Understanding the Potential Score (PS): Estimating a Sorare Card’s Performance with Data

How SorareScore combines team context, player performance and match probabilities to estimate a player's potential score

— Version française plus bas — 

 

The PS (Potential Score): Estimating the Potential Score of a Sorare Card Using Data 📊⚽

In the Sorare ecosystem, anticipating a player's performance is a key challenge. Past scores are useful, but they are not sufficient on their own to estimate what a player is truly capable of producing in their next match.

This is where the PS – Potential Score comes in.

The PS is a proprietary indicator developed by SorareScore. Its goal is to estimate the potential score of a Sorare card for a given match, by combining:

• individual player data
• team performance data
• the context of the upcoming match

The calculation relies on the analysis and aggregation of around one hundred variables, derived from historical and contextual data.

The objective is not to predict an exact score, but to provide a realistic, consistent and comparable estimate between players, even in situations where limited data is available.

A Two-Dimensional Approach: Team and Player

The PS is built around two major components:

• The team contribution
• The individual player contribution

These components are calculated separately and then combined to produce the final score.

1️⃣ The Team Component: Establishing the Collective Performance Context

Even the best player remains highly dependent on their team environment. For this reason, the PS integrates a detailed analysis of team performance by position.

Average Scores by Position and Match Scenario

For each team, we analyze the average performances of players by position (goalkeeper, defender, midfielder, forward) over the last 15 matches.

These averages are then broken down across several key match scenarios:

• Win
• Draw
• Loss
• Clean Sheet (CS)
• No Clean Sheet
• 3 Goals Scored (3GS)
• No 3 Goals Scored

For example, this allows us to determine the average score of a defender from a specific team when the team wins and keeps a clean sheet, or the average score of a forward when the team scores at least three goals.

Estimating the Predicted Score by Position

Once these average scores are calculated, they are weighted using the probabilities of the upcoming match:

• Win %
• Draw %
• Lose %
• CS %
• 3GS %

The result is a predicted average score by position, specific to the next match. 💡 Key advantage:
This approach allows us to estimate a score even for a player who has never played, or who has very limited historical data. In such cases, the model relies on the typical performances of teammates playing in the same position.

Matchup Adjustment

The team component also includes a matchup coefficient.

The principle is simple:

• very favorable matchups tend to increase player performance
• very difficult matchups tend to reduce it

A small multiplicative coefficient is therefore applied:

• upward for very favorable matchups
• downward for very difficult ones

This adjustment remains deliberately moderate: it acts as a contextual boost, not a complete transformation of the score.

2️⃣ The Player Component: The Core of the Potential Score

The player component is the most important part of the PS.
It aims to measure the player's actual potential based on historical performances while taking the context of the next match into account.

This component is divided into four sub-parts, each producing an intermediate score.
These scores are then weighted using coefficients based on their relative importance.

1. Form and Average Score

This first section captures both:

• recent form
• performance consistency

We use four indicators:

• L5: average score over the last 5 matches
• Lx5: average score over the last 5 matches where the player played more than 45 minutes
• L10: average score over the last 10 matches
• Lx10: average score over the last 10 matches where the player played more than 45 minutes

These four metrics are combined to produce a form-based average score, balancing recent performances with a broader historical sample while reducing the impact of short substitute appearances.

2. Home / Away Score (H/A)

A player's performance can vary significantly depending on whether they play:

• at home
• or away

We therefore calculate the player’s average score over their last 15 matches, based on the location of the upcoming match.

If the next match is played at home, the model uses the player's home performances, and vice versa for away matches.

3. Win / Draw / Loss Score (WDL)

This section measures how dependent the player’s performance is on the team's result.

We calculate:

• the player’s average score in wins
• in draws
• in losses

(using the last 15 matches).

These scores are then weighted using the probabilities of the upcoming match (Win %, Draw %, Lose %), following the same logic used in the team component.

