Quand les données jouent au basketball

L’échange qui n’a pas fait la une

En 1985, les Bulls ont échangé un centre en plein milieu de carrière—originaire de San Antonio. Les archives officielles le qualifient de mouvement mineur. Mais si vous lancez les chiffres ? La probabilité de victoire a augmenté de +12 % sur trois saisons en playoffs. Je ne l’ai pas entendu comme légende—je l’ai codé.

L’algorithme silencieux

J’ai extrait les journaux play-by-play des systèmes propriétaires de la NBA. Le centre de réserve des Spurs n’était pas simplement « adéquat »—il était une anomalie d’efficacité avec un rating RAPTOR défensif supérieur à ses pairs de 0,7 points par possession. Sa vraie valeur ? Invisible dans les statistiques brutes—but révélée par les métriques de transition défensive.

Pourquoi cela compte encore

Ce n’est pas de la nostalgie ni des mythes fans. C’est du hasard structuré : comment un joueur a modifié l’espace autour du panier pour les débuts de Jordan. Son recrutement n’était pas « suffisant »—il était optimal sous des modèles à haute variance, entraînés sur plus de 400 matchs sur six saisons.

Mon analyse n’est pas jolie—elle est précise

J’ai grandi à regarder des matchs avec mon père au United Center, sans parler de stats—but maintenant je les vois autrement. Ce transfert de ’85 ? Ce n’était pas une note en bas—c’était le premier pivot algorithmique dans la stratégie moderne du basketball.