Football : L’impact des compositions d’équipe sur la capacité à marquer des buts

Juil 1, 2024 | Blog

Introduction

Notre équipe dédiée à la Recherche & Développement chez Seenovate s’est intéressée à l’impact des compositions d’équipes sur leur capacité à marquer des buts. Découvrez ce résumé de l’article scientifique publié dans la revue Frontiers in Sports and Active Living.

La composition d’une équipe sur un terrain, également connue sous le nom de système de jeu, joue un rôle crucial dans la performance collective et le résultat des matchs de football. La position des joueurs au sein de la formation influence le style de jeu, leurs décisions via des actions offensives et défensives, et plus largement leur activité lors d’un match. Ainsi, centraux dans la performance, les systèmes de jeu ont été étudiés par le biais de leurs effets sur le résultat d’un match. Néanmoins, les différents auteurs se sont confrontés à un nombre limité de matchs, ou se sont concentrés sur des aspects spécifiques du jeu.

Dans cette étude, nous avons cherché à combler cette lacune en utilisant une approche d’analyse de données à grande échelle pour examiner l’impact de la formation sur la rapidité à marquer chez des joueurs professionnels de football. Contrairement aux méthodes traditionnelles qui se concentrent uniquement sur la prédiction d’une variable, l’analyse de survie employée ici ajoute de la temporalité au modèle et examine le temps d’attente moyen jusqu’à l’apparition de l’évènement, soit le but dans notre cas.

 

Une approche statistique nouvelle en football, pourtant éprouvée par ailleurs.

Nous avons utilisé un jeu de données fourni par StatsBomb, en accès libre, qui comprend huit compétitions majeures de football, dont la Coupe du monde et la Ligue des Champions de l’UEFA.

Compte tenu d’effets probables de l’adversaire sur la capacité à marquer un but plus ou moins rapidement, nous avons employé un modèle de risques compétitifs : le modèle semi-paramétrique de Fine et Gray. Ainsi, nous avons pu tenir compte de l’interaction entre deux évènements récurrents : les buts marqués par les équipes A et B, respectivement. L’analyse de l’occurrence et du temps pour que chaque équipe inscrive un but nous a permis d’identifier les indicateurs de la performance illustrant les capacités offensives et défensives de chaque système de jeu, en concurrence.

 

Systèmes de jeu, buts, qu’en est-il ? 

D’après la Table 1, on remarque deux groupes de formations d’équipes. Le premier groupe, comprenant les formations 4-5-1, 3-4-3, 5-4-1 et 5-3-2, se caractérise par une conduite plutôt défensive. Ces équipes effectuent en moyenne moins de 400 passes par match et tentent au maximum 9,5 tirs. À l’opposé, le second groupe, composé des formations 4-3-3, 4-2-3-1, 4-4-2 et 3-5-2, adopte une posture plus offensive offrant davantage d’occasions de tirs et montrant un nombre total de passes plus élevé. Ces équipes réalisent en moyenne plus de 440 passes par match et tentent au minimum 10 tirs. D’après nos analyses et comme mentionné en Table 2, le système de jeu 4-3-3 se présente comme étant le plus efficace. Avec 0.30 buts marqués par match, contre 0.23 buts encaissés, il se démarque par les meilleurs capacités offensives et défensives parmi les formations étudiées. Juste derrière, on trouve la formation 4-2-3-1 qui offre également de bons résultats, tant en attaque qu’en défense.

 

Table 1 : Indicateurs de performance pour chaque système de jeu.

 

Table 2 : Buts marqués par l’équipe A selon la formation en attaque et en défense. Événement par variable prédictive.

 

En pratique, il est rare qu’une équipe conserve un système de jeu unique tout au long du match. La réalité est bien plus complexe, faisant tout l’art de la stratégie en sports collectifs et offrant de multiples schémas tactiques. La figure 1 nous révèle deux types de formations aux attributs spécifiques :

  • Premièrement, nous avons les formations comme le 4-3-3, le 3-5-2 et le 3-4-3. Ces formations ont plus de chances de marquer vers la fin du match qu’au début. Cela peut s’expliquer par une répartition des joueurs orientée en zones offensives avec un positionnement permettant d’offrir un maximum d’opportunités en attaque, une pression croissante et maximisant les chances de marquer dans les dernières minutes. La formation 3-5-2 illustre bien cette stratégie, avec de faibles chances de marquer en début de match contre une probabilité de marquer bien supérieure en fin de match.
  • Deuxièmement, on retrouve les formations 4-2-3-1, 4-4-2 et 4-5-1. Ces formations commencent affichent une ligne de défense et de milieux solide, tout en conservant des qualités offensives en début de match. Cependant, la tendance offensive s’inverse au fil du temps, et ces formations se montrent moins efficaces offensivement en fin de match et semblent s’associer aux stratégies plutôt défensives.

Naturellement, le choix d’une formation ou d’une autre dépendra donc du score, de la stratégie employée par le coach (e.g. conservation d’un avantage ou au contraire, prise de risque pour rétablir le score ou se démarquer).

 

Figure 1 : Courbes de survie représentant la probabilité de marquer un but au fil du temps, segmentées par les compositions d’équipe et les périodes de match.

 

Le mot de la fin 

En conclusion, cette étude met en lumière l’importance des systèmes de jeu dans la performance collective. Nous avons pu démontrer que les formations 4-3-3 et 4-2-3-1 sont particulièrement efficaces, tant en attaque qu’en défense. Cette recherche contribue à une compréhension plus profonde des aspects stratégiques qui rendent certaines formations plus efficaces que d’autres à certains moments du match et dans un contexte spécifique, et comment ces formations peuvent être utilisées pour maximiser les chances de succès dans les compétitions de football professionnel. Ainsi, les informations apportées par ce type de modélisation pourraient permettre aux sélectionneurs d’ajuster dynamiquement leur propre système de jeu en fonction des schémas tactiques adverses.

Découvrez l’ensemble de l’étude dans l’article scientifique rédigé par nos experts : Sebastian Le Coz, Loic Iapteff, Maxime Rioland, Titouan Houde et Frank Imbach :  Frontiers | A competing risk survival analysis of the impacts of team formation on goals in professional football (frontiersin.org)

Analyse d’un cycle d’entraînement avant un marathon

Analyse d’un cycle d’entraînement avant un marathon

Présentation du contexte et des données   Dans le cadre de la préparation du marathon de Séville, des données ont été enregistrées lors de 96 sessions d’entraînements réparties sur 12 semaines de préparation. Une semaine de coupure a été effectuée en début de...

Notre intervention au Salon de la Data de Nantes

Notre intervention au Salon de la Data de Nantes

Nous avons participé au Salon de la Data de Nantes en septembre dernier. A cette occasion, notre expert Maxime Rioland, Data Scientist pour Seesport, a donné une conférence sur nos projets avec la Fédération Française d'Athlétisme. Découvrez comment Seesports aide les...