Pendant des décennies, le football s’est raconté avec des impressions du type “On a dominé.” , “Ils ont été plus réalistes.” ou bien “Le score ne reflète pas le match.” Les expected goals — xG — ont changé cette conversation non pas en remplaçant l’émotion mais en lui donnant un cadre.
Aujourd’hui, un 2-0 ne suffit plus. On veut savoir : combien valaient réellement ces occasions ? Qui a construit les meilleures situations ? Qui a vécu sur un éclair, et qui sur une répétition méthodique de danger ? Les xG ne mesurent pas le talent. Ils mesurent la probabilité.
La logique derrière le chiffre
Un expected goal est une estimation statistique de la probabilité qu’un tir devienne un but. Chaque frappe reçoit une valeur entre 0 et 1. Plus on est proche du but et bien placé, plus cette valeur grimpe. Plus l’angle est fermé et la distance importante, plus elle chute. Un penalty tourne autour de 0,75–0,80 et une frappe à 25 mètres dans l’axe peut valoir 0,03. Si une équipe termine avec 2,4 xG, cela signifie qu’en moyenne, sur un grand nombre de matchs avec ces mêmes tirs, elle marquerait environ deux à trois buts.
Ce n’est pas une promesse pour le match en cours. C’est une projection structurelle. Derrière ce chiffre, il y a des centaines de milliers de tirs historiques et des modèles statistiques comme des régressions logistiques ou du machine learning qui apprennent quels types de situations finissent le plus souvent au fond. Chaque tir devient un “pile ou face” biaisé. On additionne les probabilités et on obtient une carte de la menace.
Pourquoi les xG ont bouleversé l’analyse
Avant, l’analyse s’arrêtait souvent au volume : nombre de tirs, tirs cadrés, possession. Problème : quinze tirs ne disent rien de leur qualité. Une équipe peut enchaîner les frappes lointaines à faible probabilité. L’autre peut entrer dans la surface quatre ou cinq fois avec des passes en retrait tranchantes. Sur la feuille de match, le total peut paraître équilibré. Dans la réalité, non.
Les xG ont permis de distinguer la quantité de la qualité. À l’échelle d’une saison, le différentiel xG (xG pour – xG contre) est devenu un indicateur puissant de la solidité d’un projet. Il capte la répétition des situations dangereuses, pas seulement la réussite ponctuelle. Les clubs l’utilisent pour recruter. Les analystes pour contextualiser. Les médias pour raconter autrement.
Quand les xG et le score se contredisent
Sur un match isolé, la divergence peut être spectaculaire. Une équipe peut produire 3,0 xG et marquer zéro. L’adversaire peut générer 0,6 xG et inscrire deux buts. Pourquoi ? Parce que le football reste un sport à faible nombre d’événements décisifs. La variance est immense entre un gardien en état de grâce, un attaquant en manque de confiance, un poteau rentrant, ou bien un penalty manqué. Les xG racontent donc la physionomie tandis que le score raconte l’instant. Sur dix à quinze matchs, les deux finissent souvent par converger. Sur quatre-vingt-dix minutes, le chaos reste une variable majeure.
Ce que le modèle voit… et ne voit pas
Un modèle xG classique prend en compte des éléments comme :
- Distance et angle du tir
- Type d’action (centre, contre, coup de pied arrêté)
- Partie du corps utilisée
- Pression défensive
- Parfois, position du gardien
Mais il ignore souvent l’identité du tireur. Un tir à 0,20 xG vaut 0,20 qu’il soit frappé par un buteur d’élite ou par un défenseur peu habitué à conclure. Conséquence : juger la “finition” d’un joueur sur cinq matchs en comparant buts et xG est presque toujours trompeur. La variance domine.
Même logique pour les gardiens. Sur un petit échantillon, un écart important entre buts encaissés et xG subis peut refléter une série plus qu’un talent structurel. Les xG mesurent très bien la difficulté d’un tir.
Ils mesurent beaucoup moins la psychologie, la prise de décision sous pression ou la qualité intrinsèque d’un geste.
L’évolution : post-shot xG (xGOT)
Pour aller plus loin, certains modèles intègrent le post-shot xG — parfois appelé xG on target (xGOT). L’idée est simple : le xG classique évalue la situation avant la frappe. Le post-shot xG regarde ce qui part réellement vers le but. Un tir évalué à 0,20 xG peut finir en pleine lucarne. Une fois cadré et placé ainsi, il devient beaucoup plus difficile à arrêter. Le modèle post-frappe peut lui attribuer une valeur plus élevée.
Cela ouvre deux lectures supplémentaires :
- Comparer xG et xGOT d’un joueur pour évaluer la qualité de placement de ses frappes sur la durée.
- Comparer xGOT subis et buts encaissés pour analyser la performance d’un gardien.
On passe de “quelle était la chance ?” à “qu’en a-t-on fait ?”.
Au-delà du tir : mesurer la menace
Une autre évolution majeure concerne les actions sans tir. Des métriques comme l’expected threat (xT) attribuent une valeur aux zones du terrain. Plus un joueur fait progresser le ballon vers une zone dangereuse, plus il augmente la probabilité future de but.
Cela permet de valoriser les milieux qui cassent des lignes, les ailiers qui portent le ballon ou les latéraux qui entrent dans le demi-espace. Le xG mesure donc la fin de l’action et le xT mesure le chemin. Dans un football où la création d’avantage positionnel est essentielle, cette distinction devient stratégique.
Les limites à garder en tête
Tous les modèles ne se valent pas. Les fournisseurs de données diffèrent dans la précision du tracking, la définition d’un tir, l’inclusion de certaines variables. Deux plateformes peuvent attribuer des xG légèrement différents au même match, au point de modifier le récit. Autre piège : l’échantillon. Sur dix tirs, l’écart entre buts et xG ne signifie presque rien. Sur deux cents, il commence à raconter une histoire. Les xG ne sont pas un juge moral. Ils ne disent pas qui “méritait” de gagner. Ils décrivent qui a construit les situations les plus favorables.
Ce que les xG ont réellement changé
Ils ont déplacé la discussion. Au lieu de débattre uniquement du résultat, on parle désormais de structure, de répétition, de qualité des zones atteintes. Ils n’ont pas rendu le football prévisible. Ils l’ont rendu plus lisible. Et dans un sport où un détail peut inverser un destin, comprendre la mécanique derrière ces détails est déjà une révolution silencieuse.
