L'Expected Try (xT) : donner une valeur à chaque action

En football, l'Expected Goals (xG) est devenu incontournable : chaque tir reçoit une probabilité d'être transformé en but, selon la position, l'angle, le type d'action. Un tir du point de penalty vaut ~0.76 xG. Une tête dans la surface vaut ~0.05.

Rugby. Même problème, même question : à quel point est-ce que cette action met l'équipe adverse en danger ? Un ruck à mi-terrain n'est pas une cassure de ligne à 5 mètres de l'en-but. Une touche bien gagnée dans les 22 adverses n'a pas la même valeur qu'un ballon récupéré sur une interception.

L'xT (Expected Try) répond à ça : quelle est la probabilité que l'équipe en possession marque dans les 90 prochaines secondes, depuis cette position, avec cette action ?

On l'appelle Expected Try — mais il prend en compte les essais, les pénalités et les drops. En football, l'xG ne compte qu'une façon de marquer. Au rugby il y en a trois, et ignorer les pénalités reviendrait à sous-estimer le danger dans les 22 adverses, là où un ruck peut tout aussi bien finir à trois points qu'à cinq.

Les données : 48 matchs de la Coupe du Monde 2023 — 32 000+ événements, 325 essais, 147 pénalités réussies, avec la position sur le terrain pour chaque événement.

1. Ce qu'on prédit

La variable cible est binaire : pour chaque événement, elle vaut 1 si l'équipe en possession marque (essai, pénalité ou drop) dans les 90 secondes suivantes, 0 sinon. Cette fenêtre capture une séquence d'attaque complète sans diluer le signal sur l'ensemble du match.

Chaque ligne du dataset est un événement : type d'action, position exacte sur le terrain, contexte (score, temps écoulé, mi-temps). L'xT produit par le modèle est donc une probabilité attachée à un état — ici, maintenant, avec ce type d'action — et non à un joueur ou à une phase entière.

Un piège classique dans ce type de modèle : si des événements du même match alimentent à la fois l'entraînement et la validation, le modèle mémorise les dynamiques de ce match plutôt qu'extraire des patterns généralisables. La validation est donc faite par match entier — un match est soit entièrement dans le train, soit entièrement dans le test.

2. Le modèle

Variables d'entrée

9 variables : position longitudinale sur le terrain, distance au centre, distance à la ligne adverse, indicateurs de zone (dans les 22 adverses, dans la moitié adverse), différentiel de score, avancement dans le match, mi-temps, et type d'action.

Modèle retenu

Les deux modèles ont été évalués en validation croisée par match : la régression logistique obtient un AUC de 0,78, contre 0,75 pour le XGBoost. La régression logistique est retenue comme modèle de prédiction. Le XGBoost est conservé en parallèle uniquement pour son graphique d'importance des variables, dont la lecture par gain complète celle des coefficients logistiques. Tous les xT affichés dans l'article sont calculés par la régression logistique.

Importance des variables

Les deux modèles convergent vers la même conclusion.

En régression logistique (le modèle retenu), c'est la distance à la ligne adverse qui domine — chaque mètre gagné dans la moitié adverse compte davantage.

En XGBoost (entraîné pour comparaison), une seule variable domine à 80 % d'importance : franchir la ligne des 22 mètres adverses. Ce seuil binaire et le gradient continu de la régression logistique racontent la même histoire sous deux angles différents.

3. La géographie du danger

Les deux graphiques ne racontent pas la même histoire.

La moitié des actions ont lieu dans la zone centrale — entre les deux lignes de 22 mètres. C'est là que se dispute la possession, que se gagnent les rucks, que se jouent les mêlées. Mais l'xT monte lentement dans cette zone : ~9 % dans la moitié propre, ~16 % dans la moitié adverse, jusqu'à 20 % juste avant la ligne des 22 adverses — encore loin des 40 % qui attendent après cette ligne. Tout ce travail de possession, pour une fraction de la menace.

En revanche, la probabilité de marquer dans les 90 secondes suivantes passe de 4,3 % dans ses propres 22 mètres à 40,7 % dans les 22 adverses — une multiplication par presque 10.

4. La carte de danger

La probabilité monte progressivement jusqu'à la moitié, s'accélère dans la moitié adverse, et explose après la ligne des 22. Le gradient est net et régulier.

Un détail à noter : le centre du terrain est légèrement plus dangereux que les ailes à même distance de la ligne. Les actions au centre conservent des options des deux côtés.

5. Toutes les actions ne se valent pas

Action	xT moyen	vs ruck
Cassure de ligne	22,4 %	+10,3 pp
Défenseur battu	19,3 %	+7,1 pp
Coup de pied	16,5 %	+4,3 pp
Offload	13,1 %	+0,9 pp
Ruck	11,7 %	référence
Turnover	1,7 %	−10,5 pp

Ce que le modèle permet de comparer : une cassure de ligne à mi-terrain a le même xT qu'un ruck dans les 22 adverses. Une action individuelle au centre du terrain vaut autant, en termes de danger immédiat, qu'une possession avancée. À l'inverse, le turnover est une catastrophe pour l'équipe attaquante : toute la menace accumulée s'efface en une action.

