Transparence algorithmique

Méthodologie FootEdge : comment fonctionnent nos pronostics football ?

FootEdge utilise un modèle mathématique de pronostic football fondé sur Dixon-Coles, les xG Understat, le classement ELO et la distribution de Poisson bivarié pour estimer la probabilité de chaque issue. Ces probabilités sont comparées aux cotes des bookmakers pour repérer des écarts (appelés « value bets » lorsque notre estimation dépasse celle de la cote). Un écart n'est pas un gain garanti : nous publions nos résultats réels, y compris ce test qui compare notre modèle aux cotes du marché.

Notre modèle bat-il les cotes des bookmakers ?

Pour l’instant, notre modèle fait moins bien que les cotes des bookmakers (écart statistiquement significatif). Test sur 687 matchs terminés avec de vraies cotes.

PrévisionLog-loss (plus bas = mieux)Bon résultat le plus probable
Cotes bookmaker (marge retirée)0,91659,0 %
Modèle FootEdge0,98756,6 %
Simple fréquence des résultats (domicile / nul / extérieur)1,051—

Écart modèle − marché : +0,071 (intervalle à 95 % : 0,047 à 0,094). Un modèle qui ne fait pas mieux que les cotes ne peut pas en tirer un profit durable : c’est pourquoi nous publions ce test plutôt que des promesses. Le modèle reste utile pour comprendre un match (forme, xG, ELO) — pas pour « battre » les bookmakers.

1Modèle Dixon-Coles : la base de notre algorithme

Le cœur de notre système de pronostics football algorithmiques est le modèle Dixon-Coles (Dixon & Coles, 1997), une extension du modèle de Poisson indépendant qui corrige le sous-ajustement sur les scores faibles (0-0, 1-0, 0-1, 1-1). C'est aujourd'hui l'un des modèles statistiques les plus utilisés dans les systèmes professionnels de paris sportifs.

Pour chaque équipe, le modèle estime trois paramètres :

⚔️
Force d'attaque (α)
Capacité relative à marquer par rapport à la moyenne du championnat, estimée sur tous les matchs des deux dernières saisons avec une pondération exponentielle (le poids d'un match est divisé par deux tous les 400 jours). Pour les 5 grands championnats, chaque match compte 60 % les buts et 40 % les xG Understat.
🛡️
Vulnérabilité défensive (β)
Capacité adverse à marquer contre cette équipe, estimée sur les mêmes matchs. Une équipe promue démarre avec un point de départ prudent (attaque plus faible, défense plus perméable) qui s'efface au fil de ses matchs.
🏠
Avantage domicile (γ)
Coefficient estimé pour chaque championnat sur l'ensemble de ses matchs, tout comme le niveau moyen de buts. Il majore les buts attendus de l'équipe qui reçoit.

Le nombre de buts attendus (xG) pour chaque équipe est calculé ainsi :

λ_home = α_home × β_away × γ  |  λ_away = α_away × β_home

Ces λ alimentent une distribution de Poisson avec correction Dixon-Coles (ρ = −0,08, qui ajuste la fréquence des 0-0 et 1-1) pour générer la matrice de probabilité de tous les scores possibles. C'est à partir de cette matrice que tous nos marchés sont calculés.

Les forces d'équipes combinent deux sources : les résultats et xG (15 %) et ce que les cotes des matchs précédents disaient de chaque équipe (85 %) — jamais la cote du match analysé. C'est la combinaison la plus précise de nos tests ; elle rapproche fortement nos probabilités de celles du marché, ce qui rend les écarts (value bets) plus rares.

Tous ces paramètres ont été réglés et validés sur plus de 4 600 matchs (Premier League, Liga, Bundesliga, Serie A, Ligue 1, Brasileirão, 2024-2026), chaque match étant prédit uniquement avec les matchs joués avant lui, puis comparé aux cotes de clôture du marché. Le modèle est recalculé chaque matin.

2Classement ELO : mesurer la force réelle d'une équipe

Le rating ELO dynamique (ClubElo) mesure la force d'un club sur la durée, mis à jour après chaque match. Il est affiché sur chaque fiche et sert de repère pour les coupes et compétitions internationales, où il n'y a pas assez de matchs communs pour ajuster le modèle Dixon-Coles.

