The Cost of Segregation: Using Transfermarkt Values to Model Counterfactual Outcomes in Soccer
En utilisant les valorisations de Transfermarkt et la modélisation contrefactuelle, cette étude démontre que des stratégies de sélection exclusivement raciales réduiraient considérablement la performance de l'équipe nationale masculine d'Angleterre, soulignant que le principal avantage de la diversité dans le sport d'élite provient de l'accès à un bassin de talents plus large plutôt que de la diversité elle-même comme moteur de productivité.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde du sport professionnel, l'objectif est toujours le même : assembler la meilleure équipe possible pour gagner. Cela nécessite de trouver les joueurs les plus talentueux disponibles, peu importe leur origine ou leur apparence. Les économistes étudient depuis longtemps la manière dont les groupes performent ensemble, se demandant si le mélange de personnes issues de différents horizons aide une équipe à réussir ou s'il provoque des frictions. Dans le football, un sport où le talent individuel est souvent mesuré par la valeur d'un joueur sur le marché des transferts, cette question prend une dimension plus aiguë. Le sport a une histoire de déséquilibre racial, où les joueurs de couleur sont courants sur le terrain mais rares dans les rôles d'entraîneur et de direction. Cela soulève une question difficile : si une équipe était contrainte d'ignorer la race lors du choix de ses joueurs, deviendrait-elle meilleure ou moins bonne ? Pour y répondre, les chercheurs n'ont pas besoin d'attendre que l'histoire se déroule ; ils peuvent utiliser les données pour construire une image de ce qui aurait pu se passer si les règles de sélection avaient été différentes.
Une équipe de chercheurs s'est donné pour mission de mesurer le coût de la ségrégation raciale dans le football anglais en examinant l'équipe nationale masculine. Ils ont utilisé une méthode appelée modélisation contrefactuelle, qui consiste essentiellement à poser la question « et si » en utilisant des chiffres concrets. Au lieu de deviner, ils se sont appuyés sur Transfermarkt, un site web largement utilisé qui attribue une valeur monétaire à chaque joueur de football professionnel en fonction de son talent, de son âge et de sa performance. Ces valeurs servent de substitut fiable pour évaluer la qualité d'un joueur. Les chercheurs ont recueilli les données de chaque match joué par l'équipe nationale d'Angleterre entre 2016 et 2024. Ils ont d'abord construit un modèle pour prouver que ces valeurs de joueurs pouvaient prédire avec précision les résultats des matchs, en comparant leurs prédictions aux cotes établies par les bookmakers professionnels. Ils ont constaté que les valeurs de marché étaient tout aussi efficaces pour prévoir les victoires et les défaites que les experts qui fixent les lignes de paris.
Une fois certains de la validité de leur modèle, les chercheurs ont créé deux versions imaginaires de l'équipe d'Angleterre pour voir comment elles auraient performé. Dans le premier scénario, ils ont retiré chaque joueur noir de l'effectif et l'ont remplacé par les joueurs anglais non noirs les plus valorisés disponibles pour ce poste spécifique, en veillant à ce que les remplaçants aient le même pied préférentい et ne soient pas blessés. Dans le second scénario, ils ont fait l'inverse, créant une équipe composée exclusivement de joueurs noirs et remplaçant tout titulaire non noir par les meilleures alternatives noires disponibles. Il ne s'agissait pas de propositions sur la manière dont l'équipe devrait être gérée, mais plutôt de tests de résistance pour voir ce qui se passe lorsqu'on limite le bassin de talents en fonction de la race.
Les résultats étaient clairs et cohérents. Lorsque les chercheurs ont simulé une équipe sans joueurs noirs, la valeur totale de l'effectif a chuté de 22,9 % et la chance de l'équipe de gagner un match a diminué de 2,7 points de pourcentage. Lorsqu'ils ont simulé une équipe composée uniquement de joueurs noirs, la valeur de l'effectif a encore davantage chuté, de 25,8 %, avec une diminution correspondante de 3,3 points de pourcentage de la probabilité de victoire. L'analyse a montré que la perte de valeur n'était pas répartie uniformément ; elle était concentrée dans des postes clés, particulièrement en attaque et au poste de gardien de but, où les joueurs les plus valorisés se sont avérés être noirs. L'étude a révélé que la diversité de l'équipe elle-même ne changeait pas le résultat une fois le niveau de compétence réel des joueurs pris en compte. Au lieu de cela, le principal avantage de la diversité était simplement qu'elle permettait aux sélectionneurs de choisir dans un bassin de talent plus large. En excluant une partie significative de ce bassin sur la base de la race, l'équipe devenait inévitablement plus faible.
Les auteurs soulignent que ces conclusions illustrent un principe économique fondamental : restreindre l'accès aux meilleurs talents disponibles entraîne toujours un coût. Dans un environnement à enjeux élevés comme le football international, où de petites différences de compétence peuvent déterminer si une équipe remporte un championnat ou rentre chez elle prématurément, l'exclusion de joueurs sur la base de la race n'est pas seulement une question d'équité. C'est aussi une question d'efficacité. L'étude suggère que la sous-représentation des joueurs noirs dans les rôles d'entraîneur et de direction dans le football anglais est un problème distinct de celui des joueurs eux-mêmes, mais les données sur les joueurs montrent clairement que le bassin de talent est profond et diversifié. Lorsque le processus de sélection est ouvert à tous, l'équipe est plus forte. Lorsqu'il est restreint par des barrières artificielles, l'équipe en souffre, et le coût se mesure en victoires perdues.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.