Meilleurs Joueurs (tous les postes) de Ligue 1 (Sep 2026)
Classés par Analytical Strength Index
Utilisez la barre de recherche ci-dessous pour trouver des joueurs précis, ou appliquez des filtres pour affiner les résultats par club, tranche d'âge ou valeur marchande. Cliquez sur l'icône du graphique à côté d'un joueur pour consulter sa trajectoire de valeur historique et sa prévision.
Classement des joueurs
Classés par Analytical Strength Index. Cliquez sur un joueur pour consulter son profil complet, ou cliquez sur l'icône du graphique pour voir l'historique de sa valeur.
Vitinha
Paris Saint-Germain • 26 ans
€121.1M
€140.0M
+15.6%
Attendu : €135.7M
95.5
Khvicha Kvaratskhelia
Paris Saint-Germain • 25 ans
€121.1M
€140.0M
+15.6%
Attendu : €135.7M
95.5
Nuno Mendes
Paris Saint-Germain • 24 ans
€69.2M
€80.0M
+15.6%
Attendu : €75.6M
94.7
Willian Pacho
Paris Saint-Germain • 24 ans
€69.2M
€80.0M
+15.6%
Attendu : €75.6M
94.7
Achraf Hakimi
Paris Saint-Germain • 27 ans
€69.2M
€80.0M
+15.6%
Attendu : €77.5M
94.5
Désiré Doué
Paris Saint-Germain • 21 ans
€103.8M
€120.0M
+15.6%
Attendu : €116.8M
94.1
Ousmane Dembélé
Paris Saint-Germain • 29 ans
€129.1M
€100.0M
-22.6%
Attendu : €78.0M
92.9
João Neves
Paris Saint-Germain • 21 ans
€121.1M
€140.0M
+15.6%
Attendu : €136.2M
92.8
Bradley Barcola
Paris Saint-Germain • 23 ans
€60.5M
€70.0M
+15.6%
Attendu : €71.9M
91.9
Warren Zaïre-Emery
Paris Saint-Germain • 20 ans
€69.2M
€80.0M
+15.6%
Attendu : €79.3M
91.9
Jérémy Jacquet
Stade Rennais FC • 21 ans
€47.6M
€55.0M
+15.6%
Attendu : €55.5M
90.2
Mason Greenwood
Olympique Marseille • 24 ans
€47.6M
€55.0M
+15.6%
Attendu : €56.5M
88.3
Maghnes Akliouche
AS Monaco • 24 ans
€43.2M
€50.0M
+15.6%
Attendu : €51.4M
87.2
Ilya Zabarnyi
Paris Saint-Germain • 24 ans
€34.6M
€40.0M
+15.6%
Attendu : €38.9M
87.2
Ayyoub Bouaddi
LOSC Lille • 18 ans
€43.2M
€50.0M
+15.6%
Attendu : €52.8M
86.5
Mamadou Sangaré
RC Lens • 24 ans
€34.6M
€40.0M
+15.6%
Attendu : €41.1M
86.2
Lamine Camara
AS Monaco • 22 ans
€34.6M
€40.0M
+15.6%
Attendu : €40.4M
85.4
Valentín Barco
RC Strasbourg Alsace • 22 ans
€34.6M
€40.0M
+15.6%
Attendu : €40.4M
85.4
Senny Mayulu
Paris Saint-Germain • 20 ans
€34.6M
€40.0M
+15.6%
Attendu : €42.2M
84.7
Folarin Balogun
AS Monaco • 25 ans
€34.6M
€40.0M
+15.6%
Attendu : €39.5M
84.0
If you were Ligue 1's sporting director, who would you sign?
Pick a club, select up to 3 players, and build your transfer proposal.
Explorez la taille du marché par poste en Ligue 1
Graphique à bulles interactif montrant la croissance prévue sur 2 ans en fonction de l'âge actuel pour tous les Joueurs (tous les postes) de Ligue 1. Identifiez les actifs sous-évalués et suivez la dynamique du marché sur 39 clubs représentant une valeur cumulée de €5.4B.
Répartition par âge : Joueurs (tous les postes) de Ligue 1
Le marché des ALL de Ligue 1 présente 5 tranches d'âge distinctes, la cohorte la plus importante se situant dans la tranche 30+ (370 joueurs, soit 41% du marché). La tranche d'âge 21-23 concentre le plus de valeur avec €1.6B, soit une moyenne de €11.0M par joueur.
