Tour de France 2026 – Hoe nauwkeurig waren de voorspellingen van CyclingOracle?

De Tour de France is één van de moeilijkste wielerwedstrijden om te voorspellen. Sprintetappes worden vaak beslist door positionering, bergritten door vorm en tactiek, terwijl valpartijen, weersomstandigheden en ontsnappingen dagelijks voor extra onzekerheid zorgen. Deze Tour de France werden de etappes echter vrijwel uitsluitend gewonnen door de grote favorieten, waardoor de voorspellingen nauwkeuriger uitpakten dan in voorgaande jaren.

Voor iedere etappe van de Tour de France 2026 publiceerde CyclingOracle voorspellingen die werden gegenereerd door ons computermodel. In totaal deed het model 25 voorspellingen: de winnaar van alle 21 etappes en de vier belangrijkste klassementen (Algemeen Klassement, Puntenklassement, Bergklassement en Jongerenklassement). Nu de Tour is afgelopen, kunnen deze voorspellingen objectief worden vergeleken met de uiteindelijke uitslagen. In dit artikel blikken we terug op de prestaties van het model gedurende drie weken Tour de France.

Algemene kwaliteit van de voorspellingen

Van de 25 voorspellingen wist het model 12 keer de uiteindelijke winnaar correct te voorspellen, waaronder vijf etappezeges van Tadej Pogačar en drie van de vier eindklassementen.

• ✅ Winnaar correct voorspeld: 12 van de 25 (48%)
• ✅ Voorspelde winnaar eindigde in de uiteindelijke top-3: 16 van de 25 (64%)
• ✅ Uiteindelijke winnaar stond in de voorspelde top-3: 21 van de 25 (84%)

Wanneer niet alleen naar de voorspelde winnaar wordt gekeken, maar naar de volledige voorspelde rangschikking, blijkt dat het model gedurende de hele Tour een stabiel prestatieniveau behaalde.

• 🎯 Gemiddelde nauwkeurigheid top-10 voorspelling: 70,6%
• 📊 Gemiddelde nauwkeurigheid top-5 voorspelling: 69,5%
• 📈 Gemiddelde nauwkeurigheid top-3 voorspelling: 67,6%

De beste voorspelling van de Tour werd gedaan voor etappe 8, waar de top-10 voorspelling een nauwkeurigheid behaalde van maar liefst 91,1%.

Correct voorspelde winnaars

Het model voorspelde bijna de helft van alle winnaars correct. Naast drie van de vier eindklassementen werden ook de winnaars van negen Tour-etappes correct aangewezen.

Correct Predictions - Tour de France 2026
GC	KOM	Youth
stage 3	stage 6	stage 8
stage 10	stage 12	stage 14
stage 16	stage 19	stage 21

Eindklassementen

• 🏆 Algemeen Klassement – Tadej Pogačar
• ⛰️ Bergklassement – Richard Carapaz
• 🌱 Jongerenklassement – Isaac del Toro

Etappezeges

• Etappe 3 – Tadej Pogačar
• Etappe 6 – Tadej Pogačar
• Etappe 8 – Tim Merlier
• Etappe 10 – Tadej Pogačar
• Etappe 12 – Tim Merlier
• Etappe 14 – Tadej Pogačar
• Etappe 16 – Remco Evenepoel
• Etappe 19 – Tadej Pogačar
• Etappe 21 – Mathieu van der Poel

Consistentie gedurende de Tour

Hoewel het correct voorspellen van de winnaar de meest opvallende prestatie-indicator is, geeft het consequent hoog plaatsen van de uiteindelijke winnaar een completer beeld van de kwaliteit van het model.

Bij 84% van alle voorspellingen (21 van de 25) stond de uiteindelijke winnaar al in de voorspelde top-3. Bovendien stond de uiteindelijke winnaar bij alle 25 voorspellingen in de voorspelde top-10. Dat laat zien dat het model, ook wanneer de voorspelde winnaar uiteindelijk niet won, doorgaans wel de belangrijkste kanshebbers voor de etappe of het klassement wist te identificeren.

De lastigste voorspelling voor het model was etappe 4. Mathieu van der Poel werd vooraf als favoriet aangewezen, maar eindigde uiteindelijk ruim buiten de top 20 na een ongelukkige koers. Het was de enige voorspelling tijdens deze Tour waarbij de voorspelde winnaar niet bij de eerste twintig finishers eindigde.

Ook wanneer de uiteindelijke winnaar vooraf relatief laag werd ingeschat, behoorde deze nog steeds tot de belangrijkste favorieten volgens het model. De laagst geplaatste uiteindelijke winnaars waren:

• Etappe 15 – Remco Evenepoel (voorspeld als 10e)
• Etappe 17 – Mauro Schmid (voorspeld als 7e)

Nauwkeurigheid per etappe

De kwaliteit van de voorspellingen verschilde vanzelfsprekend per type etappe. Sprintetappes met een beperkt aantal topfavorieten leverden over het algemeen hoge nauwkeurigheidsscores op, terwijl etappes waarin een vroege ontsnapping een grote kans maakte moeilijker te voorspellen waren. Ook bergetappes met duidelijke favorieten bleken vaak goed voorspelbaar, terwijl meer tactische etappes voor meer onzekerheid zorgden.

Over alle 21 etappes varieerde de top-10 nauwkeurigheid van ongeveer 21% tot ruim 91%, wat goed laat zien dat sommige etappes aanzienlijk beter voorspelbaar zijn dan andere.

Waarom top-10 nauwkeurigheid belangrijk is

Alleen kijken of de voorspelde winnaar daadwerkelijk heeft gewonnen vertelt slechts een deel van het verhaal.

Wielrennen blijft een onvoorspelbare sport. Zelfs de sterkste renner kan verliezen door een valpartij, ziekte, tactische keuzes, weersomstandigheden of een succesvolle ontsnapping. Daarom is het belangrijk een voorspellingsmodel niet alleen te beoordelen op de nummer één, maar ook op de kwaliteit van de volledige voorspelde rangschikking.

CyclingOracle beoordeelt daarom de complete voorspelling en niet uitsluitend de renner die als favoriet werd aangewezen. Een renner die als eerste wordt voorspeld maar uiteindelijk tweede eindigt, vertegenwoordigt nog altijd een sterke voorspelling. Wanneer de uiteindelijke winnaar bovendien consequent hoog in de voorspelde ranglijst staat, laat dat zien dat het onderliggende model de krachtsverhoudingen in het peloton goed weet te beschrijven.

Terugblik

De Tour de France 2026 vormde opnieuw een waardevolle test om de prestaties van het CyclingOracle-model te evalueren en verder te verbeteren.

Van de 25 voorspellingen werden 12 winnaars correct voorspeld, terwijl de uiteindelijke winnaar in 21 gevallen al in de voorspelde top-3 stond en zelfs in alle 25 voorspellingen in de top-10 was opgenomen. In combinatie met een gemiddelde top-10 nauwkeurigheid van ruim 70% vormen deze resultaten een solide basis om het model verder te verfijnen voor toekomstige wedstrijden.

Zoals altijd blijven voorspellingen kansen en geen zekerheden. Juist die onzekerheid maakt het professionele wielrennen zo aantrekkelijk. Iedere correcte voorspelling is het resultaat van een model dat de sterkte van renners zo goed mogelijk probeert te benaderen, terwijl iedere onverwachte uitslag weer nieuwe informatie oplevert om het model verder te verbeteren.