playbox
playbox
Contact
Retour aux articles
<Coulisses de l'analyse du football : partie 2> Analyse des gardiens de but (xG, VAEP)

<Coulisses de l'analyse du football : partie 2> Analyse des gardiens de but (xG, VAEP)

Date published:2025/5/27

Préface.

Bonjour à tous, ici Scott de Playbox.

Dans la première partie, nous vous avons montré une analyse en coulisses de la façon dont nous obtenons des données de match à partir de séquences diffusées. Nous espérons que vous avez apprécié !

Dans cette deuxième partie, nous allons enfin utiliser les données pour effectuer une analyse concrète. Le thème est "l'analyse des porteurs de balle". Nous vous montrerons comment évaluer les performances des joueurs et des équipes d'une manière facile à comprendre à l'aide d'indicateurs tels que l'xG (espérance de but), dont vous avez beaucoup entendu parler récemment, et la VAEP, qui quantifie la qualité du jeu.

Ce numéro a été rédigé par Nakamura-san, qui est un analyste actif de l'équipe de botteurs de l'Université de Tsukuba et qui mène également des recherches sur la vision par ordinateur. Son point de vue sur le lien entre le terrain et la théorie est à lire absolument ( !).

Les analystes formés par l'Université de Tsukuba font basculer le jeu... Dans les coulisses du match serré contre Kashiwa, battant l'équipe de J1 Machida : Tokyo Shimbun Digital.

Continuez à apprécier notre série en trois parties "Dans les coulisses de l'analyse du football" !

  • Les coulisses de l'analyse du football : Partie 1 Comment obtenir des données de match à partir de séquences diffusées ?
  • Les coulisses de l'analyse du football : Partie 2 Analyse du porteur de balle (xG, VAEP)
  • Les coulisses de l'analyse du football : Partie 3 Analyse des schémas d'attaque en dehors du ballon (OBSO)

Introduction.

Outre les données de suivi, qui enregistrent les informations relatives à la position des joueurs individuels, les données d'événements, qui enregistrent les informations relatives à ce qui se passe sur le terrain (possession du ballon), sont souvent utilisées pour l'analyse tactique du football, comme décrit dans la partie 1.

Cependant, l'examen d'une seule action dans les données d'événement est "juste un événement qui s'est produit" et sa valeur et sa difficulté ne peuvent pas être déterminées. Ce n'est qu'en introduisant des indicateurs et en les évaluant en combinaison avec les actions antérieures et postérieures qu'il est possible de regarder en arrière et de dire : "Ce jeu était-il vraiment génial ?

Par exemple, regardez la vidéo suivante. Il s'agit de la scène où Trossard effectue un centre en dribble et où Martinelli le reprend de la tête pour marquer un but.

Quelle note donneriez-vous à cette action ? "Est-ce une décision ?" Ou vous pourriez penser, "Non, c'est une évidence," ou "Maintenant, c'est comme un but quand vous le traversez."

Quelle était la difficulté et la valeur réelles ? Ces impressions sont subjectives et peuvent varier d'une personne à l'autre.

C'est pourquoi nous introduisons ici un indice appelé "xG (Expected Goals)" et "VAEP (Valuing Actions by Estimating Probabilities)" qui prend la position des joueurs et le type d'action dans chaque action à partir des séquences diffusées, et les utilise pour déterminer les tirs. Cette méthode évalue quantitativement la difficulté du tir et la qualité des actions impliquées dans la réalisation du tir! La principale caractéristique de ces deux indicateurs est qu'ils peuvent être utilisés non seulement pour quantifier objectivement les tirs impliqués dans un but, mais aussi pour évaluer la contribution des joueurs impliqués dans les passes, les dribbles, etc.

Qu'est-ce que le xG ?

Qu'est-ce que le xG ?

**xG (Expected Goals)** est un indicateur qui quantifie la probabilité qu'un tir aboutisse à un but dans une fourchette de 0 à 1. Par exemple, un tir avec un xG de 0,10 a 10 % de chances de réussir, ce qui signifie qu'il est suffisamment difficile pour marquer un but dans une tentative sur dix.