Meilleurs Joueurs (tous les postes) par tranche d'âge
U21 ans (77 joueurs)
21-23 ans (147 joueurs)
24-26 ans (162 joueurs)
27-29 ans (149 joueurs)
Répartition de la valeur marchande
Concentration de la catégorie élite
Les 91 meilleurs Joueurs (tous les postes) (10% des joueurs) contrôlent €3.1B
Catégories de marché
La structure du marché révèle une valeur répartie, la catégorie élite (50 m€+) représentant 2% du vivier de ALL de Ligue 1.
Élite (50 M€+)
Premium (30-50 M€)
Élevée (15-30 M€)
Répartition par club : Joueurs (tous les postes) de Ligue 1
Parmi les 39 clubs de Ligue 1, Paris Saint-Germain domine avec 30 Joueurs (tous les postes) pour une valeur de €1.4B (soit €46.5M en moyenne par joueur). Les 10 premiers clubs représentent 42% des Joueurs (tous les postes) suivis.
Paris Saint-Germain (30 Joueurs (tous les postes))
Olympique Marseille (43 Joueurs (tous les postes))
RC Strasbourg Alsace (45 Joueurs (tous les postes))
AS Monaco (35 Joueurs (tous les postes))
Outils de scouting
Analyses avancées pour les décisions de scouting et de recrutement. Chaque outil offre un éclairage unique sur la valeur, le potentiel et la dynamique de marché des joueurs.
Efficience de valeur avant le pic (PPVE)
Identifie les joueurs avant leur pic offrant une valeur exceptionnelle par rapport à leur tranche d'âge. PPVE plus élevé = meilleure valeur.
Comprendre l'efficience de valeur avant le pic (PPVE)
Khvicha Kvaratskhelia de Paris Saint-Germain, à 25 ans, présente la plus forte efficience de valeur avant le pic, à 40.00×. Cela signifie que Khvicha Kvaratskhelia est valorisé 40.00× plus haut que le joueur médian de la tranche d'âge 24-26, ce qui représente une valeur exceptionnelle avant d'atteindre l'âge du pic.
En deuxième position se trouve João Neves de Paris Saint-Germain, âgé de 21 ans, avec un PPVE de 28.00×. En troisième, Désiré Doué de Paris Saint-Germain, âgé de 21 ans, avec un PPVE de 24.00×.
Comment le PPVE est calculé : le PPVE compare la valeur marchande actuelle d'un joueur à la valeur médiane de tous les joueurs de sa tranche d'âge. Un PPVE de 40.00× signifie que le joueur vaut 3900% de plus que les joueurs typiques de son âge, ce qui en fait des cibles à forte valeur avant qu'ils n'atteignent leur valeur de pic.
PPVE par tranche d'âge
| Rang | Joueur | Âge | Tranche | Valeur actuelle | Médiane de la tranche | PPVE |
|---|---|---|---|---|---|---|
| #1 | Khvicha Kvaratskhelia Paris Saint-Germain | 25 | 24-26 | €140.0M | €3.5M | 40.00× |
| #2 | João Neves Paris Saint-Germain | 21 | 21-23 | €140.0M | €5.0M | 28.00× |
| #3 | Désiré Doué Paris Saint-Germain | 21 | 21-23 | €120.0M | €5.0M | 24.00× |
| #4 | Nuno Mendes Paris Saint-Germain | 24 | 24-26 | €80.0M | €3.5M | 22.86× |
| #5 | Willian Pacho Paris Saint-Germain | 24 | 24-26 | €80.0M | €3.5M | 22.86× |
| #6 | Warren Zaïre-Emery Paris Saint-Germain | 20 | U21 | €80.0M | €5.0M | 16.00× |
| #7 | Mason Greenwood Olympique Marseille | 24 | 24-26 | €55.0M | €3.5M | 15.71× |
| #8 | Maghnes Akliouche AS Monaco | 24 | 24-26 | €50.0M | €3.5M | 14.29× |
| #9 | Bradley Barcola Paris Saint-Germain | 23 | 21-23 | €70.0M | €5.0M | 14.00× |
| #10 | Folarin Balogun AS Monaco | 25 | 24-26 | €40.0M | €3.5M | 11.43× |
| #11 | Ilya Zabarnyi Paris Saint-Germain | 24 | 24-26 | €40.0M | €3.5M | 11.43× |
| #12 | Mamadou Sangaré RC Lens | 24 | 24-26 | €40.0M | €3.5M | 11.43× |
| #13 | Jérémy Jacquet Stade Rennais FC | 21 | 21-23 | €55.0M | €5.0M | 11.00× |
| #14 | Ayyoub Bouaddi LOSC Lille | 18 | U21 | €50.0M | €5.0M | 10.00× |
| #15 | Gonçalo Ramos Paris Saint-Germain | 25 | 24-26 | €30.0M | €3.5M | 8.57× |
| #16 | Dilane Bakwa RC Strasbourg Alsace | 24 | 24-26 | €28.0M | €3.5M | 8.00× |
| #17 | Kang-in Lee Paris Saint-Germain | 25 | 24-26 | €28.0M | €3.5M | 8.00× |
| #18 | Valentín Barco RC Strasbourg Alsace | 22 | 21-23 | €40.0M | €5.0M | 8.00× |
| #19 | Senny Mayulu Paris Saint-Germain | 20 | U21 | €40.0M | €5.0M | 8.00× |
| #20 | Lamine Camara AS Monaco | 22 | 21-23 | €40.0M | €5.0M | 8.00× |
Potentiel de retour au pic (RPP)
Potentiel de progression de la valeur actuelle vers le pic prévu. Indique le potentiel de hausse restant pour les joueurs approchant de leur prime.
