Le football : une excuse pour être heureux !
C’est lors d’une activité universitaire que j’ai découvert ScoutDecision pour la première fois. Ce jour-là, Miguel m’a montré que même quelqu’un avec un profil apparemment éloigné du football (oui, nous sommes ingénieurs) pouvait avoir un impact significatif sur ce sport magnifique. À partir de ce moment, j’étais comme un enfant avec un rêve — nourri par une obsession des données. (Au passage, Moneyball est un chef-d’œuvre !) Mon objectif pour mon mémoire de master était clair : identifier des joueurs techniquement talentueux dans les divisions inférieures capables de performer au même niveau que ceux des compétitions élites, en laissant les données s’exprimer et définir une frontière d’efficacité. Le scouting est un processus incroyablement complexe. D’abord, parce qu’il n’existe pas une seule “bonne” façon d’évaluer les joueurs — chaque scout a sa propre méthodologie et ses croyances, ce qui fait que le même joueur peut être évalué différemment selon les scouts. Ensuite, parce qu’il n’y a pas de formule magique définissant le talent. Le talent est un concept abstrait et multifacette, rendant chaque joueur unique et difficile à évaluer avec certitude absolue. Enfin, le scouting est très subjectif ; parfois, il est difficile d’exprimer par des mots ce que l’on voit (ce fameux “œil du coach” inexplicable). Ma mission était de répondre à certains de ces défis en structurant le processus de scouting de manière claire et objective — aidant ainsi les clubs et parties prenantes à rationaliser leurs convictions et soutenir la prise de décision. Pour cela, j’ai développé un Modèle Multi-Critères de Performance des Joueurs — un point de départ pour les tâches d’observation sur le terrain : le DataScouting. Mais j’ai vite réalisé que le scouting ne peut pas être standardisé. Les besoins et préférences de chaque club varient selon leur vision, leur style de jeu et les caractéristiques recherchées chez les joueurs. C’est pourquoi il est devenu essentiel d’intégrer les préférences des décideurs (Chief Scout, Directeur Sportif ou Entraîneur) dans le modèle. Cette approche m’a permis de : Identifier le groupe de critères les plus valorisés pour chaque poste et/ou fonction selon le contexte de l’équipe. Sortir de l’idée que tous les critères ont le même poids — certains attributs comptent davantage pour certains postes ou rôles. Reconnaître que les critères ne sont pas isolés — certains attributs créent des synergies, améliorant la performance globale. Rendre le processus transparent pour tous les acteurs, en établissant un profil joueur clair et intuitif pour chaque poste. Rien ne m’aurait rendu plus fier que de mettre en œuvre ce projet dans mon club — celui qui m’a formé — le Sporting Clube da Covilhã. La première étape ? Adapter le modèle au contexte du club : quelle est sa vision ? D’où viennent généralement les joueurs ? L’étape suivante fut la collecte de données. Le club n’avait jamais eu de département de scouting formel. Étant donné le succès mondial de la base de données Football Manager pour le recrutement, j’ai utilisé ses données comme base pour mon processus. La priorité de l’équipe était de renforcer le poste d’attaquant, ce qui a conduit à définir deux profils distincts : attaquant fixe et attaquant mobile. Compte tenu des contraintes financières du club, les joueurs ciblés venaient de la quatrième division (Campeonato de Portugal). Cependant, pour établir une référence qualitative, j’ai aussi collecté des données sur des attaquants des deuxième et troisième divisions (Liga 2 et Liga 3). Le décideur a sélectionné le groupe de critères pour chaque scénario et a classé ceux qu’il valorisait le plus pour chaque profil d’attaquant. Puis, il a identifié les effets de synergie entre attributs et ajusté les échelles en conséquence. Les résultats ? • Attaquant fixe : sur 229 attaquants évalués, 38 étaient sur la frontière d’efficacité, mais seulement 7 jouaient en Campeonato de Portugal. • Attaquant mobile : 57 attaquants classés efficaces, dont 18 venaient du Campeonato de Portugal. • Un seul attaquant était commun aux deux profils. Ce groupe de joueurs efficaces identifiés a ensuite servi de référence pour les tâches de scouting sur le terrain. Les attaquants hors de la frontière d’efficacité ont également été évalués, ce qui a permis d’identifier les critères dans lesquels ils présentaient encore des lacunes par rapport aux joueurs efficaces. De plus, le classement des attaquants inefficaces a permis d’évaluer leur proximité avec la frontière d’efficacité, offrant des indications sur leur potentiel de progression. À la fin du projet, le modèle a aussi servi d’outil de validation pour le processus de scouting. Les joueurs identifiés par le décideur ont été testés par rapport au modèle : deux sur trois ont été classés efficaces, tandis que le troisième se situait en septième position, très proche du seuil d’efficacité. Cela a fourni une confirmation basée sur les données de l’évaluation du décideur. Au final, un scout est plus qu’un simple détecteur de talents — c’est un facilitateur de décision. Après tout, si un ingénieur pouvait diriger l’équipe nationale du Portugal, peut-être y a-t-il une place pour les ingénieurs dans le football.
