Résultats de recherche

« Des très bonnes pioches mais un recrutement jeune, nombreux, original et par conséquent risqué qui pourrait créer une grosse incertitude sur les résultats de la saison s’il n’y avait pas déjà de très bons éléments au club . » J’ai souhaité analyser ce recrutement parce que le nombre de joueurs scandinaves interpelle. Quand on connaît l’essor de la data dans le process du recrutement, on peut imaginer que le stade rennais avec son nouveau directeur sportif italien y a eu recours.   Un club comme le stade rennais devrait cependant avoir plus de certitudes dans son recrutement, ce que peut en réalité apporter une parfaite utilisation de la data.   Ce recrutement comporte plusieurs risques.   Il est préférable que l’ossature des joueurs connaisse le championnat , or ici beaucoup de joueurs vont découvrir la Ligue 1. Ce n’est par exemple pas du tout le choix des recruteurs brestois qui ont su recruter principalement de bons joueurs de ligue 1.   Le nombre de recrues importantes n’est aussi jamais très bon signe car il faut redémarrer un cycle, trouver les automatismes etc. c’est plus difficile d’obtenir de bons résultats tout de suite.   Parmi les joueurs recrutés, il y a quelques joueurs très performants dans leur championnat mais dans des championnats à des niveaux jugés inférieurs voire bien inférieurs. Et tous n’étaient pas des cracks  dans leur championnat.   Selon moi, trois voire quatre joueurs sur les sept joueurs peuvent faire partie d’un recrutement réussi. -              Le recrutement de Ostigard  me paraît vraiment une très belle opportunité, je l’avais repéré lorsqu’il jouait à Naples, il affichait de très belles performances même s’il n’était pas toujours titulaire. -              Gomez  est une très bonne pioche, très bon ailier percutant même si son âge et sa nationalité peuvent rappeler certains échecs sud-américains rennais (brésiliens et Quintero) -              Grønbæk  est un très bon milieu offensif qui pourrait aussi réussir en ligue 1 malgré son jeune âge et le niveau de sa dernière division. -              Hateboer  peut apporter son expérience de l’Atalanta.   Les autres joueurs Kamara, James, Meister (que je n’ai pas encore observé car il ne fait pas partie des meilleurs de son championnat… sa note est à 7,03 sur sofascore) ne me semblent pas indispensables.   De jeunes joueurs étrangers non aguerris  qui potentiellement feront de bonnes carrières mais n’afficheront pas leurs meilleures performances dès cette année. Il y a un risque de se tromper sur le réel niveau des joueurs mais surtout de ne pas répondre aux attentes rapidement.   On peut aussi se poser quelques questions sur l’ origine du recrutement, notamment Kamara qui est un très bon joueur sur football manager… Il y a un effet retard sur les performances des joueurs et aussi un décalage en fonction des pays, notamment l’écosse (ancien championnat de Kamara) qui est largement surévaluée.   La bonne idée de la scandinavie a aussi été démultipliée, histoire d’agents ?   Il y a aussi une nouvelle stratégie sur les jeunes qui surprend quand on connaît le niveau du centre de formation historique et quelque part, une perte d’identité de l’effectif qui n’est jamais bon signe.   Une bonne saison du stade rennais pourrait peut-être venir des autres joueurs déjà présents dans l’effectif, la conservation de Bourigeaud annoncé partant, le retour en forme de Blas, Matusiwa qui est un ex bon milieu de terrain de Reims qui a fait ses preuves en ligue 1, peut-être l’éclosion de Lambourde, ajoutés à ces 3, 4 joueurs cités plus haut. Stéphan dispose d’un effectif très intéressant pour obtenir de bons résultats et devra intégrer les recrues petit à petit.