Bien que le football soit un sport difficile à marquer, le xG peut être utilisé pour quantifier la qualité de chaque situation de tir.

Comment le xG est-il calculé ?

Comment le xG est-il calculé ? Traditionnellement, il est calculé à l'aide des simples facteurs suivants

  • Position de la chute
  • Type de tir
  • L'état du joueur qui a tiré

En pratique, pour déterminer le xG au Club de Kickball de l'Université de Tsukuba,

  • en divisant la zone autour de l'AP en une grille, zone par zone
  • En fonction de la situation, par exemple si le tir est direct ou en retrait.

Des poids ont été définis pour chacun d'entre eux et multipliés pour calculer manuellement le xG de chaque tir. Par exemple, si vous fixez x0,8 pour le centre de la surface de but et x0,8 pour un tir direct avec le pied dominant, le xG pour ce tir sera de 0,64.

Cependant, les situations de tir réelles dans le football ne sont pas si simples qu'elles puissent être divisées en cas basés uniquement sur les facteurs énumérés ci-dessus. C'est pourquoi les méthodes utilisant des modèles d'intelligence artificielle constituent actuellement le courant dominant pour le calcul du xG. Différentes méthodes ont été proposées, et les données suivantes sont notamment utilisées dans les calculs

  • Distance du tir
  • Angle par rapport au but
  • Type de tir
  • Type d'événement précédant le tir
  • Position du défenseur/gardien
  • Vitesse du joueur

Grâce à l'IA, les données de tir précédemment enregistrées peuvent être comparées aux données de tir précédemment enregistrées sur la base de ces multiples facteurs, ce qui permet des calculs détaillés du xG.

Exemples d'analyse à l'aide de xG

Voici quelques exemples d'analyses utilisant xG !

Analyse scène par scène

Tout d'abord, examinons les valeurs xG de quelques scènes à l'aide d'un modèle d'IA qui calcule réellement le xG entraîné.

1. Match de qualification pour la finale asiatique de l'AFC Japon contre Australie Tir de Mitate

Le xG de ce tir de Mitate est de "0,032". Cela signifie que la probabilité que ce tir soit effectué était de 3,2 %, ce qui signifie qu'il s'agissait d'un tir très difficile. Ce chiffre est dû à l'angle du but et à la distance qui n'est pas très proche.

2. Match de qualification pour la finale asiatique de l'AFC entre le Japon et la Chine, scores de Mitate.

Le xG du tir de Mitsumata est de 0,135, ce qui signifie qu'il avait 13,5 % de chances de marquer, ce qui est également un tir difficile à réaliser, mais on peut apprécier le fait que Mitsumata était très déterminé à faire le travail. Bien qu'il s'agisse d'un tir de la tête et que l'angle par rapport au but soit faible, la distance par rapport au but était beaucoup plus courte que pour le tir précédent, on peut donc dire que le xG s'est également amélioré.

Dans ce cas, nous avons utilisé un modèle d'IA qui a appris des caractéristiques simples telles que la distance et l'angle par rapport au but et l'emplacement du tir, mais comme mentionné précédemment, un modèle d'IA qui apprend la position du gardien et les événements précédant le tir comme caractéristiques peut être utilisé pour calculer le xG avec plus de précision !

Analyse match par match

Voici un exemple d'analyse match par match à l'aide du xG.

Voici les statistiques du récent 35e match de la Liga, Barcelone contre le Real Madrid. (Extrait de FOTMOB)

Le match a été remporté 4-3 par Barcelone, regardons le xG du match. Le xG de Barcelone est de 4,26, contre 2,74 pour le Real Madrid. Le score réel reflète ce résultat presque dans l'ordre, mais le xG de Barcelone est plus élevé que son score réel, ce qui lui permet de se dire qu'il aurait pu marquer un but de plus s'il avait marqué ce qu'il fallait marquer et s'il avait eu l'esprit de décision nécessaire pour tirer. D'autre part, le xG du Real Madrid est inférieur à son score réel, ce qui montre son esprit de décision lorsqu'il s'agit de prendre des tirs relativement difficiles.

stats.webp

La figure suivante montre également une visualisation sous forme de carte thermique des xG de l'Université de Tsukuba lors d'un certain match de la saison 2024. (à partir des données de Bepro).

