Ce travail présente une nouvelle approche pour prédire les résultats des matchs de handball. Nous exploitons la puissance de l'apprentissage statistiquement amélioré (SEL) pour estimer la force des équipes. Notre modèle de machine learning augmenté par SEL surpasse les méthodes de l'état de l'art, atteignant une précision de 80%. Nous démontrons comment la force des équipes est dérivée statistiquement et intégrée sous forme de covariables informatives au modèle. En comparant différents modèles sur des données de clubs de handball féminin, nous révélons le rôle crucial des caractéristiques SEL dans la prédiction précise. De plus, les méthodes d'explicabilité dévoilent les facteurs clés influençant les buts marqués par les équipes, offrant des informations précieuses aux entraîneurs pour affiner leurs stratégies d'avant-match. Ce cadre s'étend bien au-delà du handball, présentant le SEL comme une méthode générale d'extraction de caractéristiques applicable à divers domaines de données et techniques d'apprentissage, avec le potentiel d'améliorer la prédiction dans diverses disciplines.