Docteur Bet
Méthodologie

Comment on trouveun value bet

Une probabilité, une cote, un écart. Voici comment chacun est obtenu, comment nous vérifions qu’il est juste — et où nos modèles se trompent.

La méthode en trois temps

Nous modélisons le football comme n’importe quel phénomène statistique : à partir de données, avec des modèles dont les hypothèses sont connues — pas à partir d’une intuition habillée en pourcentage. Un value bet sort de trois étapes, toujours les mêmes.

Une probabilité. Pour chaque rencontre, le modèle estime la probabilité de chaque issue : résultat, nombre de buts, les deux équipes qui marquent.

Une cote. Nous relevons les cotes des opérateurs autorisés dans votre pays. Une cote est une probabilité déguisée : 2,50 veut dire 40 %, marge de l’opérateur comprise. Un pari publié reste enregistré à la cote relevée au moment de sa publication — jamais à une cote plus favorable trouvée après coup.

Un écart. Quand notre probabilité dépasse celle qu’implique la cote, le prix paie plus que le risque. L’écart se mesure par l’espérance de gain : EV = probabilité × cote − 1. Un pari n’est retenu que si cet écart dépasse un seuil fixé marché par marché, parce qu’un petit écart se confond avec l’erreur du modèle.

La suite de cette page déroule la construction du premier, du modèle le plus naïf jusqu’à celui que nous publions.

Commencer par le plus simple

Le modèle le plus naïf ne regarde rien : il prend le nombre moyen de buts marqués à domicile et à l’extérieur dans le championnat, et l’applique à toutes les rencontres. En Ligue 1, cela donne environ 1,9 but pour l’équipe qui reçoit et 1,7 pour celle qui se déplace, quelle que soit l’affiche.

C’est un mauvais modèle, mais il pose la bonne question : à partir de deux nombres de buts attendus, on sait déjà calculer la probabilité de chaque score, donc celle d’une victoire, d’un nul, ou de plus de 2,5 buts. Tout le travail consiste ensuite à obtenir de meilleurs nombres.

Donner à chaque équipe ses propres forces

Michael Maher a proposé en 1982 de décrire chaque équipe par deux nombres plutôt qu’un : une force d’attaque et une force de défense. Un seul paramètre ne distinguerait pas une équipe qui gagne 3-2 d’une équipe qui gagne 1-0.

λ = attaque(domicile) × défense(extérieur) × avantage du terrain μ = attaque(extérieur) × défense(domicile)

Une attaque de 1,60 signifie que l’équipe marque 60 % de plus que la moyenne du championnat, face à une défense moyenne. Une défense se lit à l’envers : c’est un multiplicateur de buts encaissés, plus il est bas, mieux c’est. L’avantage du terrain est commun à tout le championnat, et il vaut environ ×1,23 en moyenne sur nos données.

Ces forces ne se lisent pas dans le classement : elles sont estimées sur des milliers de rencontres, et corrigées de la qualité des adversaires rencontrés. Une équipe qui a bien commencé contre les promus n’en tire pas la même force qu’une équipe qui a fait autant contre le haut de tableau.

Ce que la loi de Poisson ne sait pas faire

Maher suppose que les deux équipes marquent indépendamment l’une de l’autre, selon deux lois de Poisson. C’est commode, et c’est faux sur un point précis, que Dixon et Coles ont mesuré en 1997.

Les scores serrés sont plus fréquents que l’indépendance ne le prédit. Il y a plus de 0-0, de 1-0, de 0-1 et de 1-1 dans la réalité que dans le modèle. Ce n’est pas un hasard : à 0-0 à la 80e, les deux équipes ne jouent pas comme elles le feraient à 3-1. Le score influence le jeu, donc les buts ne sont pas indépendants.

Oublier le passé, mais lentement

La seconde idée de Dixon et Coles est qu’une rencontre d’il y a cinq ans ne dit pas autant qu’une rencontre de la semaine dernière. Chaque match reçoit un poids qui décroît avec le temps. Une rencontre vieille d’une demi-vie compte pour moitié.

Cette demi-vie n’est pas choisie à l’intuition. Elle est calibrée championnat par championnat : on rejoue chaque saison passée semaine après semaine, on prédit la journée suivante avec plusieurs réglages, et on retient celui qui s’est le moins trompé. Le résultat varie énormément, et cette variation est en soi une information — là où la demi-vie est courte, les hiérarchies bougent vite.

