Meilleurs Joueurs (tous les postes) de Ligue 1 (Jul 2026)
Classés par Analytical Strength Index
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 €4.2B. La valeur marchande moyenne des Joueurs (tous les postes) de Ligue 1 était de €4.7M, avec un âge moyen de 29 ans.
Le joueur le plus précieux de Ligue 1 était Vitinha, évalué à €110.0M et ayant joué pour Paris Saint-Germain à l'âge de 26 ans. Les 5 meilleurs Joueurs (tous les postes) affichaient en moyenne €85.0M de valeur marchande, dont Nuno Mendes and Willian Pacho.
La répartition par âge montrait que le plus jeune joueur répertorié était Ayyoub Bouaddi (18 ans, LOSC Lille, €40.0M), 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 26-27 ans.
L'analyse historique a montré que 314 Joueurs (tous les postes) (35 %) 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.
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 €4.2B.
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.
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+ (420 joueurs, soit 46% du marché). La tranche d'âge 24-26 concentre le plus de valeur avec €1.2B, soit une moyenne de €7.8M par joueur.
Meilleurs Joueurs (tous les postes) par tranche d'âge
U21 ans (42 joueurs)
21-23 ans (135 joueurs)
24-26 ans (152 joueurs)
27-29 ans (156 joueurs)
Répartition de la valeur marchande
Concentration de la catégorie élite
Les 91 meilleurs Joueurs (tous les postes) (10% des joueurs) contrôlent €2.5B
Catégories de marché
La structure du marché révèle une valeur répartie, la catégorie élite (50 m€+) représentant 1% 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 31 Joueurs (tous les postes) pour une valeur de €1.2B (soit €39.1M en moyenne par joueur). Les 10 premiers clubs représentent 40% des Joueurs (tous les postes) suivis.
Paris Saint-Germain (31 Joueurs (tous les postes))
Olympique Marseille (43 Joueurs (tous les postes))
AS Monaco (35 Joueurs (tous les postes))
Stade Rennais FC (44 Joueurs (tous les postes))
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
€95.1M
€110.0M
+15.6%
Attendu : €117.9M
95.5
Nuno Mendes
Paris Saint-Germain • 24 ans
€64.9M
€75.0M
+15.6%
Attendu : €83.6M
95.0
Willian Pacho
Paris Saint-Germain • 24 ans
€60.5M
€70.0M
+15.6%
Attendu : €78.0M
94.5
Désiré Doué
Paris Saint-Germain • 21 ans
€77.8M
€90.0M
+15.6%
Attendu : €103.3M
94.1
Achraf Hakimi
Paris Saint-Germain • 27 ans
€69.2M
€80.0M
+15.6%
Attendu : €85.7M
94.0
Khvicha Kvaratskhelia
Paris Saint-Germain • 25 ans
€77.8M
€90.0M
+15.6%
Attendu : €91.6M
93.8
João Neves
Paris Saint-Germain • 21 ans
€95.1M
€110.0M
+15.6%
Attendu : €126.2M
93.3
Ousmane Dembélé
Paris Saint-Germain • 29 ans
€129.1M
€100.0M
-22.6%
Attendu : €85.4M
92.9
Bradley Barcola
Paris Saint-Germain • 23 ans
€60.5M
€70.0M
+15.6%
Attendu : €78.0M
91.9
Ilya Zabarnyi
Paris Saint-Germain • 23 ans
€43.2M
€50.0M
+15.6%
Attendu : €55.1M
89.9
Warren Zaïre-Emery
Paris Saint-Germain • 20 ans
€43.2M
€50.0M
+15.6%
Attendu : €59.7M
87.4
Mason Greenwood
Olympique Marseille • 24 ans
€43.2M
€50.0M
+15.6%
Attendu : €53.3M
87.2