Comprendre le potentiel de retour au pic (RPP)
Mathys Niflore de FC Toulouse, à 19 ans, présente le plus fort potentiel de retour au pic, à +55%. Cela signifie que Mathys Niflore devrait s'apprécier de 55% en atteignant l'âge de son pic dans 7 ans, ce qui représente un potentiel de hausse significatif avant d'entrer dans sa prime.
En deuxième position se trouve Kyllian Antonio de RC Lens, âgé de 18 ans, avec un RPP de +52% (8 ans avant le pic). En troisième, Tylel Tati de FC Nantes, âgé de 18 ans, avec un RPP de +52% (8 ans avant le pic).
Comment le RPP est calculé : le RPP compare la valeur marchande actuelle d'un joueur à sa valeur de pic prévue, en calculant le potentiel d'appréciation en pourcentage. Un RPP de 55% signifie que le joueur devrait gagner 55% de valeur en entrant dans sa prime, ce qui en fait d'excellents investissements de croissance.
Potentiel de progression par joueur
| Rang | Joueur | Âge | Années avant le pic | Actuelle | Prévision au pic | RPP % |
|---|---|---|---|---|---|---|
| #1 | Mathys Niflore FC Toulouse | 19 | 7 | €1.0M | €2.2M | +55% |
| #2 | Kyllian Antonio RC Lens | 18 | 8 | €3.0M | €6.2M | +52% |
| #3 | Tylel Tati FC Nantes | 18 | 8 | €25.0M | €51.7M | +52% |
| #4 | Renato Marin Paris Saint-Germain | 20 | 6 | €1.0M | €2.1M | +52% |
| #5 | Darryl Bakola Olympique Marseille | 18 | 8 | €8.0M | €15.4M | +48% |
| #6 | Alexis Vossah FC Toulouse | 18 | 8 | €15.0M | €28.8M | +48% |
| #7 | Rudy Matondo AJ Auxerre | 18 | 8 | €20.0M | €38.4M | +48% |
| #8 | Naoufel El Hannach Paris Saint-Germain | 19 | 7 | €1.2M | €2.3M | +48% |
| #9 | Seny Koumbassa FC Toulouse | 19 | 7 | €5.0M | €9.6M | +48% |
| #10 | Marius Louër Angers SCO | 19 | 7 | €2.0M | €3.8M | +48% |
| #11 | Steeve Kango Olympique Lyon | 19 | 7 | €1.0M | €1.9M | +48% |
| #12 | Noham Kamara Paris Saint-Germain | 19 | 7 | €3.0M | €5.8M | +48% |
| #13 | Robin Risser RC Lens | 21 | 5 | €30.0M | €57.6M | +48% |
| #14 | Guillaume Restes FC Toulouse | 21 | 5 | €18.0M | €34.6M | +48% |
| #15 | Ayyoub Bouaddi LOSC Lille | 18 | 8 | €50.0M | €96.1M | +48% |
| #16 | Mike Penders RC Strasbourg Alsace | 21 | 5 | €25.0M | €48.0M | +48% |
| #17 | Kader Meïté Stade Rennais FC | 18 | 8 | €18.0M | €32.2M | +44% |
| #18 | Ibrahim Mbaye Paris Saint-Germain | 18 | 8 | €30.0M | €53.6M | +44% |
| #19 | Elías Legendre Quiñónez Stade Rennais FC | 18 | 8 | €1.5M | €2.7M | +44% |
| #20 | Nathan Mbala FC Metz | 18 | 8 | €4.5M | €8.0M | +44% |
Potentiel ajusté du risque (RAU)
Potentiel de hausse pondéré par l'incertitude des prévisions. RAU plus élevé = meilleur profil risque-rendement.
