La loser’s queue existe-t-elle vraiment ?
Publié le 23 septembre 2026 · classée solo/duo NA, 563 839 parties et 5 638 390 parties-joueur, du 2 au 9 septembre 2026
Ce que nous avons découvert
- Question posée
- La « loser's queue » est la croyance selon laquelle, après une série de victoires, le système d'association vous assigne des coéquipiers plus faibles pour vous ramener vers les 50 %. Si cela existait, cela laisserait des traces dans les parties.
- Résultat
- Nous n'avons trouvé aucune trace de loser's queue. Les séries ont plutôt tendance à perdurer légèrement qu'à s'inverser : les joueurs ont remporté 53,0 % de leurs parties suivantes après cinq victoires consécutives ou plus, et 48,4 % après cinq défaites ou plus. Les joueurs en série de victoires ont eu des coéquipiers légèrement plus forts, et non plus faibles.
- Niveau de certitude
- 5 638 390 participations de joueurs sur 563 839 parties classées en NA, du 2 au 9 septembre 2026 : NA uniquement, une semaine, un seul patch. « Plus forts » est mesuré selon notre propre évaluation, calculée à partir de l'historique des parties. Ce n'est pas le MMR caché de Riot, ni une analyse du code du matchmaking.
Lire l'étude complète : la méthode, tous les tableaux et ses limites
Nous n'avons trouvé aucune trace de loser’s queue. Les séries ont tendance à se poursuivre légèrement au lieu de s'inverser : les joueurs ont remporté 53,0 % de leurs parties suivantes après cinq victoires consécutives ou plus, et 48,4 % après cinq défaites ou plus. Un modèle ne connaissant que les dix joueurs — sans champions ni draft — a prédit chaque groupe de série à un demi-point près. Et les joueurs en série de victoires ont eu des coéquipiers légèrement meilleurs, et non plus faibles.
Ce que nous avons mesuré
La loser’s queue est la croyance selon laquelle, après une série de victoires, le matchmaking vous attribue des coéquipiers plus faibles pour vous ramener vers les 50 %. Si elle existait, cela laisserait une trace dans les parties : les joueurs en série de victoires perdraient leur partie suivante plus souvent que ce que leur forme prédit, et leurs coéquipiers seraient moins bien notés que leurs adversaires.
- Nous avons conçu un modèle qui ne voit que ce qui existe au moment où la file se lance : le rang des dix joueurs, leur forme sur les 7 derniers jours et la session en cours, l'autofill et les duos. Il ne voit ni les champions ni la draft.
- Nous l'avons entraîné sur environ 5,1 M parties classées en NA de juin à août 2026 et l'avons testé sur une semaine inédite : du 2 au 9 septembre, soit 563 839 parties et 5 638 390 parties-joueur (une par joueur et par partie).
- Pour chaque partie-joueur, nous avons enregistré la série avec laquelle le joueur arrivait, si son équipe a gagné, ce que le modèle prévoyait, et comment ses quatre coéquipiers étaient évalués par rapport aux cinq adversaires, sans compter le joueur lui-même.
Les séries se poursuivent. Elles ne s'inversent pas.
S'il existait une loser’s queue, les groupes en série de victoires chuteraient sous les 50 %. Au contraire, ils augmentent : de 50,4 % après une victoire à 53,0 % après cinq victoires ou plus. Côté défaites, le taux ne bouge presque pas jusqu'à cinq défaites consécutives, où il tombe à 48,4 %.
| Série en cours | Parties-joueur | Victoire au match suivant (intervalle à 95 %) | Prévision du modèle | |
|---|---|---|---|---|
| Après 5 défaites consécutives ou plus | 36 974 | 48,4 % (47,8 %–48,9 %) | 48,2 % | |
| Après 4 défaites consécutives | 60 705 | 49,6 % (49,2 %–50,0 %) | 49,1 % | |
| Après 3 défaites consécutives | 165 705 | 49,4 % (49,2 %–49,7 %) | 49,3 % | |
| Après 2 défaites consécutives | 463 370 | 49,7 % (49,6 %–49,9 %) | 49,5 % | |
| Après une défaite | 1 305 360 | 49,7 % (49,7 %–49,8 %) | 49,8 % | |
| Après une victoire | 1 304 535 | 50,4 % (50,3 %–50,4 %) | 50,3 % | |
| Après 2 victoires consécutives | 484 570 | 50,7 % (50,6 %–50,9 %) | 50,8 % | |
| Après 3 victoires consécutives | 182 085 | 51,1 % (50,9 %–51,3 %) | 51,3 % | |
| Après 4 victoires consécutives | 69 338 | 51,4 % (51,0 %–51,8 %) | 51,8 % | |
| Après 5 victoires consécutives ou plus | 44 619 | 53,0 % (52,5 %–53,4 %) | 53,2 % |
L'explication la plus simple : un joueur en série de victoires est souvent meilleur que son rang actuel et continue de gagner jusqu'à ce que son rang s'ajuste, tandis qu'un joueur en longue série de défaites joue, pour le moment, moins bien.
