Chaque prévision, notée et publiée
Nous enregistrons comment chaque pronostic s'est vérifié et publions le résultat, qu'il nous flatte ou non. La taille de l'échantillon accompagne chaque chiffre. Rien n'est sélectionné après coup.
Données au 15 novembre 2026Voir les données brutes (JSON)
Quelle est la fiabilité des pronostics foot de ScorePredicts ?
Meilleurs choix
Le choix le plus solide de chaque match, tous types de pronostics confondus.
Analyse de valeur
Les choix où la probabilité du modèle s'écarte le plus du consensus des prix du marché.
Taux de réussite par période
| Type de choix | 7 jours | 30 jours | Depuis le début |
|---|---|---|---|
| Meilleurs choix | 76,7 %n = 696 | 74,8 %n = 6 225 | 72,5 %n = 13 919 |
| Analyse de valeur | 73,6 %n = 72 | 67,9 %n = 1 099 | 60,5 %n = 6 843 |
Rapports mensuels
Les chiffres de chaque mois sur une page dédiée, définitifs à partir du 2 du mois suivant.
- novembre 2026En coursMeilleurs choix75,7 %Analyse de valeur67,2 %n = 2 860
- octobre 2026Meilleurs choix73,5 %Analyse de valeur65,9 %n = 6 676
- septembre 2026Meilleurs choix72,5 %Analyse de valeur58,0 %n = 3 352
- août 2026Meilleurs choix70,0 %Analyse de valeur57,1 %n = 3 469
- juillet 2026Meilleurs choix67,8 %Analyse de valeur62,4 %n = 2 498
- juin 2026Meilleurs choix66,1 %Analyse de valeur61,3 %n = 1 651
Comparé au hasard
Un taux de réussite ne veut rien dire seul. La seule question utile : qu'aurait obtenu une règle naïve sur exactement les mêmes matchs ?
Mesuré sur tous les matchs notés, pas sur une sélection. L'avantage du terrain explique le bon score de la règle naïve ; l'écart au-dessus, c'est l'apport du modèle. n = 9 021.
Le taux de réussite dans le temps
Chaque courbe est une moyenne glissante sur sept jours des choix notés, avec un point pour chaque jour pris en compte. Les jours sans choix noté interrompent la courbe au lieu d'être comblés.
| Date | Meilleurs choix | Analyse de valeur |
|---|---|---|
| 17.10.2026 | 72,5 % | 67,7 % |
| 18.10.2026 | 73,1 % | 68,9 % |
| 19.10.2026 | 73,3 % | 68,4 % |
| 20.10.2026 | 74,1 % | 68,7 % |
| 21.10.2026 | 73,7 % | 69,8 % |
| 22.10.2026 | 73,7 % | 68,0 % |
| 23.10.2026 | 73,8 % | 67,7 % |
| 24.10.2026 | 74,4 % | 67,6 % |
| 25.10.2026 | 73,2 % | 67,7 % |
| 26.10.2026 | 73,4 % | 68,9 % |
| 27.10.2026 | 73,0 % | 68,9 % |
| 28.10.2026 | 73,2 % | 69,1 % |
| 29.10.2026 | 73,6 % | 70,5 % |
| 30.10.2026 | 73,6 % | 69,6 % |
| 31.10.2026 | 74,6 % | 68,2 % |
| 01.11.2026 | 76,2 % | 67,2 % |
| 02.11.2026 | 76,7 % | 67,0 % |
| 03.11.2026 | 77,0 % | 66,4 % |
| 04.11.2026 | 77,1 % | 65,1 % |
| 05.11.2026 | 76,5 % | 65,1 % |
| 06.11.2026 | 76,4 % | 63,7 % |
| 07.11.2026 | 75,7 % | 64,4 % |
| 08.11.2026 | 74,8 % | 66,4 % |
| 09.11.2026 | 74,2 % | 65,4 % |
| 10.11.2026 | 74,2 % | 66,7 % |
| 11.11.2026 | 74,5 % | 66,8 % |
| 12.11.2026 | 74,9 % | 67,3 % |
| 13.11.2026 | 75,2 % | 69,8 % |
| 14.11.2026 | 75,9 % | 72,9 % |
| 15.11.2026 | 76,7 % | 73,6 % |
Les probabilités sont-elles honnêtes ?