Comprendre le potentiel ajusté du risque (RAU)
Renato Marin de Paris Saint-Germain présente le plus fort potentiel ajusté du risque, à 76.5. Cela signifie que Renato Marin dispose d'un potentiel de hausse de 16% avec seulement 0% d'incertitude de prévision, ce qui représente un excellent rapport risque-rendement pour l'appréciation de la valeur.
En deuxième position se trouve Mathys Niflore de FC Toulouse avec un RAU de 76.5 (16% de potentiel, 0% d'incertitude). En troisième, Kyllian Antonio de RC Lens avec un RAU de 61.2 (16% de potentiel, 0% d'incertitude).
Comment le RAU est calculé : le RAU divise le potentiel de hausse par l'incertitude de prévision (RAU = potentiel % ÷ incertitude %). Un RAU de 76.5 signifie que le potentiel de hausse est 76.5× supérieur à l'incertitude, ce qui en fait une opportunité de croissance à forte fiabilité. Visez un RAU ≥2.0 pour un rapport risque-rendement équilibré.
Potentiel ajusté du risque par joueur
| Rang | Joueur | Attendue | Fourchette | Potentiel % | RAU |
|---|---|---|---|---|---|
| #1 | Renato Marin Paris Saint-Germain | €1.2M | €1.1M-1.3M | +16% | 76.5 |
| #2 | Mathys Niflore FC Toulouse | €1.2M | €1.1M-1.3M | +16% | 76.5 |
| #3 | Kyllian Antonio RC Lens | €3.5M | €3.1M-3.9M | +16% | 61.2 |
| #4 | Tylel Tati FC Nantes | €29.1M | €25.7M-32.4M | +16% | 61.2 |
| #5 | Ishé Samuels-Smith RC Strasbourg Alsace | €772K | €683K-861K | +10% | 40.4 |
| #6 | Yoni Gomis RC Strasbourg Alsace | €386K | €341K-430K | +10% | 40.4 |
| #7 | Abdoul Ouattara RC Strasbourg Alsace | €16.5M | €14.6M-18.4M | +10% | 40.4 |
| #8 | Abdelhamid Ait Boudlal Stade Rennais FC | €13.2M | €11.7M-14.8M | +10% | 40.4 |
| #9 | Noham Kamara Paris Saint-Germain | €3.3M | €2.9M-3.7M | +10% | 40.4 |
| #10 | Seny Koumbassa FC Toulouse | €5.5M | €4.9M-6.1M | +10% | 40.4 |
| #11 | Juma Bah OGC Nice | €11.0M | €9.8M-12.3M | +10% | 40.4 |
| #12 | Nhoa Sangui Paris FC | €11.0M | €9.8M-12.3M | +10% | 40.4 |
| #13 | Marius Louër Angers SCO | €2.2M | €2.0M-2.5M | +10% | 40.4 |
| #14 | Steeve Kango Olympique Lyon | €1.1M | €976K-1.2M | +10% | 40.4 |
| #15 | Justin Bourgault Stade Brestois 29 | €662K | €585K-738K | +10% | 40.4 |
| #16 | Naoufel El Hannach Paris Saint-Germain | €1.3M | €1.2M-1.5M | +10% | 40.4 |
| #17 | Nidal Celik RC Lens | €7.7M | €6.8M-8.6M | +10% | 40.4 |
| #18 | Enzo Koffi Le Havre AC | €2.0M | €1.8M-2.2M | +10% | 40.4 |
| #19 | Raphaël Le Guen Stade Brestois 29 | €882K | €781K-983K | +10% | 40.4 |
| #20 | Dayann Methalie FC Toulouse | €19.8M | €17.6M-22.1M | +10% | 40.4 |
Indice de pression d'effectif (RPI)
Pression sur la profondeur d'effectif basée sur la distribution des Z-scores. RPI négatif = profondeur faible, positif = effectif profond.
Ce que cela montre
Le Z-Score expliqué : mesure de combien d'écarts-types la force d'un joueur s'éloigne de la moyenne du poste. Un Z-Score de 0 correspond à la moyenne, +1.0 à un écart-type au-dessus de la moyenne, -1.0 en dessous de la moyenne.
