seul paramètre, le nombre moyen de buts attendus, souvent noté lambda. Si une équipe marque en moyenne 1,5 but par match, la loi de Poisson donne la probabilité qu'elle en marque 0, 1, 2, 3 ou plus.

En combinant deux distributions de Poisson, une pour chaque équipe, on obtient une probabilité pour chaque score possible, par exemple 1-0 ou 2-2. On peut alors additionner ces probabilités pour estimer la chance de victoire, de nul ou de défaite.

L'hypothèse clé est que les buts d'une équipe sont indépendants de ceux de l'autre et suivent une moyenne stable. C'est une simplification utile, mais qui ignore certaines réalités du jeu, comme la corrélation entre les buts ou l'effet du contexte.

Estimer les moyennes de buts attendues

Le cœur du travail consiste à estimer le lambda de chaque équipe pour un match donné. On part généralement de la moyenne de buts marqués et encaissés par chaque équipe, que l'on ajuste selon la force de l'adversaire et l'avantage du terrain.

Les modèles plus élaborés pondèrent ces moyennes par la qualité des adversaires rencontrés, la forme récente, ou encore le style de jeu. L'objectif est d'obtenir une estimation réaliste du nombre de buts attendus, car une petite erreur sur lambda se répercute sur toutes les probabilités.

Cette étape est cruciale : un modèle de Poisson avec de mauvais paramètres reste mathématiquement correct mais prédictivement faible. La qualité des données et la méthode d'estimation comptent autant que la formule elle-même.

Les limites de Poisson et l'apport de Dixon-Coles

La loi de Poisson simple suppose que les scores faibles sont indépendants et symétriques, ce qui ne colle pas toujours à la réalité. Les matchs à faible score, comme 0-0 ou 1-0, sont souvent plus fréquents que ne le prédit un Poisson naïf, et les résultats extrêmes parfois moins.

Le modèle de Dixon-Coles, proposé en 1997, corrige ces écarts en introduisant un facteur d'ajustement pour les scores faibles, notamment 0-0, 1-0, 0-1 et 1-1. Il pondère aussi les matchs passés selon leur ancienneté, pour donner plus de poids à la forme récente.

Ce modèle reste une référence dans l'analyse footballistique car il améliore la calibration des probabilités sur les scores serrés, sans complexifier excessivement le calcul. Il ne garantit pas de meilleurs résultats, mais il décrit souvent mieux la réalité observée.

Du modèle aux probabilités affichées

Une fois les paramètres estimés, le modèle génère une matrice de probabilités pour chaque score possible, par exemple de 0-0 à 5-5. En sommant les cases pertinentes, on obtient la probabilité de victoire, de nul, de défaite, ou de tout autre marché.

Ces probabilités sont ensuite comparées aux cotes proposées par les bookmakers pour détecter d'éventuels écarts. Un écart n'est pas une garantie de gain : il peut refléter une information que le modèle ignore ou une erreur d'estimation.

C'est pourquoi nous présentons toujours ces probabilités comme des estimations, avec leurs incertitudes. Elles aident à structurer une décision, pas à la rendre certaine.

Ce qu'il faut retenir pour décider

Les modèles de Poisson et de Dixon-Coles sont des outils puissants pour transformer des statistiques en probabilités cohérentes. Ils reposent sur des hypothèses simplificatrices et ne capturent pas tout, comme les blessures de dernière minute ou l'arbitrage.

Un parieur averti les utilise comme un cadre d'analyse, en gardant à l'esprit que le football reste imprévisible. Aucun modèle ne peut promettre un gain garanti, et la prudence reste de mise.