On peut voir que la plupart des occasions de but ont été réalisées près du centre de la ligne de but, devant le côté gauche de la surface de but et près de l'arc de cercle de réparation. Cette visualisation peut être utilisée non seulement pour examiner le côté offensif de votre équipe, mais aussi pour analyser les faiblesses de vos adversaires. En combinant les données xG avec le type et la zone de la dernière passe qui a conduit au tir, nous pensons qu'il est possible de suggérer un entraînement au tir basé sur les données.

heatmap.webp

Le xG est un indicateur relativement simple, mais cela le rend intuitif et facile à comprendre,

  • Un tir
  • Tous les tirs d'un match
  • Les tirs d'une équipe au cours d'une saison
  • Les tirs par joueur individuel

Je pense personnellement qu'il s'agit d'un très bon indicateur en raison de sa polyvalence et de l'importance de son lien direct avec les buts, qui peut être utilisé pour analyser des éléments tels que

Qu'est-ce que la VAEP ?

Jusqu'à présent, nous avons présenté le xG, qui évalue les "tirs par tir". Nous allons maintenant vous présenter la VAEP, qui peut être utilisée pour évaluer non seulement les tirs, mais aussi les "actions" !

Qu'est-ce que la VAEP ?

La VAEP (Valuing Actions by Estimating Probabilities) a été développée par Tom Decroos et ses collègues du DTAI Sports Analytics Lab de la KU Leuven (Université catholique de Louvain), en Belgique. Il a été développé par Tom Decroos et al. VAEP quantifie, pour chaque action sur le ballon (passe, dribble, tacle, etc.) précédant un tir, dans quelle mesure le jeu a modifié l'espérance de but de l'équipe.

En utilisant le xG présenté plus haut, il a été possible de calculer et d'évaluer les chances de marquer du joueur qui a effectué le tir. Cependant, l'évaluation est limitée parce qu'il n'y a pas beaucoup de scènes dans un match qui mènent réellement à un tir, et parce que les jeux autres que le joueur qui a tiré ne sont pas pris en compte. En revanche, grâce à la VAEP, il est possible de quantifier la valeur non seulement du tir, mais aussi des actions précédant le tir, telles que les passes et les dribbles, ce qui permet d'évaluer la contribution d'un plus grand nombre de joueurs à l'équipe !

Comment la VAEP est-elle calculée ?

La VAEP quantifie "combien la valeur de l'état de l'équipe a changé avant et après un certain jeu". Il est calculé selon les étapes suivantes

  1. Déterminer la valeur de l'état avant l'action
  2. Déterminer la valeur de l'état après l'action
  3. VAEP = (valeur de l'état après l'action) - (valeur de l'état avant l'action)

La valeur d'état est ici obtenue comme (score attendu) - (perte attendue).

Par exemple, si la valeur d'état avant la croix est de 0,10 et la valeur d'état après la croix est de 0,25, la VAEP de cette croix est de +0,15 et le jeu peut être évalué comme ayant eu un effet de 0,15 but contre votre équipe. En revanche, si la valeur de l'état avant la passe est de 0,10 et après la passe de 0,05, la VAEP de cette passe est de -0,05 et le jeu est évalué comme ayant eu un effet de 0,05 but de plus pour l'équipe adverse.

Comme expliqué ci-dessus, le calcul de la VAEP nécessite la détermination des buts prévus marqués et des buts prévus encaissés. Deux types de modèles d'apprentissage automatique sont utilisés pour les calculer : les modèles de score et les modèles de buts encaissés.

Ces modèles prennent l'action cible et les trois actions qui l'ont précédée, ainsi que la ou les deux actions qui l'ont précédée, comme une seule donnée d'entrée (état), et calculent le score attendu et les buts attendus pour chacune de ces actions.

  • Type d'action (passe, dribble, tir, etc.)
  • Informations sur la position du ballon/joueur
  • Différence de temps et distance parcourue entre les actions
  • Distance et angle par rapport au but

Les données d'entrée sont un grand nombre de valeurs de caractéristiques telles que Chaque état est ensuite étiqueté et appris comme "1 si le joueur marque (ou perd) un but en l'espace de k jeux, 0 dans le cas contraire".

