Stats avancées en NBA : comprendre ce que le box score ne montre pas

En 2025-26, Luka Dončić est le meilleur scoreur de la NBA avec 33.5 points par match. Pourtant, selon l'EPM (Estimated Plus-Minus), la métrique d'impact la plus précise disponible au public, le joueur qui pèse le plus sur le résultat de son équipe n'est pas Dončić. C'est Shai Gilgeous-Alexander, avec un EPM de +11.0 : concrètement, quand SGA est sur le terrain, OKC marque 11 points de plus par 100 possessions. C'est l'EPM le plus élevé jamais enregistré depuis 2001 (source: Dunks & Threes). Le meilleur scoreur et le joueur le plus impactant ne sont donc pas forcément la même personne (et c'est même rarement le cas dans l'histoire récente).

Le problème avec les stats classiques

Points, rebonds, passes décisives. Depuis les débuts de la NBA, ces trois chiffres résument la performance d'un joueur dans l'esprit du public. On juge un scoreur à ses points par match, un intérieur à ses rebonds, un meneur à ses assists. C'est simple, immédiat, tout le monde comprend.

Le problème, c'est que ces stats ne disent rien sur l'efficacité. Un joueur qui plante 25 points en prenant 30 tirs n'a pas le même impact qu'un joueur qui en met 20 en 12 tentatives. On a tous en tête ce type de profil: gros volume, gros chiffres au box score, mais une équipe qui ne gagne pas quand ça compte. Les rebonds, pareil. Ils ne distinguent pas un défenseur qui arrache la balle sous pression d'un pivot qui ramasse un ballon que personne ne contestait. Et une passe décisive perd de sa valeur quand le créateur perd le ballon cinq fois par match pour en distribuer six.

Ajoutez à ça le rythme de jeu. En 2025-26, la NBA bat des records: les équipes jouent à un rythme moyen de 100.2 possessions par 48 minutes, un des plus élevés en 30 ans de données play-by-play (source: NBA.com). Plus de possessions, plus de tirs, plus de points, de rebonds et de passes. Un joueur qui tourne à 20 points dans une équipe qui joue lentement n'a pas la même production réelle qu'un joueur à 20 points dans une équipe qui sprinte à chaque possession. Les stats brutes ne corrigent pas cette distorsion.

Dean Oliver et les quatre facteurs du basketball

En 2002, un statisticien nommé Dean Oliver publie Basketball on Paper. Un livre qui ne ressemble à rien de ce que le monde du basket a produit jusque-là. Oliver pose une question simple: quels sont les facteurs qui déterminent si une équipe gagne ou perd? Sa réponse tient en quatre métriques, qu'il appelle les "Four Factors".

Ce qui rend cette approche redoutable, c'est sa puissance prédictive. En 2024-25, ces quatre facteurs (mesurés en attaque et en défense, soit huit variables au total) expliquaient 96% de la variance dans le nombre de victoires des équipes NBA (source: Charting Hoops, 2025). Huit chiffres. 96% de précision. Les points par match, eux, ne vous donnent qu'un fragment.

Oliver ne s'est pas arrêté à la théorie. Il est devenu le premier consultant en analytics de l'histoire de la NBA, travaillant pour les Seattle SuperSonics puis les Denver Nuggets comme directeur de l'analyse quantitative. À l'époque, la plupart des dirigeants NBA le regardaient avec scepticisme. Ça n'allait pas durer.

De Hollinger à Morey : comment les chiffres ont conquis la NBA

Pendant que Dean Oliver posait les bases théoriques, un autre personnage faisait entrer les stats avancées dans le vocabulaire courant. En 1996, John Hollinger lance Alleyoop.com, un site où il développe le PER (Player Efficiency Rating), une métrique qui tente de résumer la productivité d'un joueur en un seul chiffre. On y reviendra en détail dans un article dédié, parce que le PER a autant de qualités que de défauts. Retenez pour l'instant que c'est la première stat avancée à toucher le grand public. Hollinger rejoindra ESPN, puis les Memphis Grizzlies en tant que VP des opérations basket en 2012.

Le tournant majeur arrive avec Daryl Morey. En 2006, il rejoint les Houston Rockets comme assistant GM, puis prend les commandes en 2007. Sa particularité: il n'a jamais joué ni entraîné au basket. Son parcours vient en totalité de la data, après un passage chez EY-Parthenon et un travail pour les Celtics sur des modèles d'aide à la décision pour la draft et le scouting.

Morey impose à Houston une philosophie radicale: maximiser les tirs à haute valeur attendue. En pratique, tirer près du cercle ou derrière la ligne à 3 points, et éviter le mid-range. Pourquoi? Parce que les données sont limpides: un tir à 3 points à 36% de réussite rapporte 1.08 point attendu par tentative (0.36 × 3), contre 0.90 pour un tir à 2 points à 45% (0.45 × 2). C'est de l'espérance de gain pure: on ne prend pas le tir qui "semble" bon, on prend celui qui rapporte le plus sur le long terme. Cette approche, surnommée "Moreyball", va transformer la NBA.

Pour le meilleur et, parfois, pour le moins bon. Poussée à l'extrême, cette logique donne des matchs où deux équipes se bombardent de 3 points ratés pendant 48 minutes, sans un mouvement offensif créatif. Les données sont un outil formidable, tant qu'elles ne finissent pas par dicter le jeu au point de le vider de ce qui nous fait l'aimer.

Morey co-fonde aussi le MIT Sloan Sports Analytics Conference, devenue la grand-messe annuelle de l'analyse sportive. Aujourd'hui, les 30 franchises NBA disposent de départements analytics. Ce qui était avant-gardiste en 2007 est devenu la norme.

Pace, Offensive Rating, Net Rating: le socle à maîtriser

Avant d'aller plus loin dans la série, trois métriques à connaître. Elles forment le socle sur lequel tout le reste repose.

Le Pace : à quelle vitesse une équipe joue

Le Pace mesure le nombre de possessions par 48 minutes. Une possession, c'est une séquence offensive qui se termine par un tir, une perte de balle, un lancer franc ou un rebond défensif adverse. Plus le Pace est élevé, plus l'équipe joue vite, et plus elle génère d'opportunités de scorer (et d'en encaisser).

En 2025-26, la ligue tourne en moyenne à 100.2 possessions par 48 minutes, un des plus hauts rythmes sur 30 ans de données (source: NBA.com). Les stats brutes (points, rebonds) sont donc bien sûr gonflées par rapport aux saisons précédentes. C'est pour ça qu'on utilise des stats "par 100 possessions": pour comparer des pommes avec des pommes.

L'Offensive Rating (ORtg) et le Defensive Rating (DRtg)

L'Offensive Rating (ORtg) mesure combien de points une équipe marque par 100 possessions. Le Defensive Rating (DRtg) mesure combien elle en encaisse par 100 possessions. En ramenant tout à 100 possessions, on neutralise l'effet du rythme et on peut comparer n'importe quelle équipe entre elles.

En 2025-26, la moyenne de la ligue avoisine 115.7 points pour 100 possessions en attaque, un record historique qui dépasse le précédent de 115.3 établi en 2023-24 (source: Sportico). Six des neuf dernières saisons ont battu un nouveau record d'efficacité offensive. La NBA n'a jamais scoré autant, et ce n'est pas un hasard: c'est le résultat direct de la révolution analytique appliquée au tir.

Le Net Rating : l'indicateur synthétique

Le Net Rating, c'est ORtg moins DRtg. Si une équipe marque 118 points par 100 possessions et en encaisse 107, son Net Rating est de +11. Sur un échantillon suffisant de matchs, c'est l'un des meilleurs indicateurs de la qualité réelle d'une équipe, plus fiable que le bilan victoires-défaites qui peut être biaisé par la chance dans les matchs serrés. Mais il ne dit rien sans contexte, comme toute statistique.

*Données au 7 avril 2026 (source: NBA.com/stats)

Prenez les Cavaliers. Un Net Rating de +4.6, ça interpelle quand on se souvient de leur saison 2024-25 où ils dominaient la conférence Est. Ce chiffre serait trompeur si on s'arrêtait là : Cleveland a été ravagé par les blessures cette saison. Jarrett Allen n'a joué qu'une quinzaine de matchs (doigt cassé, puis tendinite au genou), Donovan Mitchell a manqué plusieurs séquences, et aucun joueur du roster n'a disputé la totalité des matchs (source: Basketball Reference, ESPN). Ce +4.6, en nette remontée après un début de saison difficile, reflète autant les absences que la qualité de l'équipe au complet. C'est une leçon pour toute la suite de cette série : une statistique sans contexte est une statistique trompeuse.

Ce que les statistiques classiques cachent sur le Thunder et les Spurs

Oklahoma City est le cas d'école parfait. Si vous regardez les points marqués par match, le Thunder ne domine pas le classement des attaques. L'équipe se situe autour du 8e rang en ORtg (118.6). En statistiques classiques, vous pourriez penser "bonne attaque mais sans plus".

