Stats avancées : les nouvelles idées de la Sloan Sports Analytics Conference

Créée en 2006 à l’initiative de Daryl Morey, le GM des Rockets, la MIT Sloan Sports Analytics Conference réunit chaque année les adeptes des stats avancées. On y parle de l’évolution des sports américains dans un tas de domaines et, cette fois, Barack Obama sera même de la partie pour une discussion sur son passage à la Maison-Blanche et ses futurs projets.

Comme chaque année, des articles de recherche et des idées sont présentés. Certains se penchent sur l’amélioration de la « Win Probability », ces mesures qui tentent d’évaluer en temps réel les chances de succès d’une équipe, au cours d’un match.

Changer les critères d’évaluation des futurs Draftés ?

D’autres s’intéressent à l’analyse spatiale des tirs ratés, expliquant que décrypter comment un joueur réussit et rate ses tirs (trop court, trop long, trop à droite…) dans une zone du terrain peut permettre à l’intéressé de comprendre pourquoi il n’est pas adroit dans une zone du terrain, et pas seulement lui dire qu’il faut simplement éviter cette zone. D’autres encore tentent de voir si les prises à deux sont efficaces, et comment ? D’après l’article, une prise à deux augmente les chances qu’une possession se termine par un tir raté, mais augmente aussi les chances que l’attaque provoque une faute.

Daniel Sailofsky s’est lui penché sur les critères qui permettent le mieux de prévoir la réussite des joueurs universitaires en NBA. D’après son étude, les franchises ont ainsi tendance à privilégier les points, les contres et la taille d’un joueur, ces critères améliorant la position d’un joueur à la Draft, alors qu’ils sont assez peu corrélés à son succès dans la Grande Ligue.

D’autres critères comme le « Rebounding Percentage » (% de rebonds disponibles récupérés par un joueur lorsqu’il est sur le terrain), le « Steal Percentage », le « Free-Throw Rate » (la capacité à aller sur la ligne des lancers et à y être adroit), le « Turnover Percentage » et surtout « l’Assist Percentage » (% des paniers des coéquipiers sur lesquels un joueur a délivré une passe décisive) sont de meilleurs indicateurs sur la réussite professionnelle d’un joueur drafté.

Que se passe-t-il quand on élimine les « mauvais tirs » ?

Une autre étude intéressante se nomme « Replaying the NBA » et propose une analyse de la saison 2015-2016, en modifiant les quantités de mauvais tirs pris par les différentes équipes. Par « mauvais tirs », Nathan Sandholtz et Luke Bornn parlent des tirs à mi-distance contestés, alors qu’il restait plus de 10 secondes à l’horloge des 24 secondes. En éliminant 20% de ces tirs, les deux auteurs de l’article calculent que les équipes auraient généralement gagné entre 0.1 et 0.2 point sur 100 possessions.

La surprise, c’est qu’en éliminant 90% des « mauvais tirs », l’efficacité offensive des équipes… baisse ! L’attaque des Knicks, qui comptait alors Carmelo Anthony, perd ainsi près de 3 points sur 100 possessions.

L’explications, c’est que pour éliminer ces « mauvais tirs » à mi-distance, les équipes doivent allonger les possessions et multiplier les passes, ce qui augmente le nombre potentiel de pertes de balle, notamment pour avoir atteint la limite des 24 secondes. Nathan Sandholtz et Luke Bornn expliquent toutefois que les équipes peuvent maintenir (ou améliorer) leur efficacité offensive en éliminant les tirs à mi-distance, mais qu’il faut pour cela mettre en place une attaque dans ce sens, comme le propose désormais Mike D’Antoni à Houston. Si un coach interdisait simplement à ses joueurs de tirer à mi-distance, sans changer son plan de jeu précédent, cela aurait en effet un impact négatif sur son attaque.

Un programme qui prédit le comportement défensif de l’adversaire

Mais l’idée la plus folle présentée cette année s’appelle sûrement « Bhostgusters ». Le concept, c’est d’analyser toutes les réponses défensives des équipes pour prévoir, en temps réel, ce que va faire une défense lorsqu’on dessine un système.

En clair, un coach dessine son système sur sa tablette et le programme prévoit, à partir de toutes les données récoltées, ce que va faire la défense. Les auteurs assurent qu’on peut même prendre en compte la fatigue de l’adversaire ou le score.

Thomas Seidl, Aditya Cherukumudi, Andrew Hartnett, Peter Carr et Patrick Lucey expliquent ainsi que leur système d’analyse permet également de voir l’évolution défensive en NBA dans le temps. Par exemple, en 2013 (ronds gris clairs), on ne demandait pas encore aux défenseurs de coller systématiquement aux shooteurs dans le corner, et ça se voit par rapport à 2016 (ronds gris foncés), les défenses étant visiblement plus proches des shooteurs dans le coin sur les systèmes dessinés.

Evidemment, les auteurs assurent que leur système s’adapte également aux styles de défense et aux équipes adverses. Par exemple, l’application prend en compte le fait que Houston conteste très peu les tirs à mi-distance, contrairement à Milwaukee, ce qui engendre des différences dans la réaction anticipée des deux équipes face au même système.