xG en Ligue 1 : Comment Utiliser les Expected Goals pour Parier

Le xG mesure ce qu’une équipe mérite, pas ce qu’elle obtient

Il y a cinq ans, je ne connaissais pas le xG. Je pariais sur la forme récente, sur les classements, sur les « sensations » d’un match. Puis j’ai découvert un chiffre qui a changé ma manière d’analyser : le PSG génère 2,11 xG par match en 2025-2026, dont 2,33 à domicile. Ce nombre ne dit pas combien de buts Paris marque réellement — il dit combien Paris devrait marquer en fonction de la qualité de ses occasions. Et la différence entre les deux est une mine d’or pour le parieur.

Le xG — Expected Goals — est un modèle statistique qui attribue à chaque tir une probabilité de but en fonction de sa position, de l’angle, de la distance, du pied utilisé, et d’autres variables. Un tir depuis les six mètres face au gardien vaut environ 0,75 xG. Une frappe lointaine excentrée vaut 0,03 xG. En additionnant tous les tirs d’une équipe sur un match, on obtient son xG total — une mesure objective de la qualité offensive produite.

Pourquoi c’est important pour les paris ? Parce que les résultats réels mentent. Une équipe peut gagner 1-0 sur un penalty contesté alors qu’elle a été dominée pendant 90 minutes. Le classement ne voit que le résultat. Le xG voit la réalité sous-jacente. Et quand la réalité sous-jacente diverge des résultats, le marché des cotes suit les résultats avec retard. C’est dans ce retard que la valeur se cache.

Comment se calcule le xG et qu’est-ce que le xGA

Un soir de janvier, j’ai montré à un ami parieur les données xG de deux équipes de Ligue 1. L’une était huitième au classement avec un xG cumulé digne d’une équipe de Top 4. L’autre était cinquième avec un xG de milieu de tableau. Mon ami n’en revenait pas. « Mais comment la huitième peut mériter plus de buts que la cinquième ? » La réponse est simple : la chance.

Le calcul du xG repose sur des modèles entraînés à partir de centaines de milliers de tirs historiques. Chaque fournisseur de données — Opta, StatsBomb, FootyStats — utilise son propre modèle avec des variables légèrement différentes. Les bases restent les mêmes : distance au but, angle, partie du corps, situation de jeu. Les modèles les plus avancés intègrent la position du gardien, le nombre de défenseurs sur la trajectoire, et le contexte tactique.

Le xGA — Expected Goals Against — est le miroir défensif du xG. Il mesure la qualité des occasions concédées par une équipe. Le PSG affiche un xGA de 0,97 par match en 2025-2026, soit moins d’un but « mérité » par ses adversaires par rencontre. Un xGA bas signifie que l’équipe ne concède que des tirs de faible qualité — une marque de solidité défensive structurelle, pas de chance.

La combinaison xG et xGA donne une image complète de la force réelle d’une équipe. Un club avec un xG de 1,8 et un xGA de 1,0 a un différentiel de +0,8 par match — sur 34 journées, cela projette un avantage de 27 buts. C’est cette projection, plus que le classement actuel, qui devrait guider votre estimation des probabilités pour les paris.

Repérer les équipes surévaluées ou sous-évaluées par le marché

Mon tableau de bord préféré affiche deux colonnes côte à côte : le classement réel et le « classement xG » — celui qui se baserait uniquement sur le différentiel xG – xGA. Les écarts entre les deux sont la carte au trésor du parieur.

Une équipe qui surperforme ses xG — c’est-à-dire qui marque nettement plus de buts que ce que ses occasions justifient — est candidate à une correction. Ses résultats vont probablement se dégrader dans les semaines à venir, car la conversion finit toujours par régresser vers la moyenne. Si le marché fixe ses cotes sur la base du classement réel plutôt que du classement xG, cette équipe est surévaluée.

Inversement, une équipe qui sous-performe ses xG est sous-évaluée. Elle crée des occasions de qualité mais ne les convertit pas — malchance, maladresse passagère, gardien adverse en état de grâce. Sa probabilité de victoire réelle est supérieure à ce que les cotes suggèrent, et c’est là que vous trouvez de la valeur.

Le PSG est rarement dans cette situation parce que sa conversion est constamment élevée. Mais pour les clubs du milieu et du bas de tableau de Ligue 1, les écarts entre xG et buts réels créent des opportunités régulières. La saison 2024-2025 a affiché une moyenne de 2,96 buts par match — record depuis 1978-1979 — ce qui signifie que les modèles xG ont plus de données à exploiter et que les écarts de conversion sont plus fréquents.

Mon processus concret : chaque semaine, j’identifié les deux ou trois clubs dont l’écart entre performance réelle et performance xG est le plus important. Je vérifie si cette divergence est nouvelle ou persistante. Si elle est nouvelle — moins de cinq matchs — c’est du bruit. Si elle persiste depuis huit à dix matchs, c’est un signal fiable. Puis je compare la cote proposée sur le prochain match de cette équipe avec ma propre estimation de probabilité basée sur le xG. Si l’écart est favorable, je mise. Sinon, je passe et j’attends la prochaine analyse de match.

FAQ

Rédigé par l'équipe de « Ligue 1 Parier ».