Sharp MMA : comprendre l'outil et sa logique

Sharp MMA est une base de données MMA doublée d’un outil d’analyse. D’un côté, les statistiques officielles de chaque combattant UFC, event par event. De l’autre, un moteur qui transforme ces statistiques en probabilité de victoire, et compare cette probabilité à celle que les bookmakers intègrent dans leurs cotes.

L’outil ne prédit pas qui va gagner. Personne ne le peut : un combat de MMA se joue parfois sur un seul échange. Ce qu’il fait, c’est répondre à une question plus modeste et plus utile — est-ce que le marché valorise correctement ce combattant, au vu de ce que disent ses chiffres ?

L’idée centrale

Une cote contient une probabilité. Une cote de 2,00 correspond à 50 % de chances, une cote de 1,25 à 80 %. Si votre lecture des statistiques vous amène à penser qu’un combattant a 65 % de chances de l’emporter alors que sa cote n’en implique que 50 %, deux choses sont possibles : soit vous avez tort, soit le marché sous-estime ce combattant.

Sur un pari isolé, impossible de trancher. Sur plusieurs centaines de paris, la différence devient mesurable. C’est tout l’objet de ce qu’on appelle un value bet.

Ce que fait le moteur, étape par étape

Le pipeline complet tient en quatre étapes :

1. Les statistiques brutes de chaque combattant sont récupérées depuis les données officielles UFC : frappes par minute, précision, takedowns, soumissions, allonge, âge, record, date du dernier combat.
2. Chaque statistique est ramenée sur une échelle commune entre 0 et 1, sinon une allonge de 190 cm écraserait mécaniquement une moyenne de 1,5 takedown par combat. Voir la normalisation des statistiques.
3. Ces valeurs normalisées sont pondérées par vos coefficients pour produire un score de combattant.
4. L’écart entre les deux scores est converti en probabilité de victoire, puis comparé à la cote pour produire la value et l’edge.

Ce qui vous appartient dans ce calcul

Le point important : le modèle n’a pas d’opinion propre. Il n’est pas entraîné sur un historique de combats, il n’a rien appris tout seul. Il applique les pondérations que vous définissez.

Si vous pensez qu’un combat entre deux strikers se jouera au volume de frappe, vous montez le coefficient du SLPM. Si vous estimez que la lutte va dicter le combat, vous montez celui des takedowns. Le moteur ne fait que traduire cette conviction en chiffre, de façon cohérente et reproductible sur tous les combats d’une carte.

C’est aussi ce qui rend deux modèles comparables : deux utilisateurs peuvent partir des mêmes données et arriver à des conclusions opposées, puis confronter leurs résultats sur la durée.

Ce que les statistiques ne capturent pas

Il faut être honnête sur les limites. Les chiffres d’UFC Stats décrivent ce qu’un combattant a fait, en moyenne, sur l’ensemble de sa carrière. Ils ne disent rien de :

• une blessure contractée trois semaines avant le combat ;
• un changement de camp d’entraînement ;
• une coupe de poids catastrophique ;
• le style d’adversaire auquel ces moyennes ont été réalisées — 4 frappes par minute contre des adversaires classés ne valent pas 4 frappes par minute sur le circuit régional ;
• la dynamique récente, au-delà de la simple date du dernier combat.

Un modèle statistique est un point de départ rigoureux, pas un verdict. Il sert à repérer les combats qui méritent votre attention, et à éviter que votre intuition dérive d’un combat à l’autre sans que vous vous en aperceviez.

D’où viennent les données

Les statistiques proviennent des données publiques officielles UFC, récupérées automatiquement après chaque event. Les cotes sont soit importées depuis un agrégateur, soit saisies manuellement combat par combat.

Aucune donnée n’est inventée ni extrapolée : quand une statistique est manquante pour un combattant, le moteur applique une valeur neutre plutôt qu’une estimation — un combattant sans historique de combats se voit attribuer un taux de victoire de 50 %, pas une projection.