Le xG mesure la probabilité qu’un tir se transforme en but. Mais que se passe-t-il avant le tir ? Quelle valeur donner à une passe qui déplace le jeu vers une zone dangereuse ? À une conduite de balle qui fait basculer le bloc adverse ? C’est précisément ce que mesure le xT football (l’expected threat), ou menace attendue en français.
Développé à partir des travaux de Karun Singh publiés en 2019, le xT est devenu l’un des indicateurs de référence pour évaluer les actions avec ballon hors cadre de tir. Il permet de quantifier la dangerosité créée à chaque déplacement du ballon sur le terrain, indépendamment du résultat final de l’action.
Cet article explique comment fonctionne le xT, comment il se calcule, ce qu’il apporte que le xG ne mesure pas, et comment les clubs l’utilisent concrètement.
Qu’est-ce que l’expected threat (xT) ?
Le xT (expected threat) est un indicateur qui attribue une valeur de menace à chaque zone du terrain, puis mesure le gain ou la perte de menace générés par une action avec ballon (passe, conduite, dribble).

Le principe de départ est que certaines zones du terrain sont objectivement plus dangereuses que d’autres. Un ballon positionné dans la surface adverse à 12 mètres des cages face au but représente une menace bien supérieure à un ballon dans le rond central. Le xT quantifie cet écart.
Chaque zone du terrain se voit attribuer une valeur xT comprise entre 0 (aucune menace) et 1, sans que les zones les plus dangereuses approchent 1. Quand un joueur déplace le ballon d’une zone à une autre (par une passe ou une conduite de balle), il génère un xT positif s’il progresse vers une zone plus dangereuse, ou un xT négatif s’il recule vers une zone moins menaçante.
Le xT ne mesure pas la probabilité de marquer sur un tir (c’est le rôle du xG). Il mesure la valeur offensive de chaque déplacement du ballon avant que le tir n’existe.
Qui a inventé l’indicateur xT ?
L’idée de donner une valeur à chaque déplacement du ballon est antérieure au xT. En 2011, Sarah Rudd présente au New England Symposium on Statistics in Sports (NESSIS) un cadre d’analyse fondé sur les chaînes de Markov. Chaque action y est créditée de la variation de probabilité que la possession se termine par un but. Ces travaux la mènent chez StatsDNA, une start-up rachetée par Arsenal en 2013.
Karun Singh reprend cette logique et la rend accessible avec son article « Introducing Expected Threat (xT)« , publié en 2018 sur son blog. Son apport est une simplification. L’état du jeu se résume à la seule position du ballon sur une grille 16×12. C’est cette lisibilité qui a fait du modèle de Karun Singh le modèle de valeur de possession le plus connu du football.
Comment le xT est-il calculé ?
Le modèle original de Karun Singh (2019) découpe le terrain en une grille de 192 cellules (16 colonnes × 12 lignes). Pour chaque cellule, le modèle calcule deux probabilités à partir de données historiques de matchs :
- La probabilité de tirer depuis cette zone
- La probabilité de marquer si le tir est effectué depuis cette zone
La valeur xT d’une cellule combine la possibilité de marquer directement et celle de créer une meilleure situation après un déplacement ultérieur du ballon. Plus une zone est proche du but et bien positionnée, plus sa valeur xT est élevée.
Valeurs xT par zone du terrain
Ces zones illustrent à quel point la position du ballon sur le terrain change radicalement la menace perçue, indépendamment de ce qui se passe ensuite :
| Zone | Niveau de menace xT | Explication |
|---|---|---|
| Centre surface (6 m) | Très élevé | Tir imminent, angle favorable |
| Surface latérale | Élevé | Tir possible, angle réduit |
| Entrée de surface (face au but) | Modéré | Base de construction des attaques |
| Couloir offensif | Faible | Passe en profondeur ou centre possible |
| Rond central | Très faible | Faible menace immédiate |
Quand un joueur réalise une passe d’une zone à faible menace vers une zone à menace modérée, il génère un xT positif. C’est une action qui fait progresser le jeu vers une zone plus dangereuse, même si aucun tir ne suit.
Les modèles utilisés par les clubs professionnels sont plus granulaires (grilles plus fines, prise en compte du contexte défensif, de la vitesse de jeu), et certains intègrent également la probabilité d’encaisser un but, ce qui les distingue du modèle original.
xT vs xG : deux indicateurs complémentaires
Le xG et le xT ne mesurent pas la même chose. Ils sont complémentaires, pas concurrents.
- Le xG évalue la qualité d’une occasion de but. Il répond à la question : ce tir avait-il de bonnes chances de rentrer ? C’est un indicateur centré sur le moment du tir.
