À propos de Flintstat

Flintstat est un projet de statistiques et de recherche sur le sport. Il vérifie si de simples calculs sur les cotes publiques suffisent à repérer celles qui sont trop hautes. Pour chaque match, nos modèles lisent les cotes de dizaines de bookmakers, fixent une cote juste et montrent où la meilleure cote la dépasse. Notre historique des résultats décide des modèles, des sports et des plages de cotes que nous publions

C’est de l’analyse et de la recherche, pas des conseils de paris. Rien ici ne garantit l’issue d’un match

Ce que c’est et ce que ce n’est pas

Un modèle donne une probabilité, pas une certitude. Avec 60 % de chances de victoire, une équipe devrait aussi perdre environ quatre fois sur dix

Nous n’utilisons ni informations d’initiés, ni contacts dans les clubs, ni rumeurs de matchs truqués, et nous ne vendons aucun coup sûr. Tout vient de calculs sur des données que chacun peut consulter

Ce qui pèse sur un match

Quelques facteurs mesurables déterminent les résultats, et ils changent d’un sport à l’autre

Football

• L’avantage du terrain, qui a baissé au fil des ans et varie selon le championnat
• Les buts attendus (xG), qui mesurent la qualité des occasions créées plutôt que le score final, trop aléatoire
• Le repos et l’enchaînement des matchs, car une récupération courte et les matchs en semaine font baisser les performances
• Les blessures et suspensions de joueurs clés, surtout l’attaquant ou le gardien titulaire
• Les cartons rouges, qui font nettement basculer un match en changeant les buts attendus pendant une bonne partie de la rencontre

Tennis

• La surface, car un même joueur peut être redoutable sur terre battue et ordinaire sur gazon
• Les statistiques au service et en retour, les plus prédictives (points gagnés au service et en retour, balles de break)
• La forme récente et la fatigue à court terme après de longs matchs et des enchaînements rapides
• L’historique des face-à-face, à lire avec prudence et, idéalement, surface par surface

Basketball

• Les ratings offensif et défensif (points pour 100 possessions). Leur écart, le net rating, est la mesure du niveau la plus fiable
• Le rythme de jeu, qui explique pourquoi les chiffres par possession comparent mieux les équipes que les totaux par match
• Le repos et le calendrier, car jouer deux soirs de suite fait baisser les performances de façon mesurable
• Les blessures et la gestion de la charge, car une seule star au repos fait bouger le rating d’une équipe

Baseball

• Le duel des lanceurs partants, la donnée la plus importante, analysé d’après l’ERA, le WHIP et les taux de retraits sur prises et de buts sur balles
• Les facteurs de stade, car chaque terrain gonfle ou réduit le nombre de points et de home runs
• La solidité du bullpen (les releveurs) et sa charge de travail récente
• Les écarts selon la main du lanceur (platoon splits) et l’alignement annoncé

Transformer l’historique en probabilité

Les outils classiques ci-dessous calculent la probabilité de chaque issue à partir des résultats passés. Nos modèles de pronostics, eux, la tirent des cotes des bookmakers

Systèmes de notation (Elo). Chaque équipe ou joueur a une note, et l’écart entre deux notes donne une probabilité de victoire selon une formule fixe :

score attendu = 1 / (1 + 10^((R_adversaire − R_équipe) / 400))

Un écart de 200 points donne environ 76 % de chances, un écart de 400 points environ 91 %, et à notes égales c’est 50/50. Après chaque match, une note change de K × (réel − attendu), donc battre un adversaire fort la fait monter davantage que battre un adversaire faible

Modèles de buts (Poisson). Les buts suivent à peu près une loi de Poisson. Avec les buts attendus de chaque équipe, vous pouvez calculer la probabilité de chaque score, puis les additionner pour obtenir victoire à domicile, match nul et victoire à l’extérieur. L’ajustement de Dixon-Coles corrige le Poisson simple, qui sous-estime légèrement les matchs nuls à petit score

Modèles de régression. Pour une issue en oui ou non, la régression logistique prend de nombreuses données (notes, repos, domicile, blessures) et renvoie une seule probabilité entre 0 et 1

Même les bons modèles de football n’ont raison qu’environ une fois sur deux sur le 1N2. Leur valeur tient à des probabilités bien calibrées sur de nombreux matchs

De la probabilité à la cote juste, et ce qu’est un avantage

La cote décimale juste est l’inverse d’une probabilité :

cote juste = 1 / probabilité

À 50 % de chances correspond une cote juste de 2,00, à 25 % une cote de 4,00. Le calcul marche dans l’autre sens pour toute cote, probabilité implicite = 1 / cote décimale

Additionnez les probabilités implicites de toutes les issues d’un marché chez un bookmaker et le total dépasse 100 %. L’excédent est la marge du bookmaker. Pour la retirer, divisez chaque probabilité implicite par le total pour que la somme fasse 100 %. Vous obtenez la probabilité sans marge du marché, à mettre en face de celle du modèle. L’avantage montre, selon le modèle, de combien la meilleure cote dépasse la cote juste

avantage = probabilité du modèle × meilleure cote − 1

Avec 44 % de chances et une cote de 2,60, le calcul donne 0,44 × 2,60 − 1, soit un avantage de 14,4 %. L’avantage est positif dès que la meilleure cote dépasse la cote juste. Comment fonctionnent nos pronostics montre comment chaque page de match utilise ces chiffres

Qui est le plus précis

La cote de clôture, la dernière cote avant le début du match, est l’estimation la plus fine du marché. Elle a alors intégré les compositions, les blessures et l’argent des parieurs avisés. Un modèle se juge honnêtement sur un large échantillon, en regardant s’il égale ou bat la cote de clôture sans marge

Sur une poignée de matchs, un bon modèle peut sembler mauvais et un mauvais sembler bon, donc le bénéfice est un mauvais indicateur à court terme. La calibration face à la cote de clôture révèle un vrai avantage bien plus vite. Depuis le 9 octobre 2026, nous enregistrons les cotes juste avant chaque début de match et comparerons les pronostics à la cote de clôture quand nous aurons assez de données

Limites

• Les modèles estiment des probabilités, pas des résultats. La variance domine à court terme et aucun modèle ne supprime la chance
• Les données publiques ont des trous, comme les blessures annoncées tard, la météo ou la motivation, qu’un modèle fondé sur l’historique peut manquer
• Les marchés sont efficients, donc la plupart des cotes sont déjà proches de la réalité
• Le surapprentissage est un risque permanent. Un modèle réglé pour briller sur les matchs passés peut échouer sur les nouveaux
• Rien ici n’est un conseil financier ni une recommandation de parier. Vous avez 18 ans ou plus et êtes responsable de vos décisions

Contact

Flintstat est un petit projet indépendant. Si vous repérez une erreur dans les chiffres ou la méthode, ou si vous avez une question sur les données, dites-le-nous