, En effet, l'expected goal construit par understat.com, tel que nous l'utilisons à l'heure actuelle, ne semble pas prendre en considération toutes les variables que nous souhaitons utiliser pour construire cette mesure. Par exemple, un ajustement de la probabilité selon le joueur ayant tiré semble nécessaire : « un tir de Messi a plus de chances de finir au fond des filets, qu'une frappe de Mitroglou, ceteris paribus, Bien que les résultats précédents mettent en évidence un intérêt certain pour l'expected goal dans le but d'établir les probabilités d'issues de rencontre lors d'un match de football, cette mesure n'est pas sans faille

É. Dans-cette, Le comparatif plutôt encourageant de l'utilisation de l'expected goal, via l'expected outcome, par rapport à l'issue réelle d'un match, doit donc être relativisé. Premièrement, notre objectif est l'obtention de probabilités d'un bien plus grand nombre d'évènements : score final, score à la mi-temps, buteur, équipe qui ouvre le score etc? Deuxièmement, l'écart de qualité entre les deux modèles (issue espérée vs issue réelle) est faible et ne permet donc pas à l'heure actuelle de garantir sa réelle pertinence. Ainsi, se sont, nous avons pris parti pour un modèle relativement simple, ne s'intéressant qu'à l'issue du match

, D'une manière plus générale, les deux modèles construits ne sont pas de qualité suffisante. C'est au niveau des variables explicatives qu'il faut également réfléchir. Deux pistes semblent d'ores et déjà incontournables. La première a déjà fait l'objet d'une étude sur le rugby, 2014.

, il s'agit de l'intégration d'avis d'experts. La deuxième est la composition et le schéma tactique de l'équipe donnés par la feuille de match

. Bibliographie,

L. Champagne, L. Gerville-réache, and S. Tiarks, Construction de cote : l'exemple du pari à handicap au Top 14, Journées de statistique, p.6, 2014.
URL : https://hal.archives-ouvertes.fr/hal-01017084

L. Champagne and L. Gerville-réache, Autour des procédures de classement, Journal de la société française de statistique, vol.156, issue.2, pp.5-24, 2015.

J. L. Foulley, Tentative d'évaluation et de classement des 16 équipes de l'Euro, 2012.

A. Langville and C. D. Meyer, Who's one ? : The Science of Rating and Ranking, 2012.

K. Massey, Statistical Models Applied to the Rating of Sports Teams, 1997.

A. Rathke, An examination of expected goals and shot efficiency in soccer, preceding 6th ISPAS. International Society of Performance Analysis of Sport, pp.514-529, 2017.

S. Borøy-johnsen, Beating the bookmakers using artificial neural networks to profit from football betting, these, 2017.

J. Ensum, R. Pollard, and S. Taylor, Applications of logistic regression to shots at goal in association football: Calculation of shot probabilities, quantification of factors and player/team, Journal of Sports Sciences, vol.22, issue.6, p.504, 2004.

R. Pollard, J. Ensum, and S. Taylor, Estimating the probability of a shot resulting in a goal: The effects of distance, angle and space, International Journal of Soccer and Science, vol.2, issue.1, pp.50-55, 2004.