- Le xT évalue la qualité des actions qui précèdent le tir. Il répond à la question : cette action a-t-elle mis l’équipe dans une position plus dangereuse ? C’est un indicateur de création de jeu.
Un milieu relayeur qui enchaîne les passes vers l’avant génère du xT sans forcément tirer. Un ailier qui conduit le ballon depuis son couloir jusqu’à la surface génère du xT à chaque mètre parcouru. Ces contributions n’apparaissent pas dans le xG, elles sont invisibles sans le xT.
Chez Formations Football, on insiste sur ce point avec nos apprenants. Un data analyst football qui ne maîtrise que le xG travaille avec une vision partielle du jeu. Le xT ouvre l’analyse à l’ensemble des phases de possession, pas seulement aux frappes.
xT, xA, VAEP, OBV, EPV, quelle différence ?
Le xT n’est qu’un des modèles de valeur de possession. Le tableau ci-dessous le situe face aux autres indicateurs avancés du football.
| Indicateur | Ce qu’il mesure | Actions valorisées | Risque d’encaisser pris en compte | Origine |
|---|---|---|---|---|
| xG | Probabilité qu’un tir devienne un but | Tirs uniquement | Non | Fournisseurs de données (Opta, StatsBomb) |
| xA | Probabilité qu’une passe devienne décisive | Dernière passe avant le tir | Non | Fournisseurs de données |
| xT | Gain de menace entre deux zones du terrain | Passes et conduites réussies | Non | Karun Singh, 2018 |
| VAEP | Variation des probabilités de marquer et d’encaisser | Toutes les actions, y compris défensives et ratées | Oui | Decroos et al., KU Leuven, 2019 |
| OBV | Variation des chances de marquer et d’encaisser, deux modèles séparés | Actions avec ballon, receveur non crédité | Oui | StatsBomb (Hudl), 2021 |
| EPV | Valeur attendue de la possession à chaque instant | Toutes les options, avec la position des 22 joueurs | Oui | Fernández, Bornn et Cervone, 2019 |
Contrairement au xG, qui n’évalue que le tir final, et au xA, qui n’évalue que la dernière passe, le xT valorise les actions intermédiaires comme l’avant-dernière passe ou la conduite qui casse une ligne. C’est aussi le plus simple à reproduire, puisqu’il ne demande que des données événementielles avec des coordonnées X/Y. Le VAEP et l’OBV corrigent ses angles morts en intégrant le risque de perte et les actions défensives, mais leur modélisation est plus lourde. L’EPV s’appuie sur les données de tracking, encore réservées aux clubs et aux fournisseurs.
Qui crée du xT ? Les profils valorisés par cet indicateur
Le xT révèle des profils souvent sous-évalués par les statistiques traditionnelles.
- Les milieux progresseurs sont les premiers bénéficiaires de l’indicateur. Un joueur comme Toni Kroos, dont les passes longues faisaient systématiquement progresser le jeu vers des zones à haute valeur xT, était difficile à quantifier avec le seul xG. Le xT rend visible sa contribution offensive réelle.
- Les pistons et latéraux offensifs qui conduisent le ballon dans le couloir vers la surface génèrent du xT à chaque mètre parcouru. Leurs conduites de balle créent de la menace avant même que le centre soit délivré.
- Les attaquants en décrochage qui reçoivent dos au but dans la zone de vérité, puis remettent vers un partenaire dans une zone à plus haute valeur, apparaissent comme créateurs de jeu, ce qu’ils sont, même s’ils ne tirent jamais.
À l’inverse, le xT peut également dévaloriser certains profils comme un milieu qui circule le ballon horizontalement sans progresser génère peu ou pas de xT, même avec un taux de passes réussi excellent.
Comment les clubs utilisent le xT ?
Dans les clubs professionnels, le xT est utilisé à plusieurs niveaux.
Le xT dans le recrutement
En recrutement football, il permet d’identifier des joueurs qui créent de la menace sans forcément apparaître dans les statistiques offensives classiques (buts, passes décisives). Un milieu sous-côté dans une équipe qui défend bas peut générer un xT élevé qui justifie un transfert.
Le xT dans l’analyse tactique
En analyse tactique, le xT permet de cartographier les zones par lesquelles une équipe fait progresser le jeu. Si 70 % du xT offensif d’une équipe est généré par le couloir droit, l’entraîneur peut en déduire une dépendance à ce couloir, et les adversaires peuvent l’exploiter.
Le xT dans l’évaluation individuelle
En évaluation individuelle, le xT moyen par action permet de comparer des joueurs de profils différents sur une base commune. Un milieu défensif et un ailier offensif ne génèrent pas du xT de la même façon ni au même endroit du terrain, mais l’indicateur permet de mesurer leur contribution respective au jeu vers l’avant.