La découverte : J’ai découvert Michael Olise en 2021 bien avant la fin de saison 2023/2024 avec Crystal Palace en Premier League, son transfert au Bayern Munich, sa participation aux Jeux Olympiques où le grand public l’a réellement découvert. En cette saison 2020/2021, il réalisait alors la 2e performance (avec une note à 7,31 selon ma notation) de la saison du Championship (D2 anglaise) avec Reading derrière Emiliano Buendia qui lui aussi continue de bien performer lorsqu’il joue ou n’est pas blessé du côté d’Aston Villa. Michael est né à Londres et a fait partie des équipes de jeunes de Chelsea pendant 7 ans. Après un bref passage à Manchester city, il a choisi de rejoindre l’académie de Reading en 2017, il a ainsi pu devenir professionnel, en faisant ses débuts en 2019 avec l’équipe première. Sa mère est franco-algérienne ce qui lui a valu d’être sélectionné en 2019 dans l’équipe de France en u18, la suite on la devine.   Pour repérer les meilleurs joueurs, j’ai introduit un système de notation sur 10 qui me permet de les trier et de les détecter. J’analyse maintenant aussi plus en détail les radars pour identifier les différences de profils pour trouver des axes d’amélioration de ma notation et apporter plus d’explications. Évolution de la performance : L’analyse sur les 4 dernières saisons montre une stabilité intéressante de la performance, le style de jeu de Michael Olise a varié très peu. En étudiant plus en détail l’évolution de ses statistiques, on peut cependant entrevoir quelques améliorations, à tempérer car elles peuvent être liées à sa fraicheur à la suite de sa blessure de début de saison (moins de minutes jouées sur 2023/2024, 18 matchs pour 1331 minutes observées) et à la très bonne forme de Crystal Palace la saison dernière avec son acolyte de l’équipe de France Olympique Mateta. On peut ici saluer le choix du sélectionneur Thierry Henry de les avoir associés.   En évoluant dans un grand club comme le Bayern Munich, nul doute que ses statistiques resteront très élevées, sauf s’il venait à jouer un peu moins à cause de la concurrence au Bayern qui dispose déjà de profils comparables dans son effectif (Gnabry, Sané, Coman).     Les statistiques des radars à la loupe :   Les joueurs comparables, les attaquants percutants : Pour alimenter ces analyses, j’ai comparé Olise aux différents joueurs suivants depuis 2018 : Jota (ex Celtic), Adama Traoré, Gustavo Scarpa, Francisco Conceicão, J. Bakayoko, A. Skov Olsen, Rafael Leão, O. Dembélé, S. Gnabry, L. Sané, K. Coman, H. Ziyech, David Neres, F. Thauvin, C. Madueke, D. Mertens, Sávio, Willian, Savinho, Douglas Costa, J. Doku, Y. Carrasco, E. Zhegrova , F. Chiesa, J. Corona, M. Diaby, Nico Williams   Tous ces joueurs sont ressortis comme étant des joueurs très proches statistiquement et correspondant aux attaquants percutants.  Plutôt que de comparer à un ensemble de joueurs avec finalement des caractéristiques éloignées, j’ai préféré réduire l’échantillon de comparaison pour faire ressortir les caractéristiques d’Olise.   Une efficacité en nette progression mais peut-être en surperformance en 2024: Sur la saison 2023/2024, Michael a marqué beaucoup de buts par minutes jouées et a un ratio très élevé de conversion (Buts/XG - Expected Goal >>2 !) qui peut aussi s’expliquer par un facteur chance sur une période plus propice. Lors de la saison 2022/2023, il a eu moins d’occasion liée peut-être au classement de Crystal Palace qui peut nettement influer sur les performances. Ci-dessous, 3 extraits de buts : Moins présent dans la surface en début de carrière (saison 2020/2021), il touchait seulement un ballon dans la surface par match. Sur ses 2 meilleures saisons, il touche désormais 3,5 ballons mais cela reste inférieur aux profils comparables. Ce gaucher évoluant principalement à droite a une très grosse faculté à porter le ballon et gagner du terrain, près de 4 courses de plus de 10 m avec ballon par match joué dans la moyenne des profils comparables. Il a joué légèrement plus de duels offensifs (15) en 2023/2024, le ratio de duels gagnés reste élevé à près de 50%, dans le premier quart des profils comparables. Il a surtout progressé dans la précision de ses frappes avec près 1,3 tirs cadrés et est maintenant parmi les tout meilleurs. Une contribution défensive intéressante : Il semble jouer très peu de duels aériens et en gagne aussi relativement peu (moins de 40%) mais il reste au-dessus de la moyenne des profils comparables. Il est surtout plus à