Il s'agit simplement de l'abréviation des mots "expected goals" (buts attendus). Cela exprime la probabilité numérique qu'un tir donné finisse dans les filets. Ce qui importe ici, c'est l'endroit du terrain d'où le ballon est parti (un tir à l'intérieur de la surface de réparation a toujours un xG plus élevé que, par exemple, un tir de 20 mètres). Le modèle xG traite des milliers de tirs similaires et leur attribue une valeur comprise entre zéro (pas de but) et un (but). Par exemple, un tir ayant une valeur de 0,1 xG ne trouvera le chemin des filets qu'une fois sur 10. Les valeurs de chaque tir sont ensuite additionnées pour obtenir le xG de l'équipe.
La popularité de cet indicateur augmente principalement en raison du fait que les fans sont intéressés par une compréhension beaucoup plus approfondie du jeu - ils veulent en savoir le plus possible. La valeur xG leur en dira plus sur les performances des équipes, la force de l'attaque, de la défense et même des joueurs. "Il fonctionne très bien, en particulier lorsque nous essayons de prédire des événements futurs. C'est sa plus grande force", déclare Jakub Dobiáš, fondateur de la société tchèque 11Hacks, spécialisée dans l'analyse des données footballistiques.
Comme pour toute analyse, il est nécessaire de disposer d'un maximum d'informations, en l'occurrence le plus grand nombre possible de matches (minutes jouées), à partir desquels les xG sont déterminés. En d'autres termes, l'ensemble de données le moins précis provient d'un seul match, où la chance ou la malchance joue également un rôle important. "Au cours d'un même match, l'écart-type est si important que les valeurs des expected goals et des buts réels peuvent être très différentes. Ainsi, lorsqu'une équipe enregistre 3 xG dans un match, cela signifie qu'il y a une forte probabilité qu'ils aient marqué entre 1,47 et 4,53 buts, même si cela semble contre-intuitif", note M. Dobiáš.
L'analyse fait partie du football depuis des décennies, bien qu'elle ne soit devenue un domaine à part entière que récemment, avec l'avènement de l’informatique. Les xG eux-mêmes ont commencé à se développer au début du millénaire pour devenir ce qu'ils sont aujourd'hui, où il existe de nombreux modèles qui les comptabilisent. Ceux-ci diffèrent en fonction de la quantité d'informations et de critères d'entrée.
Cela dépend également du nombre de variables. Par exemple, certains modèles ne calculent qu'avec le match précédent, ils ne contiennent donc pas assez d'informations. D'autres travaillent avec un nombre beaucoup plus important d'informations et de variables, ce qui leur permet d'obtenir des chiffres beaucoup plus précis. "Nous sommes en train de développer un modèle unique, car nous y ajouterons l'influence du temps. Il s'agit de savoir combien de temps le joueur a mis pour finir dans une situation donnée. Cela nous donnera une autre indication de la probabilité qu'un but ait pu être marqué", explique Dobiáš.
Comme pour toute autre mesure du football, les expected goals ne reflètent pas toujours totalement la réalité. Les xG, par exemple, sont souvent critiqués parce qu'ils prennent en compte le tir moyen, ce qui ne tient pas compte des compétences d'un joueur en matière de finition ou la qualité du gardien de but.
Outre un simple message d'information, les xG peuvent également être utilisés, par exemple, dans le cadre de paris. Il permet de détecter les extrêmes, ce qui pourrait s'avérer utile à l'avenir. Une équipe dont les performances à court terme sont supérieures ou inférieures au nombre de expected goals est susceptible de converger rapidement vers la moyenne.
