{"id":6943,"date":"2022-03-15T10:23:00","date_gmt":"2022-03-15T09:23:00","guid":{"rendered":"https:\/\/numalis.com\/?p=6943"},"modified":"2025-01-14T14:39:48","modified_gmt":"2025-01-14T13:39:48","slug":"lia-au-service-des-athletes","status":"publish","type":"post","link":"https:\/\/numalis.com\/fr\/lia-au-service-des-athletes\/","title":{"rendered":"L\u2019IA au service des athl\u00e8tes"},"content":{"rendered":"\n

Les jeux Olympiques de 2024 auront lieu \u00e0 Paris. Pour cet \u00e9v\u00e9nement, la France investie dans l’intelligence artificielle afin d’appuyer l’encadrement des olympiades1<\/a><\/sup>.<\/p>\n\n\n\n

L\u2019utilisation de l\u2019IA n\u2019est pas enti\u00e8rement nouvelle pour les f\u00e9d\u00e9rations et les clubs qui s\u2019en servent d\u00e9j\u00e0 pour accompagner les sportifs dans l\u2019analyse de leurs statistiques et l\u2019am\u00e9lioration de leurs entra\u00eenements. En effet, les erreurs d\u2019arbitrages ainsi que la volont\u00e9 de maintenir la performance des athl\u00e8tes, sont des raisons \u00e0 l\u2019impl\u00e9mentation de l\u2019IA dans le domaine sportif. Cet article propose une liste non exhaustive des applications de l\u2019IA dans le sport professionnel ainsi que les diff\u00e9rentes m\u00e9thodes de collecte de donn\u00e9es n\u00e9cessaires au fonctionnement de l\u2019IA.<\/p>\n\n\n\n

Le champ d’application de l’IA dans le domaine sportif<\/h2>\n\n\n\n

M\u00eame avant que les \u00e9preuves puissent avoir lieu, l\u2019emploi d\u2019IA peut avoir son importance pour optimiser la pr\u00e9paration des athl\u00e8tes. Par exemple pour le tennis, les techniques d’apprentissages automatiques sont employ\u00e9es pour faire de la d\u00e9tection d\u2019objets. Celle-ci permet d\u2019analyser automatiquement la posture du joueur en suivant les parties du corps du joueur ainsi que la balle. Le but \u00e9tant d\u2019apprendre \u00e0 reconna\u00eetre un bon service d\u2019un mauvais, en se basant sur l\u2019analyse des mouvements, mais aussi les caract\u00e9ristiques du service (trajectoire, vitesse)2<\/a><\/sup>. Ainsi les coaches peuvent ajuster leurs entra\u00eenements en se r\u00e9f\u00e9rant aux informations apport\u00e9es par l\u2019IA.<\/p>\n\n\n\n

\u00c9galement, l\u2019IA permet de faciliter le recrutement des athl\u00e8tes en d\u00e9tectant plus facilement de nouveaux talents dans la masse d\u2019athl\u00e8tes amateurs. Elle peut par exemple analyser des s\u00e9quences vid\u00e9o et traiter les donn\u00e9es historiques du joueur pour pr\u00e9dire ses futures capacit\u00e9s. En outre, une IA se basant uniquement sur les performances sportives permettrait de r\u00e9duire les biais durant les recrutements tels que les refus \u00e9tablis sur l\u2019origine ethnique ou sociale du joueur3<\/a><\/sup>. Toutefois, l\u2019IA n\u2019est pas exempte de biais et peut m\u00eame dans certains cas, renforcer les biais humains en les appliquant syst\u00e9matiquement (cf. \u00e0 lire \u00ab Les biais techniques de l\u2019IA, une fatalit\u00e9 ? \u00bb). L\u2019utilisation de l\u2019IA dans ce contexte suppose donc de pouvoir valider sa robustesse et sa performance en amont afin d\u2019\u00e9viter d\u2019appliquer silencieusement des biais n\u00e9fastes.<\/p>\n\n\n\n

L\u2019IA ne s\u2019arr\u00eate pas \u00e0 la pr\u00e9paration des athl\u00e8tes, mais continue d\u2019\u00eatre mise en place pendant les comp\u00e9titions. L’arbitrage est l\u2019un des premiers domaines o\u00f9 l\u2019IA a \u00e9t\u00e9 envisag\u00e9e comme solution en raison du caract\u00e8re subjectif des d\u00e9cisions prises par les arbitres. Comme leur attention ne peut se concentrer qu\u2019uniquement sur certaines actions, leurs d\u00e9cisions sont donc s\u00e9lectives. De plus, l\u2019arbitre ne dispose que de quelques secondes pour prendre sa d\u00e9cision. M\u00eame avec l\u2019appui r\u00e9cent de l\u2019arbitrage vid\u00e9o, celui-ci reste un \u00e9l\u00e9ment de preuve \u00e0 la disposition de l\u2019arbitre. Si l\u2019arbitrage vid\u00e9o peut \u00eatre, dans de rare cas, sujet \u00e0 interpr\u00e9tation, l\u2019IA quant \u00e0 elle, permet de d\u00e9tecter automatiquement des fautes ou des buts. Au final, jusqu\u2019\u00e0 20 % des d\u00e9cisions prises par match peuvent \u00eatre erron\u00e9es4<\/a><\/sup>.<\/p>\n\n\n\n

