Précision moyenne
Moyenne des précisions estimées demi-coup par demi-coup avec la formule décrite par Lichess ↗. Ce n’est pas le score global d’une partie Lichess, dont l’agrégation est différente.
SupaChess · Archives et analyse reproductible
Compare les parties de Fischer, Tal, Kasparov, Carlsen et d’autres joueurs avec une analyse Stockfish identique.
Les archives fournissent des parties PGN, mais pas des scores de précision ou d’ACPL calculés de façon uniforme. Choisis un joueur, importe son PGN, puis lance l’analyse locale. Les résultats seront enregistrés dans ce navigateur; les parties ne sont pas envoyées à un serveur.
Moyenne des précisions estimées demi-coup par demi-coup avec la formule décrite par Lichess ↗. Ce n’est pas le score global d’une partie Lichess, dont l’agrégation est différente.
Perte moyenne en centipions : évaluation du meilleur coup trouvé par le moteur moins l’évaluation après le coup joué. Plus l’ACPL est bas, mieux c’est dans cet échantillon.
Comparaison équitable : conserve le même moteur, le même temps par position et le même nombre de parties pour chaque joueur. Les résultats dépendent du corpus, de la profondeur effectivement atteinte et des positions; ils ne sont ni un Elo ni une mesure officielle.
Ces chiffres proviennent de deux méthodes et de deux échantillons différents. Ils servent de repères documentés : ils ne sont pas comparables directement entre eux et ne constituent pas un classement universel de tous les joueurs ni de toutes leurs parties.
L’étude ICSEA 2019 compare les coups des matchs de championnat du monde de 1886 à 2018 à Stockfish 10, à profondeur 28. Les auteurs rapportent une erreur moyenne en pions; le tableau la multiplie par 100 et l’exprime en centipions. Cette mesure est proche de l’ACPL, mais nous conservons le nom « erreur moyenne » utilisé dans l’étude.
| Rang | Joueur | Erreur moyenne |
|---|---|---|
| 1 | Magnus Carlsen | 6,74 cp |
| 2 | Fabiano Caruana | 7,09 cp |
| 3 | Sergueï Kariakine | 7,68 cp |
| 4 | Peter Leko | 7,82 cp |
| 5 | Vladimir Kramnik | 8,79 cp |
| 6 | Viswanathan Anand | 9,88 cp |
| 7 | Garry Kasparov | 10,00 cp |
| 8 | Levon Aronian | 10,35 cp |
| 9 | Gata Kamsky | 10,36 cp |
| 10 | Boris Gelfand | 10,54 cp |
| 11 | Veselin Topalov | 10,64 cp |
| 12 | José Raúl Capablanca | 10,74 cp |
| 13 | Bobby Fischer | 10,76 cp |
| 14 | Anatoli Karpov | 10,93 cp |
| 15 | Viktor Kortchnoï | 11,64 cp |
| 16 | Tigran Petrossian | 11,99 cp |
| 17 | Peter Svidler | 13,23 cp |
| 18 | Boris Spassky | 13,47 cp |
| 19 | Jan Timman | 14,34 cp |
| 20 | Alexandre Alekhine | 14,43 cp |
Limites de l’échantillon : les 12 premiers demi-coups (six coups de chaque camp) sont exclus. L’analyse s’arrête lorsqu’un camp a atteint une position gagnante d’au moins deux pions, mais continue pour le camp qui est perdant. L’étude porte sur près de 1 000 parties de championnat, pas sur l’ensemble des carrières.
Source : Romero, Parra, Cuenca et Lloret, ICSEA 2019 · résumé et méthode ↗ · PDF complet ↗.
Cette mesure reprend les scores d’exactitude Chess.com pour les parties décisives pendant les périodes de pointe indiquées par l’auteur, en retirant 1,5 point au gagnant et en en ajoutant 1,5 au perdant. Les nulles sont exclues. Ce n’est ni une précision moyenne brute de carrière, ni une conversion d’ACPL.
| Rang | Joueur | Période | Quality ajustée |
|---|---|---|---|
| 1 | Magnus Carlsen | 2013–2021 | 93,23 % |
| 2 | Garry Kasparov | 1993–2001 | 92,76 % |
| 3 | Bobby Fischer | 1970–1972 | 92,52 % |
| 4 | Ian Nepomniachtchi | 2020–2022 | 92,32 % |
| 5 | Vladimir Kramnik | 2000–2007 | 92,31 % |
| 6 | Viswanathan Anand | 2007–2014 | 92,25 % |
| 7 | Veselin Topalov | 2005–2009 | 92,16 % |
| 8 | Anatoli Karpov | 1974–1984 | 91,82 % |
| 9 | Mikhaïl Tal | 1958–1960 | 91,39 % |
| 10 | Vassily Smyslov | 1953–1957 | 91,09 % |
| 11 | Tigran Petrossian | 1963–1969 | 90,94 % |
| 12 | Mikhaïl Botvinnik | 1948–1955 | 90,74 % |
| 13 | Alexandre Alekhine | 1927–1934 | 90,60 % |
| 14 | José Raúl Capablanca | 1921–1931 | 90,24 % |
| 15 | Emanuel Lasker | 1907–1914 | 89,95 % |
À noter : Fabiano Caruana n’est pas inclus dans cette liste Chess.com : l’auteur indique que son match de championnat 2018 n’a produit aucune partie classique décisive, et qu’il n’avait donc pas assez de parties admissibles. Les rangs 4 et 5 sont triés correctement : 92,32 % précède 92,31 %. 91,09 % est la valeur publiée pour Smyslov.
Source : Chess.com, « Accuracy, Ratings, and GOATs » · méthode et scores ↗. Lichess rappelle qu’il n’existe pas de formule universelle d’exactitude ↗.
Sur PGN Mentor, ouvre « Players », télécharge l’archive du joueur, décompresse le ZIP, puis sélectionne le fichier .pgn. L’échantillon utilise les premières parties valides du fichier contenant ce joueur.
Chaque ligne indique l’échantillon réellement analysé et les réglages utilisés.
| Joueur | Parties | Demi-coups évalués | Précision moyenne | ACPL | Profondeur moy. | Réglages | Dernière analyse |
|---|---|---|---|---|---|---|---|
| Aucune analyse enregistrée sur cet appareil. | |||||||
Le classement compare uniquement les analyses ayant le même moteur et le même temps par position. Les parties et positions restent des échantillons différents; lis toujours les colonnes de contexte avant de comparer.
Les catégories reprennent les seuils de SupaChess; « brillant » n’est pas classé ici, car il faut confirmer le sacrifice dans une variante complète.
Analyse au moins deux joueurs avec les mêmes réglages pour établir le classement.
| Rang | Joueur | Indicateur | Parties | Demi-coups | Profondeur |
|---|---|---|---|---|---|
| Aucune analyse compatible enregistrée. | |||||
Les résultats restent dans le stockage local du navigateur. Ils ne contiennent ni PGN ni compte utilisateur.
Nombre de parties annoncé par PGN Mentor pour ses fichiers joueurs; ce ne sont pas des résultats d’analyse moteur. Catalogue consulté le 1 novembre 2026, page indiquée comme mise à jour en juillet 2026.
Source : PGN Mentor · téléchargements PGN gratuits ↗. Les corpus peuvent contenir des parties de périodes, cadences et niveaux d’adversaires différents.