LoL : La Loser Q existe-t-elle vraiment ? La vérité sur le mythe
League of Legends est un jeu très populaire en France. Les joueurs du jeu cherchent toujours de nouveaux moyens de comprendre comment ce dernier fonctionne. Le matchmaking a toujours été un système mystérieux, laissant place à beaucoup de spéculation.
L'algorithme et la loser queue sont des concepts liés à ces spéculations. Ce sont de vrais questionnements particulièrement présents dans l'écosystème français et la question se pose donc fréquemment : ces concepts existent-ils vraiment ?
La légende de la loser Queue continue de faire parler
Pour ceux qui ne sont pas familiers avec ce terme, la loser Queue serait un système mis en place par Riot qui vous met en équipe avec des joueurs de bas niveau pour vous faire perdre plusieurs parties à la suite exprès. C'est l'inverse de la Winner Queue, qui serait un système qui utilise le matchmaking pour vous faire gagner les parties.
Afin de mettre fin au débat de son existence, Wakz, joueur de Solary, a partagé sur Twitter un sondage qui permet de chercher les critères de sélections pour une future étude sur la question.
Pour savoir si la loserQ/winnerQ existent réellement je vais bosser avec 2 statisticiens et analyser un échantillon suffisamment élevé de game pour avoir un avis neutre
— Wakz (@Wakzlol) February 7, 2023
J'ai besoin de vous pour ça svp si vous pouvez remplir ce formulaire ce serait op
⬇️⬇️https://t.co/cAX0cwKDcV
Nous pouvons comprendre que la combinaison d'un matchmaking parfois étrange et de la frustration de perdre plusieurs parties d'affilée donne envie de trouver des raisons et des justifications.
Cependant, nous pensons que cette étude poussée par Wakz n'est pas nécessaire. Nous avons déjà à disposition des données qui vont assez clairement contre l'existence de cette fameuse loser Queue, et continuer d'essayer de prouver son existence ou non ne fait qu'alimenter un débat sans fin.
Voyons maintenant quelques points en défaveur de la loser Queue :
- Les facteurs psychologiques. Que ce soit les biais de confirmations, de récence, du survivant, les prophéties autoréalisatrices ou tout simplement l'état mental après une série de défaites, beaucoup de facteurs humains entre en compte.
- Les taux de victoire d'une population élite. Dans un exposé statistique par Wakz et Katare, on peut observer le manque de corrélation, et encore plus de causalité, entre série de défaites et taux de victoire chez une population élite (Diamant - bas Challenger).
- La régularité des joueurs professionnels. Des joueurs comme Agurin, Magifelix, Dzukill, Nemesis, atteignent pendant plusieurs années d'affilé le haut du classement Européen. Leur niveau, qui est très stable, transforme le matchmaking en paramètre le plus aléatoire. Et pour autant, ils ne semblent pas victimes de la loser Queue qui augmente grandement la variance des parties. Algorithme sélectif ou juste d'excellents joueurs qui jouent beaucoup ?
- L'outil "patterns" de Lolgraph nous permet de voir le taux de victoire après des séries de défaite ou de victoire. Sur les meilleurs joueurs d'Europe, on peut voir qu'ils ont beaucoup de chance de gagner quand dans une série de victoire, mais à peine 5 à 10% de chance supplémentaire de perdre quand ils perdent beaucoup, ce qui peut très bien être expliqué par l'état mental.
L'avis de Sixen sur la question de la loser Queue.
Rien ne peut prouver l'existence d'une loser queue, en tout cas à la fréquence et avec l'impact que ses militants essayent de justifier. Malgré tout, sans connaître le fonctionnement exact du matchmaking de Riot, il est impossible de prouver qu'elle n'existe pas à 100%.
Notre humble avis est de ne pas perdre trop de temps à débattre de ce système. Au lieu d'essayer de justifier des défaites sur un algorithme mythique, trouver des problèmes sur lesquels nous pouvons vraiment agir en tant que joueurs et joueuses est bien plus pertinent.
Rejoignez la communauté Breakflip sur Discord, jouez à LoL avec les autres joueurs tout en étant informé de nos derniers articles !
Nos articles sur League of Legends