Méthodologie & transparence

Dernière mise à jour : 2 septembre 2026

D'où viennent les données

Le modèle est entraîné sur un historique de 113 000 matchs ATP couvrant la période 1990–2025. À ce stade, Visi-tennis ne dispose d'aucune donnée historique WTA (résultats, classement Elo maison, statistiques de match) : les analyses IA (probabilité de victoire, facteurs, scénarios) couvrent donc uniquement le circuit ATP. La page Tournois affiche bien les matchs ATP et WTA du jour, mais il s'agit là d'un calendrier en direct fourni par un prestataire tiers — pas d'une prédiction du modèle.

Chaque fiche joueur affiche sa propre fraîcheur des données (date de la dernière mise à jour de son historique). Cette information n'est jamais masquée : elle fait partie du résultat, au même titre que la probabilité elle-même.

Comment une probabilité est calculée

Pour chaque match, le modèle compare les deux joueurs sur une série de facteurs :

• Classement Elo — un rating global et un rating par surface (dur, terre battue, gazon), recalculé après chaque match.
• Forme récente — les ~15 derniers matchs, pondérés par la qualité des adversaires affrontés (battre un top 10 compte plus que battre un joueur mal classé).
• Statistiques de service et de retour, et performance sous pression (tie-breaks, moments serrés).
• Fatigue, estimée à partir du volume de matchs récents.
• Confrontations directes (H2H) — pondérées par la récence (une confrontation ancienne compte moins qu'une récente) avec un bonus si elle a eu lieu sur la même surface que le match à venir.

Quand l'un de ces facteurs manque pour un joueur (historique insuffisant), il n'est jamais estimé ou deviné : il est exclu du calcul, et affiché comme « Donnée indisponible » sur le site plutôt que remplacé par une valeur inventée.

Score de confiance et qualité des données

Chaque analyse affiche, en plus de la probabilité, un score de confiance. Une probabilité proche de 50/50 obtient toujours un score de confiance bas, quelle que soit la donnée disponible : le modèle n'est tout simplement pas tranché. À l'inverse, une probabilité très marquée (par exemple 85/15) calculée à partir de données incomplètes obtient un score de confiance modéré, jamais maximal — le manque de donnée est reflété dans le score plutôt que caché derrière un chiffre définitif.

Comment on vérifie que ça marche (backtesting)

Le modèle est validé par backtesting chronologique : il est entraîné sur des matchs passés, puis évalué sur des matchs plus récents qu'il n'a jamais vus pendant son apprentissage — jamais sur les mêmes matchs que ceux utilisés pour l'ajuster. Sur cet échantillon de matchs « invisibles », le modèle atteint 64,3 % de précision.

Au-delà de la précision brute, on vérifie aussi la calibration : quand le modèle annonce 70 % de victoire, est-ce que ça se vérifie bien dans environ 70 % des cas sur un grand échantillon ? Cet ajustement de calibration est lui-même entraîné sur un segment de données distinct, séparé à la fois de l'entraînement principal et de l'échantillon de test final — pour ne jamais gonfler artificiellement les résultats annoncés sur cette page.

Ce que le modèle ne fait pas

• Il ne prend pas en compte une information de dernière minute absente des données (blessure annoncée la veille, forfait, conditions météo).
• Il ne couvre que le circuit ATP pour les analyses — pas le WTA, pas l'ITF.
• Il n'invente jamais une donnée manquante : un facteur sans historique suffisant est explicitement marqué indisponible plutôt qu'estimé à la louche.
• Ce n'est ni un conseil de paris sportifs, ni un conseil financier, ni un substitut au jugement d'un expert.

Contact

Une question sur la méthodologie ? Voir la page Contact.