l’aise aux duels défensifs au sol où ils figurent parmi les meilleurs. Il contribue en effet aux tâches défensives avec environ 6 duels défensifs par matchs joués, il atteint même plus de 60% de duels remportés lors des 2 meilleures saisons. Il commet relativement peu de fautes aussi, moins de 1 faute par match. Il se différencie par ses interceptions à près de 3 par matchs joués parmi le premier quart. C’est un joueur moderne très intéressant collectivement dans ses pressings, ses déplacements pour récupérer le ballon et puis pour le conserver et donner le rythme à l’équipe. Il sait fournir les efforts défensifs pour récupérer une erreur et annuler une occasion de contre. Une autre interception ci-après : Sur cette vidéo, on remarque sa lecture du jeu et sa capacité à bonifier le ballon récupéré avec une feinte et un dribble. Un excellent dribbleur : C’est bien sûr un excellent dribbleur, rapide et agile, il figure parmi les tout meilleurs, cette saison, il améliore son pourcentage de dribbles réussis à 66% au lieu de 57% sur les 3 dernières saisons, même niveau de dribbles tentés (8) qu’en 2021/2022 dans la moyenne des profils comparables. Volume de passe d’un attaquant percutant : Son volume de passes par match reste autour de 30. Sa capacité à participer plus au jeu et à repiquer dans l’axe cette dernière saison a réduit son nombre de centres par rapport à sa saison 2021/2022. Étant gaucher, il aime enrouler ses centres rentrants comme le montre la vidéo ci-après : Il progresse dans le nombre de passes en profondeur 1,57 vs 2,16. Il a parfois été utilisé en numéro 10. La passe en profondeur est ici millimétrée. Son nombre de passe décisive attendue est toujours situé autour de 0,3 par matchs joués, ce qui en fait un très bon passeur décisif. Son nombre de passes dans la surface se situe toujours entre 4 et 5. Lors de sa première saison, son positionnement peut-être plus bas sur le terrain, l’a amené à réaliser un plus grand nombre de passes dans le dernier tiers sur cette saison-là.   Le présent et l’avenir : Il fait déjà partie des cracks des attaquants percutants, avait-il déjà sa place en équipe de France à cet Euro ou aurait-il aidé l’équipe de France à mieux performer ? Probablement, on aurait peut-être même dû le voir plus tôt en décembre 2022 au vu de ses statistiques en Premier League, à l’époque, cela aurait été un pari, c’est maintenant une évidence selon moi, on aurait pu ainsi découvrir Olise en 2022 en coupe du monde comme Ribéry en 2006, ancien du Bayern lui aussi ;) Il rentre à coup sûr dans la liste de ces rares joueurs agréables à voir jouer. Dans une vidéo de matchs de préparation des J.O. où il a obtenu la meilleure note de 7,97 ! l’ancien gardien du PSG J. Alonzo, « vous avez vu comment il est aérien ! »

En janvier, j'ai rédigé une fiche synthétique reprenant les data sur les saisons filmées.

Olise a été le meilleur joueur des J.O. selon ma notation.

Cet article a été écrit en 2022, depuis la data est encore plus présente et beaucoup de clubs l'ont intégrée. Introduction/ Contexte   Parmi tous les sports, le football est très certainement le sport le plus aléatoire (ce qui assure la bonne santé des sites de pari sportif).   La principale raison : il y a peu de buts marqués, et ils ne sont pas forcément marqués par l’équipe qui domine, il y a trop souvent un écart entre la performance et le résultat. Contrairement aux sports américains (nettement moins aléatoire) ou la formule 1 (mécanique), le monde du football a longtemps repoussé les statistiques dans la recherche de la performance en étant plutôt conservateur.    Cependant, aujourd’hui, on assiste désormais à un essor rapide de la data/donnée  dans le football grâce aux évolutions technologiques et scientifiques ( l’analyse vidéo intelligente  au travers de la vidéo, de la reconnaissance d’image et du Big Data). En effet la vidéo est traduite en base de données. Des sociétés transforment ces vidéos en millions de données. Chaque seconde de match est traduite en informatique et les ordinateurs d’Aujourd’hui permettent des millions de calculs sur ces mêmes données. Si on compare aux premières statistiques sur le football (ex : comptage à la main), Cela constitue une avancée importante sur la profondeur de données (tous les matchs filmés…) et l’analyse. De nombreux chercheurs passionnés de football s’y intéressent (Ex : challenge polytechnique/PSG en 2018), des starts ups se créent et deviennent partenaires des plus grands clubs pour les aider à analyser leurs données.   