Quand les chiffres entrent dans le vestiaire, le foot se défend
À l’ASSE, la data n’est plus un jouet de laboratoire. Elle s’invite dans la conversation, elle s’infiltre dans l’analyse, elle finit même par toucher un point sensible: la manière dont on juge un match. Et là, forcément, ça grince. Parce qu’un match, ce n’est pas une feuille Excel. C’est un but qui tombe, un stade qui bascule, une équipe qui recule, une autre qui s’énerve. Bref, un sport qui adore contredire les courbes.
Le débat autour des xG (expected goals) est révélateur. L’indicateur, pris au pied de la lettre, est plutôt simple: il attribue une probabilité de marquer à chaque tir, selon sa position, sa nature, la situation. Ce n’est pas une prophétie. C’est une estimation. Le problème, c’est ce qu’on en fait ensuite. Quand on transforme un total d’xG en verdict moral — “on méritait”, “on ne méritait pas” — on change de métier. On quitte l’analyse pour entrer dans le tribunal.
La critique la plus fréquente, et pas la plus bête, tient à l’effet papillon du but. Marquer change tout: les espaces, les risques, la gestion des temps faibles. Donc oui, un match où tu marques tôt n’aura pas la même suite qu’un match où tu rates un penalty. Mais c’est précisément là que l’xG doit rester à sa place: il décrit ce qui s’est passé, pas ce qui se serait passé. Il ne raconte pas le scénario alternatif. Il ne réécrit pas le film. Il mesure les occasions réellement produites, dans le déroulé réel.
Ce qui gêne, en revanche, c’est l’interprétation paresseuse. Un total d’xG élevé peut venir d’un seul penalty et de trois tirs dans les tribunes. Un total faible peut cacher une domination territoriale stérile, mais réelle. Et surtout, l’xG ne voit pas ce qui précède le tir: la capacité à entrer dans la zone, à y rester, à y revenir. Or, c’est souvent là que se joue la différence entre une équipe qui “sent” le but et une équipe qui le “fabrique”.
C’est ici qu’arrive un mot qui fait lever les sourcils: le momentum. L’idée est séduisante: quantifier, minute par minute, qui est le plus susceptible de marquer à un instant donné. Pas seulement via les tirs, mais via la menace globale. Et pour ça, on s’appuie sur un autre concept: la “possession value”, une valeur attribuée aux zones et aux actions, censée mesurer à quel point une séquence augmente (ou diminue) la probabilité de marquer dans un horizon très court. En clair: ce n’est plus seulement le tir qui compte, c’est la construction de la situation dangereuse.
Sur le papier, c’est exactement ce qui manque aux xG pour raconter un match de Ligue 2, où l’ASSE peut parfois installer une pression longue sans multiplier les frappes propres. Le momentum, lui, prétend capter ces vagues: les minutes où Sainté étouffe, celles où Sainté subit, celles où le match se retourne sans forcément produire une avalanche de tirs.
Mais attention: plus l’outil est ambitieux, plus il est fragile. D’abord parce que ces modèles dépendent des données disponibles, de la qualité du tracking, des définitions retenues. Ensuite parce qu’ils introduisent des choix méthodologiques: pondérer les actions récentes, définir une fenêtre de quelques minutes, normaliser des valeurs… Tout cela peut être pertinent, mais ce n’est pas neutre. Et tant qu’on n’a pas accès au détail des calculs, on reste dans une zone grise: probable que l’indicateur soit utile, incertain qu’il soit stable d’un fournisseur à l’autre, et encore plus incertain qu’il soit comparable d’une saison à l’autre.
Pour l’ASSE, la bonne nouvelle, c’est qu’on n’a pas besoin de choisir un camp. Les xG restent un outil solide pour évaluer la qualité des tirs concédés et créés. Le momentum, s’il est bien construit, peut compléter en racontant la dynamique. Le danger, c’est de confondre outil et vérité. Les stats ne remplacent pas le match. Elles l’éclairent. Et parfois, elles rappellent une évidence: le foot est un sport d’événements, mais il se gagne souvent sur des tendances.