Améliorer les « buts attendus » : analyse approfondie de l'exécution des tirs, des performances des gardiens de but et d'un modèle spécifique au football féminin

Certaines phrases des commentateurs sont tellement répétées qu'on a l'impression qu'elles s'ancrent quelque part dans l'inconscient des supporters chaque fois qu'ils voient un tir au but lors d'un match en direct.

Mais dans quelle mesure ces clichés subjectifs reflètent-ils fidèlement la capacité d'un joueur à concrétiser une occasion de but de grande qualité, ou celle d'un gardien de but à la repousser ?

Après le lancement réussi des « buts attendus » (xG) il y a plus de dix ans, Opta a introduit un autre modèle, les « buts attendus sur tir » (xGOT), également appelés « xG post-tir ». Le xGOT s'appuie sur la base de données historique d'Opta relative aux tirs pour déterminer la probabilité qu'un but soit marqué en fonction de la trajectoire du tir, de son point d'impact dans la surface de réparation et de nombreux autres facteurs contextuels.

L'équipe d'OptaAI a désormais mis en œuvre toute une série d'améliorations apportées à xGOT, rendant ainsi ce modèle encore plus performant pour les commentateurs, les analystes en studio et les analystes de performance spécialisés travaillant pour les clubs.

Ce modèle xGOT amélioré est désormais divisé en deux modèles distincts, l'un pour le football masculin et l'autre pour le football féminin, et s'appuie sur les données de 32 compétitions masculines et 31 compétitions féminines recueillies par Opta. Il a été entraîné à partir de plus de 300 000 tirs cadrés issus de compétitions récentes. Il existe également un autre modèle dédié aux tirs au but, qui a été entraîné à partir de plus de 20 000 tirs au but.

Alors, quels sont les éléments pris en compte par ces modèles xGOT pour fournir leurs analyses en temps réel ? Avant d'aborder ce sujet, voici un bref rappel des différences entre xGOT et xG.

Explication des « buts attendus »

Le modèle xG d'Opta évalue la qualité d'une occasion en fonction de la position du tir et de dizaines de facteurs contextuels sur le terrain, pris en compte au moment même où le tir est effectué. Cela signifie qu'un tir à bout portant, avec une vue dégagée sur le but, générera une valeur xG bien plus élevée qu'une frappe hasardeuse tirée de très loin, bien en dehors de la surface de réparation.

Si le fait de mieux comprendre le rendement attendu d'un joueur moyen, en fonction de la position du tir, permet d'évaluer la qualité d'une occasion, nous savons également que des joueurs différents peuvent exploiter la même occasion de manière très différente. Un tir issu de cette occasion et dirigé dans la lucarne a bien plus de chances de se transformer en but qu'un tir tiré droit au centre du but.

C'est là qu'intervient xGOT pour mesurer ce niveau supérieur de contexte.

L'indicateur xGOT évalue la probabilité qu'un tir cadré aboutisse à un but, en se basant à la fois sur la qualité intrinsèque de l'occasion (xG) et sur les données relatives à l'exécution du tir, notamment la position finale du ballon dans la surface de réparation.

Ainsi, si l'on considère que l'xG reflète la qualité d'une occasion en fonction de la position du tir, l'xGOT évalue cette qualité après le tir : il accorde plus d'importance aux tirs qui finissent dans les coins qu'à ceux qui partent droit au centre du but. Comme son nom l'indique, ce modèle s'applique uniquement aux tirs cadrés, car si un tir n'est pas cadré, il n'y a aucune chance (0 %) qu'il aboutisse à un but.

Voici un bon exemple de l'utilisation de l'xGOT lors de la dernière saison de Premier League.

James Maddison, de Tottenham, s'est présenté pour tirer un coup franc direct contre Aston Villa, à un endroit où la valeur xG du coup franc était de 0,12. L'exécution du coup franc par Maddison, qui a contourné le mur de Villa et s'est logé à l'intérieur du poteau proche d'Emi Martinez, a enregistré une valeur xGOT de 0,73. En substance, il s'agissait d'une occasion difficile, mesurée par la valeur xG, exécutée avec une très grande qualité, comme en témoigne la valeur xGOT nettement plus élevée.

Vous pouvez voir ici comment Maddison a tiré ce coup franc (Royaume-Uni uniquement).

Alors, en quoi xGOT a-t-il été amélioré ?

Sans entrer dans les détails techniques du modèle, les améliorations apportées par xGOT peuvent se résumer en quatre points clés :

#1 Des modèles distincts pour le football masculin et féminin

Depuis la Coupe du monde féminine de la FIFA 2023, toutes les valeurs xG issues des occasions de but recensées par Opta lors des matchs féminins sont calculées à l'aide d'un modèle spécifique, entraîné sur la base des tirs enregistrés lors de matchs féminins passés. Pour en savoir plus sur notre modèle xG féminin, cliquez ici.

Dans la dernière version de xGOT, nous disposons désormais de modèles distincts pour les matchs masculins et féminins. Le modèle masculin a été entraîné à partir des données de 32 compétitions masculines, tandis que le modèle féminin a été entraîné à partir de 31 compétitions.

En nous appuyant sur les valeurs xGOT des ligues féminines de première division de l'année dernière en Angleterre, en France, en Allemagne, en Italie et en Espagne, nous pouvons identifier les joueuses dont la frappe a permis d'améliorer de manière constante la qualité de leurs occasions, souvent en frappant le ballon proprement et en plaçant leurs tirs dans les coins du but.

