Notre méthode

Comment gagner sur Mon Petit Prono : la méthode statistique

Pourquoi l'intuition seule ne suffit pas sur MPP

La plupart des joueurs de Mon Petit Prono choisissent leurs scores à l'intuition : un 2-1 pour la France, un 1-0 pour l'Argentine, un 0-0 prudent pour un match équilibré. Cette approche fonctionne sur quelques matchs, mais sur la durée d'une Coupe du Monde (104 matchs), elle est dominée par une approche statistique rigoureuse.

Sur MPP, le gain ne dépend pas seulement de la justesse du score, mais aussi de sa rareté dans le peloton. Jouer 1-0 sur Argentine-Bangladesh te rapportera peu de points même si tu tombes juste, parce que tout le monde joue 1-0. Le vrai levier, c'est le compromis entre probabilité et rareté.

Le calcul du gain optimal MPP

Pour chaque score possible (de 0-0 à 9-9, soit 100 combinaisons), le gain MPP attendu se calcule ainsi :

Gain attendu = cote Score Exact × probabilité × bonus rareté

Les trois ingrédients :

1. Cote Score Exact : la cote des bookmakers experts pour ce score précis. Plus le score est improbable, plus la cote est haute, plus le gain potentiel est important.

2. Probabilité : la chance que ce score se produise réellement, estimée par le modèle de Poisson bivarié calibré sur les cotes du marché.

3. Bonus rareté MPP : un multiplicateur basé sur la fréquence de ce score dans les votes du peloton MPP. Moins de gens jouent ce score, plus le bonus est élevé.

Stratégie selon ton classement dans ta ligue MPP

Le mode optimal n'est pas le même selon où tu te situes dans ta ligue Mon Petit Prono :

Si tu es en tête (Top 1-3) : joue Leader. Tu veux limiter la variance et empêcher ton dauphin de te dépasser. Le score le plus probable est statistiquement le bon choix défensif. Tu acceptes un gain plus faible en échange d'une probabilité de chute plus faible.

Si tu es en milieu de tableau (Top 5-15) : joue Équilibré par défaut. C'est le mode qui maximise l'espérance de gain sur la durée. À utiliser 80% du temps.

Si tu es en chasse (rang > 50% de ta ligue) : joue Challenger sur 2-3 matchs par journée. Ce mode vise un score plus rare avec un gros bonus. Plus risqué, mais c'est ta seule chance de remonter vite. Pas tous les matchs sinon tu plafonnes plus bas.

Quels matchs jouer en priorité ?

Tous les matchs de la Coupe du Monde ne se valent pas pour MPP. Les matchs serrés entre équipes de même niveau (favori léger) ont une distribution de scores plus étalée, donc plus d'opportunités de bonus rareté. Les matchs avec un gros écart de niveau (Brésil-Bolivie type) ont une distribution concentrée sur 2-3 scores → tout le monde joue pareil → bonus quasi-nul.

Concrètement : sur un Brésil-Curaçao, tout le monde joue 3-0 ou 4-0. Même si tu tombes juste, tu gagnes ce que tout le monde gagne. Sur un Allemagne-Pays-Bas, la dispersion est plus grande → plus de marge pour se démarquer.

Les pièges classiques sur MPP

Piège 1 — Sur-jouer le 1-0 : c'est le score le plus probable au foot, donc le plus joué. Résultat : bonus rareté ridicule. Sauf en mode Leader strict, évite-le.

Piège 2 — Le "score chauvin" : jouer un 3-1 pour la France contre une équipe modeste parce que "ils vont marcher dessus". L'écart de niveau réel est rarement aussi tranché que perçu. Fais confiance aux cotes des bookmakers sharp.

Piège 3 — Changer de mode tous les matchs : si tu joues Leader sur un match et Challenger sur le suivant, tu te disperses. Choisis une ligne (Équilibré par défaut, variations ponctuelles) et tiens-la.