Cet usage de la donnée est remarqué grâce aux succès récents  de certains clubs qui ont eu recours aux statistiques (liverpool, brentford, brighton, leicester (lorsqu’ils ont été champion avec Mahrez et Kanté on peut s’apercevoir qu’ils avaient gardé une ossature présente depuis quelques années et ajouter quelques joueurs bien ciblés, un excellent dribbleur, un excellent récupérateur), Leipzig, Salzbourg, Midtjylland club le plus moderne du monde complètement géré par la statistique – Des analystes de Londres infuencent les choix de l’entraineur en cours de match.  La donnée est très observée par la nouvelle génération d’entraineurs, notamment les jeunes entraîneurs allemands qui ont une approche très analytique (Klopp, Tuchel, Nagelsmann etc)   Monchi a récemment déclaré : Big Data is the future of football “Big Data is the future of football. Not because you are going to buy a player based on the data, but because it reduces the risk.” C’est effectivement la réduction des risques qui est très importante pour la bonne santé d’un club , on cherchera à prendre le meilleur joueur à moindre coût plutôt que tenter des paris coûteux (exemple : indemnités importantes et contrat long).   Pour un club, l’utilisation des données peut constituer un avantage concurrentiel  sur les autres clubs. En améliorant la qualité et la valeur de l’effectif et à terme, les résultats du club et la solidité financière en : 1-     Scoutant en priorité par la data, 2-     Analysant les formules gagnantes du passé, 3-     Aidant les entraineurs à perfectionner les tactiques de match (plus complexe) 4-     Aidant à la formation (second temps) 5-     Développant une culture statistique au sein du club (staff, dirigeants et recruteurs).   Les analyses statistiques sont encore peu exploitées en France , si elles commencent à l’être dans les plus grands clubs, c’est encore un domaine tout nouveau. Il y a la possibilité de tirer parti de ce commencement  notamment pour les clubs plus modestes  à condition d’identifier les analyses/données qui pourront révéler un réel avantage. Mon avis est qu’Il est possible d’avoir un gain rapide grâce au data scout  et l’analyse des données, je suis plus réservé sur l’analyse des matchs car il est du domaine de l’entraineur, les données sont plus complexes et les innovations des grands clubs/entraineurs sont souvent reprises par mimétisme.   Les clubs Français ne sont pas préparés à maîtriser autant d’informations . Ils auraient besoin de se structurer comme toutes les grandes entreprises.   1 - En Scoutant par la data   Ce qu’ll est possible de faire : -        Grâce à des sites de sociétés spécialisées (Opta, Wyscout, Statsbomb) o    Etablir la performance par joueur pour chaque match en confrontant les données à un site de statistiques « whoscored » ou « sofascore » (différences avec note « L’équipe » données par des journalistes) §  Répliquer une note similaire sur tous les matchs visionnés (exemple : match de Ligue 2, national 1 ou national 2 (avant COVID) pour lesquels peu de stats sont disponibles). Aujourd’hui, il existe de nombreux sites qui évaluent les performances des joueurs (ex : sofascore). Il est possible de regarder la performance d’un joueur sur plusieurs saisons au cas par cas, cependant, cela devient intéressant lorsqu’on peut extraire des centaines, voire des milliers de joueurs. o    Wyscout permet d’extraire jusqu’à 500 joueurs rapidement sur une période donnée, sur un championnat donné en appliquant plusieurs filtres si besoin.   o    Aujourd’hui, j’ai construit des notes par poste (Latéral, DC, Milieu Déf, Milieu Off, Ailier, Attaquant) avec les notes de wyscout pour 90 minutes jouées en fonction de près de 80 indicateurs (allant du ratio buts marqués au ratio de passe réussis jusqu’aux ratio de duels aériens etc), ce travail est encore perfectible mais donne une bonne estimation de la performance du joueur avec ballon . Il serait possible d’isoler par poste plus précis (Ex : les pistons…).   §  Attention, le jeu sans ballon n’est pas quantifié mais plus tard, après quelques recherches il est possible que de nouveaux indicateurs soient trouvés, on peut imaginer par exemple la couverture du dernier défenseur qui mène à un but de l’équipe adverse. Aujourd’hui l’indicateur n’est pas présent. Dans les données, il se peut aussi qu’il y ait des problèmes de données, actions en doublons. Le statisticien doit rester vigilent sur les données et ses interprétations.   -        Avantages : o    Optimisation du recrutement (de très bons joueurs à moindre coût) grâce à la data, filtre permettant de concentrer l’effort des analystes vidéo et la supervision des matchs des recruteurs sur des joueurs préalablement ciblés en partie par la data.   o    Elargir les possibilités de recrutement : Cela peut permettre de se positionner sur un joueur un peu moins connu, moins suivi pour lequel il y aura moins de concurrence. Aujourd’hui, les joueurs évoluant en France sont connus de tous les suiveurs ce qui peut rendre le recrutement plus difficile.   o    Anticiper les opportunités : Détection, ciblage rapide et anticipation pour être les premiers à contacter les joueurs, anticiper l’éclosion d’un joueur que l’on aurait pu recruter quelques mois plus tôt.   o    Travailler de manière continue sur la data permet une meilleure connaissance des bases de joueurs, de la fin des contrats des joueurs et une anticipation des besoins de profil pour l’effectif des prochaines saisons.   o    Recruter en post formation des joueurs acceptant le challenge de l’équipe B en espérant intégrer l’équipe première. Joueur peu coûteux avec une marge de progression. (ex : Muyumba). De nombreux joueurs se retrouvent sans 2ème contrat. Cela a permis de maintenir un niveau de performance de l’équipe b et à l’équipe d’être le plus compétitif profitant aussi aux joueurs formés au club ou au club depuis quelques années.   -        Il est aussi possible de webscrapper (récupérer la donnée) certains sites pour observer des statistiques de buts ou les étoiles « Foot National » pour des championnats national 2 et 3, -19,-17. (Identification de Rayan Ghrieb en national 2) -        Avec plus de temps, il serait envisageable de créer des rapports/analyses automatisés des joueurs.   2 – En étudiant la data : Le statisticien peut:   Avec un peu plus de temps, (Ex : sur des périodes post mercato), réaliser des études sur le passé a posteriori sur les formules gagnantes (recrutement pertinent, composition de l’effectif lors de montées en division supérieure, mix jeunes joueurs/ nouveaux/ expérimentés) Ex : Le recrutement du Havre pour remonter en Ligue 1 avec une solide défense. Tel joueur avant d’être transféré affichait déjà ce même niveau de performances (ex : Opéri au Havre)   Extrapoler l’évolution de la performance d’un joueur sur la prochaine saison Evaluer le niveau d’un championnat par rapport à un autre (ex : recruter un joueur du championnat belge, montée en division supérieure) Evaluer la performance en fonction de l’âge, du nombre de matchs joués, changement de division, de niveau d’équipe, de langue etc etc Il serait possible de créer des modèles de prédiction sur la perfomance en fonction de tous ces critères/effets.   Classer les joueurs par profil. Ex : Piston vs latéral, défenseur relanceur vs défenseur central stricte.   3 – En aidant la formation  : Améliorer la performance des joueurs du club Détection et validation des joueurs à potentiel et de la progression des joueurs par la vidéo et l’analyse des données dès 17 ans (u17) Créer un partenariat avec une société/start up, acheter des données, avoir les compétences en interne pour les analyser. Plutôt dans un second temps…   3 - En aidant à l’analyse des matchs   -        Analyse des rapports de matchs disponibles sous wyscout -        Alimenter les discours d’avant match avec les métriques/indicateurs -        Analyse de la performance des joueurs -        Cibler les qualités/défauts de l’adversaire -        Détection de phase de jeu grâce à la donnée (plus complexe) -        Vérifier l’application des principes de jeu de l’entraîneur par les données et la statistique (plus complexe)   4 - Traitement de la donnée au sein du club   Introduire un pilotage de la performance avec des comités d’expert dirigeants/entraîneurs/ staff (reporting), instaurer une vision commune et confrontation de la statistique face aux ressentis pour améliorer/adapter/corriger le suivi. On remarque que beaucoup de club Français démarre avec un statisticien/data-analyste.   Aujourd’hui, à ma connaissance, le traitement de la data dans le football peut a minima se faire grâce à une License de 300 euros par an avec wyscout et des logiciels gratuits d’analyse de données et de statistiques (R/Python) qui nécessite une formation en statistique et informatique (bac+5 ans) et quelques années de pratique. Pour les clubs, il est possible aussi d’avoir des accès à Opta ou Statbomb.