Comment fonctionne le MMR et pourquoi les parties sont injustes

Le MMR — matchmaking rating — est un nombre que le jeu garde caché pour estimer votre niveau réel, séparé du rang affiché sur votre profil. Il monte quand vous gagnez, baisse quand vous perdez, et c’est lui qui décide contre qui (et aux côtés de qui) vous jouez chaque partie. Cette sensation d’équipe déséquilibrée n’est presque jamais un bug : c’est le système lui-même qui fait des arbitrages — entre équilibre et temps d’attente, entre confiance et rapidité — que vous ne voyez jamais se produire.

Ce qu’est vraiment le MMR

Tout jeu avec une file compétitive calcule deux nombres par joueur, pas un seul :

Le rang visible — ce qui s’affiche sur votre profil (Or, Diamant, Radiant, une tranche de rating). C’est ce que vous montrez à vos amis.
Le MMR caché — le nombre que le serveur utilise réellement pour composer les parties. Dans la plupart des jeux, il n’apparaît nulle part dans l’interface.

Les deux évoluent généralement ensemble, mais ce n’est pas la même chose. Un joueur peut avoir un rang Or avec un MMR de niveau Platine — à cause d’une série de victoires récente que le rang visible n’a pas encore complètement rattrapée, ou parce que le rang a été réinitialisé pour une nouvelle saison alors que le MMR (qui, lui, ne se réinitialise généralement pas) est resté là où il était. Riot Games le confirme ouvertement pour Valorant : le MMR est « découplé » du rang affiché à l’écran, et c’est le facteur principal qui détermine la qualité de l’appariement et le rating gagné ou perdu à chaque partie.

D’où vient l’idée : l’Elo des échecs

L’ancêtre direct du MMR est le système Elo, créé par le physicien américano-hongrois Arpad Elo et adopté par la fédération américaine des échecs en 1960 puis par la fédération mondiale des échecs (FIDE) en 1970. La logique est simple : chaque joueur a un nombre, et l’écart entre deux nombres prédit la probabilité de victoire.

La formule de probabilité attendue est :

E_A = 1 / (1 + 10^((R_B - R_A) / 400))

Un exemple avec des chiffres ronds : un joueur classé 1500 affronte un joueur classé 1700. L’écart est de 200, donc 10^(200/400) ≈ 3,16, et la chance de victoire attendue du joueur le plus faible est 1 / (1 + 3,16) ≈ 0,24, soit 24 %. S’il gagne quand même, il empoche beaucoup de points — parce qu’il a battu quelque chose d’improbable. Avec un facteur d’ajustement (K) de 32, le gain serait d’environ 32 × (1 − 0,24) ≈ 24 points. S’il perd, comme prévu, il en perd peu : environ 32 × 0,24 ≈ 8 points. C’est pour ça que battre un adversaire plus fort rapporte bien plus que battre quelqu’un de votre niveau.

Les systèmes modernes : le problème de l’incertitude

L’Elo pur a un défaut qu’Arpad Elo lui-même reconnaissait : il ne distingue pas un rating calculé sur 3 parties d’un rating calculé sur 3 000. Les deux nombres ont la même « confiance » aux yeux du système, ce qui n’a pas de sens.

C’est pour résoudre ce problème que des systèmes plus sophistiqués sont apparus :

Glicko-2, du statisticien Mark Glickman (utilisé par Lichess), ajoute une valeur de déviation du rating — le degré d’incertitude du système sur ce nombre — et une valeur de volatilité, à quel point les performances récentes du joueur ont été irrégulières.
TrueSkill, créé par Microsoft pour le Xbox Live et utilisé dans des jeux comme Halo, représente le niveau comme une distribution avec une moyenne (μ) et un écart-type (σ). Un nouveau joueur démarre avec μ = 25 et σ = 8,33 — le système ne connaît littéralement pas encore son niveau. Chaque partie réduit σ et ajuste μ ; après quelques dizaines de parties, σ devient petit et le rating cesse d’osciller autant.

Cela explique un phénomène que tout le monde a déjà ressenti : les premières parties d’un compte neuf (ou après une longue pause) sont les plus déséquilibrées de toutes. Ce n’est pas la malchance — c’est le système avec un σ élevé, essayant de deviner votre niveau réel le plus vite possible, ce qui implique de risquer de vous opposer à des joueurs bien au-dessus ou en dessous de vous jusqu’à ce que l’incertitude diminue.

