Les pronostics foot IA sont-ils fiables ?

Un bon modèle de football trouve le bon résultat un peu plus souvent qu'une pièce truquée en faveur de l'équipe à domicile. Cela paraît modeste, mais c'est ce que permet ce sport. La question la plus utile est de savoir si les probabilités annoncées par un site veulent dire quelque chose.

Dernière mise à jour
17 octobre 2026
Temps de lecture
6 min de lecture

Quelle fiabilité peut vraiment atteindre un pronostic foot ?

Dans les grands championnats européens, le favori gagne un peu plus de la moitié des matchs et environ un quart se terminent par un nul. Un modèle qui choisirait toujours l'équipe à domicile obtiendrait environ 44 à 47 % sur le résultat du match sans rien savoir du tout. Les prix de clôture du marché trouvent le vainqueur dans environ 55 à 58 % des cas en première division. C'est la prévision la mieux informée qui existe pour un match de football, parce qu'elle réunit l'avis d'un très grand nombre de participants.

Personne n'a battu ce chiffre. C'est le plafond. Pour un modèle statistique bien construit sur le 1N2, la fourchette honnête se situe entre 50 et 55 %, et quelques points de mieux que le choix systématique de l'équipe à domicile constituent déjà un très bon résultat. Les types de pronostics à deux issues, comme les deux équipes marquent ou le plus/moins de buts, obtiennent de meilleurs scores simplement parce qu'il y a une façon de moins de se tromper. C'est pourquoi un taux de réussite unique, mélangeant plusieurs types de pronostics, ne dit presque rien.

Pourquoi les promesses de 85 % de réussite ne sont pas crédibles

Les sites de pronostics qui affichent 85 %, 87 % ou 90 % de réussite sont courants dans ce secteur. Au regard des chiffres ci-dessus, ces taux sont invraisemblables. Battre le marché de clôture de trente points de pourcentage serait l'un des résultats les plus marquants de la statistique appliquée, et personne ne l'annoncerait sur une page d'abonnement.

Il existe quelques explications banales, et aucune ne passe par un meilleur modèle. Le chiffre peut venir d'une période choisie à la main, où le modèle était en réussite. Il peut ne compter que les choix que le site a décidé de publier et oublier discrètement les autres. Il peut mélanger des types de pronostics faciles et difficiles jusqu'à obtenir une belle moyenne. Ou il peut être mesuré sur la double chance, où couvrir deux des trois issues fait dépasser 70 % presque mécaniquement, puis présenté sans le dire.

Ce qui trahit un chiffre gonflé, c'est rarement le chiffre lui-même. C'est tout ce qui manque autour : pas de taille d'échantillon, pas de période, pas de détail par type de pronostic, aucun moyen de voir les pronostics individuels derrière le chiffre.

La fiabilité n'est pas la bonne mesure

Le taux de réussite traite chaque pronostic comme simplement juste ou faux, et jette la partie qui porte l'information. Un modèle qui annonce 51 % et un modèle qui annonce 94 % font des affirmations très différentes ; leur donner la même note quand l'issue se produit cache précisément ce que vous voulez savoir.

La calibration conserve cette information. Un modèle est calibré quand ses probabilités annoncées correspondent à ce qui se passe : parmi tous les matchs qu'il a annoncés à 70 %, près de 70 % doivent tourner dans ce sens. La calibration se vérifie, elle ne se truque pas en triant les exemples, et c'est elle qui rend une probabilité utile plutôt que décorative.

La statistique de synthèse de référence est le score de Brier. Il élève au carré la distance entre la probabilité annoncée et le résultat : une erreur commise avec assurance coûte plus cher qu'une erreur prudente. Il offre un repère pratique : annoncer 50 % pour tout donne 0,25, donc un modèle incapable de faire mieux que 0,25 est pire que pas de modèle du tout.