Maghnes Akliouche
AS Monaco • 24 ans
€38.9M
€45.0M
+15.6%
Attendu : €48.0M
85.9
Fabián Ruiz
Paris Saint-Germain • 30 ans
€51.7M
€40.0M
-22.6%
Attendu : €34.5M
85.4
Senny Mayulu
Paris Saint-Germain • 20 ans
€34.6M
€40.0M
+15.6%
Attendu : €47.7M
84.6
Ethan Nwaneri
Olympique Marseille • 19 ans
€34.6M
€40.0M
+15.6%
Attendu : €49.6M
83.8
Ayyoub Bouaddi
LOSC Lille • 18 ans
€34.6M
€40.0M
+15.6%
Attendu : €51.4M
83.2
Gonçalo Ramos
Paris Saint-Germain • 25 ans
€30.3M
€35.0M
+15.6%
Attendu : €35.6M
82.5
Dilane Bakwa
RC Strasbourg Alsace • 23 ans
€27.7M
€32.0M
+15.6%
Attendu : €35.7M
82.2
Marquinhos
Paris Saint-Germain • 32 ans
€38.7M
€30.0M
-22.6%
Attendu : €25.1M
80.0
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)
João Neves de Paris Saint-Germain, à 21 ans, présente la plus forte efficience de valeur avant le pic, à 44.00×. Cela signifie que João Neves est valorisé 44.00× plus haut que le joueur médian de la tranche d'âge 21-23, ce qui représente une valeur exceptionnelle avant d'atteindre l'âge du pic.
En deuxième position se trouve Désiré Doué de Paris Saint-Germain, âgé de 21 ans, avec un PPVE de 36.00×. En troisième, Khvicha Kvaratskhelia de Paris Saint-Germain, âgé de 25 ans, avec un PPVE de 30.00×.
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 44.00× signifie que le joueur vaut 4300% 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 | João Neves Paris Saint-Germain | 21 | 21-23 | €110.0M | €2.5M | 44.00× |
| #2 | Désiré Doué Paris Saint-Germain | 21 | 21-23 | €90.0M | €2.5M | 36.00× |
| #3 | Khvicha Kvaratskhelia Paris Saint-Germain | 25 | 24-26 | €90.0M | €3.0M | 30.00× |
| #4 | Bradley Barcola Paris Saint-Germain | 23 | 21-23 | €70.0M | €2.5M | 28.00× |
| #5 | Nuno Mendes Paris Saint-Germain | 24 | 24-26 | €75.0M | €3.0M | 25.00× |
| #6 | Willian Pacho Paris Saint-Germain | 24 | 24-26 | €70.0M | €3.0M | 23.33× |
| #7 | Ilya Zabarnyi Paris Saint-Germain | 23 | 21-23 | €50.0M | €2.5M | 20.00× |
| #8 | Mason Greenwood Olympique Marseille | 24 | 24-26 | €50.0M | €3.0M | 16.67× |
| #9 | Maghnes Akliouche AS Monaco | 24 | 24-26 | €45.0M | €3.0M | 15.00× |
| #10 | Warren Zaïre-Emery Paris Saint-Germain | 20 | U21 | €50.0M | €3.5M | 14.29× |
| #11 | Dilane Bakwa RC Strasbourg Alsace | 23 | 21-23 | €32.0M | €2.5M | 12.80× |
| #12 | Malick Fofana Olympique Lyon | 21 | 21-23 | €30.0M | €2.5M | 12.00× |
| #13 | Lamine Camara AS Monaco | 22 | 21-23 | €30.0M | €2.5M | 12.00× |
| #14 | Gonçalo Ramos Paris Saint-Germain | 25 | 24-26 | €35.0M | €3.0M | 11.67× |
| #15 | Ayyoub Bouaddi LOSC Lille | 18 | U21 | €40.0M | €3.5M | 11.43× |
| #16 | Ethan Nwaneri Olympique Marseille | 19 | U21 | €40.0M | €3.5M | 11.43× |
| #17 | Senny Mayulu Paris Saint-Germain | 20 | U21 | €40.0M | €3.5M | 11.43× |
| #18 | Emmanuel Emegha RC Strasbourg Alsace | 23 | 21-23 | €28.0M | €2.5M | 11.20× |
| #19 | Arthur Vermeeren Olympique Marseille | 21 | 21-23 | €28.0M | €2.5M | 11.20× |
| #20 | Ansu Fati AS Monaco | 23 | 21-23 | €25.0M | €2.5M | 10.00× |
