A chaque compétition de football, le jeu réside aussi dans les meilleurs pronostiqueurs. Après Paul Le Poulpe, et son remplaçant le chameau Shaheen, c'est l'EPFL (Ecole polytechnique fédérale de Lausanne) qui s'essaie à l'exercice. Mais avec des technologies beaucoup plus élaborées. Trois chercheurs du Laboratoire pour les communications informatiques, Victor Kristof, Lucas Maystre et Antonio Gonzalez, ont en effet utilisé le machine learning et le data mining pour développer un modèle plus précis que les statistiques traditionnelles. D’après leurs calculs, la France devrait gagner contre la Roumanie ce vendredi en match d'ouverture. Quant à la Suisse qui joue contre l’Albanie samedi, elle devrait aussi l'emporter.
Passionné de football, Victor Kristof explique qu'il s'agit surtout de déterminer de manière objective à quel degré une équipe est plus susceptible de l’emporter, en se basant sur des données historiques: «Il existe de nombreux sites de prédictions qui se basent sur les résultats précédents des équipes nationales. Notre système se base sur les performances individuelles de chacun des onze joueurs dans leur club, ce qui nous permet d’utiliser les données de milliers de matchs.»
Les dix dernières années prises en compte
La solution Kickoff.ai prend en compte les dix dernières années de jeu de chaque joueur, avec des informations telles que le temps passé sur la pelouse, l’issue du match ou le fait qu’un match était ou non joué à domicile.
Mais elle est aussi fondée sur un modèle bayésien, «qui attribue une variable à chaque joueur en fonction du degré d’incertitude de la prédiction», précise Lucas Maystre: «Si l’Allemagne joue contre l’Islande, la probabilité que l’Allemagne gagne est très forte sur le papier. Mais l’Islande n’a jamais pris part à une phase finale de championnat européen et pourrait jouer mieux que d’habitude. Ce facteur doit être pris en compte pour pondérer notre évaluation.»