Deux sources GitHub indépendantes testent si la métrique est réelle. Puis la v2 corrige ce que le seuil strict rate : il est trop rare pour classer des joueurs sur un petit échantillon.
Le seuil « l’action finit par un tir » est le plus propre : c’est lui qui fait que la métrique colle aux buts. Mais il ne produit que 4,0 actions par match. On ajoute donc une deuxième façon de compter une occasion : le ballon entre dans la surface de réparation. Même geste, même défenseur éliminé — on regarde juste le résultat un peu plus loin.
« Mène à un tir » est la lecture la plus nette d’une occasion, et c’est ce qui rend la métrique corrélée aux buts. Elle ne produit que 4,0 actions qualifiées par match. Sur une démo de 20 matchs avec une médiane de 3.0 matchs par joueur, ce n’est pas assez pour séparer les joueurs.
Une course qui élimine un défenseur et met le ballon dans la surface est une occasion, même si le tir arrive deux passes plus tard, ou est contré avant d’être enregistré. La v2 garde le niveau strict et ajoute le niveau « entrée dans la surface ».
Les 72 actions supplémentaires ne sont pas du bruit : c’est le même geste physique, jugé par le territoire au lieu du journal des tirs. Le coût : la v2 s’éloigne d’un cran de « un tir a eu lieu » ; le bénéfice : une métrique qui peut classer sur un échantillon normal.
Corrélation par moitiés (matchs impairs vs pairs, joueurs ≥360′). Mêmes joueurs, même pipeline — seul le seuil change.
+42 % de fiabilité relative, et 1,9× plus d’actions, pour une seule condition géométrique de plus.
Un autre fournisseur, une autre fréquence (25 Hz vs 10 Hz), un autre repère, et aucun libellé de possession fourni : les possessions sont reconstruites à partir du joueur le plus proche du ballon. Si la métrique est une propriété du football et non du fichier d’événements de SkillCorner, le volume d’éliminations doit survivre.
SkillCorner 18,4 · Metrica 17,5 (−5 %). Le volume se reproduit. StatsBomb 360 est un autre exercice : les images figées sont rares, donc il sous-compte par construction — voir plus bas.
| match | frames | possessions | éliminations | qualifiés | gain moyen |
|---|---|---|---|---|---|
| Match 1 | 145 006 | 2 088 | 23 | 2 | 15,2 m |
| Match 2 | 141 156 | 2 276 | 12 | 2 | 17,6 m |
Conversion en tir sous 10 s : 11,4 % contre 21,5 % sur SkillCorner. Plus bas, mais du même ordre sur deux matchs ; la fenêtre stricte de 10 s et l’absence de libellés de phase expliquent l’essentiel de l’écart.
Euro 2020, 12 matchs. À chaque course, on lit l’image figée 360 : un défenseur côté but au départ, derrière à l’image suivante, plus jamais côté but avant la fin de la possession, puis un tir plus tard dans la même possession. Aucun fichier de tracking n’est utilisé.
La conversion en tir est de 28,6 % sur 28 courses-éliminations dans 12 matchs — la même bande que les 21,5 % de SkillCorner. La définition voyage : quand un défenseur est réellement retiré, l’attaque finit par un tir environ un quart du temps, chez un autre fournisseur, une autre compétition et une autre structure de données.
fournisseur indépendantcompétition indépendantesans fichier de tracking
Le volume s’effondre à 2,3 éliminations par match, contre 18,4 sur tracking. Les images figées n’existent qu’aux instants d’événement et seulement pour les joueurs vus par la caméra. C’est justement le point : des données à résolution événementielle ne peuvent pas mesurer une métrique de mouvement. Il faut du tracking continu des 22 joueurs — exactement l’hypothèse du brief.
| joueur | qualifiés |
|---|---|
| Artem Besedin | 1 |
| Alexander Isak | 1 |
| Haris Seferović | 1 |
| Remo Freuler | 1 |
| Leonardo Spinazzola | 1 |
| Bernardo Mota Veiga de Carvalho e Silva | 1 |
| Gareth Frank Bale | 1 |
| Antonín Barák | 1 |
Un match par joueur ici — montré pour la méthode, pas comme classement.
Le test décisif n’est pas « est-ce que ça rend bien sur un match ». C’est : un club peut-il acheter ce nombre, classer des joueurs avec, et défendre le classement ? Voici la liste, et où en est la v2.
| Exigence | Pourquoi | État |
|---|---|---|
| Tracking continu 22 joueurs + ballon, ≥10 Hz | L’élimination est un événement géométrique ; l’événementiel sous-compte 8× (StatsBomb 360) | ok avec SkillCorner / Metrica |
| Identité & calibration | Une mauvaise identité transforme un défenseur en fantôme ; l’échelle doit être métrique | ok côté fournisseur ; QC nécessaire |
| Définition déterministe | Pas de codeur humain, pas de variance inter-annotateurs ; chaque seuil est publié | ok 6 paramètres, balayés |
| Volume par joueur | 79 actions strictes / 20 matchs, trop mince ; la v2 en donne 151 | v2 1,9× d’actions |
| Erreur d’échantillonnage affichée | Un taux sans intervalle est une rumeur | ok IC Poisson 90 % |
| Lissage / prior | Deux bons matchs ne doivent pas dépasser une saison | ok k = 270′ |
| Validité par le résultat | Le nombre doit parler des buts, pas de lui-même | ok ρ = 0,52 vs buts/90 |
| Ajustement au contexte | Dépasser un bloc bas ≠ dépasser une ligne haute | ensuite hauteur du bloc, score |
| Explicabilité | Un recruteur doit voir le clip | ensuite action → timestamp vidéo |
La question restante n’est pas statistique, elle est industrielle : qui peut fournir les données de mouvement à la couverture et au prix que la métrique exige ? C’est la comparaison SkillCorner vs Footovision.
SkillCorner vs Footovision → ← Verticalité