Euroleague Livenews

Les stats 2.0 pour résumer les dix ans de carrière de Nando de Colo

Comment résumer la première décennie professionnelle de Nando de Colo, devenu le meilleur joueur d’Europe en 2016 ? C’est la question que nous nous sommes posés pour réaliser cette infographie réalisée par Andy Hyeans, consultant en ingénierie du sport et auteur de Sport Data Revolution.

Pouvez-vous nous expliquer votre démarche pour analyser les performances de Nando ?

Andy Hyeans :  J’ai souhaité exposer de la manière la plus synthétique possible mais aussi la plus précise les 10 premières années de carrière professionnelle de Nando De Colo, pour moi le meilleur extérieur français actuel.

Pour se faire, j’ai construit un Dataset de 10 saisons, de 2006 à 2016. J’ai analysé les données de ces 10 saisons pour obtenir les Win Score de chaque saison ainsi que les COTT-EFF(j) que j’ai nommé efficience par match.

Résultats

Le Win Score, ou indice de performance individuelle (voir plus bas) de Nando a été multiplié par 5.3 entre 2006 et 2016 ! Certes il joue deux fois plus de matchs, mais on peut constater à quel point il a explosé au CSKA après une période délicate en NBA.

Le Win Score ne prend pas en compte les spécificités de l’équipe et donc du championnat du joueur. J’ai donc calculé son efficience par match, afin d’affiner l’analyse de l’évolution du joueur durant ses 10 premières saisons. Le résultat parle de lui-même, l’efficience par match de Nando a été multipliée par 2.3 entre 2006 et 2016 !

Conclusion

La performance de Nando De Colo a beaucoup évolué durant ces 10 premières années de carrière professionnelle, et elle a plus que quintuplé ! Ce qui fait de Nando un joueur aussi exceptionnel, ce n’est pas tant sa progression individuelle, c’est surtout la manière dont sa progression individuelle a autant impacté les résultats de son équipe, puisqu’il est aujourd’hui 2 fois plus déterminant au CSKA Moscou qu’il ne l’était à Cholet il y a 10 ans. Et des joueurs avec un tel impact sur le classement de leur équipe, il n’y en a pas beaucoup !

 

Comprendre les analyses réalisées

Traditionnellement, l’évaluation des joueurs au basket-ball permet de comparer leurs performances entre eux. C’est un des indicateurs de la valeur des joueuses et joueurs professionnels en vue d’un recrutement ou d’une sélection.

L’évaluation la plus utilisée consiste à additionner et soustraire des variables de performance des joueurs : les points marqués, les rebonds, les passes décisives, les interceptions, les contres, la différence entre les tirs à deux points et trois points tentés et ceux réussis, la différence entre les lancers-francs tentés et réussis ainsi que les balles perdues.

Cette évaluation traditionnelle privilégie les joueurs complets et les scoreurs car elle donne la même importance à chacune des variables, qu’elles soient très ou peu significatives, autrement dit qu’elles permettent ou pas de faire la différence entre les joueurs.

L’évaluation NBA, ou efficiency (EFF), utilise elle aussi une formule mathématique multifactorielle simple, mais qui sanctionne davantage les erreurs : balles perdues, maladresse aux tirs.

EFF = [ (( PTS+REB+PD+INT+BLOC )) + (( TT-TM ) + ( LFT-LFM ) – BP )) ] / MJ

PTS : total de points marqués dans une compétition

REB : total de rebonds pris dans une compétition

PD ( AST ) : nombre de passes décisives dans une compétition

INT ( STL ) : total d’interceptions dans une compétition

BLOC ( BLK ) :  total de contres dans une compétition

TT ( FGA ) : nombre de tirs tentés dans une compétition

TM ( FGM ) : total de tirs ratés dans une compétition

LFT ( FTA ) : total de lancers tentés dans une compétition

LFM ( FTM ) : total de lancers ratés dans une compétition

BP ( TO ) : total de balles perdues dans une compétition

MJ ( G ) : nombre de matches joués dans une compétition

Cependant l’évaluation NBA ne prend pas en compte le caractère plus ou moins significatif des variables.

David Berri a proposé en 2007 (modifié en 2011) une évaluation qui prend en compte la caractère plus ou moins significatif des variables : le Win Score.

Le Win Score donne un poids différents selon les variables et l’importance qu’elles peuvent avoir sur l’issue d’un match. David Berri a déterminé ce poids après avoir étudié plusieurs saisons NBA.

WS = (PTS)+(REB)+(STL) +0.5*(AST)+0.5*(BLK)-(FGA)-(TO)-0.5*(FTA)-0.5*(PF)

Le Win Score est surtout intéressant pour évaluer un même joueur au fil du temps. Cependant le caractère déterminé des pondérations, des poids attribués aux différentes variables, laisse à désirer pour déterminer la valeur d’un joueur par rapport à un autre.

D’où la géniale idée de Gilles Celeux et Valérie Robert, que je présente dans Sport Data Revolution, et qui ont proposé en 2015 une évaluation de la performance qui prend en compte le classement de l’équipe dans laquelle évolue le joueur. Une évaluation qui s’applique aussi bien au championnat de France de ProA qu’à la NBA. Cette évaluation, COTT-EFF(j), ou cotation de l’efficience du joueur, pondère 15 variables selon des poids spécifiques relatifs aux variables elles-mêmes mais aussi selon des poids spécifiques relatifs à l’équipe du joueur. Elle me semble mieux traduire la performance du joueur car elle prend en compte son environnement de jeu. Tout le monde est d’accord pour affirmer l’importance de cet environnement dans la performance, mais personne n’avait jusque là réussi à le traduire mathématiquement.

 

Commentez l’article pour choisir le prochain joueur (hors NBA) à passer au crible de Andy Hyeans !


Découvrez également le livre « Sport Data Revolution » :

Commentaires   |  0 commentaire

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *