Modèles de valeur de possession : guide d'analyse de football pour 2026

Imagine Kevin De Bruyne récupérant le ballon juste dans sa propre moitié du terrain. Il scrute, repère une course qui n'a pas encore commencé et lance un ballon chargé à travers trois défenseurs. La finition est médiocre et l'occasion s'évapore. Sur la feuille de stats, rien ne s'est passé : pas de passe décisive, rien à signaler. Pourtant, cette passe a fait exactement ce qu'une grande passe doit faire, transformant une possession anodine en une grosse occasion. (C'est une scène inventée, mais vous en avez vu des centaines.)

Les modèles de valeur de possession, les PVM pour abréger, existent pour donner crédit à ce moment précis. Plutôt que de compter uniquement les buts et les passes décisives, ils estiment dans quelle mesure chaque action a modifié les chances de marquer et de concéder d'une équipe.

Ce guide passe en revue les principaux modèles (VAEP, EPV, OBV, g+ et xT), la manière dont les clubs les utilisent et, puisque nous sommes sur un site de paris, à quel point ils sont réellement utiles pour un parieur. La réponse courte : un angle d'analyse très utile, mais pas une machine à fric.

Le football a toujours adoré les chiffres. Pendant des décennies, cependant, ces chiffres ne racontaient qu'une infime partie de l'histoire. Les buts, les passes décisives et les clean sheets sont la monnaie d'échange des gros titres, mais ils ne captent que la pointe de l'iceberg.

Prenons le taux de passes réussies. Un défenseur central qui réussit 95 % de ses passes en retrait et latérales est mieux noté qu'un milieu de terrain créatif qui continue de tenter la passe difficile entre les lignes. Le pourcentage ne dit rien sur la difficulté ou la valeur de chaque passe.

Le pourcentage de possession a le même défaut. Dominer le ballon dans des zones inoffensives ne signifie pas grand chose face à une équipe qui se contente de vous le laisser et de vous surprendre en contre.

Et les buts et les passes décisives récompensent uniquement la dernière action dans ce qui est souvent une manœuvre longue et élaborée. L'attaquant qui harasse un défenseur jusqu'à ce qu'il se trompe, le milieu de terrain qui recycle le ballon sous pression, le défenseur dont le positionnement étouffe une occasion avant qu'elle ne se forme : tous invisibles dans le record traditionnel.

Les buts attendus (xG) ont corrigé une partie du problème en mesurant la qualité des occasions, mais ils ne regardent toujours que les tirs. Alors, qu'en est-il de tout le reste qui se passe sur un terrain de football ?

Plutôt que de se demander « Est-ce que cela a conduit à un but ? », un PVM pose une question plus utile : « Comment cette action a-t-elle modifié la probabilité de marquer ou d'encaisser ? »

Chaque action dans un match, qu'il s'agisse d'une passe, d'un tacle, d'une dribble, d'un dégagement ou d'un tir, modifie l'état du jeu. Une passe en profondeur dans la surface rend un but plus probable. Une passe hasardeuse au milieu du terrain rend un but encaissé plus probable. Les PVM attribuent un nombre à chacun de ces changements, puis les additionnent pour chaque joueur et chaque équipe.

L'arithmétique de base est une simple somme : l'augmentation de vos chances de marquer, moins l'augmentation de vos chances d'encaisser. Supposons qu'une passe augmente vos chances de marquer de 2 % à 8 % et réduit vos chances d'encaisser de 1 % à 0,5 %. C'est un gain de 0,06 but en plus d'une économie de 0,005, donc la passe vaut environ 0,065 but. Les chiffres sont inventés à des fins d'illustration, mais la logique est celle par laquelle les modèles réels fonctionnent.

Une fois que vous pouvez faire cela pour une passe, vous pouvez le faire pour tout le reste. Un dernier tacle qui arrête un but certain est d'une valeur énorme. Une passe de possession calme sous pression peut valoir plus qu'elle n'en a l'air. Un coup de mulet spéculatif qui file en but en touche a une valeur négative.