Score Parfait fait tout le calcul pour toi

Plutôt que de faire ces calculs à la main pour chaque match, Score Parfait te donne directement les 3 scores optimaux (Leader, Équilibré, Challenger) pour chacun des 104 matchs de la Coupe du Monde 2026. Tu choisis le mode selon ton classement, tu valides, et tu maximises tes chances de gagner ta ligue MPP.

Comment fonctionne notre modèle statistique en détail

Du marché des bookmakers à une probabilité par score

Le point de départ du modèle, ce sont les cotes 1X2 et Score Exact des bookmakers experts — ceux qui acceptent les paris les plus importants sans plafonner et dont les cotes sont reconnues comme les plus précises du marché. Ces cotes incluent une marge implicite (l'overround : la somme des probabilités impliquées dépasse 100% car le bookmaker se rémunère sur la différence). Avant d'utiliser ces cotes, il faut donc les "dévigoriser" — c'est-à-dire retirer cette marge pour obtenir des probabilités neutres.

Plusieurs méthodes existent (proportionnelle, Shin, logit). Notre pipeline utilise la méthode POWER, qui élève chaque cote inversée à un exposant k calibré tel que la somme des probabilités égale 1. POWER est reconnue comme la moins biaisée pour les marchés à fort favori-longshot bias (le biais récurrent qui fait que les outsiders sont surcôtés et les favoris sous-côtés en cote brute). Sur les marchés 1X2 de football, POWER reconstitue des probabilités qui collent à ~1-2 points de la vérité empirique sur de grands échantillons.

Le modèle Poisson bivarié

Une fois les probabilités 1X2 dévigées, on en déduit deux paramètres : λA et λB, le nombre attendu de buts marqués par chaque équipe. Sous l'hypothèse Poisson, P(A marque exactement i buts) = exp(−λA) · λA^i / i!, et idem pour B. Si on suppose l'indépendance des deux nombres de buts (modèle Poisson "naïf"), la probabilité d'un score (i,j) est simplement le produit P(A=i) × P(B=j). Sommé sur les scores où i>j on retrouve la cote du "1", sur i=j on retrouve la cote du nul, etc.

Mais en pratique, le Poisson naïf sous-estime systématiquement les scores serrés (0-0, 1-1, 1-0, 0-1). C'est un fait empirique observé sur des dizaines de milliers de matchs : les défenses se replient en fin de match quand le score est serré, ce qui crée une corrélation négative entre buts à faible score. Pour corriger, on applique la correction de Dixon-Coles, une matrice de pondération τ(i,j; λA, λB, ρ) appliquée aux quatre cases (0-0, 0-1, 1-0, 1-1) avec un paramètre ρ calibré empiriquement. Cette correction redistribue 2 à 4% de masse vers les scores serrés et permet au modèle de mieux coller à la distribution réelle des scores de football.

Les templates de profil de match

Le Poisson bivarié corrigé Dixon-Coles est précis pour les matchs "moyens", mais il a une faiblesse sur les profils extrêmes : matchs avec un très gros favori (le modèle sous-estime alors les scores type 4-0 ou 5-1), matchs très ouverts (sous-estimation des 3-2 et 2-3), et matchs où un nul est très probable (sous-estimation des 0-0). Pour traiter ces cas, nous ajoutons une couche "templates".

Un template est une matrice de pondération empirique apprise sur 1248 matchs de Coupes du Monde historiques. Quatre templates : crush (favori écrasant), fav (favori léger), tight (match serré), draw (nul probable). Pour chaque match à pronostiquer, on calcule un score de similarité avec chaque template, et on blend la grille Poisson-Dixon-Coles avec les templates pondérés.

La formule finale : grid_final = (1 − w_tpl) × grid_poisson_DC + w_tpl × Σ wi × template_i, où w_tpl = 0,4 (calibré par grid search) et les wi sont déduits de la similarité de profil. Cette architecture (Poisson conditionnel combiné aux templates de profil) capture à la fois la précision du marché des bookmakers et la connaissance empirique des profils de matchs de Coupe du Monde.