Cependant, il n\u2019est pas question de remplacer totalement l\u2019arbitre par une IA, mais de lui procurer une assistance \u00e0 la prise de d\u00e9cision. L\u2019arbitre se base sur sa perception du jeu pour comprendre une situation. Cette perception s\u2019appuie sur une compr\u00e9hension du contexte et du fait que les athl\u00e8tes peuvent tenter de le tromper. Or, les capacit\u00e9s d\u2019appr\u00e9ciation de l\u2019AI en cas de supercherie restent aujourd\u2019hui limit\u00e9es, ce qui rend la pr\u00e9sence d\u2019un arbitre humain toujours n\u00e9cessaire. Cependant l\u2019interpr\u00e9tation par l\u2019IA d\u2019une situation r\u00e9elle est un sujet bien trop vaste pour \u00eatre trait\u00e9 ici, nous d\u00e9dirons ce sujet pour un prochain article.<\/p>\n\n\n\n

L\u2019IA est utile \u00e0 la fois pour analyser la performance des joueurs professionnels, mais \u00e9galement pour am\u00e9liorer l\u2019exp\u00e9rience des consommateurs. Depuis peu, les m\u00e9dias sportifs utilisent l\u2019IA pour cr\u00e9er du contenu automatiquement. Dans certains domaines comme le football ou le basketball, la quantit\u00e9 grandissante de matchs rend difficile de compiler et de r\u00e9sumer chacun d\u2019entre eux5<\/a><\/sup>. Pour cela, des IA peuvent \u00eatre mises en place pour g\u00e9n\u00e9rer automatiquement des comptes-rendus pr\u00e9sentant les \u00e9v\u00e9nements clefs en s\u2019appuyant sur des techniques de NLP (Natural Language Processing). De cette mani\u00e8re, il est d\u00e9sormais possible de mettre en lumi\u00e8re des matchs locaux ou des ligues mineures qui \u00e9taient auparavant \u00e9clips\u00e9es par manque de moyens.<\/p>\n\n\n\n

La technologie de l’IA et la collecte de donn\u00e9es<\/h2>\n\n\n\n

Les donn\u00e9es dans le domaine sportif peuvent \u00eatre divis\u00e9es en deux types. Premi\u00e8rement, les donn\u00e9es \u00e9v\u00e9nementielles (Event Data) qui peuvent \u00eatre consid\u00e9r\u00e9es comme une \u00ab photographie \u00bb r\u00e9sumant l\u2019ensemble des actions r\u00e9alis\u00e9es durant le match. L\u2019image obtenue montre par exemple, lors d\u2019un match de football, le nombre de passes, de tirs et d\u2019interceptions r\u00e9alis\u00e9es mais aussi la position de la balle pendant le match6<\/a><\/sup>. Les donn\u00e9es \u00e9v\u00e9nementielles sont utiles pour analyser la tactique globale d\u2019une \u00e9quipe ainsi que les moments clefs d\u2019un match (coup franc, penalties, fautes, etc.)7<\/a><\/sup>. Ces donn\u00e9es sont principalement utilis\u00e9es dans le journalisme ou pour l\u2019entra\u00eenement des joueurs.<\/p>\n\n\n\n

Deuxi\u00e8mement, les donn\u00e9es r\u00e9colt\u00e9es en temps r\u00e9el (Tracking Data) qui se basent sur des syst\u00e8mes de traitement vid\u00e9o tels que la vision par ordinateur, pour l\u2019analyse des mouvements des joueurs. Pour cela des cam\u00e9ras sont dispos\u00e9es autour du terrain afin de collecter les donn\u00e9es. Par la suite, des algorithmes ont comme objectif de se concentrer sur la d\u00e9tection et le suivi des mouvements d\u2019objets sp\u00e9cifiques (ballon, joueurs, etc.). Par exemple, les algorithmes de d\u00e9tection permettent de produire des \u00ab bo\u00eetes englobantes \u00bb ou volume englobant, qui sont employ\u00e9s pour conna\u00eetre la position, mais aussi l\u2019identit\u00e9 des diff\u00e9rents joueurs dans l\u2019image. Ces derni\u00e8res sont tr\u00e8s utilis\u00e9es en raison de la simplicit\u00e9 de leur g\u00e9om\u00e9trie en forme de rectangle 2D permettant de r\u00e9duire l\u2019analyse aux objets pr\u00e9sents dans la bo\u00eete.<\/p>\n\n\n\n