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 +52%. Cela signifie que Mathys Niflore devrait s'apprécier de 52% 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 Renato Marin de Paris Saint-Germain, âgé de 20 ans, avec un RPP de +48% (6 ans avant le pic). En troisième, Mike Penders de RC Strasbourg Alsace, âgé de 20 ans, avec un RPP de +48% (6 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 52% signifie que le joueur devrait gagner 52% 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 | €2.1M | +52% |
| #2 | Renato Marin Paris Saint-Germain | 20 | 6 | €500K | €961K | +48% |
| #3 | Mike Penders RC Strasbourg Alsace | 20 | 6 | €1.0M | €1.9M | +48% |
| #4 | Quentin Ndjantou Paris Saint-Germain | 18 | 8 | €7.0M | €12.5M | +44% |
| #5 | Ibrahim Mbaye Paris Saint-Germain | 18 | 8 | €25.0M | €44.7M | +44% |
| #6 | Ayyoub Bouaddi LOSC Lille | 18 | 8 | €40.0M | €71.5M | +44% |
| #7 | Prosper Peter Angers SCO | 18 | 8 | €5.0M | €8.9M | +44% |
| #8 | Kader Meïté Stade Rennais FC | 18 | 8 | €10.0M | €17.9M | +44% |
| #9 | Soriba Diaoune LOSC Lille | 18 | 8 | €300K | €536K | +44% |
| #10 | Naoufel El Hannach Paris Saint-Germain | 19 | 7 | €1.2M | €2.1M | +44% |
| #11 | Noham Kamara Paris Saint-Germain | 19 | 7 | €1.0M | €1.8M | +44% |
| #12 | Robin Risser RC Lens | 21 | 5 | €10.0M | €17.9M | +44% |
| #13 | Guillaume Restes FC Toulouse | 21 | 5 | €20.0M | €35.7M | +44% |
| #14 | Trevan Sanusi FC Lorient | 19 | 7 | €500K | €831K | +40% |
| #15 | Ethan Mbappé LOSC Lille | 19 | 7 | €9.0M | €15.0M | +40% |
| #16 | Samuel Amo-Ameyaw RC Strasbourg Alsace | 19 | 7 | €8.0M | €13.3M | +40% |
| #17 | Sidiki Chérif Angers SCO | 19 | 7 | €7.0M | €11.6M | +40% |
| #18 | Justin Bourgault Stade Brestois 29 | 20 | 6 | €600K | €997K | +40% |
| #19 | Dayann Methalie FC Toulouse | 20 | 6 | €8.0M | €13.3M | +40% |
| #20 | Nidal Celik RC Lens | 20 | 6 | €1.0M | €1.7M | +40% |
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)
Mathys Niflore de FC Toulouse présente le plus fort potentiel ajusté du risque, à 154.3. Cela signifie que Mathys Niflore dispose d'un potentiel de hausse de 40% 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 Renato Marin de Paris Saint-Germain avec un RAU de 118.5 (28% de potentiel, 0% d'incertitude). En troisième, Mike Penders de RC Strasbourg Alsace avec un RAU de 118.5 (28% 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 154.3 signifie que le potentiel de hausse est 154.3× 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 | Mathys Niflore FC Toulouse | €1.4M | €1.3M-1.5M | +40% | 154.3 |
| #2 | Renato Marin Paris Saint-Germain | €639K | €581K-698K | +28% | 118.5 |
| #3 | Mike Penders RC Strasbourg Alsace | €1.3M | €1.2M-1.4M | +28% | 118.5 |
| #4 | Robin Risser RC Lens | €12.3M | €11.2M-13.5M | +23% | 103.3 |
| #5 | Guillaume Restes FC Toulouse | €24.7M | €22.4M-27.0M | +23% | 103.3 |
| #6 | Naoufel El Hannach Paris Saint-Germain | €1.5M | €1.3M-1.7M | +23% | 82.7 |
| #7 | Noham Kamara Paris Saint-Germain | €1.2M | €1.1M-1.4M | +23% | 82.7 |
| #8 | Lucas Lavallée Paris Saint-Germain | €344K | €316K-371K | +15% | 79.9 |
