Kickoff.ai : l’intelligence artificielle connaît les vainqueurs de l’Euro

Par la Rédaction de Contrepoints.

On avait connu Paul le Poulpe au Mondial 2010 qui a accédé à ses heures de gloire en tant que prévisionniste, pas forcément maladroit, du vainqueur de chaque match. Pour l’Euro 2016, une technologie bien plus avancée se propose de donner la probabilité de victoire de chaque équipe pour le prochain match. Ce sont deux doctorants et un étudiant de l’École Polytechnique Fédérale de Lausanne (Faculté IC) qui ont mis au point une méthode statistique¹ qui se distingue de celles que l’on avait vu fleurir lors du Mondial 2014 (Goldman Sachs, UBS, Wolfram, Yahoo) par l’utilisation des performances individuelles des joueurs et de l’inférence bayésienne pour donner un niveau de confiance dans la prévision.

Comment ça marche ?

Kickoff.ai utilise aussi des modèles mathématiques (statistiques) des matches de football mais il y a quelques caractéristiques spécifiques qui rendent ces modèles originaux :

• Ils modélisent la performance individuelle des joueurs. Ici, on suppose donc que la performance de l’équipe est directement fonction du niveau et de la performance individuelles des 11 joueurs présents sur le terrain. Là où les autres méthodes utilisent une variable par équipe, le modèle utilise implicitement une variable pour chaque joueur. L’objectif est d’augmenter la population statistique pour le calibrage du modèle en ne limitant pas l’ensemble d’apprentissage aux seuls matches internationaux, peu nombreux, mais à tous les matches entre clubs auxquels participent les joueurs sélectionnés. Les données des compétitions internationales mais aussi des coupes d’Europe (Ligue des Champions, Europa League) et des principaux championnats nationaux sont prises en compte. Pour chaque match, on recueille quelques caractéristiques comme l’équipe qui joue à domicile, les joueurs alignés, le score et la date sur les dix dernières années.

• Ils calculent un Kickscore pour chacun des joueurs. Ce score est une mesure brute de la performance des joueurs, de leur contribution potentielle au succès de l’équipe. Par exemple, seul Cristiano Ronaldo a le score maximal de 100 dans le tournoi.

• Ils utilisent l’inférence bayésienne, c’est-à-dire qu’ils peuvent donner le niveau de confiance dans leur prévision. Les auteurs expliquent qu’il est a priori facile de dire que, par exemple, l’Allemagne battra l’Islande, mais bien plus difficile de dire quelle est la probabilité que cela survienne. En particulier, une équipe comme l’Islande ne se qualifie en général pas pour les grandes compétitions, réduisant fortement la population statistique des matches à enjeu dans lesquels toute équipe peut fournir une performance supérieure à celle qu’elle fournit habituellement.

Concrètement, en sortie, l’utilisation des 11 joueurs alignés en entrée du modèle permet d’obtenir la probabilité de victoire. Si une équipe a une probabilité de plus de 50% de gagner, cela signifie tout simplement que cette équipe a plus de chances de gagner que l’autre.

Alors qui gagnera l’Euro 2016 ?

Pour l’instant, seuls les matches de poule de l’Euro 2016 sont disponibles et les résultats prévus sont conformes à ce que l’on peut attendre. Évidemment, les grandes nations ont souvent des grands joueurs qui ont de bonnes performances en dehors de la sélection mais on a pu voir avec l’équipe de France en 2010 que la présence de grands joueurs ne faisait pas tout. C’est peut-être là la limite de cette méthode et un élément qui préserve tout l’intérêt du football. En fait, les auteurs précisent que ces prévisions doivent être interprétées de façon probabiliste et non binaire. Une prévision probabiliste n’est jamais vraiment fausse tant qu’une des deux probabilités n’est pas de 100% mais le caractère imprévisible du football se prête bien à ce type de prévision.

À cette heure, les vérifications des premiers matches de l’Euro 2016 sont plutôt en faveur du modèle. En effet, la France était donnée gagnante à 74% contre la Roumanie (2-1), l’Albanie perdante à 60% contre la Suisse (0-1) et l’Angleterre gagnante à 59% face à la Russie, probabilité relativement faible, alors que le résultat a été un match nul (1-1). Seul Pays-de-Galles – Slovaquie (2-1) s’est soldé par un résultat contraire à la prévision qui donnait à 60% la Slovaquie gagnante. Succès aussi pour Turquie – Croatie (56% pour la Croatie et 0-1), de même que pour Pologne – Irlande du Nord (1-0 et 63% pour la Pologne) et enfin pour Allemagne – Ukraine (2-0 et 63% pour l’Allemagne).

En tout cas, l’équipe qui a conçu le modèle décline avec humour toute responsabilité pour tout effet de bord qui pourrait résulter du luxueux train de vie auquel on devrait s’habituer si d’aventure, on suivait leurs prévisions pour faire des paris sportifs…