Les plateformes comme StatsBomb et Opta proposent des métriques de valorisation des actions (StatsBomb via son indicateur OBV, Opta via le xT) dans leurs exports professionnels. FBRef, qui proposait un accès gratuit à ces statistiques avancées, a supprimé les données Opta en janvier 2026, elles ne sont plus disponibles en accès libre sur la plateforme.
Comparer le xT des joueurs sans se tromper
Le xT est l’un des rares indicateurs avancés que l’on peut reproduire gratuitement. Des outils open source comme socceraction, développé à la KU Leuven, implémentent le modèle de Karun Singh à partir des données événementielles ouvertes publiées par StatsBomb et Wyscout. Mais un classement xT se lit avec précaution.
Deux précautions s’imposent. Le modèle ne doit noter que les passes et conduites réussies, c’est-à-dire celles qui déplacent le ballon sans perdre la possession. Ensuite, le total brut avantage mécaniquement les joueurs des équipes qui ont beaucoup le ballon, comme le PSG en Ligue 1. Pour comparer des profils, on rapporte le xT au temps de jeu (xT/90) ou au volume, par exemple pour 100 passes.
Les meilleurs créateurs de progression en Ligue 1
Les buts et les passes décisives ne racontent pas tout. Les joueurs ci-dessous sont ceux qui ont le plus fait progresser le jeu en Ligue 1 en 2024-2025, mesurés par leurs passes progressives et leurs passes cassant les lignes défensives, deux indicateurs de progression du jeu vers l’avant, distincts du xT mais qui permettent d’identifier des profils similaires :
| Joueur | Club | Passes progressives | Passes cassant les lignes | Profil xT |
|---|---|---|---|---|
| Rayan Cherki | Lyon | 154 (1er L1) | 66 (1er L1) | Meneur offensif, création pure |
| Pierre-Emile Højbjerg | Marseille | Très élevé | 474 (1er L1) | Milieu distributeur, progression long terme |
| Achraf Hakimi | PSG | Élevé | 48 occ. créées (1er défenseurs) | Piston offensif, progression couloir droit |
| Nuno Mendes | PSG | ~12 conduites prog./90 min | 8 occ. après passes lignes | Piston offensif, progression couloir gauche |
| Marquinhos | PSG | Élevé | 15,1/90 min (2e défenseurs) | Défenseur progresseur, relance |
| Mason Greenwood | Marseille | Élevé | 45 tirs après conduite (1er L1) | Ailier, progression balle au pied |
| Bradley Barcola | PSG | Élevé | 24 implications buts | Ailier, dribble et conduite progressive |
| Ousmane Dembélé | PSG | Élevé | 27 implications buts | Ailier, création et finition |
Note : les données xT strictes ne sont pas publiques. Passes progressives et passes cassant les lignes sont des indicateurs de progression du jeu — ils ne calculent pas la valeur des zones comme le xT, mais permettent d’identifier des profils comparables.
Les limites du xT
Comme tout modèle statistique, le xT simplifie la réalité et cette simplification a des angles morts.
Le xT ne tient pas compte du contexte défensif
Une passe dans la surface avec trois défenseurs entre le passeur et le but n’a pas la même valeur réelle qu’une passe dans le dos d’une défense décalée, même si les deux partent de la même cellule.
Le modèle original ne distingue pas le type d’action
Une passe courte vers l’avant et un dribble progressif dans la même direction génèrent le même xT, alors que leur complexité et leur risque d’exécution sont très différents.
Le xT ignore les mouvements sans ballon
Un attaquant qui crée de l’espace par un appel profond, libérant ainsi une zone pour un coéquipier, ne génère aucun xT, alors que sa contribution tactique est réelle.
Ces limites ne remettent pas en cause l’utilité du xT mais elles rappellent qu’aucun indicateur ne se suffit à lui seul. D’autres métriques comme le VAEP ont été développées pour proposer une approche différente de la valorisation des actions.
Le xT (expected threat), notre conclusion
Le xT est un indicateur qui comble un angle mort majeur du xG. Il rend visible la valeur offensive des actions avec ballon qui précèdent le tir. Passes progressives, conduites en profondeur, remises dans les espaces, tout ce qui fait avancer le jeu vers des zones dangereuses est désormais quantifiable.
Pour un data analyst, un recruteur football ou un entraîneur qui travaille avec des données football, maîtriser le xT est devenu incontournable. Les clubs qui recrutent sur données cherchent précisément ces profils capables de lire les indicateurs avancés, de les croiser avec l’observation vidéo, et d’en tirer des conclusions actionnables sur le terrain. C’est qu’il rend visible ce que le sport cache habituellement : la valeur économique des décisions sportives.