Aller au contenu

Clean sheets : ce que la solidité défensive vaut vraiment

TL;DR IA Lecture rapide

Un clean sheet est un match terminé sans encaisser de but. Ordre de grandeur : une équipe moyenne en signe 25 à 30 % sur une saison, les meilleures défenses 40 à 45 %, les équipes de bas de tableau 15 à 20 %. La moyenne de buts encaissés ne suffit pas à estimer la fréquence des 0 : la loi de Poisson la convertit (1,2 but encaissé par match donne exp(−1,2) ≈ 30 % de clean sheet). Le marché « équipe qui encaisse 0 but » est facturé avec une marge de 6 à 10 %. Règle pratique : échantillon de 10 à 15 matchs séparé domicile/extérieur, seuil de cote = (1 ÷ probabilité estimée) × 1,08, et lecture de l'adversaire avant du contexte. Datafoot montre les statistiques, DoctoBET mesure leur capacité réelle à produire des sélections.

Pourquoi les clean sheets comptent, et ce qu'elles ne disent pas

Un clean sheet est simple à définir : un match terminé sans encaisser de but. La statistique est disponible partout, elle est lisible, elle flatte les bonnes défenses : et c'est précisément pour cela qu'elle est mal utilisée. Un match d'un grand championnat produit de l'ordre de 2,6 à 2,9 buts, soit environ 1,3 à 1,45 but encaissé par équipe. Cette moyenne décrit un volume, pas une fréquence : elle ne dit pas quelle part des matchs se termine à zéro. Le détail des moyennes par mi-temps et par lieu est sur la page buts marqués et encaissés.

Les fréquences observées sont stables. Une équipe moyenne d'un grand championnat signe un clean sheet dans 25 à 30 % de ses matchs. Les meilleures défenses montent à 40 à 45 %, les équipes de bas de tableau descendent à 15 à 20 %. Le score 0-0, lui, représente environ 7 à 9 % des rencontres. Ces repères suffisent à comprendre pourquoi le marché existe : les bookmakers proposent une ligne « équipe qui encaisse 0 but », souvent appelée clean sheet, sur la plupart des rencontres.

Le passage de la moyenne à la probabilité est mécanique, et c'est le point le plus utile de cette page. Si une équipe encaisse λ buts en moyenne par match, la probabilité qu'elle n'en encaisse aucun suit approximativement la loi de Poisson : P(0) = e exposant moins λ. Concrètement : λ = 0,8 donne ≈ 45 % de clean sheet, λ = 1,0 donne ≈ 37 %, λ = 1,2 donne ≈ 30 %, λ = 1,5 tombe à ≈ 22 %. C'est cohérent avec les taux observés et le calcul est expliqué pas à pas dans la loi de Poisson. Une défense solide n'est donc pas une opinion : c'est un λ bas, et l'effet n'est pas linéaire : passer de 1,5 à 1,0 but encaissé fait bondir la fréquence de clean sheet de 22 % à 37 %.

Deuxième utilité, plus opérationnelle : le clean sheet est d'abord une brique de lecture pour d'autres marchés. Un clean sheet attendu élevé pèse directement sur le BTTS Non, pousse vers le Under et sert à écarter une sélection contradictoire. Le xG encaissé (xGA) complète la lecture : une défense qui encaisse peu pour beaucoup de qualité concédée est une défense qui surperforme temporairement, un point détaillé sur la page expected goals.

Le coût réel, mesuré

Premier chiffre : la marge. Sur le marché du clean sheet, la marge bookmaker tourne autour de 6 à 10 %, contre 4 à 6 % sur le 1X2 des championnats liquides. Le marché est à deux issues et moins alimenté, donc plus cher que le marché principal. La mécanique complète de ce prélèvement est détaillée dans l'analyse de la marge bookmaker.

Exemple chiffré. Cote de 1.90 sur « clean sheet ». Probabilité implicite : 1 ÷ 1,90 = 52,6 %. Avec une marge de l'ordre de 8 % sur un marché à deux issues, la probabilité juste : celle qui vaudrait le pari sans marge : ressort autour de 48 à 49 %. Le pari n'est donc neutre que si la probabilité réelle dépasse 52,6 %, soit environ 4 points à trouver sur une donnée publique. Si votre estimation plafonne à 48 %, l'espérance mathématique est de (0,48 × 1,90) − 1 = −0,088, soit environ −9 % par pari. La conversion cote vers probabilité est expliquée dans cotes implicites et probabilités.

Deuxième coût, plus discret : la taille d'échantillon. Un clean sheet est un événement binaire, donc très bruité sur un petit échantillon. Une équipe qui affiche 3 clean sheets sur 8 matchs a un taux de 37,5 % : mais sur 8 observations, l'incertitude autour de cette proportion dépasse ± 16 points. Le chiffre ne distingue pas une vraie défense solide d'une bonne série de circonstances. En pratique, la fréquence commence à être exploitable autour de 10 à 15 matchs, et à condition de séparer domicile et extérieur, car l'avantage du terrain déplace le paramètre dans les deux sens. Les pièges classiques de cette lecture sont recensés dans les erreurs de lecture des statistiques.