Comment vérifier si une probabilité veut dire quelque chose

Le test tient en un tableau. Regroupez chaque prévision publiée selon sa probabilité annoncée (toutes les prévisions à 60-65 % ensemble, toutes celles à 65-70 % ensemble, et ainsi de suite), puis comparez la probabilité annoncée de chaque groupe à la fréquence réelle de ces issues. Si le groupe à 70 % se vérifie près de 70 % du temps, le chiffre veut dire ce qu'il dit. S'il se vérifie à 55 %, le modèle est trop confiant et chaque chiffre qu'il affiche est gonflé.

Deux éléments rendent le test honnête. Chaque groupe doit indiquer la taille de son échantillon, car un groupe de vingt matchs peut s'écarter de dix points par le seul hasard. Et il faut un intervalle autour du chiffre observé, pour qu'un lecteur distingue un vrai raté d'un simple bruit statistique.

Presque personne dans ce secteur ne publie ce tableau. C'est l'information la plus parlante qu'un site de pronostics puisse montrer, et son absence en dit plus que n'importe quel taux de réussite affiché.

Comment ScorePredicts se mesure

Chaque prévision est notée face au résultat final dès la fin du match, et la prévision n'est jamais modifiée ensuite. Le bilan est public et ne demande aucun compte : les chiffres globaux sur la page de fiabilité, et les pronostics notés eux-mêmes sur chaque page de championnat et d'équipe.

La page de fiabilité publie un taux de réussite pour chaque type de choix avec son propre nombre d'échantillons, la répartition des types de pronostics d'où viennent ces choix, une comparaison avec une référence naïve (la victoire à domicile) sur le résultat du match, et le tableau de calibration décrit plus haut. Ce tableau couvre le résultat du match, les trois issues, avec la taille de l'échantillon et un intervalle à 95 % pour chaque groupe. Quand les données ne permettent pas d'affirmer quelque chose, la page le dit au lieu de remplir l'espace. La calibration n'est pas encore publiée pour les autres types de pronostics ; pour les deux équipes marquent, elle est volontairement retenue, car les prévisions du modèle sont pour l'instant trop concentrées pour être présentées honnêtement. Chaque taux de réussite est imprimé à côté du nombre de pronostics notés qui le fondent, pour qu'un petit échantillon soit visible, et une tranche de calibration doit compter au moins 50 matchs pour être tracée. Les matchs qui ne vont jamais à leur terme (arrêtés, annulés ou attribués sur tapis vert) sont exclus au lieu d'être comptés comme justes ou faux, et la page indique combien ont été exclus.

Les mêmes chiffres sont disponibles sous forme de flux JSON sous licence CC BY 4.0, pour que chacun puisse les vérifier de façon indépendante.

Ce qu'un bon modèle ne peut pas faire

Un modèle calibré vous dit à quel point quelque chose est probable. Il ne peut pas vous dire ce qui se passera lors d'un match précis. Une prévision à 75 % qui échoue ne veut pas dire que le modèle est cassé : un modèle dont les prévisions à 75 % se vérifieraient toujours serait mal calibré, pas génial.

Le football est incertain d'une manière qui limite ce que n'importe quelle méthode peut savoir. Un carton rouge à la neuvième minute, une erreur du gardien, un effectif remanié avant un match européen : ce ne sont pas des signaux qu'un modèle aurait manqués. C'est le bruit que produit ce sport. L'écart entre un bon et un mauvais modèle est réel mais étroit, et il apparaît sur des centaines de matchs, pas sur un week-end donné.

Quiconque promet une certitude dans ce secteur décrit quelque chose que le football ne contient pas.

Vérifier vous-même les affirmations d'un site de pronostics

Quatre questions séparent une affirmation mesurable d'un argument marketing, et aucune ne demande de formation en statistique. Sur combien de pronostics notés repose le chiffre, et sur quelle période ? Est-il détaillé par type de pronostic, ou fondu en un seul nombre ? Pouvez-vous voir les pronostics individuels qui le fondent, y compris ceux qui ont échoué ? Et existe-t-il une quelconque publication de la calibration ?

Un site qui répond aux quatre fait une affirmation que vous pouvez vérifier. Un site qui ne répond à aucune vous demande de croire un chiffre sur parole, et dans un secteur où le plafond réaliste tourne autour de 58 %, c'est beaucoup demander.