La loi de Poisson dans les paris sur le football
La loi de Poisson relie les buts attendus aux probabilités des scores : formule, tableau détaillé, prix des marchés et limites du modèle.
Sur cette page
La loi de Poisson est la façon la plus simple et honnête de passer de « cette équipe devrait marquer environ 1.5 buts » à « cette équipe marque exactement un but dans 33.5% des cas ». Elle part d'un seul nombre, le nombre de buts attendus d'une équipe, et le répartit entre 0, 1, 2, 3 buts et plus. Faites-le pour les deux équipes, combinez les résultats, et vous obtenez une probabilité pour chaque score. La plupart des marchés de buts au football, du score exact au match sans encaisser de but, peuvent recevoir un prix à partir de cette grille.
La formule
Pour une équipe dont le nombre de buts attendus est λ, la probabilité de marquer exactement k buts est :
P(k) = e^−λ × λ^k / k!
Ici, e vaut environ 2.718 et k! désigne la factorielle de k (3! = 3 × 2 × 1 = 6). Prenons une équipe à domicile avec λ = 1.5 et une équipe à l'extérieur avec λ = 1.1. Ce sont des valeurs d'exemple, pas des chiffres de BAI8 :
| Buts | Domicile, λ 1.5 | Extérieur, λ 1.1 |
|---|---|---|
| 0 | 22.3% | 33.3% |
| 1 | 33.5% | 36.6% |
| 2 | 25.1% | 20.1% |
| 3 | 12.6% | 7.4% |
| 4 | 4.7% | 2.0% |
| 5 ou plus | 1.9% | 0.5% |
Les guides de Smarkets et de Pinnacle cités dans les sources détaillent les mêmes étapes, notamment comment estimer λ à partir des forces offensives et défensives.
De deux colonnes à une grille de scores
Si les nombres de buts des deux équipes sont indépendants, la probabilité d'un score s'obtient en multipliant les deux valeurs des colonnes. Pour 1-1 : 33.5% × 36.6% = 12.3%. Pour 1-0 : 33.5% × 33.3% = 11.1%. Voici les six scores les plus probables dans cet exemple :
| Score | Probabilité | Prix juste |
|---|---|---|
| 1-1 | 12.3% | 8.13 |
| 1-0 | 11.1% | 9.01 |
| 2-1 | 9.2% | 10.9 |
| 2-0 | 8.4% | 11.9 |
| 0-1 | 8.2% | 12.2 |
| 0-0 | 7.4% | 13.5 |
En additionnant les cases de différentes façons, vous obtenez des marchés entiers. Les victoires à domicile totalisent 46.4%, les matchs nuls 25.8%, les victoires à l'extérieur 27.8%. Les scores avec trois buts ou plus totalisent 48.2%. La probabilité que l'équipe à domicile n'encaisse aucun but est celle que l'équipe à l'extérieur en marque zéro, soit 33.3%.
Les marchés auxquels elle donne un prix
| Marché | Ce que vous additionnez | Probabilité dans l'exemple | Explication |
|---|---|---|---|
| Score exact | une case | 1-1 : 12.3% | Score exact |
| Plus de 2.5 buts | les cases avec 3 buts ou plus | 48.2% | Plus/moins de 2.5 buts |
| Aucun but encaissé | la ligne 0 de l'autre équipe | domicile : 33.3% | Aucun but encaissé |
| Marge de victoire | les cases par différence de buts | domicile avec 1 but d'écart : 23.2% | Marge de victoire |
| Mi-temps avec le plus de buts | le même calcul, par mi-temps | nécessite une répartition par mi-temps | Mi-temps avec le plus de buts |
Là où elle se trompe
Deux hypothèses posent problème. La première est que les nombres de buts des deux équipes sont indépendants. Dixon et Coles ont constaté que le modèle simple attribue des prix incorrects aux petits scores, 0-0, 1-0, 0-1 et 1-1, et ont ajouté une correction pour ces scores. La seconde est que le rythme auquel une équipe marque reste fixe pendant 90 minutes. Ce n'est pas le cas : une équipe menée attaque, un carton rouge change tout, et la situation de jeu fait varier ce rythme tout au long du match. Enfin, la qualité de toute la grille dépend de λ. Une mauvaise valeur de buts attendus produit une grille fausse qui paraît pourtant précise. Notre guide des xG explique d'où viennent ces valeurs.
Le lien avec BAI8
Les chiffres publiés par BAI8 ne proviennent pas d'un modèle de Poisson. Une fiche part de l'ensemble du marché du résultat du match, après retrait de la marge, puis ajuste les probabilités selon les constats de la recherche, comme l'explique comment BAI8 établit le prix d'un match. La fiche du jour pour Trabzonspor contre SC Freiburg indique Trabzonspor 50.7%, match nul 23.2%, Freiburg 26.1%, et rien de plus. Elle ne publie pas de λ pour les deux équipes : vous ne pouvez donc pas en reconstituer une grille de scores.
Ce que cela ne vous dit pas
La loi de Poisson ne vous dit pas où se trouve la value. Elle vous donne une première estimation méthodique, que vous comparez ensuite à un prix après retrait de la marge. Les bookmakers peuvent utiliser des modèles bien plus élaborés que cette version simple. Un écart entre votre estimation de Poisson et le marché vient donc plus souvent de vos données de départ que d'une erreur de prix.
18+. Ne misez que ce que vous pouvez vous permettre de perdre.
Voyez où se trouve le value sur n'importe quel match
Notre probabilité pour chaque résultat face au meilleur prix parmi plus de soixante-dix bookmakers, pour que vous voyiez quels paris valent la peine d'être pris avant d'en placer un.
Gratuit : 5 analyses par mois. Sans carte.
Questions fréquentes
Qu’est-ce que la loi de Poisson dans les paris sur le football ?
Une formule qui donne la probabilité qu’une équipe marque 0, 1, 2 buts ou plus à partir d’un seul nombre : ses buts attendus. En combinant les distributions des deux équipes, vous obtenez une probabilité pour chaque score. Vous pouvez ensuite en déduire les probabilités pour la plupart des marchés de buts.
Quelle est la formule de Poisson pour les buts ?
La probabilité de k buts est égale à e à la puissance moins λ, multiplié par λ à la puissance k, le tout divisé par la factorielle de k. λ représente le nombre de buts attendus. Avec λ égal à 1.5, la probabilité d’exactement un but est d’environ 33.5%.
Le modèle de Poisson est-il précis pour le football ?
C’est une bonne première approximation et la base de nombreux modèles publiés, à commencer par celui de Maher en 1982. Dixon et Coles ont montré qu’il estime légèrement mal les probabilités des petits scores comme 0-0 et 1-1, et ont proposé une correction. Considérez donc la version simple comme un point de départ.
BAI8 utilise-t-il un modèle de Poisson ?
Pas pour les chiffres qu’il publie. Une fiche BAI8 part de l’ensemble du marché du résultat du match, après retrait de la marge, puis l’ajuste à partir de la recherche. Nous utilisons Poisson dans nos articles explicatifs pour montrer comment fonctionnent les marchés de buts.
Sources
- Maher, Modelling association football scores, Statistica Neerlandica 1982doi.org
- Dixon and Coles, Modelling association football scores and inefficiencies in the football betting marketdoi.org
- Smarkets Help Centre, how to calculate Poisson distribution for football bettinghelp.smarkets.com
- Pinnacle, Poisson distribution, predicting the scorespinnacle.bet
- BAI8 Desk preview, 5 November 2026bai8.app