En utilisant le modèle appris de cette manière, le système calcule "quelle est la probabilité de marquer dans cette situation" et "quelle est la probabilité de perdre un but" avant et après chaque action.

Exemples d'analyses utilisant la VAEP

La VAEP est calculée en deux scènes ! Seules les six actions précédant chaque tir sont couvertes.

1. Match de qualification pour la finale asiatique de l'AFC Japon vs. Australie Mitate shoots

Calculons également la VAEP pour la scène pour laquelle nous venons de calculer xG ! Le diagramme suivant montre les résultats de l'analyse, où valeur_offensive et valeur_défensive représentent l'impact sur les buts marqués et encaissés respectivement. Dans cette scène, la VAEP est faible car le tir de Mitsuru est sorti de la surface, tandis que son dribble avant le tir peut être considéré comme une pénétration efficace car la VAEP est élevée. Notez également la longue passe de Morita, qui a la VAEP la plus élevée dans cette scène. Bien que cette action n'ait pas mené directement à un but, elle peut être quantifiée comme une action efficace qui les a rapprochés de manière significative du but adverse.

undefined

2. Premier League, Section 36, Liverpool contre Arsenal, but du joueur Martinelli.

C'est la scène dont nous avons parlé au début ! Que pensez-vous de cette scène ? Jetez un coup d'œil à l'analyse ci-dessous. Dans cette scène, la VAEP de Martinelli est considérablement plus élevée parce qu'il a marqué un but de la tête ; la VAEP est calculée sur la base des buts attendus, de sorte que la VAEP des buteurs dont les actions mènent directement à un but a tendance à être plus élevée. Encore une fois, il convient de noter le centre de Trossard, qui a bénéficié d'une aide. Les valeurs VAEP sont plus élevées que pour les autres actions, ce qui montre qu'il a pu faire la passe décisive !

undefined

Comme le montre l'analyse de ces deux scènes, la VAEP permet de quantifier l'effet des actions de tous les joueurs impliqués dans la préparation du tir, et pas seulement du joueur qui a tiré ! En calculant la VAEP pour l'ensemble du match, vous pouvez comparer quels joueurs ont été les plus efficaces, et comme la VAEP est calculée pour chaque action, vous pouvez également regarder en arrière pour voir quand et dans quels domaines l'attaque a été plus efficace !

Conclusion.

L'utilisation de séquences diffusées ouvre de nouvelles portes à l'analyse tactique avancée dans des environnements où les données officielles ne sont pas disponibles. En outre, la possibilité de visualiser numériquement la valeur d'un jeu à l'aide d'indicateurs tels que xG et VAEP peut nous aider à poser la question suivante : "Quel joueur peut faire le travail décisif ?" Cela permet une évaluation des joueurs basée sur les données, telle que "ce joueur est bon même s'il n'a pas montré de résultats", qui peut être utilisée pour l'analyse et, bien sûr, pour l'acquisition de joueurs !

À l'avenir, si les technologies de suivi automatique et d'analyse vidéo en continu basées sur l'IA progressent, l'affichage des scores xG et VAEP en temps réel n'est plus un rêve. En outre, les équipes professionnelles, mais aussi les équipes amateurs, pourront utiliser les séquences vidéo pour approfondir leur analyse tactique.

Nous avons l'intention de continuer à mettre à jour notre système et notre savoir-faire pour l'analyse xG et VAEP à l'aide de l'analyse vidéo diffusée, et de soutenir l'introduction de cette technologie auprès des équipes de football et des médias. Si vous êtes intéressé, n'hésitez pas à nous contacter.

Site web de Playbox Inc. 👉️ https://www.play-box.ai/

playbox, une caméra sportive IA abordable avec filmage et montage automatiques 👉️ https://www.play-box.ai/lp

Contactez nous.

Si vous avez des questions, des requêtes ou des propositions commerciales pour Playbox, n'hésitez pas à nous contacter à l'adresse électronique suivante.

📩 atom@play-box.ai