Comment l'utiliser : un RPI < -1.0 indique une pénurie critique de profondeur. Ces postes nécessitent un renfort immédiat. Un RPI > +1.0 suggère une profondeur solide, n'autorisant que des ajouts sélectifs et à forte valeur.
Marché actuel : le poste de joueur présente une profondeur faible (Z-score moyen : -0.00). RPI : -0.00.
Analyse de la profondeur par poste
Z-Scores les plus élevés
Z-Scores les plus bas
Concentration de part par âge (ASC)
Identifie les joueurs captant une valeur disproportionnée par rapport à la représentation de leur groupe d'âge. ASC positif = concentration de valeur.
Comprendre la concentration de part par âge (ASC)
Thomas Meunier de LOSC Lille, dans la tranche d'âge 30+, présente la plus forte concentration de part par âge, à +-27.5%. Cela signifie que Marquinhos capte 13.3% de la valeur marchande totale tout en ne représentant que 40.9% des joueurs de son groupe d'âge, ce qui témoigne d'un statut d'élite dominant.
En deuxième position se trouve Marco Verratti de Paris Saint-Germain avec un ASC de +-27.5% (13.3% de part de valeur contre 40.9% de part de joueurs dans la tranche 30+). En troisième, Sébastien Corchia de FC Nantes avec un ASC de +-27.5% (13.3% de valeur contre 40.9% de joueurs dans la tranche 30+).
Comment l'ASC est calculé : ASC = (% de la valeur totale) - (% du total des joueurs) dans la tranche d'âge. Un ASC de +-27.5% signifie que le joueur capte -27.5% de valeur marchande de plus que sa représentation numérique, ce qui indique un statut de vedette. ASC > +15% = domination d'élite, ASC < -15% = cibles de valeur potentielles.
Concentration de valeur par joueur
| Rang | Joueur | Tranche d'âge | Part de valeur | Part de joueurs | ASC |
|---|---|---|---|---|---|
| #1 | Thomas Meunier LOSC Lille | 30+ | 13.3% | 40.9% | -27.5% |
| #2 | Marco Verratti Paris Saint-Germain | 30+ | 13.3% | 40.9% | -27.5% |
| #3 | Sébastien Corchia FC Nantes | 30+ | 13.3% | 40.9% | -27.5% |
| #4 | Yoann Wachter FC Lorient | 30+ | 13.3% | 40.9% | -27.5% |
| #5 | Gaëtan Belaud Stade Brestois 29 | 30+ | 13.3% | 40.9% | -27.5% |
| #6 | Wahbi Khazri Montpellier HSC | 30+ | 13.3% | 40.9% | -27.5% |
| #7 | Jérémy Cordoval ESTAC Troyes | 30+ | 13.3% | 40.9% | -27.5% |
| #8 | Joffrey Cuffaut AS Nancy-Lorraine | 30+ | 13.3% | 40.9% | -27.5% |
| #9 | Dennis Appiah AS Saint-Étienne | 30+ | 13.3% | 40.9% | -27.5% |
| #10 | Idriss Saadi RC Strasbourg Alsace | 30+ | 13.3% | 40.9% | -27.5% |
| #11 | Arnaud Souquet Montpellier HSC | 30+ | 13.3% | 40.9% | -27.5% |
| #12 | Cédric Cambon Thonon Évian Grand Genève FC | 30+ | 13.3% | 40.9% | -27.5% |
| #13 | Eric Bauthéac LOSC Lille | 30+ | 13.3% | 40.9% | -27.5% |
| #14 | Gabriel Silva AS Saint-Étienne | 30+ | 13.3% | 40.9% | -27.5% |
| #15 | Xavier Chavalerin ESTAC Troyes | 30+ | 13.3% | 40.9% | -27.5% |
| #16 | Jordan Ferri Montpellier HSC | 30+ | 13.3% | 40.9% | -27.5% |
| #17 | Rachid Ghezzal Olympique Lyon | 30+ | 13.3% | 40.9% | -27.5% |
| #18 | Mehdi Zeffane Clermont Foot 63 | 30+ | 13.3% | 40.9% | -27.5% |
| #19 | Vincent Le Goff FC Lorient | 30+ | 13.3% | 40.9% | -27.5% |
| #20 | Jonathan Tinhan ESTAC Troyes | 30+ | 13.3% | 40.9% | -27.5% |
Carte Acheter maintenant vs Liste d'attente
Classe les joueurs selon leur position d'âge et leur potentiel de hausse afin de guider le moment de l'acquisition.
