À quel point une partie classée est-elle prévisible avant la sélection des champions ?

Ce que le modèle est autorisé à voir

Tout ce qui existe au moment où la file se lance, et rien après : aucun champion, aucun ban, aucun élément de la partie elle-même.

• Le rang et les LP des dix joueurs, ainsi que notre propre évaluation construite à partir de leur historique de match.
• Les 50 dernières parties classées de chaque joueur : victoires ou défaites, performances individuelles, durée des parties, déroulement de la phase de voie, niveau des adversaires. Uniquement les parties terminées avant que celle-ci ne commence.
• Le rôle attribué à chaque joueur, la part de son jeu récent sur ce rôle, et s'il a été autofill.
• Les champions que chaque joueur joue habituellement à ce poste : ce qu'il est susceptible de choisir, jamais ce qu'il a réellement choisi.

Le modèle a été entraîné sur des patchs antérieurs et testé sur 457 284 parties NA du patch 16.18 qu'il n'avait jamais vues. Chaque chiffre NA ci-dessous provient de ces parties.

À quelle fréquence a-t-il raison

Les mêmes 457 284 parties de test, avec des portions croissantes de l'historique de chaque joueur ajoutées étape par étape, selon les cinq mesures que nous publions pour chaque modèle (la page de précision explique chacune). Un pile ou face correspond à 50 % de précision et un AUC de 0,5.

Le rang seul ne mène à rien. L'écart entre les deux équipes selon notre propre évaluation ne prédit pas mieux le vainqueur qu'un tirage à pile ou face (AUC 0,502 ; les cinq mesures figurent dans l'étude sur la loser's queue), car c'est précisément ce que le matchmaking équilibre. Presque tout ce que le modèle sait provient des parties récentes des joueurs. La dernière ligne correspond au même modèle dont la confiance a été recalibrée sur des parties réservées à cet effet ; les sections ci-dessous l'utilisent.

Le bas Elo est beaucoup plus prévisible

En Fer, le modèle prédit le vainqueur dans 69,4 % des cas avant la sélection des champions. En Or, c'est 61,6 %, et à partir de Platine environ 60 %. Nous n'en avons pas testé la cause. Une interprétation plausible : le rang en dit d'autant moins sur un joueur que son compte est récent ou instable, et les paliers inférieurs comptent davantage de comptes dont le rang est encore en train de rattraper leur niveau de jeu réel.

Quand il désigne un favori, ce dernier gagne avec cette fréquence

Un modèle peut avoir souvent raison tout en surestimant sa certitude. Ce n'est pas le cas ici : les salons qu'il estime à 60–65 % sont remportés dans 62,3 % des cas, et les 17,4 % estimés à 70 % ou plus sont remportés dans 77,5 % des cas. Seuls 26,5 % des salons se situent à moins de cinq points d'un pile ou face.

Équilibré en rang, déséquilibré en forme

Nous avons décomposé chaque prévision selon ses composantes. Voici la part de différence entre salons que porte chacune d'elles :

Le rang n'explique presque rien, car le rang est précisément ce que le matchmaking équilibre, et il l'équilibre efficacement. Ce qui reste, c'est ce qu'un rang met trop de temps à refléter : qui est sur une bonne série, qui traverse un passage à vide, qui reprend le jeu.

Interprétez les « parties récentes » avec précaution. Riot effectue son matchmaking sur un MMR caché que nous ne voyons jamais. Les parties récentes d'un joueur sont précisément l'endroit où se manifesterait un décalage entre ce MMR et son rang visible, de sorte qu'une partie de cela peut correspondre à des écarts de MMR captés par le modèle, et pas seulement à des séries de victoires ou défaites. Ces données ne permettent pas de distinguer les deux.

Les joueurs hors rôle font basculer le résultat

Un joueur est considéré comme hors rôle lorsque le rôle assigné représente moins de 20 % de ses parties récentes. Lorsqu'une équipe en compte davantage que l'autre, cela se répercute sur le vainqueur :

Chaque joueur hors rôle supplémentaire coûte à son équipe environ trois points de taux de victoire, et seulement 37,9 % des salons en comptent un nombre identique des deux côtés.

La moitié des salons ne peuvent pas placer chacun sur un rôle familier

Nous nous sommes également demandé si les dix joueurs d'un salon pouvaient être répartis de façon à ce que chacun occupe un rôle familier, c'est-à-dire représentant au moins 20 % de ses 50 dernières parties. Seuls 20,3 % des salons réels en NA le sont déjà. Une configuration entièrement familière est possible dans 50,2 % des salons ; dans le reste, les rôles des dix joueurs ne couvrent tout simplement pas chaque poste deux fois. Placer chacun sur son rôle principal n'est réalisable que dans 5,7 % des cas. C'est une limite propre aux joueurs présents dans la file à cet instant, et non un choix délibéré.

EUW et Corée : une première estimation

Le modèle d'historique, entraîné uniquement sur NA, a également évalué 18 jours de parties d'EUW et de Corée. Il connaît ces joueurs bien moins (8 à 10 parties antérieures chacun, contre des mois en NA), il y détecte donc moins de favoris. Il s'agit d'un instrument de mesure moins précis, pas d'un matchmaking plus équitable. Le tableau utilise le modèle d'historique seul dans chaque région, NA incluse, de sorte que sa ligne NA se situe légèrement en deçà du modèle complet.

Toujours aucune loser’s queue

Nous avons réexécuté l'étude sur la loser's queue avec ce modèle plus performant, et rien n'a changé. Après cinq victoires consécutives ou plus, les joueurs ont remporté leur partie suivante dans 53,0 % des cas ; après cinq défaites ou plus, 47,9 %. Le modèle prévoyait les deux, et un joueur en série de victoires reçoit toujours des coéquipiers légèrement plus forts, et non plus faibles.

Ce que cela ne peut pas vous dire

• Une seule région en profondeur, un seul patch. NA, patch 16.18. EUW et Corée constituent une première estimation issue d'un modèle non entraîné sur elles.
• Ceci n'est pas le MMR de Riot, ni une vue interne du matchmaking. Cela mesure les salons tels qu'ils se sont présentés, à partir de l'historique public des parties. Le matchmaking équilibre un paramètre invisible pour nous, et selon notre propre évaluation, il l'équilibre presque parfaitement.
• Le modèle prend en compte chaque partie jusqu'à celle qu'il prédit, y compris les parties antérieures du même jour. Un système actualisé une fois par jour disposerait d'un peu moins d'informations.
• Les préférences de rôle sont déduites de ce que chaque joueur a joué. Les rôles choisis dans la file ne sont pas publics.
• Aucun joueur n'est nommé ni évalué ici. Chaque chiffre est une moyenne sur des centaines de milliers de parties ; votre propre salon n'est qu'un tirage parmi d'autres.