Matchmaking / notes de terrain
Le MMR est un nombre. Le SBMM est une décision.
Les deux sigles sont confondus en permanence, alors qu'ils n'appartiennent pas à la même catégorie. L'un mesure, l'autre choisit quoi faire de la mesure. Tout le reste — Elo, Glicko, TrueSkill, EOMM — se range de part et d'autre de cette frontière.
01 — la distinction
Une donnée d'un côté, une politique de l'autre
Quasiment tout SBMM s'appuie sur un MMR. Mais un MMR peut très bien exister sans SBMM strict : pour afficher un classement, trier un ladder, sans pour autant piloter les parties non classées.
MMR
Matchmaking Rating
Un nombre caché attaché à ton compte, qui estime ton niveau. Il monte quand tu gagnes, descend quand tu perds, et bouge plus ou moins vite selon la confiance du système.
C'est une mesure. Elle ne décide de rien toute seule.
SBMM
Skill-Based MatchMaking
La règle qui compose les lobbies en fonction du niveau des joueurs. Elle consomme le MMR et arbitre : rapprocher les niveaux, ou privilégier autre chose ?
C'est un réglage. On peut le durcir, l'assouplir, ou l'éteindre.
02 — la démonstration
Mêmes joueurs, mêmes MMR, trois lobbies différents
Une file d'attente de 24 candidats. Toi au milieu, MMR 1800, sur une série de trois défaites. Change la politique : la donnée ne bouge pas, le lobby si.
Modèle simplifié, à but pédagogique : chances de victoire estimées par une courbe logistique sur l'écart de MMR entre les deux équipes.
03 — les systèmes de rating
Ce que chaque génération a ajouté
Une vraie chronologie : chaque système répond à une limite du précédent. Les dates sont celles de la publication de référence, pas de l'adoption par les jeux.
Elo
+ une note unique par joueur
L'ancêtre, conçu par Arpad Elo pour les échecs. Un seul nombre, du 1 contre 1, aucune notion d'incertitude : le système est aussi sûr de ton niveau à ta première partie qu'à ta millième.
Glicko, puis Glicko-2
+ l'incertitude, + la volatilité
Mark Glickman ajoute le RD (rating deviation) : le système sait à quel point il est sûr de son estimation. Il bouge vite pour un nouveau ou un joueur inactif, lentement pour un habitué. Glicko-2 (2001) ajoute la volatilité, qui mesure l'irrégularité des performances.
TrueSkill
+ les équipes, + le multijoueur à N
Microsoft Research modélise chaque joueur par une moyenne μ et une incertitude σ, et sait répartir le crédit d'une victoire entre coéquipiers. Déployé sur Xbox Live, Halo, Gears of War.
WHR — Whole History Rating
+ la relecture de tout l'historique
À chaque nouvelle partie, l'ensemble du passé est recalculé. Beaucoup plus précis, beaucoup plus coûteux. Utilisé dans le monde du Go.
TrueSkill 2
+ les stats individuelles
Ne se contente plus du résultat de l'équipe : intègre kills, assists, abandons, l'effet des parties entre amis. C'est le papier le plus intéressant à lire si tu veux creuser un cas concret.
OpenSkill
+ rien, sauf la liberté
Une famille de modèles ouverts, proches de TrueSkill dans les résultats, mais sans les contraintes de brevet. Le choix par défaut si tu implémentes toi-même.
Bradley–Terry
la fondation mathématique
Pas un système de jeu, mais le modèle statistique de comparaison par paires qui sert de socle à presque tous les autres. Antérieur à Elo.
04 — les autres objectifs
Quand le matchmaking n'optimise plus l'équité
Un système de matchmaking maximise une fonction. Rien n'oblige cette fonction à être « la partie la plus équilibrée possible ».
CBMM
Connection-Based MatchMaking
Priorise le ping et la qualité de connexion plutôt que le niveau. C'est ce que réclament la plupart des joueurs déçus par un SBMM trop serré : des parties variées, jouables, sans temps d'attente.
EOMM
Engagement-Optimized MatchMaking
Publié par des chercheurs d'EA en 2017. Plutôt que viser des matchs à 50/50, on cherche à maximiser le temps de jeu : doser victoires et défaites pour réduire la probabilité que tu quittes. Techniquement supérieur en rétention, éthiquement discutable.