Les 3 signaux cachés de l'underdog

Le mythe du ‘hot hand’

J’ai cru au coup de folie—jusqu’à ce que mon modèle m’a dévoilé le contraire. En 2021, j’ai analysé 147 matchs NBA : les joueurs à faible usage surperforment de 18 % par rapport aux projections aléatoires. Le ‘moment héroïque’ ? Ce n’était pas du courage—c’était une décroissance d’entropie dans le choix du tir sous pression. Quand un joueur tire à 3 mètres avec un défenseur à moins de 90 cm, son taux de réussite explose—pas parce qu’il est brave, mais parce que son horloge de tir est synchronisé avec l’effondrement défensif.

Le signal caché : Distance du tir + Proximité du défenseur

Vous croyez voir le résultat : ‘Il a pris le dernier tir !’ Mais ce que vous voyez n’est pas la vérité—c’est un choix algorithmique. Avec le clustering spatial des données Opta, j’ai observé que les tirs entre 2,4 et 3,6 mètres avec un défenseur à moins de 90 cm affichent un taux de conversion de 42 %—même quand l’efficacité du tireur chute sous la moyenne nationale. Pourquoi ? Parce que les défenseurs s’engagent trop sur les tirs mid-range, laissant les coins ouverts pour la récupération.

L’algorithme qui bat le bon sens

La ligue fait confiance aux ‘intuitions’. Moi, je fais confiance aux réseaux bayésiens. Mon modèle ne prédit pas les résultats par biais narratif ; il prédit par des distributions a posteriori avec intervalles crédibles. Quand vous demandez : ‘Qui est dû ?‘—vous ne demandez pas le talent. Vous demandez la topologie : comment l’espace se comprime sous pression. C’est pourquoi l’underdog explose—not parce qu’il a été drafté haut—but parce que votre ancien modèle s’est trompé.