Pour les championnats, nos tests ont montré qu'ajouter l'ELO, les confrontations directes ou un fort bonus de forme dégradait la précision du modèle ajusté : nous ne gardons donc que ce qui améliore réellement les prévisions (la forme récente pèse au maximum ±3 %).

3Marchés de paris calculés : 1X2, Over/Under, BTTS, score exact

À partir de la matrice de scores issue du modèle, nous calculons directement les probabilités de chaque marché de paris :

1X2 (résultat final)
Somme des probabilités de scores où l'équipe domicile gagne / match nul / victoire extérieure. C'est le marché le plus analysé par notre modèle.
Over / Under 2.5 buts
Somme des probabilités de scores dont le total dépasse ou reste sous 2,5 buts. L'un des marchés les plus fiables statistiquement.
BTTS (les deux équipes marquent)
Probabilité que λ_home > 0 ET λ_away > 0 dans la distribution bivariée. Idéal pour les matchs ouverts à forte force offensive des deux côtés.
Score exact
Probabilité directe de chaque case de la matrice (ex. 1-1, 2-1, 1-0, etc.). Marché à haute cote, à réserver aux configurations très favorables.

4Détection des value bets : quand parier a une espérance positive

Value bets en pause depuis le 22/10/2026. Sur nos paris publiés, l'écart estimé par le modèle ne s'est pas traduit en gain réel. Nous continuons à publier les probabilités et à mesurer l'écart en coulisses ; les value bets ne reviendront que si nos cotes figées battent durablement la cote de clôture Unibet.

Un value bet est identifié lorsque notre probabilité calculée est supérieure à la probabilité implicite dans la cote proposée par le bookmaker :

edge (%) = (prob_modèle × cote_bookmaker − 1) × 100

Un edge positif signifie que le bookmaker sous-estime la probabilité réelle de l'événement. À long terme, parier uniquement sur des edges positifs est la base d'une stratégie de paris sportifs mathématiquement rentable — à condition d'avoir un modèle bien calibré et un volume de paris suffisant (loi des grands nombres).

Chaque match affiche les probabilités du modèle à côté de la cote Unibet, ainsi qu'un indice de confiance sur 10 qui synthétise la certitude du modèle : convergence Dixon-Coles + ELO, qualité des données d'entrée, stabilité récente des équipes.

Consultez notre Track Record pour vérifier les performances historiques de nos value bets sur les derniers mois.

5Pipeline de données : de la collecte à la publication

01
Collecte (football-data.org)

Résultats des 10 derniers matchs de chaque équipe, mis à jour chaque nuit via API. Couvre Premier League, Ligue 1, LaLiga, Bundesliga, Serie A, Champions League et plus.

02
Calibration du modèle Dixon-Coles

Les paramètres α (force d'attaque), β (vulnérabilité défensive), γ (avantage domicile) sont recalculés chaque matin avec pondération temporelle (décroissance exponentielle, demi-vie ≈ 5 matchs).

03
Enrichissement ELO (ClubElo)

Le rating ELO en temps réel est récupéré depuis ClubElo et fusionné avec les probabilités Dixon-Coles pour affiner la prédiction finale.

04
Calcul des marchés et edge value bet

Génération de la matrice de scores, calcul des marchés dérivés (1X2, Over/Under, BTTS, score exact), détection des edges par rapport aux cotes bookmakers moyennes du marché.

05
Publication automatique

Les analyses sont publiées automatiquement, triées par indice de confiance décroissant. Un cron WordPress met à jour les résultats dans l'heure suivant le coup de sifflet final de chaque match.

6Questions fréquentes sur notre méthode de pronostic

⚠️ Avertissement : FootEdge fournit des analyses statistiques à titre informatif uniquement. Aucun pronostic ne garantit un résultat — le football reste imprévisible et le hasard joue un rôle. Les paris sportifs comportent des risques financiers. Jouez de manière responsable et ne pariez jamais plus que ce que vous pouvez vous permettre de perdre. Aide : 09 74 75 13 13 (appel non surtaxé) — joueurs-info-service.fr.