Calibration α et paramètres TS optim

Trois paramètres pilotent le modèle : α (concentration de la distribution du peloton autour du score modal — pilote les bonus rareté), w_tpl (poids des templates dans le blend), t_draw (seuil de probabilité du nul au-dessus duquel on bascule sur le template "draw"). Le triplet calibré actuellement (depuis le 15 juin 2026, en cours de CdM) est : α=1.5, w_tpl=0.4, t_draw=0.35. Ce triplet a été obtenu par grid search sur les 20 premières observations de la compétition (J1+J2+début J3), en maximisant le total de points MPP cumulés rétroactivement.

Pourquoi nous battons le peloton en moyenne

L'edge mesuré sur les 104 matchs de la CdM 2026

Post-Finale, la performance de nos 3 stratégies sur l'ensemble du tournoi est mesurée : Leader Top 2,5 %, Équilibré Top 8,3 %, Challenger Top 11,9 % parmi les 3,8 millions de joueurs MPP. Les 3 stratégies battent le joueur médian MPP (3 609 pts) de +22 % à +32 % selon la stratégie.

L'edge n'est pas uniforme sur toutes les phases : les phases de poules ont dégagé la majeure partie de l'écart via des "coups" où le modèle a anticipé des scores rares avec un bonus jackpot (voir exemples ci-dessous). Sur les phases finales, le gain relatif se resserre — moins de matchs à surprises, plus de scores serrés type 1-0/1-1/0-1 largement joués par le peloton.

Exemple 1 — Haïti vs Écosse, 0-1

Le 13 juin 2026, Écosse l'emporte 1-0 sur Haïti dans un match piège. Le peloton MPP était massivement positionné sur l'Écosse (89% sur le "2"), mais le score précis 0-1 n'était joué que par 13% des joueurs ayant pris l'Écosse (donc ~12% du peloton total). Notre modèle, mode Équilibré, recommandait 0-1 avec un bonus rareté +50 points. Au total : cote du "2" + bonus rareté = ~50 points sur ce match là où le joueur moyen en marquait 25-30.

Exemple 2 — Iran vs Nouvelle-Zélande, 2-2

Le 16 juin, le match Iran-NZ se termine sur un improbable 2-2. Le peloton MPP n'avait personne ou presque sur ce score : le 2-2 cumulait moins de 0,5% des votes. C'est un tier "Ultra rare" avec bonus +100 points. Le mode Challenger du modèle proposait précisément des scores nuls à 2 buts comme ouverture. Là où la quasi-totalité du peloton a marqué 0 (pas le bon résultat) ou très peu (résultat juste mais score loin), un joueur Challenger avec le bon profil de match a pu encaisser 116 points sur un seul match.

Pourquoi le marché des bookmakers experts ne suffit pas

Une question légitime : si les bookmakers experts sont si précis, pourquoi battent-ils si bien le peloton MPP ? La réponse tient à deux phénomènes distincts.

Premièrement, beaucoup de joueurs MPP ignorent les cotes et jouent au feeling — chauvinisme, intuitions, paris affectifs. C'est statistiquement sous-optimal. Deuxièmement, même un joueur qui suit les cotes 1X2 reste exposé à un biais structurel : il joue le 1-0 ou le 2-1 du favori léger, comme tout le monde. Le bonus rareté MPP n'est pas dans ses calculs. C'est précisément l'optimisation EV × bonus qui dégage notre edge — et elle n'est pas faisable sans modélisation systématique.

Les limites du modèle : ce que nous n'arrivons pas à faire

Les upsets sont par nature imprévisibles

Le modèle suit les bookmakers experts. Quand les bookmakers se trompent, nous nous trompons aussi. Sur la J3 de la CdM 2026, trois matchs se sont terminés sur un nul que personne n'attendait : Spain 0-0 Cape Verde, Belgium 1-1 Egypt, Saudi Arabia 1-1 Uruguay. Sur ces trois rencontres, le marché donnait des cotes 1X2 fortement penchées vers le favori (Spain à 1,18 ; Belgium à 1,40 ; Uruguay à 1,55). Le modèle, en suivant ces probabilités, recommandait des scores type 2-0 ou 1-0 pour le favori. Trois nuls, trois recos ratées.