4. CS / 3GS Score

Finally, we integrate performance indicators specific to each position:

• Goalkeepers and defenders: average score in Clean Sheet vs No Clean Sheet scenarios
• Midfielders and forwards: average score when the team scores 3 Goals Scored (3GS) vs when it does not

Once again, historical scores are weighted using the probabilities of the upcoming match (CS % or 3GS %).

PS Reliability: the %PS Indicator

Calculating a score is one thing — measuring its reliability is another.

To address this, we defined 9 fundamental data points required for the different intermediate calculations.

Depending on how many of these data points are available for a given player, we compute a %PS indicator.

%PS is capped at 90% :

• it represents the reliability of the Potential Score calculation
• the higher it is, the more complete and robust the input data is

A player with limited historical data may therefore still have a PS estimate, but with a lower %PS, indicating greater uncertainty.

Conclusion

The Potential Score is not a magic prediction, but a data-driven decision-support tool built on a rigorous analytical framework.

By combining:

• individual performance metrics
• team context
• match probabilities
• and a reliability indicator

The PS makes it possible to compare players on a consistent basis, even in complex situations such as:

• new players
• players returning from injury
• limited playing time
• or squad rotations.

 

--------------------------------------------------------------------------------------------------

 

Le PS (Potential Score) : estimer le score potentiel d’une carte Sorare grâce à la data 📊⚽

Dans l’univers Sorare, anticiper la performance d’un joueur est un enjeu central. Les scores passés sont utiles, mais ils ne suffisent pas à eux seuls pour estimer ce qu’un joueur est réellement capable de produire lors de son prochain match.

C’est dans ce contexte qu’intervient le PS – Potential Score.

Le PS est un indicateur propriétaire développé par SorareScore.
Il vise à estimer le score potentiel d’une carte Sorare pour un match donné, en combinant à la fois :

• les données individuelles du joueur
• les données collectives de son équipe
• le contexte du match à venir

Ce calcul repose sur l’analyse et l’agrégation de près d’une centaine de variables, issues de données historiques et contextuelles.

L’objectif n’est pas de prédire un score exact, mais de fournir une estimation réaliste, cohérente et comparable entre joueurs, même dans des situations où peu de données sont disponibles.

Une approche en deux dimensions : équipe et joueur

Le PS est construit autour de deux grands piliers :

• La contribution de l’équipe
• La contribution individuelle du joueur

Ces deux composantes sont calculées séparément, puis combinées pour produire un score final.

1️⃣ La composante équipe : poser un cadre de performance collective

Même le meilleur joueur reste fortement dépendant de son environnement collectif.
C’est pourquoi le PS intègre une analyse détaillée de la performance moyenne de l’équipe, poste par poste.

🔹 Scores moyens par poste et par scénario

Pour chaque équipe, nous analysons les performances moyennes des joueurs à un poste donné (gardien, défenseur, milieu, attaquant) sur les 15 derniers matchs.

Ces scores moyens sont ensuite décomposés selon plusieurs scénarios clés :

• Victoire (Win)
• Match nul (Draw)
• Défaite (Lose)
• Clean Sheet (CS)
• No Clean Sheet
• 3 Goals Scored (3GS)
• No 3 Goals Scored

Cela permet d’obtenir, par exemple, le score moyen d’un défenseur de cette équipe lorsque celle-ci gagne et garde sa cage inviolée, ou encore le score moyen d’un attaquant lorsque l’équipe marque au moins trois buts.

🔹 Estimation du score moyen prédit par poste

Une fois ces scores moyens calculés, nous les pondérons à l’aide des probabilités du prochain match :

• Win %
• Draw %
• Lose %
• CS %
• 3GS %

Le résultat est un score moyen prédit par poste, spécifique au match à venir.💡 Avantage clé :
Cette méthode permet d’estimer un score même pour un joueur qui n’a jamais joué, ou qui dispose de très peu de données historiques.