Troisième coût : l'inférence de série, et le gardien. Après quatre ou cinq clean sheets consécutifs, la cote baisse mécaniquement : le marché a intégré la série, et vous la payez au prix fort. Or une série de clean sheets est aussi le moment où un gardien surperforme : un gardien qui arrête plus que la moyenne statistique revient vers sa moyenne, ce qui tire la défense vers le bas, pas vers le haut. Le quatrième facteur, enfin, est l'adversaire : sur un match isolé, la capacité de l'adversaire à marquer pèse souvent plus lourd que le taux de clean sheet de l'équipe étudiée. Une attaque adverse productive annule une bonne défense : c'est exactement le genre de contexte que la moyenne de la saison ne capte pas.

Ce que DoctoBET change

Les clean sheets sont disponibles dans le catalogue de statistiques DoctoBET avec les mêmes variantes que les autres métriques : domicile / extérieur, 5 derniers matchs / 10 derniers / saison, mi-temps (P1 / P2), et la série des matchs consécutifs sans encaisser. La donnée brute n'est pas le sujet : elle est publique et comparable d'un site à l'autre.

La différence se joue à l'étape suivante. Le moteur de sélection multicritères croise l'échantillon de données, la tendance statistique et le prix demandé, puis mesure si la tendance a réellement la capacité de produire une sélection à espérance mathématique (EV+) positive, marge incluse. Un taux de clean sheet élevé ne suffit pas : la question posée est « à ce prix, et sur cet échantillon, l'espérance est-elle positive ? ». Datafoot montre les statistiques, DoctoBET mesure leur capacité réelle à produire des sélections.

Trois fonctions rendent le raisonnement vérifiable. La Recherche de Sélections filtre par championnat, seuil de cote et échantillon minimum : une fréquence lue sur 8 matchs n'y passe pas. L'Odd Profiling compare la structure des cotes et signale les écarts anormaux entre l'attendu et l'affiché. Le backtesting vérifie si un filtre construit sur les clean sheets tient sur l'historique réel ou s'il n'était qu'une impression. Le point d'honnêteté compte : sur un marché à 6-10 % de marge, peu de filtres passent le seuil. L'absence de sélection est une information, pas un échec.

Le Verdict ferme la boucle au moment de valider : il convertit la cote en probabilité implicite et en taux de rentabilité requis. Une cote de 2.00 sur un clean sheet exige 50 % de réussite pour atteindre l'équilibre : votre estimation est-elle au-dessus ou en dessous ? La réponse est binaire et ne dépend pas de la conviction.

Comment faire autrement

Règle pratique : trois contrôles avant tout pari sur les clean sheets. Contrôle 1 : l'échantillon : au moins 10 à 15 matchs, séparés domicile / extérieur, et une fréquence lue en nombre de matchs (par exemple 4 sur 12), jamais une impression de solidité. Contrôle 2 : le prix : seuil de cote = (1 ÷ probabilité estimée) × 1,08. Exemple : probabilité estimée de 40 % → 1 ÷ 0,40 = 2,50 → seuil = 2,70. Sous 2,70, aucune sélection, quel que soit le match. Contrôle 3 : le contexte : la capacité de l'adversaire à marquer, les absences défensives, la forme du gardien et l'enjeu. Aucun de ces trois éléments n'est dans la moyenne de la saison.

Exemple chiffré d'arbitrage. Équipe à domicile, 0,9 but encaissé de moyenne sur 12 matchs à domicile, adversaire dont la production attendue est modérée. Estimation de la probabilité de clean sheet autour de 40 %, soit un seuil de cote de 2,70. Le marché propose 2.90 : l'espérance est de 0,40 × 2,90 − 1 = +16 %. Mais si votre estimation de 40 % est en réalité 34 % : mauvais échantillon, adversaire sous-estimé : la même cote donne 0,34 × 2,90 − 1 = −1,4 %. Toute la sélection tient donc à la qualité de l'échantillon et à la lecture de l'adversaire, pas à la cote elle-même. Lire un prix sans estimation de probabilité fiable reste l'erreur décrite dans parier sans vérifier la cote.

Sans outil, la méthode manuelle est identique mais plus lente : relever le nombre de matchs sans encaisser par équipe, séparer domicile et extérieur, estimer la moyenne de buts encaissés, la convertir en probabilité de clean sheet par la loi de Poisson, puis calculer la probabilité implicite de chaque cote (1 ÷ cote) et ne valider qu'au-dessus du seuil. La distinction entre une statistique brute et une statistique actionnable est détaillée dans stats brutes vs stats actionnables.

Règle de structure : traitez le clean sheet comme une brique d'analyse, pas comme un pari par défaut. Il sert d'abord à soutenir une sélection sur un autre marché : BTTS Non, Under, double chance : ou à écarter un pari qu'il contredit. Notez chaque sélection dans un journal de paris et mesurez la fréquence réelle de votre filtre sur 50 paris avant d'augmenter l'enjeu, dimensionné selon la taille de mise rationnelle. Une défense qui n'encaisse pas n'est jamais un signal en soi : elle devient un signal quand elle passe un seuil de prix et un test d'échantillon.

← Buts marqués & encaissés · Séries & streaks →

Ressources liées