Ce que cela montre
Comment l'utiliser : « Acheter maintenant - Fort potentiel » = cibles prioritaires immédiates. « Liste de suivi » = à surveiller pendant 6-12 mois. « Pic » = payer une prime pour des joueurs à la performance avérée. « Vieillissant » = profondeur à court terme uniquement.
Marché actuel : 4 cibles immédiates, 86 acquisitions standards, 136 prospects en liste de suivi, 251 à leur pic.
ACHETER MAINTENANT - Fort potentiel
LISTE DE SUIVI - Fort potentiel
ACHETER MAINTENANT - Potentiel moyen
Joueurs au PIC
Prix vs Z-Score des pairs
Analyse de prix basée sur l'IQR par rapport aux pairs du poste. Identifie les joueurs sur- ou sous-évalués par rapport au marché.
Ce que cela montre
Comment l'utiliser : un Z-score < -1.5 = nettement sous-évalué (bonne affaire potentielle). Un Z-score > +1.5 = prix premium (nécessite une solide justification). Dans une fourchette de ±1.0 = valeur de marché équitable.
Marché actuel : la médiane du poste est de €1.0M. 1 sous-évalués, 89 premium.
Positionnement de valeur vs pairs
| Joueur | Valeur marchande | Médiane du poste | Z-Score | Évaluation |
|---|---|---|---|---|
Gonçalo Ramos Paris Saint-Germain | €30.0M | €1.5M | -2.00 | Sous-évalué |
Seny Koumbassa FC Toulouse | €5.0M | €1.5M | -1.00 | Bonne affaire |
Noah Edjouma LOSC Lille | €5.0M | €1.5M | -1.00 | Bonne affaire |
Kaïl Boudache OGC Nice | €5.0M | €1.5M | -1.00 | Bonne affaire |
Ayyoub Bouaddi LOSC Lille | €50.0M | €1.5M | -1.00 | Bonne affaire |
Prosper Peter Angers SCO | €15.0M | €1.5M | -1.00 | Bonne affaire |
Alpha Touré FC Metz | €5.0M | €1.5M | -1.00 | Bonne affaire |
Khalis Merah Olympique Lyon | €15.0M | €1.5M | -1.00 | Bonne affaire |
Alexis Vossah FC Toulouse | €15.0M | €1.5M | -1.00 | Bonne affaire |
Pierre-Emile Højbjerg Olympique Marseille | €15.0M | €1.5M | -1.00 | Bonne affaire |
Moussa Niakhaté Olympique Lyon | €15.0M | €1.5M | -1.00 | Bonne affaire |
Nayef Aguerd Olympique Marseille | €15.0M | €1.5M | -1.00 | Bonne affaire |
Achraf Hakimi Paris Saint-Germain | €80.0M | €1.5M | -1.00 | Bonne affaire |
Marshall Munetsi Paris FC | €15.0M | €1.5M | -1.00 | Bonne affaire |
Estéban Lepaul Stade Rennais FC | €35.0M | €1.5M | -1.00 | Bonne affaire |
Igor Paixão Olympique Marseille | €35.0M | €1.5M | -1.00 | Bonne affaire |
Noah Nartey Olympique Lyon | €15.0M | €1.5M | -1.00 | Bonne affaire |
Abdoul Ouattara RC Strasbourg Alsace | €15.0M | €1.5M | -1.00 | Bonne affaire |
Jérémy Jacquet Stade Rennais FC | €55.0M | €1.5M | -0.93 | Bonne affaire |
Othmane Maamma Montpellier HSC | €300K | €1.5M | -0.75 | Bonne affaire |
Aperçu du marché : Joueurs (tous les postes) de Ligue 1 2024-25
Notre base de données répertoriait 905 Joueurs (tous les postes) de Ligue 1 pour la saison 2024-25, représentant 39 clubs avec une valeur marchande cumulée de €5.4B. La valeur marchande moyenne des Joueurs (tous les postes) de Ligue 1 était de €6.0M, avec un âge moyen de 28 ans.
Le joueur le plus précieux de Ligue 1 était Vitinha, évalué à €140.0M et ayant joué pour Paris Saint-Germain à l'âge de 26 ans. Les 5 meilleurs Joueurs (tous les postes) affichaient en moyenne €104.0M de valeur marchande, dont Khvicha Kvaratskhelia and Nuno Mendes.