C'est le test qui compte. Nous regroupons chaque prévision sur le résultat du match selon la probabilité publiée, puis nous montrons ce qui s'est réellement passé. Un modèle calibré se situe sur la diagonale.
Ce que couvre ce graphiqueLe résultat du match sur tous les matchs notés, pas seulement les choix retenus - une sélection ne permettrait pas de tester honnêtement la calibration. Les tranches qui comptent trop peu de matchs pour être tracées sont fusionnées avec les extrémités, et la taille des points dépend de l'échantillon. Les barres verticales sont des intervalles à 95 % : une tranche mince est une lecture incertaine, pas un raté précis.
Score de Brier: 0,1955L'erreur quadratique moyenne entre la probabilité publiée et le résultat. Plus il est bas, mieux c'est ; 0,25 correspond au score obtenu en annonçant 50 % pour tout.
Calibration par tranche de probabilité
| Tranche de probabilité | Probabilité publiée | Fréquence réellement observée | Intervalle à 95 % | Matchs |
|---|---|---|---|---|
| 0,05-0,20 | 14,8 % | 12,7 % | 11,7 % – 13,8 % | 3722 |
| 0,20-0,25 | 22,9 % | 21,5 % | 20,3 % – 22,7 % | 4766 |
| 0,25-0,30 | 27,3 % | 26,7 % | 25,6 % – 27,8 % | 6094 |
| 0,30-0,35 | 32,3 % | 32,5 % | 30,7 % – 34,2 % | 2820 |
| 0,35-0,40 | 37,5 % | 37,3 % | 35,4 % – 39,3 % | 2289 |
| 0,40-0,45 | 42,5 % | 45,1 % | 42,9 % – 47,3 % | 1959 |
| 0,45-0,50 | 47,5 % | 49,5 % | 46,9 % – 52,0 % | 1506 |
| 0,50-0,55 | 52,4 % | 55,3 % | 52,5 % – 58,2 % | 1173 |
| 0,55-0,60 | 57,3 % | 59,5 % | 56,2 % – 62,7 % | 889 |
| 0,60-0,65 | 62,3 % | 61,6 % | 57,8 % – 65,2 % | 674 |
| 0,65-0,70 | 67,4 % | 72,0 % | 67,9 % – 75,8 % | 496 |
| 0,70-0,75 | 72,4 % | 78,0 % | 73,1 % – 82,2 % | 314 |
| 0,75-0,80 | 77,3 % | 82,9 % | 76,7 % – 87,7 % | 181 |
| 0,80-0,95 | 85,1 % | 85,6 % | 79,7 % – 90,0 % | 180 |
L'intervalle est la plage à 95 % que le chiffre observé peut prendre avec cet échantillon. Plus il est étroit, plus la tranche compte de matchs.
Pourquoi les choix se vérifient moins souvent que leur probabilité affichée
Les deux types de choix se vérifient moins souvent que leurs propres probabilités affichées. Les Meilleurs choix affichent une probabilité moyenne de % et se vérifient dans % des cas. L'Analyse de valeur affiche % en moyenne et se vérifie dans % des cas. Aucun de ces écarts n'est caché ici, car l'explication compte plus que le chiffre.
C'est un effet de sélection, pas un modèle défaillant. Les deux types de choix classent les estimations du modèle et montrent le haut de la liste ; retenir les sorties les plus élevées favorise les cas où le modèle a justement visé un peu haut. Tout système qui classe ses propres résultats et publie les meilleurs présente cette tendance. Pour la même raison, les stratégies les plus brillantes d'un fonds, testées sur des données passées, déçoivent souvent une fois appliquées en conditions réelles.
La courbe de calibration ci-dessus sert de contrôle, car elle couvre tous les matchs notés, pas une sélection. Là où se trouvent la plupart des matchs, nos probabilités publiées suivent de près les fréquences observées, et seraient même légèrement basses. C'est l'inverse d'un modèle trop confiant, ce qui montre que l'écart vient de la sélection et non d'un défaut de calibration.
En pratique : prenez une probabilité affichée pour ce qu'elle est, une probabilité et non une promesse, et attendez-vous à ce qu'une liste de choix classés se vérifie quelques points en dessous de son chiffre phare.
De quels types de pronostics viennent les choix
Un taux de réussite sur un panier mélangé ne dit pas la même chose qu'un taux de réussite sur le seul résultat du match. Voici les six types les plus utilisés dans chaque panier, le reste étant regroupé, pour que vous puissiez juger les deux chiffres phares par vous-même.
