Les Expected Goals (xG, buts attendus) sont un indicateur statistique qui mesure la qualité des occasions de buts créées lors d’un match de football. Une occasion avec un xG de 0.3 est une occasion où un tireur moyen marquerait 30% du temps. Le total des xG d’un match reflète la « performance réelle » des deux équipes, indépendamment de la forme du gardien ou de la chance ce jour-là.
Comment le xG est-il calculé ?
Le xG d’un tir est estimé à partir d’un modèle de machine learning entraîné sur des centaines de milliers de tirs historiques. Les variables prises en compte incluent :
| Variable | Impact sur le xG |
|---|---|
| Distance au but | Fort — tir de 6m vs 25m |
| Angle du tir | Fort — face au but vs angle fermé |
| Type de tir | Moyen — pied vs tête |
| Pression défensive | Moyen — tir sous pression vs situation dégagée |
| Précédente action | Moyen — centre vs combinaison vs contre-attaque |
| Partie du pied | Faible — pied fort vs pied faible |
Un penalty vaut par convention environ 0.76 xG. Une tête de dos au but depuis le second poteau vaut environ 0.02 xG.
Différence entre buts marqués et xG
La différence entre buts réels et xG révèle si une équipe sur- ou sous-performe :
- Buts > xG : l’équipe est « chanceuse » ou a un finisseur d’exception. Sur le long terme, elle devrait régresser vers la moyenne.
- Buts < xG : l’équipe rate ses occasions. Elle est probablement meilleure que son classement ne le laisse penser — value bet potentiel.
Exemple réel
Si Brest produit 2.1 xG lors d’un match mais ne marque que 0 but, et que le score final est 0-2 (Brest perd), les prochaines cotes bookmakers vont sur-coter l’adversaire. FootEdge, en intégrant les xG, détecte cet écart et peut signaler Brest comme value bet à court terme.
xG et modèles de Poisson
Les xG permettent d’affiner les lambdas du modèle de Poisson. Au lieu d’utiliser uniquement le nombre de buts marqués pour estimer la force offensive d’une équipe, on utilise les xG produits et concédés — ce qui donne une estimation plus stable et moins soumise à la variance balistique.
FootEdge intègre les données xG moyennes sur 10 matchs pour corriger les paramètres Dixon-Coles dans les cas de forte divergence buts/xG.
Limites des Expected Goals
- Les xG ne tiennent pas compte de la qualité individuelle du tireur — Mbappé transforme une occasion à 0.15 xG plus souvent qu’un joueur moyen.
- Les modèles xG varient d’une source à l’autre (StatsBomb, Opta, Understat) car les variables utilisées diffèrent.
- Sur un seul match, les xG peuvent être trompeurs — c’est sur 10-15 matchs que l’indicateur est vraiment fiable.
Où trouver les données xG gratuitement ?
- Understat.com : xG par match pour les 6 grands championnats européens
- FBref.com : xG complets via données StatsBomb pour les ligues couvertes
- Sofascore : xG match par match avec visualisation graphique
- WhoScored : données agrégées avec comparaisons par poste
FootEdge utilise les xG comme signal d’ajustement dans ses analyses quotidiennes. Un match avec forte divergence buts/xG est souvent signalé avec un coefficient de confiance réduit. Pour voir comment les xG alimentent le modèle Dixon-Coles, consultez notre article dédié.
⚠️ Les paris sportifs comportent des risques. Jouez de manière responsable. Aide : 0 800 400 312.