C'est la nature même de la statistique : un match à 80% de probabilité de victoire d'une équipe se solde par une défaite ou un nul dans 20% des cas. Sur 24 matchs de J3, on s'attend à ~5 résultats "surprenants". On en a eu 4 ou 5 — pile dans la zone statistique. Le modèle n'est pas "cassé" ; c'est juste que la part d'aléa du sport joue toujours.

Les blessures et compositions de dernière minute

Notre modèle ingère les cotes des bookmakers au plus tard quelques heures avant le coup d'envoi. Si un joueur clé déclare forfait 30 minutes avant le match, ou si un coach annonce une compo surprise (rotation massive, jeunes lancés), les cotes intègrent cela en temps réel mais notre snapshot peut être périmé. À l'échelle d'une compétition, ce biais est marginal (1-2 matchs sur 104). Mais sur un match donné, il peut expliquer un raté.

Les facteurs hors statistique

Météo extrême, sanctions disciplinaires en cours de match, faits de jeu inhabituels (CSC, expulsion précoce, penalty contesté)… autant d'événements qui font basculer un match au-delà de toute prévision statistique. Le modèle traite chaque match comme un échantillonnage d'une distribution de probabilités ; il ne "regarde pas" le match. Sur la durée d'un tournoi, ces facteurs s'équilibrent ; sur un match isolé, ils peuvent dominer.

Honnêteté intellectuelle

Score Parfait n'est pas un outil de divination. C'est un outil d'optimisation statistique qui maximise ton espérance de gain sur la durée d'une compétition. Il te donnera plus souvent raison qu'un joueur lambda, mais il aura tort, parfois sur des matchs apparemment évidents. La bonne grille de lecture : tu n'es pas en train de prédire le futur, tu es en train d'optimiser un portefeuille de paris. Comme un fonds d'investissement bien géré, le bilan se mesure à la saison, pas au match.

Calibration automatique du modèle

Pourquoi recalibrer en cours de compétition

Le paramètre α (concentration du peloton autour du score modal) pilote directement nos bonus rareté estimés. Mais α n'est pas connu a priori : il dépend de la dynamique du peloton MPP, qui évolue d'une compétition à l'autre. Sur l'Euro 2024, par exemple, α était proche de 1,2 ; sur la CdM 2022, plutôt 1,8 ; sur la CdM 2026 en cours, le grid search a convergé sur α=1,5. Sans recalibration, on serait piégé par les hypothèses historiques.

Le pipeline d'enrichissement

Après chaque journée de matchs, nous collectons les shares peloton finales de MPP (qui jouait quoi, sur quel résultat) et nous les ajoutons à notre fichier d'observations. Chaque observation est un tuple : (équipes, score final, share 1X2 du peloton, share score exact, conditional share). À 20+ observations, nous lançons un grid search sur les paramètres (α, w_tpl, t_draw) en maximisant le total cumulé de points MPP que le mode Équilibré aurait obtenu rétroactivement.

Pourquoi un grid search et pas une régression

La fonction objectif (points MPP cumulés) est non différentiable à cause des bonus rareté en tiers discrets (+20, +30, +50, +70, +100). Une régression classique ne converge pas sur ce type d'objectif. Le grid search est plus lent mais robuste : on teste explicitement (par exemple) 9 valeurs de α × 5 valeurs de w_tpl × 7 valeurs de t_draw = 315 combinaisons, et on garde la meilleure. C'est computationnellement abordable et garanti à converger sur l'optimum local de la grille.

Quand on bascule en production

Un nouveau triplet calibré passe en production uniquement s'il améliore strictement le total de points sur l'historique de la compétition en cours. Pas de changement basé sur les compétitions passées : on respecte le régime statistique du tournoi actuel. C'est cette discipline qui nous a permis de basculer du triplet "baseline" (α=3,0 par défaut) au triplet "TS optim" (α=1,5, w_tpl=0,4, t_draw=0,35) le 15 juin 2026, avec un gain mesuré de +47% rétroactif sur les 20 premières observations.