C'est ce qui rend ces modèles si pratiques pour les joueurs que la feuille de match oublie : les milieux de terrain défensifs, les défenseurs centraux qui jouent le ballon et les attaquants qui pressent, dont le meilleur travail ne se manifeste presque jamais dans l'enregistrement traditionnel.

Plusieurs cadres transforment cette idée en chiffres, et chacun suit une voie différente. Si vous prenez les statistiques avancées du football au sérieux, voici les noms à connaître.

VAEP (Valuing Actions by Estimating Probabilities)

Développé par le groupe de recherche DTAI de l'Université KU Leuven en Belgique, le VAEP est l'un des modèles académiques les plus influents dans l'analyse du football. Il utilise l'apprentissage automatique pour estimer comment chaque action modifie la probabilité de marquer et d'encaisser au fil des actions suivantes. Sa force réside dans sa portée : il peut valoriser n'importe quelle action, d'un simple passe à un dribble, et son code open source en a fait la base de nombreuses recherches ultérieures. Les valeurs des actions individuelles sont minuscules, généralement des fractions de but.

EPV (Expected Possession Value)

Les travaux menés par Javier Fernández au sein du département d'analyse du FC Barcelone ont donné naissance à l'EPV, qui fonctionne sur des données de tracking montrant la position de tous les 22 joueurs. Cela permet une analyse image par image, y compris les actions qui ne touchent jamais le ballon : le débordement qui attire un défenseur, ou le mouvement qui ouvre de l'espace pour un coéquipier. C'est l'une des approches les plus détaillées, mais l'infrastructure de tracking nécessaire le place hors de portée de la plupart des clubs.

OBV (On-Ball Value)

StatsBomb, désormais Hudl StatsBomb, a introduit l'OBV en 2021. Il est entraîné sur les buts attendus plutôt que sur les buts réels, ce qui lisse l'aléatoire de la finition, et il répartit la valeur entre le passeur et le receveur pour que personne ne soit compté deux fois.

g+ (Goals Added)

American Soccer Analysis a créé le g+ pour la couverture de la MLS et de la NWSL. Il valorise chaque touche et partage la mérite d'une passe entre le passeur et le receveur, car une bonne passe a aussi besoin d'une bonne première touche pour être efficace.

xT (Expected Threat)

Le xT de Karun Singh est le plus facile à visualiser. Il découpe le terrain en une grille, attribue une valeur à chaque zone en fonction de la probabilité de marquer depuis celle-ci, et récompense toute passe ou conduite de ballon qui déplace le ballon vers une zone plus dangereuse. Simple à expliquer et simple à construire, c'est un excellent point de départ.

On pourrait croire, à en juger par les racines académiques, que les PVMs ne vivent que dans des articles de recherche. Ce n'est pas le cas. Les clubs d'élite ont intégré ces concepts à leur travail depuis des années.

Recrutement

Sous la direction du directeur sportif Michael Edwards, qui a occupé ce poste jusqu'en 2022, Liverpool est souvent cité comme l'exemple type du recrutement guidé par la data. L'objectif était de trouver des joueurs dont la contribution dépassait leurs totaux de buts et de passes décisives : des milieux qui déplaçaient le ballon vers l'avant sans les statistiques éclatantes, et des défenseurs qui neutralisaient les occasions avant qu'elles ne se développent. Les clubs rarement indiquent à quel point leur stratégie repose sur un modèle unique, il faut donc considérer les récits individuels comme des informations bien sourcées plutôt que comme une méthode publiée.

Préparation des matchs

Un analyste de l'adversaire pourrait découvrir qu'un rival génère la majeure partie de la valeur de sa possession par son latéral droit qui porte le ballon dans le milieu de terrain. Le staff technique peut alors mettre en place des déclencheurs de pressing pour repousser le jeu loin de cette zone. Les mêmes données révellent quel côté les adversaires privilégient, où ils sont vulnérables et à quelle fréquence leurs routines de coups de pied arrêtés créent des positions à haute valeur.