La répartition par âge montrait que le plus jeune joueur répertorié était Ayyoub Bouaddi (18 ans, LOSC Lille, €50.0M), tandis que le plus âgé était Laurent Koscielny (40 ans, FC Girondins Bordeaux, €3.0M). Les recherches montrent que les Joueurs (tous les postes) atteignent généralement leur apogée à 26 ans.
L'analyse historique a montré que 263 Joueurs (tous les postes) (29 %) a augmenté en valeur marchande au cours des suivants 12 prochains mois selon les trajectoires des courbes d'âge, les tendances de performance d'alors et l'analyse du temps de jeu. Le marché de Ligue 1 pour les Joueurs (tous les postes) restait très compétitif avec une importante activité de transferts pour la saison 2024-25.
Comment nous classons les Joueurs (tous les postes) de Ligue 1
Notre Analytical Strength Index est calibré spécifiquement pour les joueurs (tous les postes), en utilisant des courbes d'âge et des références de temps de jeu propres au poste. Le modèle s'appuie sur la recherche universitaire relative à la valorisation des joueurs (Franck & Nüesch, 2012) et aux courbes âge-performance (Dendir, 2016).
Composantes du score pour ALL
Indice de performance historique (35 %)
Valeur marchande maximale en carrière pour les joueurs (tous les postes) de Ligue 1, reflétant un palmarès avéré et la réputation. Utilise une échelle logarithmique pour tenir compte de la répartition exponentielle de la valeur au niveau de l'élite.
Indicateur de performance actuelle (30 %)
Valeur marchande actuelle pour les joueurs (tous les postes) de Ligue 1, capturant la forme récente, les blessures et le niveau de performance actuel. Pondéré pour refléter les schémas de dépréciation liés à l'âge.
Utilisation du temps de jeu (18 %)
Les milieux de terrain avec 2 400+ minutes obtiennent le score le plus élevé, indiquant un rôle de titulaire régulier et une performance soutenue.
Courbe de performance ajustée en fonction de l'âge (12 %)
Les milieux de terrain atteignent leur apogée à 27 ans avec un déclin de 6,0 %/an. Les joueurs avant leur apogée obtiennent un score plus élevé sur leur trajectoire de développement.
Ajustement du niveau de compétition (3 %)
Ligue 1 reçoit la prime des 5 grands championnats européens pour l'intensité compétitive et la qualité de l'opposition.
Multiplicateur d'attentes de performance (2 %)
Les joueurs des clubs ayant un pedigree en Ligue des champions font face à des standards de performance plus élevés et à une complexité tactique accrue, ce qui contribue au développement et à la validation par le marché.
Références de performance pour ALL
Âge d'apogée : 27 ans (compétences techniques et lucidité tactique)
Taux de déclin : Par paliers de plus en plus marqués, et non à taux fixe : environ -5 % à 28 ans, -10 % à 29 ans, puis plus marqué à partir de 30 ans (les compétences techniques vieillissent mieux que les attributs physiques)
Minutes optimales : 2 400-2 500 par saison (équilibre entre implication et récupération)
Prévision de la valeur marchande sur 1 an
Modèle probabiliste combinant la dépréciation liée à la courbe d'âge, la dynamique de valeur et les facteurs liés au temps de jeu :
• Facteur d'âge : Milieu de terrain : courbe composée par paliers autour d'une apogée à 27 ans ; +25 %/an jusqu'à 21 ans, +15 % à 22-23 ans, +10 % jusqu'à l'année précédant l'apogée, puis -5 %, -10 % et plus marqué à chaque palier suivant. La croissance est atténuée au-delà de 30 M€.
• Trajectoire de valeur : Proche de l'apogée de carrière (>95 % de la valeur maximale) : +3 % de dynamique | Déclin modéré : -5 %
• Facteur de temps de jeu : Titulaires réguliers (+2 %), Rotation de l'effectif (-2 %)
• Fourchette de prévision : Intervalle de confiance de ±12-15 %
Fondement scientifique
• Dendir (2016) : Courbes âge-performance pour les joueurs (tous les postes)
• Carmichael et al. (2011) : Dépréciation des joueurs dans les grands championnats
• Franck & Nüesch (2012) : Modèles de prix hédoniques pour la valorisation des talents
• Szymanski, S. (2015). Money and Soccer: A Soccernomics Guide
Foire aux questions
Questions fréquentes sur les Joueurs (tous les postes) de Ligue 1 pour la saison 2024-25
Qui sont les Joueurs (tous les postes) les plus précieux de Ligue 1 en 2024-25 ?
