Comment Tiebreak estime des probabilités de match de tennis — et comment on les vérifie honnêtement.
Pour prédire un match à la date T, le moteur n'utilise que des données disponibles avant T. Toute la validation est faite en walk-forward : on apprend sur le passé, on prédit le futur immédiat, on avance dans le temps. Les taux affichés sont mesurés sur des matchs jamais vus à l'entraînement — c'est ce qui rend la page Fiabilité crédible.
Historique public de Jeff Sackmann (ATP/WTA/Challenger/ITF) : ~630 000 matchs depuis 1990, avec le détail service/retour. Classements datés. Cotes historiques (tennis-data.co.uk) uniquement comme référence, jamais comme variable d'entrée (ce serait tricher).
Chaque joueur a un Elo global et un Elo par surface (dur, terre, gazon), combinés. Le facteur de mise à
jour décroît avec l'expérience (un nouveau joueur bouge vite, un joueur établi se stabilise). Conversion en probabilité :
P(A bat B) = 1 / (1 + 10^((Elo_B − Elo_A)/400)).
À partir de la probabilité de gagner un point au service de chaque joueur, une chaîne de Markov propage point → jeu → set → match (en distinguant best-of-3 et best-of-5, avec tie-breaks). Cela produit tous les marchés dérivés de façon cohérente : « le perdant probable prend ≥ 1 set », distribution du total de jeux (over/under)…
Une régression logistique affine la prédiction du vainqueur en combinant l'Elo (global + surface) avec d'autres contextes mesurables, tous calculés « à la date du match » (uniquement sur le passé, jamais de fuite) :
Chaque facteur n'est conservé que s'il améliore la précision en backtest walk-forward sans dégrader la calibration ; les variables non quantifiables proprement (mental, météo, blessures non structurées) restent réservées aux analyses écrites et n'influencent jamais la probabilité. Les probabilités du service sont ancrées sur la prédiction du vainqueur (l'Elo pilote le vainqueur, le service pilote la longueur du match).
Les probabilités sont recalibrées (régression isotonique) pour que « 70 % » gagne réellement ~70 % du temps. Un indice de confiance (1–5 ★) agrège la quantité de données, l'accord entre sous-modèles et la marge. Il est lui-même validé : les pronostics 5★ doivent vraiment mieux performer que les 1★ (voir Fiabilité).
En résumé : un moteur mathématique transparent, validé sans tricher, qui assume ce qu'il sait et ce qu'il ignore.
Nous utilisons un cookie de session nécessaire au fonctionnement, et — avec votre accord — des cookies de mesure d'audience. Aucun cookie publicitaire. En savoir plus.