Autrefois, pour savoir quelle équipe allait gagner la Coupe du monde, il fallait consulter des voyants avec des boules de cristal, pratiquer la divination par la lecture des feuilles de thé, ou espérer que Paul la pieuvre nous prédise le sort.

Mais la science des données moderne peut offrir une meilleure alternative. Au sein d'une équipe de statisticiens, j'ai participé à l'entraînement d'un algorithme d'apprentissage automatique pour prédire le déroulement le plus probable du tournoi.

Prévisions probabilistes et dés pipés

L'algorithme que nous avons conçu se déroule en deux étapes.

Dans un premier temps, des modèles statistiques sophistiqués et l'expertise de bookmakers et de spécialistes des transferts sont combinés pour déterminer les forces de chaque équipe et de ses joueurs. Dans un second temps, un algorithme d'apprentissage automatique détermine la meilleure façon d'intégrer ces estimations de force à d'autres informations concernant les équipes.

Paul la pieuvre avait parié sur l'Espagne contre les Pays-Bas en 2010. Mais comment ses prédictions se comparent-elles à l'apprentissage automatique ? © Roland Weihrauch, DPA, AFP, Getty Images

Cela a permis d'établir une prévision probabiliste pour chaque match possible du tournoi. On peut l'imaginer comme une paire de dés pipés : au lieu d'avoir les chiffres de 1 à 6 avec des probabilités égales, ces dés pipés attribuent des probabilités différentes au nombre de buts marqués par chaque équipe.

Par exemple, selon nos prévisions, le Mexique marque en moyenne 1,9 but lors du match d'ouverture, tandis que son adversaire, l'Afrique du Sud, n'en marque que 0,7. Cela ne signifie pas pour autant que le Mexique l'emportera forcément. En réalité, une victoire du Mexique est l'issue la plus probable (65 %). Un match nul est moins probable (21 %), et une victoire de l'Afrique du Sud est l'issue la moins probable (14 %).

« Rentrez à la maison, le football rentre à la maison ! »

À l'aide de différentes paires de dés pipés, il est possible de simuler l'issue de chaque match de la Coupe du monde. Nous avons pris en compte le tirage au sort officiel du tournoi et l'ensemble des règles de la FIFA, y compris la possibilité de prolongations et de tirs au but. Nous avons effectué 100 000 simulations afin de déterminer le déroulement le plus probable de la compétition.

Les résultats montrent que l'Espagne est favorite pour le titre avec une probabilité de victoire de 14,5 %, suivie de près par l'Angleterre et la France, chacune à 12,4 %, et l'Allemagne à 11,2 %.

En raison de l'élargissement du tournoi - cette Coupe du monde compte 48 équipes et cinq tours à élimination directe - le groupe des favoris est très serré. Le Portugal et l'Argentine ont également de bonnes chances de remporter le titre, avec respectivement 8,9 % et 8,2 % de chances.

De son côté, les États-Unis ont de bonnes chances d'atteindre les seizièmes de finale : 78 %. C'est le pourcentage le plus élevé de leur groupe, qui compte trois autres équipes. Cependant, en phase éliminatoire, où chaque match est décisif, les chances de qualification des États-Unis diminuent rapidement. La probabilité d'une victoire à domicile en finale au MetLife Stadium du New Jersey, le 19 juillet, est de 1 %.

Un aperçu plus approfondi de la salle des machines

Notre algorithme d'apprentissage automatique et les simulations qui en découlent sont alimentés par des données, des connaissances d'experts et des modèles statistiques.

Premièrement, l'ensemble des matchs nationaux des huit dernières années sert de base à une estimation rétrospective du niveau des équipes. Deuxièmement, une estimation prospective de leur force est obtenue à partir des cotes proposées par différents bookmakers internationaux, reflétant leur expertise quant au tournoi à venir.

Troisièmement, les notes individuelles des joueurs sont établies en fonction de leur contribution aux buts marqués en club et en sélection. Enfin, la qualité actuelle et le potentiel futur des joueurs sont reflétés dans leur valeur marchande estimée. Celle-ci est disponible sur le site Transfermarkt , qui utilise l'intelligence collective pour estimer les valeurs réelles du marché, encore inconnues.

Ces quatre variables sont combinées à un large éventail d'autres données pertinentes reflétant la situation actuelle des différentes équipes et de leurs pays d'origine. Cela inclut des informations spécifiques à chaque équipe, comme leur classement FIFA et le nombre de joueurs ayant atteint les demi-finales de la Ligue des champions de cette année. Nous avons également pris en compte des facteurs socio-économiques propres à chaque pays, tels que le PIB par habitant.

Pour déterminer si et comment ces caractéristiques sont pertinentes pour les résultats réels d'une Coupe du monde, un algorithme d'apprentissage automatique a été utilisé.

Ici, on entraîne un modèle dit de forêt aléatoire , composé de nombreux arbres de décision qui capturent des sous-ensembles de données légèrement différents. L'algorithme a été entraîné sur tous les matchs joués lors des principaux tournois de football depuis la Coupe du monde 2006. Il établit ainsi un lien entre la force d'une équipe, sa valeur marchande et d'autres facteurs, et le nombre de buts marqués lors des matchs de Coupe du monde. Ce sont ces informations qui alimentent nos simulations.

En savoir plus

Ce n'est pas la première fois que notre équipe, composée d'Andreas Groll et Rouven Michels et de leurs collègues de l'université technique de Dortmund en Allemagne, de Lars Magnus Hvattum de l'université de Molde en Norvège, de Gunther Schauberger de l'université technique de Munich et de moi-même, collabore pour prévoir une Coupe du monde.

Lors de la Coupe du monde féminine de 2019, nous avions correctement prédit la victoire des États-Unis. En revanche, pour la Coupe du monde féminine de 2023 et la Coupe du monde masculine de 2022, les vainqueurs - l'Espagne et l'Argentine respectivement - ​​n'étaient pas nos favoris, même si nous les avions considérés comme de sérieux prétendants au titre.

En résumé, les prévisions reposent sur des probabilités. Notre programme ne prédira pas le vainqueur avec une certitude absolue, mais il fera sans doute mieux qu'un mollusque à huit tentacules.