On se base alors sur les performances habituelles de ses coéquipiers évoluant au même poste.

🔹 Ajustement selon le matchup

La composante équipe intègre également un coefficient de matchup.

L’idée est simple :

• un match très favorable a statistiquement plus de chances d’avoir un impact positif sur la performance individuelle
• un match très défavorable tend à réduire le potentiel de score

Un léger coefficient multiplicateur est donc appliqué :

• à la hausse pour les matchs très favorables
• à la baisse pour les matchs très difficiles

Cet ajustement reste volontairement modéré : il s’agit d’un boost contextuel, pas d’un bouleversement du score.

2️⃣ La composante joueur : le cœur du Potential Score

La partie joueur est la composante la plus importante du PS.
Elle vise à mesurer le potentiel réel du joueur à partir de ses performances passées, en tenant compte du contexte du prochain match.

Cette composante est découpée en quatre sous-parties, chacune produisant un score intermédiaire.
Ces scores sont ensuite pondérés par des coefficients, selon leur importance relative.

🔹 1. Score de forme et score moyen

Cette première partie vise à capturer à la fois :

• la forme récente
• la stabilité des performances

Nous utilisons quatre indicateurs :

• L5 : score moyen sur les 5 derniers matchs
• Lx5 : score moyen sur les 5 derniers matchs joués plus de 45 minutes
• L10 : score moyen sur les 10 derniers matchs
• Lx10 : score moyen sur les 10 derniers matchs joués plus de 45 minutes

Ces quatre valeurs sont combinées pour produire un score moyen de forme, qui équilibre performances récentes et historique plus large, tout en réduisant l’impact des entrées en jeu très courtes.

🔹 2. Score Home / Away (H/A)

Les performances d’un joueur peuvent varier significativement selon qu’il joue :

• à domicile
• ou à l’extérieur

Nous calculons donc le score moyen du joueur sur ses 15 derniers matchs, en fonction du lieu du prochain match.

Si le match à venir est à domicile, nous utilisons ses performances à domicile, et inversement pour un match à l’extérieur.

🔹 3. Score Win / Draw / Lose (WDL)

Cette partie mesure la dépendance du joueur aux résultats collectifs.

Nous calculons :

• le score moyen du joueur lors de victoires
• lors de matchs nuls
• lors de défaites
  (sur ses 15 derniers matchs)

Ces scores sont ensuite pondérés par les probabilités du prochain match (Win %, Draw %, Lose %), exactement selon la même logique que pour la partie équipe.

🔹 4. Score CS / 3GS

Enfin, nous intégrons des indicateurs spécifiques selon le poste :

• Gardiens et défenseurs : score moyen en Clean Sheet vs No Clean Sheet
• Milieux et attaquants : score moyen en 3 Goals Scored vs No 3GS

Là encore, les scores historiques sont pondérés par les probabilités du match à venir (CS % ou 3GS %).

Fiabilité du PS : le %PS

Calculer un score est une chose, mesurer sa fiabilité en est une autre.

Pour cela, nous avons défini 9 données fondamentales, nécessaires au calcul des différents scores intermédiaires.
Selon le nombre de données réellement disponibles pour un joueur donné, nous calculons un %PS.

Le %PS est plafonné à 90 %

Il représente la fiabilité du calcul du Potential Score :

Plus il est élevé, plus le PS repose sur des données complètes et robustes

Un joueur avec peu d’historique pourra donc afficher :

• un PS estimé
• mais avec un %PS plus faible, signalant une incertitude plus importante

Conclusion

Le Potential Score n’est pas une prédiction magique, mais un outil d’aide à la décision, construit à partir d’une approche rigoureuse de la data.

En combinant :

• performances individuelles
• contexte collectif
• probabilités du match
• et mesure de fiabilité
• le PS permet de comparer des joueurs sur une base homogène, même dans des situations complexes (nouveau joueur, retour de blessure, rotation, etc.)

---

Posted 1 month ago by Otawu