Le modèle l'avait anticipé
Dans chaque groupe de série, le résultat réel se situe à un demi-point près de la prédiction du modèle. Le modèle ignore tout d'une quelconque sanction. Il ne connaît que la forme récente et le rang des joueurs, et cela suffit à expliquer les résultats. Aucun mécanisme caché n'est nécessaire.
Vos coéquipiers ne deviennent pas moins bons après une série de victoires
Nous avons comparé le niveau moyen des quatre coéquipiers d'un joueur à celui des cinq adversaires, sans compter le joueur lui-même. Après cinq victoires ou plus, les coéquipiers sont légèrement au-dessus des adversaires (+0,126 sur notre échelle d'évaluation) ; après cinq défaites ou plus, légèrement en dessous (-0,061). Ces deux écarts sont minimes et aucun ne confirme la théorie de la loser’s queue.
Alors qu'est-ce qui vous place dans l'équipe la plus faible ?
Pour chaque partie-joueur, nous avons mesuré deux choses : la fréquence à laquelle l'équipe du joueur partait outsider (moins de 50 % avant la sélection des champions), et la part imputable au matchmaking : le niveau moyen des coéquipiers face aux adversaires, sans compter le joueur.
| Série en cours | Parties-joueur | Victoire | Équipe outsider | Coéquipiers − adversaires |
|---|---|---|---|---|
| Cinq défaites consécutives ou plus | 36 974 | 48,4 % | 54,3 % | -0,061 |
| Cinq victoires consécutives ou plus | 44 619 | 53,0 % | 40,0 % | +0,126 |
| En autofill | 804 240 | 49,1 % | 54,5 % | -0,007 |
| Pas en autofill | 4 834 150 | 50,1 % | 49,2 % | +0,001 |
| Évalué le plus au-dessus de son salon (cinquième supérieur) | 1 127 678 | 49,8 % | 52,6 % | -0,080 |
| Évalué le plus en dessous de son salon (cinquième inférieur) | 1 127 678 | 50,0 % | 48,2 % | +0,077 |
| À une victoire de la promotion (90–99 LP) | 420 750 | 50,1 % | 49,8 % | +0,004 |
| À une défaite de la relégation (0–9 LP) | 669 674 | 50,0 % | 50,1 % | -0,001 |
| LP en plus forte baisse sur les 10 dernières parties (cinquième inférieur) | 237 718 | 50,8 % | 47,3 % | -0,004 |
| LP en plus forte hausse sur les 10 dernières parties (cinquième supérieur) | 238 007 | 50,6 % | 48,2 % | +0,037 |
| Première partie d'une session | 2 255 778 | 49,8 % | 51,4 % | -0,007 |
| 11e partie d'une session ou plus | 77 696 | 49,9 % | 48,1 % | +0,022 |
| Relance de file en 3 à 10 minutes | 2 343 187 | 50,2 % | 49,2 % | +0,004 |
| Relance de file après 2 heures ou plus | 647 391 | 50,1 % | 50,3 % | +0,005 |
- Le facteur principal, c'est vous. Après une série de défaites, votre équipe est plus souvent outsider car le modèle vous note plus bas : vos dernières parties se sont mal passées. Vos coéquipiers ne sont pas moins bons. La part du matchmaking ne bouge presque pas, et elle penche dans l'autre sens.
- L'autofill coûte environ un point de taux de victoire (49,1 % contre 50,1 %), et rien ne le compense.
- Le meilleur joueur du salon reçoit des coéquipiers légèrement plus faibles. Le matchmaking équilibre la moyenne des équipes, donc les quatre coéquipiers du joueur le plus fort sont notés un peu plus bas. Le sentiment de devoir carry chaque partie est bien réel. Il est simplement minime.
- Il n'y a pas de file spécifique pour les promos. À une victoire de la promotion ou à une défaite de la relégation, les probabilités sont les mêmes que partout ailleurs dans la division.
- Rien d'autre ne fait varier cela : ni l'évolution de vos LP, ni la durée de votre session, ni la rapidité avec laquelle vous relancez une file.