Le joueur le plus précieux de Ligue 1 en 2024-25 est Vitinha, qui vaut €140.0M et joue pour Paris Saint-Germain. Le deuxième plus précieux est Khvicha Kvaratskhelia (€140.0M, Paris Saint-Germain), suivi de Nuno Mendes (€80.0M, Paris Saint-Germain). Notre base de données répertorie 905 Joueurs (tous les postes) de Ligue 1 avec des valorisations de marché complètes mises à jour pour la saison 2024-25.
Comment les Joueurs (tous les postes) de Ligue 1 sont-ils classés ?
Les Joueurs (tous les postes) de Ligue 1 sont classés par notre Analytical Strength Index propriétaire, qui est spécifiquement calibré pour les Joueurs (tous les postes). Le score combine six facteurs : l'indice de performance historique (35 %) mesurant la valeur maximale en carrière, l'indicateur de performance actuelle (30 %) reflétant les signaux de marché récents, l'utilisation du temps de jeu (18 %) suivant les minutes jouées, la courbe de performance ajustée en fonction de l'âge (12 %) utilisant les âges d'apogée spécifiques au poste, le coefficient de qualité de la compétition (3 %) pour le niveau de la compétition de Ligue 1, et le multiplicateur de niveau de club (2 %) tenant compte du prestige du club. Cette méthodologie s'appuie sur des recherches universitaires, notamment les travaux de Dendir (2016) sur les courbes âge-performance et de Franck & Nüesch (2012) sur les modèles de prix hédoniques.
À quel âge les Joueurs (tous les postes) atteignent-ils leur apogée ?
Combien coûte le recrutement d'un joueur de premier plan de Ligue 1 ?
Les indemnités de transfert pour les Joueurs (tous les postes) de Ligue 1 varient considérablement selon la valeur marchande, la durée du contrat et la position de négociation du club. Pour le joueur le mieux classé Vitinha (valeur marchande : €140.0M), les indemnités de transfert estimées s'échelonneraient de €112.0M à €196.0M selon la situation contractuelle. Les joueurs ayant des contrats plus longs (3 ans et plus) commandent des indemnités élevées (1,2-1,4 × la valeur marchande), tandis que ceux en dernière année peuvent être disponibles pour 0,8-1,1 × la valeur marchande. Nos estimations d'indemnités sont dérivées des tendances historiques de transferts et de modificateurs liés à l'échéance contractuelle, validés par rapport aux transactions réelles de Ligue 1.
Quelle est la prévision de valeur pour les Joueurs (tous les postes) de Ligue 1 ?
Notre modèle de prévision sur 1 an projette les variations de valeur marchande des Joueurs (tous les postes) de Ligue 1 en fonction de la dépréciation liée à la courbe d'âge, de la trajectoire historique et des ajustements du temps de jeu. La prévision combine trois facteurs : l'appréciation/dépréciation liée à l'âge (les joueurs avant l'apogée cumulent des gains composés vers l'âge d'apogée de leur poste, atteignant +25 % par an jusqu'à 21 ans puis de moins en moins à l'approche, ceux après l'apogée baissent par paliers de plus en plus marqués), la dynamique de la trajectoire de marché (comparant la valeur actuelle à la valeur maximale) et la confiance liée au temps de jeu (les titulaires réguliers reçoivent un bonus de +2 %). Les intervalles de confiance des prévisions tiennent compte de la volatilité spécifique au poste-les milieux de terrain ont une volatilité de ±12-15 %. Les jeunes joueurs (moins de 22 ans) et les joueurs plus âgés (plus de 32 ans) reçoivent des multiplicateurs d'incertitude de 1,15 × en raison de schémas de développement ou de déclin imprévisibles.
D'où proviennent les données sur les joueur de Ligue 1 ?
Nos données sur les joueur de Ligue 1 proviennent de la Transfer Intelligence Database propriétaire de Football Analytics AI, qui agrège les valorisations de marché, les statistiques des joueurs, les informations contractuelles et les historiques de transferts à partir de multiples sources du secteur. Les valeurs marchandes sont mises à jour régulièrement en fonction des performances des joueurs, des blessures, des négociations contractuelles et de l'activité du marché des transferts. Nous enrichissons ces données avec nos analyses propriétaires, notamment des algorithmes de notation spécifiques au poste, des courbes âge-performance calibrées sur la recherche universitaire et des modèles de prévision statistiques. Toutes les données sont validées par rapport aux sources officielles de Ligue 1 et mises à jour mensuellement pour la saison 2024-25 afin de garantir leur exactitude pour les décisions de recrutement et d'investissement.