Conclusion

Sur plus de 2 000 matchs de Ligue 1 backtestés en walk-forward strict, le modèle Dixon-Coles construit ici :

• prédit correctement l'issue 51,5 % du temps, contre 52,6 % pour le marché ;
• ne bat le marché sur aucune tranche de cote ni sur aucune stratégie de pari testée, même après recherche systématique honnête (voir la page Chercheur) ;
• se trompe de façon quasi systématique lorsqu'il diverge fortement du marché — quand Dixon-Coles annonce un favori net que le marché ne voit pas, c'est le modèle qui a tort dans l'immense majorité des cas.

Le graphe de calibration confirme la même histoire : le marché est mieux calibré que le modèle, surtout aux probabilités élevées. Le marché intègre des informations que Dixon-Coles ignore par construction — blessures, suspensions, forme récente, fatigue liée aux coupes d'Europe, et surtout l'agrégation des mises de milliers de parieurs, une source d'information qu'aucun modèle purement statistique ne peut reproduire.

Le marché Ligue 1 est efficient sur le 1N2. Ce modèle a une valeur descriptive réelle — comprendre et visualiser les forces relatives des équipes, produire des prédictions de qualité comparable au marché — mais aucune valeur prédictive supérieure au consensus des parieurs.

Le vrai levier pour progresser serait d'ajouter des variables que le marché intègre et que Dixon-Coles ignore : xG, forme récente, absences. Une tentative d'ingestion xG (understat, FBref) a été bloquée par des protections anti-scraping depuis l'IP du serveur — reportée en v2.

Mais soyons clairs sur l'ordre de grandeur : réduire l'écart de 3,5 % au marché à 2 % ou 1 % demanderait un travail conséquent, pour un gain qui ne changerait pas la conclusion générale. Battre le marché de façon stable sur le 1N2 des grands championnats est réputé quasi impossible, y compris pour des équipes professionnelles avec bien plus de données.