Joueur par joueur
Nous avons examiné les 194 935 joueurs ayant disputé 10 parties ou plus cette semaine-là. La proportion de parties où l'équipe d'un joueur débutait outsider allait de 31,6 % à 68,4 % (du 10e au 90e percentile) : un écart plus large que ce que la simple chance produit, et qui suit principalement la forme propre du joueur. Le taux de victoire réel d'un joueur lors de la première moitié de sa semaine ne prédisait presque pas la seconde moitié. Sur une semaine, la chance prédomine.
Autres constats
- Environ une partie classée sur cinq (21,2 %) a un vrai favori à 60 % ou plus avant même qu'un champion ne soit choisi. Ces favoris s'imposent à peu près aussi souvent que prévu : ceux estimés à 70 % ou plus ont gagné dans 76,4 % des cas.
- Le bas Elo est bien moins équilibré. Plus de la moitié des salons en Fer ont un favori à 60 % ou plus, contre 9,4 % en Diamant.
- L'autofill n'est pas équilibré entre les équipes non plus. Lorsque l'équipe bleue a deux joueurs autofill de plus que la rouge, les bleus gagnent 47,1 % ; dans le sens inverse, 52,5 %.
- Le côté bleu hérite généralement de l'équipe la moins bien notée (LP moyen plus bas dans 61,3 % des parties) et l'emporte quand même environ la moitié du temps (50,1 %).
| Chances du favori avant la sélection des champions | Part des parties | Selon le modèle | Victoire du favori (intervalle à 95 %) | |
|---|---|---|---|---|
| 50–55 % | 50,4 % | 52,4 % | 52,4 % (52,2 %–52,6 %) | |
| 55–60 % | 28,4 % | 57,2 % | 57,1 % (56,8 %–57,3 %) | |
| 60–65 % | 12,4 % | 62,1 % | 62,5 % (62,2 %–62,9 %) | |
| 65–70 % | 5,0 % | 67,2 % | 67,8 % (67,2 %–68,3 %) | |
| 70 % ou plus | 3,8 % | 76,2 % | 76,4 % (75,8 %–76,9 %) |
| Rang | Parties | Parties avec un favori à 60 % ou plus | |
|---|---|---|---|
| Fer | 29 383 | 54,8 % | |
| Bronze | 66 134 | 39,0 % | |
| Argent | 107 873 | 28,3 % | |
| Or | 126 979 | 17,5 % | |
| Platine | 110 184 | 10,7 % | |
| Émeraude | 72 399 | 11,1 % | |
| Diamant | 30 536 | 9,4 % | |
| Maître | 18 813 | 11,2 % |
Quelle est la précision du modèle ?
Le modèle basé uniquement sur les joueurs comparé à trois prévisions plus simples, sur les mêmes 563 839 parties de test, selon les cinq mesures que nous publions pour chaque modèle (la page de précision explique chacune).
| Prévision | AUC | Log loss | Brier | Précision | ECE |
|---|---|---|---|---|---|
| Modèle joueurs uniquement (cette étude) | 0,5976 | 0,6762 | 0,2418 | 0,5665 | 0,0020 |
| Écart de LP visibles seul | 0,5226 | 0,6928 | 0,2498 | 0,5178 | 0,0050 |
| Écart de notre évaluation seul | 0,5023 | 0,6932 | 0,2500 | 0,4974 | 0,0030 |
| Aucune information (la moyenne) | 0,5000 | 0,6932 | 0,2500 | 0,4994 | 0,0030 |
L'écart de notre propre évaluation seul ne prédit presque rien (AUC 0,5023) : selon cette évaluation, le matchmaking équilibre les deux équipes de façon quasi parfaite. Ce que le modèle apporte, c'est la forme récente ; les 7 derniers jours représentent environ la moitié de ses connaissances.
Ce que cela ne peut pas vous dire
- NA uniquement, une semaine, un patch. Les séries sont comptabilisées parmi les parties que nous avons collectées pour chaque joueur, donc une partie manquée peut scinder une série en deux.
- « L'évaluation » est notre propre estimation, construite à partir de l'historique des parties. Il ne s'agit pas du MMR caché de Riot, et ceci n'est pas une analyse du code du matchmaking : cela mesure les salons tels qu'ils sont arrivés, à partir d'informations publiques.
- Ce sont des moyennes sur des millions de parties. Une mauvaise soirée personnelle reste tout à fait possible.
Une question semblable ? Posez-la sur la page Recherche. Les questions les plus votées auxquelles nos données peuvent répondre feront l'objet des prochaines études.