Pronostiquer l'ultimate, tournoi après tournoi

Comment ça marche, en deux étapes

Le modèle ne connaît qu'une chose : les scores des matchs déjà joués. Ni les noms des joueurs, ni la réputation des clubs, ni le palmarès.

1. 1

   Mesurer la force de chaque équipe

   Une équipe forte gagne largement. La force d'une équipe se manifeste donc par l'écart au score moyen, calculé match après match.

   Mais tous les 15-13 ne se valent pas. On ajoute donc au calcul un biais qui dépend de la force des adversaires.

   Lire une force : « +3 » veut dire trois points de mieux que la moyenne de sa division. Un +3 en Open ne se compare pas à un +3 en Féminine : les divisions ne se rencontrent jamais.

2. 2

   Transformer un écart de force en pourcentage

   Le favori est toujours l'équipe qui a la plus grande force. Si les deux équipes ont la même force, elles ont 50 % de chances de victoire chacune. Plus l'écart de force grandit, plus le favori s'approche de 100 %, sans jamais l'atteindre.

   Écart de force entre les deux équipes : 3,0 points

   Chances de victoire du favori : 76 %

   Courbe réglée sur le tournoi affiché plus bas.

Aucune triche : chaque pronostic est daté

Chaque tournoi est rejoué tour par tour. Avant chaque tour, le modèle est recalculé avec les seuls matchs terminés, jamais avec ceux qu'il doit prédire. La réussite affichée est donc celle qu'aurait eue quelqu'un qui l'aurait suivi en direct. Chaque tournoi repart de zéro, sans mémoire des précédents.

Tant qu'une des deux équipes n'a pas encore joué, le modèle ne se prononce pas. C'est le cas de tout le premier tour d'un tournoi.

Est-ce fiable ? Le bilan sur 36 tournois

Deux questions. Le modèle désigne-t-il le bon vainqueur plus souvent que des méthodes simples ? Et ses pourcentages sont-ils justes : quand il annonce 75 %, le favori gagne-t-il bien trois fois sur quatre ?

Les pistes testées, et écartées

Le modèle ne regarde que les scores. D'autres informations semblaient prometteuses. Chacune a été testée comme le modèle lui-même, avec les seuls matchs déjà joués, et devait se confirmer sur des données indépendantes : les deux premières sur les matchs serrés de deux Mondiaux, 2026 puis 2022. Aucune n'a amélioré les pronostics de façon sûre.

• La répartition des points dans l'effectif

  Écartée

  Une équipe dont l'attaque repose sur deux ou trois joueurs perd-elle plus souvent les matchs serrés ?

  Huit façons de mesurer la concentration ont été essayées. L'effet va dans un sens en 2026 et dans l'autre en 2022 : c'est du bruit, pas un signal.

• La durée des points

  Écartée

  Une équipe qui marque vite quand elle a le disque, et qui fait durer les points en défense, est-elle plus forte que ne le dit son score ?

  La piste la plus sérieuse : l'effet apparaît en 2026, mais il s'efface en 2022, sur deux fois plus de matchs. Un vrai effet deviendrait plus net avec plus de données ; celui-ci disparaît. C'était un faux positif.

• La mémoire des tournois précédents

  Écartée

  Si une équipe garde la plupart de ses joueurs d'une année sur l'autre, ses matchs de l'an dernier aident-ils à la pronostiquer ?

  Légère amélioration quand au moins 70 % de l'effectif est le même, mais trop faible pour être sûre. Seul vrai bénéfice : pronostiquer les premiers matchs d'un tournoi. Au sein d'une même saison européenne, en revanche, garder la force d'un club d'une étape à l'autre améliore nettement les pronostics : c'est ce que font les saisons.

Ce que le modèle ne sait pas

• Il ne voit que les scores : ni la fatigue, ni les blessures, ni le vent, ni les équipes qui lèvent le pied une fois qualifiées.
• En début de tournoi, chaque poule est un monde à part : comparer deux poules suppose qu'elles ont le même niveau, ce qui n'est jamais garanti.
• Un pronostic à 80 % se trompe une fois sur cinq, par définition. Les surprises font partie du jeu.