Réglages du modèle Dixon-Coles par championnat : demi-vie de la pondération temporelle (jours), paramètre ρ, nombre de rencontres, échantillon effectif et date du dernier calcul.
ChampionnatDemi-vieρRencontresÉchantillon effectifDernier calcul
Admiral Bundesliga365 j—98843522 novembre 2026
Allsvenskan365 j—1 80768722 novembre 2026
Bundesliga (Germany)365 j-0,0552 19185522 novembre 2026
Champions League— j—1447222 novembre 2026
Championship (England)240 j—3 9431 02122 novembre 2026
Ekstraklasa1095 j—2 0761 70722 novembre 2026
Eliteserien180 j—1 75434722 novembre 2026
Eredivisie (Netherlands)365 j—2 11386622 novembre 2026
La Liga (Spain)365 j-0,0392 7401 07222 novembre 2026
La Liga 2 (Spain)240 j—3 27182322 novembre 2026
Liga Portugal (Portugal)1095 j0,0502 0241 6659 novembre 2026
Ligue 1 (France)730 j-0,0452 3841 59522 novembre 2026
Premier League (England)180 j-0,0662 70950822 novembre 2026
Premiership (Scotland)730 j—1 5441 04822 novembre 2026
Pro League (Belgium)365 j—2 13483122 novembre 2026
Serie A (Italy)240 j0,0192 73868422 novembre 2026
Serie B (Italy)120 j—2 74932922 novembre 2026
Super League (Switzerland)240 j—1 43140322 novembre 2026
Süper Lig (Turkey)120 j—2 41627222 novembre 2026
Superliga— j—1 2761 27621 novembre 2026

L’échantillon effectif est le nombre de rencontres qu’il faudrait, toutes de même poids, pour porter autant d’information que l’ensemble pondéré. En Premier League, 2 709 rencontres n’en valent que 508 : c’est le prix d’une mémoire courte, et c’est aussi pourquoi les probabilités y sont moins tranchées.

Le cas des promus

Une équipe qui vient de monter n’a pas d’historique dans son nouveau championnat. Lui estimer une force sur trois rencontres produirait n’importe quoi : trois victoires en feraient un candidat au titre.

Son estimation est donc tirée vers le niveau moyen d’un promu, mesuré sur 149 montées observées depuis 2020 dans dix championnats européens. En moyenne, un promu attaque à ×0,82 et encaisse à ×1,34 par rapport au reste de son nouveau championnat. Plus il joue, moins ce rappel pèse.

Comparer deux championnats

Dixon-Coles a été écrit pour un championnat, et il y a une raison à cela : pour que le modèle soit identifiable, les forces d’attaque sont recentrées à chaque ajustement autour de la moyenne du championnat. Chaque indice se lit donc par rapport à son propre championnat — celui de Porto par rapport au Portugal, celui de Manchester City par rapport à l’Angleterre. Les poser côte à côte, c’est comparer deux températures dont l’une serait en Celsius et l’autre en Fahrenheit.

Pour les coupes d’Europe, nous avons ajouté au modèle deux termes par championnat, l’un pour l’attaque, l’autre pour la défense, estimés sur les rencontres européennes opposant des clubs de championnats différents :

λ_dom = α_i · β_j · exp(δ_L + ε_M + g)
λ_ext = α_j · β_i · exp(δ_M + ε_L)

g est l’avantage du terrain propre aux coupes d’Europe, estimé sur ces rencontres et non repris des championnats. Chaque rencontre passée est expliquée par les forces en vigueur à sa date, jamais par celles d’aujourd’hui : aucune rencontre ne participe à l’estimation de ses propres forces.

Ces termes gagnent-ils leur place ? La question se tranche hors échantillon, sur une saison jamais vue pendant l’ajustement. Le verdict est net : comparer deux indices domestiques sans correction ne bat presque pas les fréquences historiques. C’est la mesure de ce que vaut le raccourci que ce décalage évite.

Rejouer la saison

Le calendrier restant est rejoué 50 000 fois. Chaque rencontre est tirée au sort selon les probabilités du modèle, les points s’accumulent, et le classement final est établi aux règles réelles du championnat — points, puis différence de buts, puis buts marqués.

Une probabilité de titre de 60 % veut dire exactement ceci : sur cinquante mille saisons simulées, cette équipe termine première dans trente mille d’entre elles. Et se trompe quatre fois sur dix.

Les forces étant elles-mêmes estimées, le modèle est réajusté 60 fois sur des rééchantillonnages des rencontres passées, et chaque saison simulée tire au sort l’un de ces ajustements. Les probabilités intègrent ainsi l’incertitude sur les forces, pas seulement le hasard des matchs.

