Le score exact : le marché le plus tentant et le plus piegeux
1-0, cote a 6.50. 2-1, cote a 8.00. 0-0, cote a 9.50. Les cotes de score exact sont les plus seduisantes du marché – et les plus trompeuses. J’ai mis longtemps a l’admettre, car la tentation de « deviner le bon score » est profondement ancree dans la culture du parieur. Qui n’a pas rêve de placer 10 euros sur un 3-2 a 45.00 et d’empocher 450 euros ?
La réalité est que le football capte 52 % de toutes les mises sportives en France, et le score exact est l’un des marchés ou les opérateurs gagnent le plus. La marge sur ce marché dépassé régulièrement 20 a 30 %, contre 5 a 8 % sur le 1N2. L’explication est mecanique : avec 15 a 20 résultats possibles cotes (de 0-0 a 4-3), la marge s’applique a chacun, et la somme des probabilités implicites dépassé allègrement 120 ou 130 %.
Les probabilités réelles derrière les cotes de score exact
Le TRJ plafonné a 85 % en France affecte le score exact de façon particulièrement brutale. Sur ce marché, le TRJ effectif descend souvent a 70-75 %, ce qui signifie que l’opérateur conserve 25 a 30 centimes par euro mise. C’est le marché ou la « taxe invisible » est la plus lourde – et ou le parieur a donc le plus de désavantage structurel.
Pour illustrer, prenons un match type de Ligue 1. La distribution de probabilité réelle des scores les plus fréquents ressemble a ceci : 1-0 a environ 12 %, 1-1 a 11 %, 0-0 a 8 %, 2-1 a 9 %, 0-1 a 10 %, 2-0 a 7 %. Tous les autres scores se partagent les 43 % restants. La cote « juste » d’un 1-0 a 12 % de probabilité est donc 8.33. Si l’opérateur le propose a 6.50, la marge est de 22 % – vous payez 22 % de plus que la valeur réelle du pari.
La distribution des scores en Ligue 1 est remarquablement stable d’une saison a l’autre pour le championnat dans son ensemble, mais elle varie énormément d’un match a l’autre. Un PSG-Auxerre n’a pas la même distribution qu’un Lyon-Monaco. C’est la que l’analyse individuelle – xG des deux équipes, profil offensif et defensif, contexte – fait la différence.
Un point technique souvent négligé : la distribution de Poisson. Les buts en football suivent approximativement une loi de Poisson, ce qui permet de modeliser la probabilité de chaque score a partir des xG attendus de chaque équipe. Si l’équipe A a un xG attendu de 1.8 et l’équipe B de 0.9, le modèle de Poisson donne une probabilité de 2-0 d’environ 12,4 % et une probabilité de 1-1 d’environ 14,3 %. Comparer ces probabilités aux cotes proposees est le seul moyen rationnel d’évaluer si un score exact offre de la valeur.
Méthode de sélection des scores en Ligue 1
Ma méthode repose sur trois étapes. La première : estimer les xG attendus de chaque équipe pour le match en question, en croisant les donnees offensives de l’équipe A avec les donnees defensives de l’équipe B, et vice versa. J’ajuste en fonction du contexte – domicile/exterieur, fatigue, enjeu – pour obtenir deux chiffres : xG A et xG B.
La deuxième étape : injecter ces chiffres dans un modèle de Poisson pour obtenir la probabilité de chaque score. Ce calcul est accessible a quiconque maîtrise un tableur – pas besoin d’être data scientist. La formule est standard et les tutoriels sont nombreux. Ce qui prend du temps, c’est la qualité des xG en entrée, pas le calcul lui-même.
La troisième étape : comparer les probabilités estimees aux cotes proposees. Un score dont la probabilité estimee est de 10 % et dont la cote est a 12.00 offre une value positive – la cote « juste » serait de 10.00. Un score a 10 % de probabilité cote a 8.00 est surcote par l’opérateur – a eviter. Je ne parie un score exact que lorsque la value dépassé 10 % – un seuil plus élevé que pour le 1N2, car la variance sur le score exact est beaucoup plus forte.
Le score exact est-il rentable a long terme ?
La réponse courte est non pour la majorité des parieurs. Les marges élevées, la variance extreme et la difficulté de prediction rendent ce marché structurellement défavorable. Sur 100 paris de score exact, un parieur competent en touchera 8 a 12 – et il devra que les cotes de ces 8 a 12 paris gagnants compensent les 88 a 92 pertes. C’est mathematiquement possible, mais psychologiquement epuisant.
La réponse longue est que le score exact peut être rentable dans des conditions très spécifiques : quand le parieur dispose d’un modèle de Poisson calibre sur des donnees fraiches, quand il se limite aux matchs ou la divergence entre cote proposee et probabilité estimee est supérieure a 15 %, et quand il intégré le score exact dans une bankroll dédiée avec un budget strict – jamais plus de 0,5 % de la bankroll par pari.
Mon usage personnel du score exact : moins de 5 % de mes mises totales, exclusivement sur des matchs que j’ai minutieusement analyses, et toujours en tant que complement a un pari principal sur le 1N2 ou le handicap du même match. Le score exact est un dessert, pas un plat principal – et comme tout dessert, il doit être consomme avec moderation.
Un dernier conseil que j’applique strictement : ne jamais miser un score exact en combine. La tentation est forte – un combine de deux scores exacts peut atteindre des cotes de 50.00 ou plus. Mais la probabilité de toucher deux scores exacts sur deux matchs différents est inferieure a 2 %, et la marge cumulative de l’opérateur dépassé 45 %. C’est l’un des paris les plus defavorables du marché, et aucune analyse, aussi brillante soit-elle, ne peut compenser une structure aussi toxique.
FAQ
Quel est le score exact le plus fréquent en Ligue 1 ?
Les scores les plus fréquents en Ligue 1 sont généralement le 1-0 et le 1-1, chacun representant environ 11 a 13 % des matchs selon les saisons. Le 0-0 est également courant, autour de 7 a 9 %. Les scores a plus de 4 buts sont rares et représentent collectivement moins de 10 % des matchs.
Comment calculer la probabilité réelle d"un score exact ?
La méthode la plus accessible est le modèle de Poisson. Estimez les expected goals de chaque équipe pour le match, puis appliquez la formule de Poisson pour calculer la probabilité de chaque nombre de buts. La probabilité d"un score X-Y est le produit de la probabilité de X buts pour l"équipe A et de Y buts pour l"équipe B. Des tableurs preconfigures facilitent le calcul.