| #9 | Simon Ngapandouetnbu Olympique Marseille | €344K | €316K-371K | +15% | 79.9 |
| #10 | Doğan Alemdar Stade Rennais FC | €1.7M | €1.6M-1.9M | +15% | 79.9 |
| #11 | Ayyoub Bouaddi LOSC Lille | €51.4M | €43.7M-59.1M | +29% | 74.2 |
| #12 | Ishé Samuels-Smith RC Strasbourg Alsace | €833K | €738K-929K | +19% | 69.6 |
| #13 | Yoni Gomis RC Strasbourg Alsace | €417K | €369K-465K | +19% | 69.6 |
| #14 | Dayann Methalie FC Toulouse | €9.5M | €8.4M-10.6M | +19% | 69.6 |
| #15 | Nidal Celik RC Lens | €1.2M | €1.1M-1.3M | +19% | 69.6 |
| #16 | Abdoul Ouattara RC Strasbourg Alsace | €10.7M | €9.5M-11.9M | +19% | 69.6 |
| #17 | Justin Bourgault Stade Brestois 29 | €714K | €632K-797K | +19% | 69.6 |
| #18 | Abdelhamid Ait Boudlal Stade Rennais FC | €11.9M | €10.5M-13.3M | +19% | 69.6 |
| #19 | Nhoa Sangui Paris FC | €6.0M | €5.3M-6.6M | +19% | 69.6 |
| #20 | Ethan Nwaneri Olympique Marseille | €49.6M | €42.2M-57.0M | +24% | 64.6 |
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 +-26.6%. Cela signifie que Fabián Ruiz capte 19.8% de la valeur marchande totale tout en ne représentant que 46.4% 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 +-26.6% (19.8% de part de valeur contre 46.4% de part de joueurs dans la tranche 30+). En troisième, Sébastien Corchia de FC Nantes avec un ASC de +-26.6% (19.8% de valeur contre 46.4% 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 +-26.6% signifie que le joueur capte -26.6% 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+ | 19.8% | 46.4% | -26.6% |
| #2 | Marco Verratti Paris Saint-Germain | 30+ | 19.8% | 46.4% | -26.6% |
| #3 | Sébastien Corchia FC Nantes | 30+ | 19.8% | 46.4% | -26.6% |
| #4 | Yoann Wachter FC Lorient | 30+ | 19.8% | 46.4% | -26.6% |
| #5 | Gaëtan Belaud Stade Brestois 29 | 30+ | 19.8% | 46.4% | -26.6% |
| #6 | Wahbi Khazri Montpellier HSC | 30+ | 19.8% | 46.4% | -26.6% |
| #7 | Amadou Soukouna FC Toulouse | 30+ | 19.8% | 46.4% | -26.6% |
| #8 | Jérémy Cordoval ESTAC Troyes | 30+ | 19.8% | 46.4% | -26.6% |
| #9 | Loïc Poujol FC Sochaux-Montbéliard | 30+ | 19.8% | 46.4% | -26.6% |
| #10 | Joffrey Cuffaut AS Nancy-Lorraine | 30+ | 19.8% | 46.4% | -26.6% |
| #11 | Dennis Appiah AS Saint-Étienne | 30+ | 19.8% | 46.4% | -26.6% |
| #12 | Benjamin Jeannot Dijon FCO | 30+ | 19.8% | 46.4% | -26.6% |
| #13 | Idriss Saadi RC Strasbourg Alsace | 30+ | 19.8% | 46.4% | -26.6% |
| #14 | Arnaud Souquet Montpellier HSC | 30+ | 19.8% | 46.4% | -26.6% |
| #15 | Cédric Cambon Thonon Évian Grand Genève FC | 30+ | 19.8% | 46.4% | -26.6% |
| #16 | Eric Bauthéac LOSC Lille | 30+ | 19.8% | 46.4% | -26.6% |
| #17 | John Tshibumbu GFC Ajaccio | 30+ | 19.8% | 46.4% | -26.6% |
| #18 | Florent Hanin Angers SCO | 30+ | 19.8% | 46.4% | -26.6% |
| #19 | Maxime Barthelmé FC Lorient | 30+ | 19.8% | 46.4% | -26.6% |
| #20 | Gabriel Silva AS Saint-Étienne | 30+ | 19.8% | 46.4% | -26.6% |
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 : 30 cibles immédiates, 172 acquisitions standards, 0 prospects en liste de suivi, 230 à leur pic.