Ce que publie l’application, compétition par compétition

Toutes les compétitions ne se prêtent pas au même calcul. Une coupe à élimination directe ne se simule pas comme un championnat où chacun rencontre tout le monde, et un championnat sans historique suffisant ne donne pas de forces fiables. Plutôt que de publier un chiffre faux, nous publions ce que le modèle sait calculer : sur les 24 compétitions de l’application, 16 ont des probabilités match par match — dont 14 avec une projection de fin de saison —, 5 n’ont que les forces des équipes, et 3 n’ont pas encore de calcul publié.

Quand les chiffres bougent

Le modèle est recalculé après chaque journée disputée, et seulement si des rencontres ont été jouées depuis le dernier calcul. Sans nouveau résultat, il redonnerait exactement les mêmes chiffres avec une date plus récente — ce qui laisserait croire à un mouvement qui n’a pas eu lieu. En pratique : un calcul par semaine, deux les semaines à match en milieu de semaine, aucun pendant les trêves internationales.

Chaque calcul porte sa date. Si la chaîne de calcul tombe en panne, l’application et le site continuent de servir le dernier calcul valide — et cette date est la seule chose qui vous le dit.

Ce que ce modèle ne sait pas

Il ne connaît que des résultats. Ni les blessures, ni les transferts, ni un changement d’entraîneur, ni un match joué à dix. Une équipe qui perd son buteur en janvier gardera sa force d’attaque jusqu’à ce que les résultats la démentent.

Et la correction de Dixon-Coles, si elle règle la question des scores serrés, ne lève pas l’hypothèse d’indépendance : elle la corrige sur quatre cellules, pas partout. C’est une limite reconnue du modèle, et elle est connue depuis 1997.

Ce pour quoi il n’a pas été conçu

Ce modèle explique bien un résultat à partir de la force globale de deux équipes. Il n’a pas été construit pour une tâche différente : trouver précisément où un opérateur se trompe dans son prix. Un marché de cotes agrège déjà l’information de milliers d’intervenants ; le battre ne demande pas un bon modèle de résultat, mais un modèle calibré pour cette confrontation-là.

C’est pour cette raison, et pas par goût du secret, que les value bets viennent d’un autre modèle. Nous ne détaillons pas sa construction : c’est elle qui porte la valeur du produit. Sa page dit en revanche ce qu’il cherche, comment nous le jugeons et où il échoue.

Comment nous vérifions

Un modèle ne se juge pas à ses réussites mises en avant, mais à tout ce qu’il a produit. Trois vérifications sont publiques.

  • Le relevé. Chaque value bet est publié avant le coup d’envoi, puis réglé — gains et pertes, depuis le premier jour, marché par marché. Les marchés ne s’additionnent jamais : un même pari y figure plusieurs fois. Voir le relevé.
  • La calibration. Quand nous annonçons 60 %, l’événement doit arriver environ six fois sur dix. L’écart entre ce que nous annonçons et ce qui arrive est mesuré marché par marché, et affiché là où nous surestimons comme là où nous sommes justes.
  • Le backtest hors échantillon. La même règle de sélection, appliquée à des rencontres que le modèle n’avait jamais vues, avec la courbe attendue et sa marge d’incertitude à côté de la courbe réelle.

La calibration et le backtest sont consultables dans l’onglet Relevé de l’application, gratuitement et sans compte.

Les limites que nous assumons

  • Une probabilité n’est pas une prédiction. 61 % signifie que, sur cent situations semblables, on en attend environ soixante-et-une où l’issue se produit — pas que c’est écrit d’avance.
  • Le modèle part toujours d’un historique. Un événement sans précédent — blessure majeure, changement radical d’entraîneur — met du temps à être intégré, puisqu’il ne le voit qu’à travers les résultats.
  • Aucun modèle ne garantit un gain. Un avantage mesuré sur une période doit être remesuré sur la suivante, et une série perdante fait partie du jeu, même quand les probabilités sont justes. Ne misez que ce que vous pouvez perdre.

Une question sur la méthode ?

Une étape vous paraît obscure, un chiffre vous semble faux, une limite n’est pas dite ? Écrivez-nous plutôt que de deviner. Nous répondons sur ce qui est mesurable — et sur ce qui ne l’est pas.

Question sur la méthode

Dites-nous quelle étape ou quel chiffre vous pose question, avec l’adresse de la page si vous l’avez.

Les value betsdu jourDans ta poche

Probabilités du modèle, cotes des opérateurs, écarts de valeur : tout est dans l’app. Sept jours d’essai, sans engagement.

18+ · Jouer comporte des risques : endettement, dépendance, isolement. Appelez le 09 74 75 13 13 (Joueurs Info Service, appel non surtaxé).