En utilisant l'indicateur « Shooting Goals Added » (SGA), qui mesure l'écart entre le total cumulé de xGOT d'une joueuse sur la saison et son xG, on constate que, sur des actions de jeu, l'attaquante du TSG Hoffenheim, Selina Cerci, a amélioré la qualité de ses occasions avant tir de 4,6 buts. Cela signifie que, sur ses occasions en jeu, elle parvenait non seulement à cadrer ses tirs, mais aussi à les placer à des endroits où la gardienne avait du mal à les arrêter.

#2 Des données plus détaillées sur les gardiens de but

Outre la valeur attendue du tir (xG) et la trajectoire de celui-ci, l'indicateur xGOT intègre désormais des informations détaillées sur la manière dont la position du gardien de but influence la probabilité qu'un but soit marqué. Cela tient compte à la fois de la distance qui le sépare de la trajectoire du tir, mais aussi de sa position par rapport au point de tir et à la surface de but au moment du tir.

Ces informations permettent d'obtenir des résultats intuitifs en termes de valeur xGOT : par exemple, un gardien de but plus proche de la trajectoire du tir a plus de chances d'effectuer un arrêt. De même, un gardien de but se tenant dans le coin gauche du but a moins de chances d'arrêter un tir dirigé vers le coin inférieur droit, comme l'illustre le graphique de la surface de but ci-dessous qui montre une bonne occasion sous-jacente, à 14 mètres du but avec un xG initial de 0,26, où la valeur xGOT est de 0,95.

#3 Conseils pour améliorer l'exécution de vos tirs

L'xGOT tient désormais compte de critères supplémentaires liés à l'exécution du tir lui-même. Par exemple, si un tir a été dévié ou mal frappé, cela aura désormais une incidence sur la valeur xGOT attribuée à ce tir, tout comme toute trajectoire imprévisible qu'il aurait pu prendre.

N° 4 : Un modèle de sanctions spécifique

Les tirs de pénalité diffèrent par nature des tirs en cours de jeu, dans la mesure où le joueur qui tire dispose d'un angle de tir dégagé et sans opposition vers le but, et où le gardien de but doit avoir un pied sur la ligne de but au moment où le tir est effectué.

En conséquence, un modèle xGOT distinct a été développé, entraîné exclusivement sur un ensemble de données historiques relatives aux tirs au but.

Dans les cinq grands championnats européens masculins de la saison dernière, l'attaquant du Bayern Munich Harry Kane a affiché le meilleur xGOT par tir (0,86) parmi les joueurs ayant tiré au moins cinq penalties, réussissant ses neuf tentatives pour le champion de Bundesliga.

Alors, quels ont été les autres joueurs qui se sont distingués la saison dernière selon l'indicateur xGOT ?

En appliquant ce modèle amélioré à chaque action de la saison dernière de Premier League, on constate que Jordan Pickford, le gardien d'Everton, a empêché plus de buts grâce à ses arrêts que n'importe quel autre gardien (6). Comme le montre le graphique ci-dessous, Pickford aurait dû encaisser 50 buts (50 xGOT concédés), mais n'en a concédé que 44 au cours de la saison.

Un autre indicateur qui utilise l'xGOT pour illustrer la capacité des gardiens de but à arrêter les tirs est le « taux de tirs empêchés ». Cet indicateur normalise la valeur xGOT en fonction du nombre de tirs affrontés par chaque gardien, ce qui permet d'évaluer plus équitablement les gardiens confrontés à un volume de tirs plus important par rapport à ceux qui bénéficient d'une défense plus solide devant eux.

Par exemple, lors de la dernière saison de la Liga, Mario Dmitrovic, qui gardait les buts du Leganés, relégué, a empêché plus de buts (4,75) que Thibaut Courtois, du Real Madrid (2,8). Cependant, si l'on tient compte du nombre de tirs qu'ils ont dû affronter, on constate que les deux gardiens ont été tout aussi efficaces l'un que l'autre, encaissant chacun 1,1 but.

Du point de vue de l'attaquant, on peut évaluer l'efficacité d'un joueur à concrétiser un tir dont la qualité de l'occasion est relativement faible, d'après l'xG initial, en parvenant à tirer au but avec un xGOT nettement plus élevé. Un autre bon exemple est le but marqué par Omar Marmoush pour Manchester City contre Bournemouth l'année dernière, qui affichait un xG de 0,02 mais un xGOT de 0,63.

Vous pouvez visionner ici la vidéo de ce but, qui a été élu « But de la saison » de la Premier League pour la saison 2024-2025 (Royaume-Uni uniquement).

Comment puis-je en savoir plus sur xGOT et ses applications ?

Comme tous les indicateurs OptaAI, ceux-ci peuvent être utilisés via divers flux et intégrations de produits, ce qui vous permet de partager des analyses pertinentes sur les performances des joueurs devant le but et sur les prouesses des gardiens de but en matière d'arrêts. Pour plus d'informations sur ces solutions, rendez-vous sur le moteur de recherche de produits de Stats Perform.

Si vous êtes data scientist au sein d'un club, notre équipe Pro Solutions se tient également à votre disposition pour vous guider dans le développement du modèle et vous présenter l'ensemble de ses fonctionnalités. Vous pouvez les contacter à l'adresse prosolutions@statsperform.com

Pour consulter la liste complète des explications des modèles Opta, rendez-vous sur la page « Explications des indicateurs »sur Opta Analyst.