Meilleurs choix
- Domicile ou nul43,7 % des choixn = 2 722
- Nul ou extérieur21,7 % des choixn = 1 352
- Victoire domicile15,3 % des choixn = 950
- Plus de 1,5 but9,6 % des choixn = 600
- Victoire extérieur5,6 % des choixn = 349
- Plus de 2,5 buts3,4 % des choixn = 209
- Autres types (3)0,7 % des choixn = 43
Analyse de valeur
- Victoire domicile68,3 % des choixn = 751
- Cartons domicile moins de 2,56,6 % des choixn = 72
- Plus de 2,5 buts4,4 % des choixn = 48
- Cartons extérieur moins de 2,54,2 % des choixn = 46
- Corners plus de 8,53,4 % des choixn = 37
- Cartons moins de 4,52,7 % des choixn = 30
- Autres types (15)10,6 % des choixn = 115
Comment ces chiffres sont produits
Notés automatiquement, une seule fois
Chaque pronostic est évalué face au résultat final après la fin du match. Les chiffres ne sont jamais révisés ensuite pour paraître meilleurs, et rien n'est retiré du bilan.
Les matchs arrêtés sont exclus
Les matchs annulés, arrêtés, gagnés par forfait ou attribués sur tapis vert ne reçoivent jamais de victoire ni de défaite. matchs entrent dans cette catégorie sur la période affichée, et ils sont exclus de chaque chiffre au lieu d'être comptés d'un côté ou de l'autre.
Chaque chiffre porte la taille de son échantillon
Un pourcentage tiré d'une poignée de résultats n'est pas fiable : il n'est donc jamais affiché seul. Chaque taux de réussite de cette page est imprimé à côté du nombre de pronostics notés qui le fondent. Rien n'est caché parce que l'échantillon est petit. Les tranches de calibration de moins de matchs sont fusionnées avec les extrémités ou retirées du graphique, car une douzaine de matchs tracés comme un point fausserait la courbe.
Les performances passées ne préjugent pas des performances futures
Tout ce qui figure ici décrit ce qui s'est déjà produit. Ce n'est ni une projection, ni un objectif, ni un taux que vous devriez vous attendre à vivre personnellement. Le football reste réellement incertain, et aucun modèle n'y change rien.
Voici les règles que suit cette page. Pour savoir ce que veulent vraiment dire les chiffres, pourquoi les promesses de 85 % de réussite ne sont pas crédibles et comment vérifier n'importe quel site de pronostics, celui-ci compris, lisez Les pronostics foot IA sont-ils fiables ?.
Les mesures utilisées sur cette page
Les trois statistiques derrière les chiffres ci-dessus, et leur origine. Aucune n'est de nous : toutes sont standard.
- Score de Brier
- La règle de notation utilisée pour juger les prévisions probabilistes. Elle élève au carré la distance entre la probabilité annoncée et ce qui s'est passé : une erreur commise avec assurance est donc plus pénalisée qu'une erreur prudente. Plus le score est bas, mieux c'est ; 0,25 correspond au score obtenu en annonçant 50 % pour tout. Brier, G. W. (1950). Verification of forecasts expressed in terms of probability. Monthly Weather Review, 78(1), 1-3.
- Intervalle de score de Wilson
- L'intervalle à 95 % affiché à côté de chaque chiffre observé dans le tableau de calibration. Il remplace l'intervalle normal des manuels parce qu'il reste cohérent avec de petits échantillons et des taux proches de 0 % ou 100 %, exactement là où se trouvent les tranches de calibration. Wilson, E. B. (1927). Probable inference, the law of succession, and statistical inference. Journal of the American Statistical Association, 22(158), 209-212.
- Calibration par régression isotonique
- La méthode qui convertit la sortie brute du modèle en probabilités qui veulent dire ce qu'elles disent. Elle ajuste une courbe monotone sur les résultats notés : l'ordre est préservé, tandis que les 70 % annoncés sont ramenés vers ce qu'ont réellement donné les prévisions à 70 %. Zadrozny, B., & Elkan, C. (2002). Transforming classifier scores into accurate multiclass probability estimates. KDD 2002, 694-699.
Voir les prévisions du jour
Jusqu'à quatre meilleurs choix par jour sont gratuits, avec tous les scores en direct, calendriers et classements du site.