L’Impact commence sa première saison en MLS et la couverture apporte beaucoup plus d’images et de chiffres. Le soccer reste toutefois difficile à résumer : un joueur peut créer l’espace décisif sans toucher au ballon. Pour apprendre quelque chose, il faut comprendre comment l’observation devient une donnée.

Un fournisseur code chaque événement vidéo : passe, tir, duel, faute, récupération, minute, joueur et coordonnées approximatives. La vidéo fournit l’horloge et permet une vérification. Les événements sont ensuite regroupés par possession et reliés à l’alignement. Un simple total dépend déjà des définitions : une passe déviée compte-t-elle comme réussie? Qui reçoit la perte?

Reconstruire une séquence concrète

Prenons une attaque :

1. le défenseur récupère à (22, 38);
2. il passe au milieu sous pression;
3. le milieu joue vers l’ailier à (68, 12);
4. l’ailier centre;
5. l’attaquant tire à douze mètres;
6. le gardien arrête et concède un rebond.

Le tir apparaît dans les statistiques, mais la récupération et la passe qui élimine une ligne ont préparé l’occasion. Pour comparer les tirs, on peut construire une probabilité simple à partir de la distance, de l’angle, du type de passe et de la partie du corps. Additionner ces probabilités donne une estimation de la qualité créée, pas une promesse de buts.

L’échantillon reste petit. Deux buts sur deux tirs ne prouvent pas qu’un attaquant convertira 100 %. Une moyenne glissante et un intervalle d’incertitude évitent de surinterpréter trois matchs. Il faut aussi corriger le contexte : équipe menée qui attaque davantage, force de l’adversaire, avantage numérique et rôle demandé.

Les erreurs de collecte voyagent jusqu’au graphique

Deux analystes peuvent coder différemment le même duel. Une caméra cachée, un numéro de maillot mal lu ou une horloge décalée attribue l’action au mauvais joueur. Je suivrais un taux d’accord entre codeurs et reverrais un échantillon. Une donnée sans provenance vidéo est difficile à contester.

Le modèle peut également apprendre les habitudes de la ligue plutôt que la valeur réelle. Une équipe qui tire rarement de loin semblera efficace si l’échantillon ignore les tirs qu’elle ne tente jamais. Comparer saisons et compétitions demande des définitions stables.

Pour un entraîneur, le produit utile n’est pas cent colonnes. Ce peut être trois séquences vidéo reliées à un indicateur : pertes à la relance, centres concédés et tirs dans la surface. Le chiffre repère; la vidéo explique; la séance d’entraînement agit.

Normaliser le temps de jeu

Comparer des comptes bruts favorise le joueur resté quatre-vingt-dix minutes. Je ramènerais certaines mesures par 90 minutes et d’autres par possession ou séquence défensive. Un remplaçant avec trois tirs en quinze minutes garde toutefois un échantillon minuscule; le taux ne devient pas une projection fiable. L’alignement et les cartons modifient encore le dénominateur. Le pipeline doit donc joindre chaque événement aux périodes où le joueur et son équipe étaient réellement sur le terrain. Une erreur de substitution déplace toutes les actions suivantes. Vérifier quelques chronologies contre la vidéo est une étape de qualité aussi importante que la formule du graphique.

Je garderais donc chaque indicateur lié à sa définition, sa source et quelques exemples visuels. Après un match, je chercherais une tendance qui mène à une action vérifiable au prochain entraînement, puis je regarderais si cette action change réellement le profil. Les statistiques deviennent intéressantes lorsqu’elles raccourcissent le chemin entre une impression et une observation qu’on peut revoir.