MMR contre rang visible : un exemple par jeu

League of Legends — Riot maintient un MMR par file (Solo/Duo, Flex, normales), décrit dans sa propre documentation comme « indéfiniment caché » avec des paramètres propriétaires. Il est calculé à partir des victoires et défaites contre des adversaires de niveau connu, pas à partir du KDA ou du score de la partie.
Valorant — utilise un RR (rank rating) visible et un MMR caché séparément. Le RR se réinitialise à chaque épisode, mais le MMR généralement non — c’est pourquoi les joueurs remontent leur ancien rang étrangement vite en début d’épisode : le vrai MMR connaissait déjà leur niveau depuis le début.
CS2 — le mode Premier affiche une CS Rating numérique (les joueurs citent souvent des paliers comme 5 000, 10 000, 15 000, 20 000) qui fonctionne comme un MMR visible : le gain ou la perte de rating dépend de la force de l’adversaire — battre une équipe mieux notée rapporte plus, et perdre contre une équipe moins bien notée coûte plus.

Cinq vraies raisons pour lesquelles les parties semblent déséquilibrées

L’incertitude initiale — les comptes neufs ou de retour après une longue pause tournent avec un σ (ou K) élevé. Le système devine littéralement, et il va souvent se tromper avant de se calibrer.
File d’attente contre qualité de l’appariement — tout système de matchmaking échange de la précision contre de la rapidité. S’il n’y a personne de compatible en file, il élargit la plage de MMR acceptable toutes les quelques secondes pour ne pas vous faire attendre cinq minutes. Une file rapide en heures creuses tend à être moins équilibrée.
Les groupes (duo/trio/five-stack) — un groupe entre en file avec le MMR moyen de ses membres, mais la variance individuelle à l’intérieur du groupe peut être grande. Un joueur bien au-dessus de la moyenne du groupe « tire » l’appariement vers le haut, et le reste du groupe finit par affronter des adversaires plus forts que ce qu’ils joueraient en solo.
Les nouveaux comptes à haut niveau réel (smurfs) — le système attribue à un compte neuf un MMR de départ bas ou moyen, même si la personne derrière joue déjà à un niveau avancé. Tant que le MMR n’a pas « rattrapé » son niveau réel, ce compte fausse plusieurs parties.
Le MMR mesure une probabilité, pas l’équité partie par partie — l’objectif de tout système de ce type est de rapprocher votre taux de victoires de 50 % sur de nombreuses parties, pas de rendre chaque partie individuelle équitable. Une série de 3 ou 4 parties « volées » est statistiquement attendue — c’est le prix d’un système qui s’ajuste selon le résultat, pas selon le ressenti de la partie.

Quand il n’y a pas de MMR : match entre amis, tournoi amical, scrim

En dehors de la file compétitive automatisée, personne ne calcule le MMR pour vous — et c’est là que la plupart des groupes se trompent en formant les équipes à la main, en plaçant les deux meilleurs amis du même côté simplement parce qu’« ils jouent toujours ensemble ». La logique du MMR reste utile comme repère, même sans algorithme :

Donnez un poids, pas une étiquette. Plutôt que « bon » ou « mauvais », attribuez une note de 1 à 5 selon le niveau que vous avez déjà vu sur le terrain. C’est une version manuelle et approximative d’un rating.
Méfiez-vous de qui vous n’avez pas assez vu jouer. Un nouvel invité du groupe est votre « compte à σ élevé » — traitez sa note comme provisoire et ajustez-la après la première manche.
Séparez les duos qui jouent toujours ensemble, tout comme un système de matchmaking évite d’empiler les MMR les plus élevés du côté déjà favorisé.

Si le groupe a déjà ces notes définies et qu’il ne reste plus qu’à répartir, le générateur d’équipes de Squadb fait cette répartition automatiquement, en équilibrant selon le niveau que vous saisissez plutôt qu’en tirant au sort à l’aveugle.

Équilibrer par poste aide aussi — dans des jeux comme CS2, une partie entre amis ne reste compétitive que si les rôles au sein de chaque équipe ont du sens, comme l’explique le guide des rôles CS2 expliqués. C’est pareil pour League of Legends, où savoir ce que fait chaque poste évite qu’un five-stack amical ne se transforme en cinq personnes qui se battent pour la même ligne. Et si le déséquilibre vient du niveau technique général d’un groupe de football, le guide pour équilibrer des équipes de football applique le même raisonnement sur le terrain.

Questions fréquentes

Battre une équipe bien plus forte rapporte-t-il plus de points de MMR ? Oui. Plus votre probabilité de victoire attendue est faible, plus vous gagnez de rating — c’est la mécanique centrale héritée de l’Elo.

Le MMR se réinitialise-t-il chaque saison, comme le rang ? Dans la plupart des jeux, non. Le rang visible se réinitialise ou se « compresse » généralement en début de saison ; le MMR caché reste en général tel quel, ce qui explique pourquoi les joueurs remontent leur rang étrangement vite dans les premières semaines.

Jouer en groupe augmente-t-il ou baisse-t-il le MMR de chacun ? Ni l’un ni l’autre directement — mais un groupe avec un large écart de niveau entre ses membres tend à affronter des adversaires calculés sur la moyenne, ce qui rend la partie plus difficile pour qui est en dessous de cette moyenne, et plus facile pour qui est au-dessus.