Sauf que son DRtg de 107.5 est le plus bas de la ligue (en défense, plus c'est bas, mieux c'est). Résultat : un Net Rating de +11.7, le meilleur de la NBA et l'un des plus élevés de la dernière décennie. Shai Gilgeous-Alexander en est le moteur. Ses stats classiques sont déjà impressionnantes (31.4 points, 6.5 passes, 55% au tir), mais c'est dans les métriques d'impact qu'il écrase la concurrence. Son EPM de +11.0 (source: Dunks & Threes), le plus élevé jamais enregistré, le place au sommet de la ligue. Ses 15.0 Win Shares mènent la NBA. SGA ne se contente pas de scorer : il rend toute son équipe meilleure des deux côtés du terrain.

Mais le cas le plus frappant de cette saison se trouve peut-être à San Antonio. Victor Wembanyama tourne à 24.8 points, 11.2 rebonds et 3.1 contres par match (meilleur contreur de la ligue). Des chiffres classiques impressionnants, mais qui ne racontent pas l'essentiel. Quand Wemby est sur le terrain, le DRtg des Spurs tombe à 103.9. Quand il est sur le banc, il remonte à 116.1. Un écart de 12 points par 100 possessions, sur un seul joueur. San Antonio affiche un bilan de 60-19 (2e de l'Ouest) et un Net Rating de +8.3. C'est le genre d'impact que les points par match ne captent pas.

Si vous ne regardiez que les points par match pour déterminer le meilleur joueur, vous parleriez de Dončić (33.5 PPG). Les front offices NBA, eux, regardent l'EPM, le Net Rating et les Win Shares. Et ils voient SGA et Wemby.

La timeline de la révolution analytics en NBA

Limites et pièges à éviter

Les stats avancées corrigent les défauts des stats classiques, mais elles en créent d'autres si on les utilise sans recul. Quelques règles à garder en tête.

La taille de l'échantillon change tout. Un Net Rating calculé sur 10 matchs n'a pas la même fiabilité qu'un Net Rating sur 70 matchs. En début de saison, les stats fluctuent dans tous les sens: une équipe peut afficher un ORtg de 120 sur deux semaines puis retomber à 112 le mois suivant. Les analystes sérieux ne tirent pas de conclusions avant 20 à 25 matchs, et même à ce stade, la prudence reste de mise. Un classement en novembre, c'est une tendance. Pas un verdict.

Le contexte est aussi important que le chiffre. On l'a vu avec Cleveland: un Net Rating en baisse peut refléter un vrai problème ou le fait que deux titulaires ont raté 40 matchs à eux deux. Les blessures, les échanges en cours de saison, le calendrier, tout ça conditionne la fiabilité d'un chiffre. Une stat sans contexte ne veut rien dire.

Les métriques d'impact ont des marges d'erreur. L'EPM, le RAPTOR ou le DARKO reposent sur des modèles statistiques complexes. Un joueur à +6.0 et un joueur à +5.5 ne sont pas par force séparés de manière significative, la marge d'erreur tournant souvent autour de ±1 à ±2 points. Quand l'écart est faible, la bonne lecture c'est "ces deux joueurs sont dans le même tier", pas "le premier est de façon objective meilleur".

Aucune métrique ne remplace le visionnage du jeu. Un modèle statistique ne voit pas un joueur galvaniser ses coéquipiers à 2 minutes de la fin, ni un meneur qui place ses coéquipiers pile là où ils doivent être sans que ça apparaisse dans aucune colonne du box score. Les yeux captent ce que les chiffres ne savent pas (encore) mesurer: le leadership, la communication défensive, le QI basket pur. Les meilleurs analystes combinent toujours les deux, données et film. Ceux qui ne regardent que les tableaux sans jamais allumer un match finissent par dire des choses très intelligentes sur un sport qu'ils ne comprennent pas.

Où consulter ces statistiques vous-même ?

Si vous voulez creuser, voici les sites de référence que nous utilisons dans cette série. Tous sont gratuits ou en partie gratuits.

La suite : comprendre l'efficacité réelle d'un scoreur

Vous savez maintenant pourquoi les stats classiques sont insuffisantes, d'où vient la révolution analytics, et quels sont les indicateurs de base pour lire le jeu de façon différente. Reste une question: si les points par match ne mesurent pas l'efficacité d'un scoreur, qu'est-ce qui la mesure ? La réponse s'appelle le True Shooting Percentage. C'est le sujet du prochain article de cette série.