Projets

Dans le sport, l'IA joue et marque

---

Football américain, tennis et football. Trois sports dans lesquels l'IA prend une place de plus en plus centrale. La computer vision et le machine learning dopent la collecte de données complexes et leur interprétation dans les équipes sportives, pour accompagner souvent en direct joueurs et entraîneurs.

PublicitéDepuis quelques années, l'analyse sportive a considérablement évolué avec l'aide d'un sparing partner de poids, l'intelligence artificielle. Avec deux déclinaisons privilégiées, la computer vision et le machine learning. Le football américain, le tennis et le football en ont fait un de leurs outils de prédilection avec des objectifs variés. La ligue de football américain (NFL) tire ainsi parti de l'IA et de l'analyse prédictive pour améliorer la sécurité de ses joueurs. Elle a mis au point la plateforme Digital Athlete, qui utilise à la fois la vision par ordinateur et le machine learning pour prédire quels joueurs présentent le risque le plus élevé de se blesser en fonction des situations de jeu et de la position de leur corps.

Le système collecte des données issues des tags RFID portés par les joueurs et des 38 caméras optiques 5K placées autour du terrain, qui capturent 60 images par seconde. Digital Athlete croise ces datas avec des informations externes sur la météo, les équipements ou encore le type de jeu. Durant une semaine de matchs, la plateforme traite 6,8 millions d'images vidéo et documente environ 100 millions d'informations de localisation et de position des joueurs sur le terrain. Elle extrait également des données durant les entraînements, sur un total de plus de 500 millions de data points.

Identifier en direct un schéma de service au tennis

« Nous réalisons des millions de simulations de scénarios de jeu pour identifier les joueurs les plus exposés à des risques de blessure, précise Julie Souza, responsable mondiale des sports chez AWS qui travaille avec la NFL sur la plateforme Digital Athlete. Les équipes s'en servent pour développer des formations individualisées à la prévention des blessures ». Des modèles de Risk mitigation modeling permettent aussi d'analyser les informations pour déterminer, pour un joueur particulier, le volume idéal d'entraînement qui minimisera le risque de blessure.

Pour la Coupe Billie Jean King (BJK) 2023 de tennis féminin, la Fédération internationale de tennis (FIT) a, quant à elle, développé une plateforme à base d'IA qui fournit des informations aux coachs en cours de match. La BJK Cup est la plus grande compétition internationale annuelle par équipes dans le sport féminin, avec 16 équipes nationales engagées chaque année. Comme la Coupe Davis pour les hommes, c'est l'une des rares compétitions de tennis qui permet au capitaine de coacher ses joueurs et joueuses pendant les matchs lors des changements de côté.

En 2021, la FIT a travaillé avec Microsoft pour alimenter sa plateforme analytique sur les matchs de la BJK Cup. Le système exploite en direct les data collectées sur le terrain par les caméras de suivi de la balle et les systèmes de radar 3D. Ces données sont chargées dans le cloud Azure de Microsoft où elles sont combinées avec les scores, également en direct. Objectif : identifier des schémas de service, de retour de service ou de mouvement des joueuses sur le court. Les résultats sont ensuite fournis au capitaine directement dans un tableau de bord adapté.

Publicité16 caméras et 3,5 millions de points de données

« Nous commençons vraiment à comprendre comment utiliser efficacement ces data pour accompagner les joueuses, les coaches, les équipes et toutes les personnes impliquées en coulisses sur le sujet de la performance », insiste Mat Pemble, directeur informatique de la FIT. Jamie Capel-Davies, responsable scientifique et technique de la fédération, rappelle cependant que les indicateurs ne signifient pas grand-chose s'il n'est pas possible de les transmettre à temps pour les utiliser. « Nous avons regardé de près quels étaient les indicateurs les plus importants et comment ils pouvaient être communiqués efficacement, précise-t-il. Cela donne une application très visuelle et même en partie personnalisable. »

La Liga, première division espagnole de football, s'appuie elle sur le machine learning pour aider joueurs et entraîneurs. Sa plate-forme Mediacoach collecte, interprète et présente dans Azure les informations sur environ 3,5 millions de points de données capturés durant un match en quasi temps réel via 16 caméras optiques. Ces équipements installés dans chaque stade de la ligue collectent des data sur la position des joueurs et des arbitres, ainsi que sur les mouvements du ballon. « Avec 112 000 rapports et 8 millions de données, nos 42 clubs disposent désormais d'une imposante quantité de données récoltées chaque mois, insiste Ana Rosa Victoria Bruno, responsable de l'innovation de La Liga. Cela nous permet de leur proposer de nombreuses statistiques et tableaux de bord. »

Un modèle de probabilité de but pour les diffuseurs de La Liga

La première ligue espagnole exploite aussi l'IA pour ses diffuseurs. Elle leur fournit, par exemple, un modèle de probabilité de but pour doper l'engagement des fans. Il exploite une série de variables, parmi lesquelles le champ de vision du joueur (qui tient compte des positions des joueurs adverses), la distance entre le ballon et le gardien de but et entre le ballon et le but et, enfin, la distance et l'angle par rapport au défenseur le plus proche. Objectif : mesurer la probabilité de concrétiser une occasion. Le système pondère son calcul avec un indicateur d'efficacité de chaque joueur, basé sur des variables telles que son ratio de buts par match et par tir.

Pour Ana Rosa Victoria Bruno, un tel projet requiert une équipe multidisciplinaire. « Un des défis majeurs consiste à transformer ces données brutes en connaissances. Pour ce faire, nous avons besoin aussi bien de data scientists et de spécialiste de la BI, que d'analystes spécialistes du football, d'experts en expérience utilisateur ou de coaches »

Article rédigé par

Thor Olavsrud, IDGNS, adapté par E.Delsol

Partager cet article