Évaluation des joueurs

Pour les recruteurs, les PVMs offrent une vision plus complète. Un attaquant qui ne marque pas mais qui continue de créer des positions à haute valeur pourrait être sur le point de percer. Un défenseur dont les statistiques traditionnelles semblent ordinaires peut en réalité en empêcher beaucoup grâce à son positionnement et à son anticipation. Les latéraux qui avancent le ballon depuis le fond, Trent Alexander-Arnold pendant ses années à Liverpool en étant l'exemple évident, ont tendance à briller sur les mesures de passes progressives malgré des totaux de buts modestes.

Les buts attendus ont révolutionné l'analyse du football en mesurant la qualité des occasions, mais xG ne capture que les moments où des tirs sont effectués. Les PVMs étendent cette même logique sur l'ensemble du terrain.

Est-ce que plus large signifie mieux pour prédire les résultats ? Les preuves sont mitigées. Une étude de 2025 dans Frontiers in Sports and Active Living par Forcher et ses collègues a utilisé trois saisons de Bundesliga (2022/23 à 2024/25). Pour la prédiction avant le match, l'EPV a atteint 58,3 % de précision contre 55,6 % pour le xG. Après le match, en revanche, le xG était le prédicteur le plus fort (65,6 % contre 59,6 %). L'interprétation des auteurs : le xG vous en dit plus sur la manière dont une équipe a attaqué une fois le match joué, tandis que l'EPV avant le match montre un réel potentiel pour prédire ce qui va suivre.

Pour les parieurs, la conséquence pratique est que les PVMs peuvent signaler les équipes qui créent des possessions de haute qualité sans les convertir, qui sont des candidats à une régression positive, et les équipes qui tournent au-dessus de leurs chiffres sous-jacents. Ils peuvent aussi exposer les désajustements tactiques avant que les résultats ne le fassent.

Le marché des paris a mis plus de temps que les clubs d'élite à intégrer la valeur du possession, et les preuves que les données PVM battent les cotes finales sont minces. C'est tout de même un angle d'analyse pertinent, et apprendre à appliquer l'analyse de données au football dans les paris est une approche judicieuse pour se lancer.

Déceler les équipes dont les résultats ne reflètent pas la réalité

Les équipes qui génèrent beaucoup de valeur de possession mais qui convertissent mal sont peut-être destinées à obtenir de meilleurs résultats, même si les scores récents ne le montrent pas. L'envers du médaille : les équipes qui surperforment par rapport à leurs indicateurs sous-jacents risquent de connaître une baisse de forme.

Les marchés sur les joueurs fonctionnent de la même manière. Un milieu de terrain qui continue de créer des positions à haute valeur sans inscrire de passes décisives est peut-être sur le point de débloquer, et un attaquant avec une forte valeur de possession mais une finition médiocre pourrait être sous-coté sur les marchés de buteurs. Notre guide sur les marchés de tir des joueurs montre comment mettre cette réflexion en pratique.

En direct

Le suivi PVM en temps réel pourrait révéler les changements de momentum avant qu'ils n'arrivent au score, et pourrait même aider à anticiper les changements de joueurs. C'est un aspect à tester avant de s'appuyer dessus.

Le combiner avec le xG

L'analyse la plus efficace combine les indicateurs. En croisant le xG et la valeur de possession, le tableau se précise : un xG élevé avec une faible valeur de possession suggère une équipe qui crée des occasions sans vraiment contrôler les matchs, tandis qu'une valeur de possession dominante avec une faible conversion en xG laisse présager une qualité qui finira par se montrer. Surtout, les PVM capturent le processus, pas seulement les résultats, et dans un sport où la variance est forte, c'est dans le processus que se cache le signal.

La nouvelle génération de PVMs associe les données d'événements au suivi des joueurs, capturant les 22 joueurs tout au long du match. Cela se traduit par des estimations de valeur plus précises et, surtout, une reconnaissance du travail hors ballon.

Données de suivi

Le déplacement sans ballon qui amène un défenseur à sortir de la zone de danger peut enfin être quantifié. Le pressing qui force les erreurs est mesurable. Le positionnement qui crée de l'espace pour un coéquipier se reflète dans les données. Le travail de Javier Fernández sur l'EPV montre ce qui est possible, en décomposant la valeur de la possession en modèles de composants qui valorisent les actions ne touchant jamais le ballon.