6. Le danger augmente au fil du match

La probabilité de marquer depuis les 22 adverses passe de 33,5 % en début de match à 47,4 % dans les 20 dernières minutes. Les défenses fatiguent, les équipes cherchent à forcer le résultat — et cela se voit dans les chiffres.

Ce qui est utile, c'est de pouvoir le quantifier : un ruck dans les 22 adverses à la 70e minute vaut 40 % de plus qu'à la 10e.

7. Quelle équipe a créé le plus de danger en 2023 ?

Le graphique oppose deux philosophies de jeu.

La France et la Nouvelle-Zélande ont généré le plus de danger offensivement, loin devant le reste du tournoi. L'Irlande complète le podium. Ces trois équipes avaient aussi les meilleures défenses.

L'Afrique du Sud a gagné avec une approche radicalement différente : xT généré modeste, défense de fer. Les Springboks n'ont pas cherché à dominer le jeu — ils ont cherché à ne pas concéder. En finale contre la Nouvelle-Zélande, ils ont gagné sans marquer le moindre essai.

Le paradoxe français est frappant : meilleure attaque et meilleure défense du tournoi selon l'xT — éliminée en quarts par l'Afrique du Sud. L'xT mesure la qualité du jeu, pas le résultat. Le rugby reste imprévisible.

Le danger cumulé sur ce quart de finale le confirme :

La courbe bleue oscille entre 7 et 15 % tout au long du match — La France en pression constante. La courbe verte reste collée au sol pendant 65 minutes (3–5 %), puis explose en 3 minutes : essai à la 66e, pénalité à la 69e, 25–24 → 29–25. Le match bascule sur un burst que l'intensité moyenne ne laissait pas venir.

La France a dominé l'intensité sur 80 minutes. L'Afrique du Sud a converti des séquences d'attaque courtes et isolées. Un essai peut venir d'une seule action à 20 % — le reste du match n'a aucune importance.

Galthié lui-même l'avait formulé après le match, dans L'Équipe :

« Dans ce match, il y a deux matches : la première période et la deuxième. Selon les datas, on aurait dû marquer 37 points. Nous en avons marqué seulement 28. »

68 % de possession bleue dans le camp sud-africain, et pourtant 28 points au lieu des 37 attendus. C'est cet écart d'efficacité — pas la domination territoriale — qui a fait la différence.

8. Ce que le modèle ne voit pas

• Le tempo : un ruck joué en 4 secondes et un ruck joué en 12 secondes ont le même xT, mais pas la même valeur tactique
• La densité défensive : le nombre de défenseurs entre le ballon et la ligne n'est pas dans le modèle
• Les phases statiques : une touche à 5 mètres ou une mêlée dominante méritent un traitement spécifique
• La transférabilité : ce modèle est calibré sur la Coupe du Monde 2023 — les dynamiques de TOP 14 ou Pro D2 sont différentes
• Le volume de données : 48 matchs, c'est suffisant pour dégager des tendances, mais insuffisant pour modéliser des situations rares (fin de match serré, équipes très asymétriques)

---

L'xT transforme chaque action en une unité de danger comparable. Une cassure de ligne à mi-terrain, c'est 22 % de probabilité de marquer dans les 90 secondes. Un turnover dans les 22 adverses, c'est une chute à 1,7 %. Ces chiffres ne remplacent pas l'analyse vidéo — ils la complètent, et permettent de comparer des situations que l'œil ne peut pas calibrer seul.

9. Ce que les coachs pourraient en faire

L'xT n'est pas un outil de décision en temps réel — c'est un outil d'analyse post-match et de préparation.

Quantifier la qualité d'une possession. Accumuler des rucks à mi-terrain génère peu d'xT. Un staff peut mesurer sur l'ensemble d'un match quelle proportion du temps de possession a réellement été "dangereux" — et identifier à quel moment et dans quelle zone l'équipe perd sa menace offensive.

Évaluer l'efficacité, pas seulement le résultat. L'écart entre les points marqués et l'xT cumulé dit quelque chose sur la réussite ou la malchance d'une équipe. Une défense qui concède beaucoup d'xT sans prendre de points a été solide sur les actions décisives — pas nécessairement sur l'ensemble du match.

Prioriser les actions à l'entraînement. Si une cassure de ligne à mi-terrain vaut autant qu'un ruck dans les 22, cela oriente les choix tactiques : chercher le un-contre-un plutôt qu'accumuler les phases, ou au contraire comprendre pourquoi l'équipe adverse en génère si peu malgré une forte possession.

Lire l'adversaire. En analysant les matchs passés d'une équipe adverse, on peut identifier où elle concède le plus d'xT — et donc où concentrer la pression offensive en préparation d'un match.