ACHETER MAINTENANT - Fort potentiel
LISTE DE SUIVI - Fort potentiel
Aucun joueur dans cette catégorie
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 €450K. 0 sous-évalués, 122 premium.
Positionnement de valeur vs pairs
| Joueur | Valeur marchande | Médiane du poste | Z-Score | Évaluation |
|---|---|---|---|---|
Christian Mawissa AS Monaco | €15.0M | €1.0M | -1.25 | Bonne affaire |
Paul Pogba AS Monaco | €15.0M | €1.0M | -1.25 | Bonne affaire |
Mason Greenwood Olympique Marseille | €50.0M | €1.0M | -1.25 | Bonne affaire |
Charlie Cresswell FC Toulouse | €15.0M | €1.0M | -1.25 | Bonne affaire |
Lucas Stassin AS Saint-Étienne | €15.0M | €1.0M | -1.25 | Bonne affaire |
Djaoui Cissé Stade Rennais FC | €15.0M | €1.0M | -1.25 | Bonne affaire |
Othmane Maamma Montpellier HSC | €300K | €1.0M | -1.00 | Bonne affaire |
Prosper Peter Angers SCO | €5.0M | €1.0M | -1.00 | Bonne affaire |
Kembo Diliwidi RC Lens | €300K | €1.0M | -1.00 | Bonne affaire |
Rayan Fofana RC Lens | €5.0M | €1.0M | -1.00 | Bonne affaire |
Soriba Diaoune LOSC Lille | €300K | €1.0M | -1.00 | Bonne affaire |
Marquinhos Paris Saint-Germain | €30.0M | €1.0M | -1.00 | Bonne affaire |
Emiliano Sala FC Nantes | €16.0M | €1.0M | -1.00 | Bonne affaire |
Moussa Niakhaté Olympique Lyon | €16.0M | €1.0M | -1.00 | Bonne affaire |
Achraf Hakimi Paris Saint-Germain | €80.0M | €1.0M | -1.00 | Bonne affaire |
Gonçalo Ramos Paris Saint-Germain | €35.0M | €1.0M | -1.00 | Bonne affaire |
Sebastian Nanasi RC Strasbourg Alsace | €15.0M | €1.0M | -1.00 | Bonne affaire |
Ilya Zabarnyi Paris Saint-Germain | €50.0M | €1.0M | -1.00 | Bonne affaire |
Nhoa Sangui Paris FC | €5.0M | €1.0M | -1.00 | Bonne affaire |
Yoni Gomis RC Strasbourg Alsace | €350K | €1.0M | -0.90 | Bonne affaire |
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 26-27 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 : 26-27 ans (compétences techniques et lucidité tactique)
Taux de déclin : 6,0 % par an (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 : -6,0 %/an après l'apogée, +5 %/an avant l'apogée
• 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 €110.0M et joue pour Paris Saint-Germain. Le deuxième plus précieux est Nuno Mendes (€75.0M, Paris Saint-Germain), suivi de Willian Pacho (€70.0M, 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 : €110.0M), les indemnités de transfert estimées s'échelonneraient de €88.0M à €154.0M 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 gagnent environ 5 % par an en approchant de l'âge d'apogée, ceux après l'apogée déclinent à des taux spécifiques au poste), 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.