IA et analyse en temps réel

Certains clubs et fournisseurs de données expérimentent des outils d'IA pour le suivi tactique et de la fatigue en direct. Les preuves concernant la précision restent encore maigres, il faut donc considérer les grandes promesses sur les conseils de remplacement automatisés ou la prédiction des blessures comme prometteuses plutôt que démontrées.

En parallèle, les données deviennent moins chères. Les petits clubs accèdent à la technologie de suivi, et des indicateurs sophistiqués se diffusent bien au-delà des clubs d'élite qui les ont mis au point.

Malgré leur puissance, les PVMs ont de véritables angles morts, et quiconque s'appuie sur eux devrait savoir où se situent ces limites.

Qu'est-ce qu'une possession ?

Personne ne se met d'accord. Un centre dégagé qui revient à l'équipe en attaque doit-il compter pour une possession ou pour deux ? Combien de touches sont nécessaires pour établir le contrôle ? Les coups de pied arrêtés doivent-ils être traités séparément ? Les choix comptent : les fenêtres basées sur l'action tendent à récompenser la conservation du ballon, tandis que les fenêtres basées sur la possession donnent plus de poids aux attaquants et aux actions de tir.

Travail sans ballon sans suivi

Les modèles de données événementielles ne peuvent pas valoriser ce qui n'est pas dans le flux d'événements : les déplacements sans ballon, l'intensité du pressing, le positionnement qui crée de l'espace. Les indicateurs de substitution introduisent un certain biais, mais ils restent supérieurs à l'absence totale de contexte.

La boîte noire

Les modèles les plus précis, les modèles à base d'arbres, notamment VAEP, sont difficiles à interpréter. Pourquoi le modèle a-t-il attribué cette valeur à cette action ? Les entraîneurs n'accorderont pas leur confiance à des chiffres avec lesquels ils ne peuvent pas discuter.

Qui possède les données ?

À mesure que le suivi devient plus détaillé, les questions sur la propriété des données de mouvement et biométriques des joueurs, ainsi que sur la protection des informations sensibles relatives à la condition physique, deviennent plus importantes. Les réponses à ces questions façonneront l'évolution du terrain.

Les modèles de valeur de possession représentent le plus grand progrès dans l'analyse du football depuis les buts attendus (xG). Ils mettent en valeur les innombrables actions que la feuille de match ignore, ce qui explique la performance des joueurs et des équipes de manière que les buts et les passes décisives ne pouvaient jamais le faire. Pour les clubs, c'est un outil parmi d'autres. Pour les fans, ils répondent à la question de savoir pourquoi certains joueurs et certaines équipes réussissent vraiment. Pour les parieurs, ils constituent un petit avantage patient dans un marché qui s'appuie encore sur les statistiques traditionnelles : réel, mais facilement mangé par les marges des bookmakers et la variance.

• Utilisez les PVM en complément du xG, pas à sa place. Les recherches suggèrent que chacun excelle dans un rôle différent.
• Connaissez votre source. Vérifiez quel modèle et quel fournisseur de données vous consultez avant de comparer les chiffres ; un chiffre VAEP et un chiffre OBV ne sont pas de la même monnaie.
• Pensez en saisons, pas en matchs isolés. Les tendances durables ont du sens ; les variations sur un seul match sont surtout du bruit.
• Cherchez le décalage. Les meilleurs signaux sont les équipes qui créent beaucoup de valeur sans les résultats pour le prouver, et l'inverse.
• Gardez l'avantage en perspective. Tout avantage est minuscule et doit battre la marge du bookmaker, donc misez en conséquence.

Une passe qui ne devient jamais une passe décisive n'est pas inutile. La valeur de possession est la façon de le prouver.

• Menace attendue (xT) en football : guide d'analyse complet
• Analytique VAEP en football : le guide complet pour valoriser chaque action
• Comment construire un modèle de paris sportifs : guide complet
• Avantage du terrain vs qualité de l'équipe : guide avancé des paris football
• Plus/Moins de 1,5 et 3,5 buts : stratégies avancées de paris sur le nombre de buts

18+. Jouez de manière responsable. Pour un soutien gratuit et confidentiel, consultez BeGambleAware.org.