De nos jours, l\u2019analyse de la performance des joueurs peut \u00eatre assur\u00e9e par la combinaison de plusieurs sources de donn\u00e9es. Pour avoir une analyse plus pertinente d\u2019une situation, les donn\u00e9es issues des deux m\u00e9thodes de collecte peuvent \u00eatre combin\u00e9es. En effet, si dans le cas du football les donn\u00e9es \u00e9v\u00e9nementielles donnent un tr\u00e8s bon aper\u00e7u du match, elles vont surtout se concentrer sur l\u2019analyse de certaines m\u00e9triques (le positionnement des joueurs, leurs espacements, etc.) et omettre de traiter les actions des joueurs autour du ballon8<\/a><\/sup>. Les donn\u00e9es \u00e9v\u00e9nementielles permettront de savoir qu\u2019il y a eu un contact entre deux joueurs, mais il sera impossible de comprendre comment s\u2019est d\u00e9roul\u00e9e la collision sans l\u2019utilisation de donn\u00e9es de tracking. Il sera donc possible, gr\u00e2ce \u00e0 cette association de donn\u00e9es, d\u2019\u00eatre au courant de l\u2019ensemble des actions qui pourront, par la suite, \u00eatre analys\u00e9es par les entra\u00eeneurs, comme par les fans9<\/a><\/sup>.<\/p>\n\n\n\n

Conclusion<\/h2>\n\n\n\n

L\u2019intelligence artificielle est \u00e0 la fois un bon moyen pour am\u00e9liorer le suivi des performances des athl\u00e8tes mais \u00e9galement un outil efficace d\u2019engagement du public pour enrichir l\u2019exp\u00e9rience de jeu. <\/p>\n\n\n\n

Aujourd\u2019hui les syst\u00e8mes d\u2019IA ne se basent pas sur un seul type de donn\u00e9es, mais sur une fusion de plusieurs donn\u00e9es de tracking et \u00e9v\u00e9nementielles. De cette mani\u00e8re le syst\u00e8me d\u2019IA peut produire un r\u00e9sultat plus pertinent. <\/p>\n\n\n\n

Cependant, l\u2019automatisation de la collecte de donn\u00e9es dans le sport professionnel pose des questions \u00e9thiques10<\/a><\/sup>. En effet, pour am\u00e9liorer la performance d\u2019un joueur, le coach \u00e9tudie les donn\u00e9es sur sa sant\u00e9, mais de ce fait a acc\u00e8s \u00e0 des donn\u00e9es potentiellement sensibles. M\u00eame si cette pratique est d\u00e9j\u00e0 largement employ\u00e9e, l\u2019usage de l\u2019IA dans ce domaine risque d\u2019automatiser la collecte de donn\u00e9es au d\u00e9triment des relations de confiance entre les entra\u00eeneurs et les athl\u00e8tes. \u00c0 l\u2019avenir il sera donc important de bien garantir la protection de la vie priv\u00e9e des athl\u00e8tes ainsi que de fixer des limites claires \u00e0 l\u2019emploi de l\u2019IA dans le sport.<\/p>\n\n\n\n

Sources<\/h2>\n\n\n
  1. L\u2019IA au service des Jeux Olympiques ! – IA School<\/a> \u21a9\ufe0e<\/a><\/li>
  2. PlayfulVision – Volleyball Tracking System – Men’s World Championship Finals 2014 – Tracking results<\/a> \u21a9\ufe0e<\/a><\/li>
  3. AI in Sports: Use Cases, Examples, and Challenges<\/a> \u21a9\ufe0e<\/a><\/li>
  4. The Innovation of Refereeing in Football through AI – Research leap<\/a> \u21a9\ufe0e<\/a><\/li>
  5. How is AI Transforming Media and Fan Experience in Sports? | AIWS<\/a> \u21a9\ufe0e<\/a><\/li>
  6. Getting started with Soccer Analytics with Event data | by Abhijith Chandradas | MLearning.ai | Medium<\/a> \u21a9\ufe0e<\/a><\/li>
  7. Process Mining of Football Event Data: A Novel Approach for Tactical Insights Into the Game<\/a> \u21a9\ufe0e<\/a><\/li>
  8. The power of combining tracking and event data – SciSports<\/a> \u21a9\ufe0e<\/a><\/li>
  9. Performance Analysis – Elevate your game with SciSports<\/a> \u21a9\ufe0e<\/a><\/li>
  10. The ethics of tracking athletes’ biometric data<\/a> \u21a9\ufe0e<\/a><\/li><\/ol>","protected":false},"excerpt":{"rendered":"

    Les jeux Olympiques de 2024 auront lieu \u00e0 Paris. Pour cet \u00e9v\u00e9nement, la France investie dans l’intelligence artificielle afin d’appuyer l’encadrement des olympiades. L\u2019utilisation de l\u2019IA n\u2019est pas enti\u00e8rement nouvelle pour les f\u00e9d\u00e9rations et les clubs qui s\u2019en servent d\u00e9j\u00e0 pour accompagner les sportifs dans l\u2019analyse de leurs statistiques et l\u2019am\u00e9lioration de leurs entra\u00eenements. En […]<\/p>\n","protected":false},"author":8,"featured_media":6946,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"[{\"content\":\"L\u2019IA au service des Jeux Olympiques ! - IA School<\/a>\",\"id\":\"81a08931-f9fa-4bb2-beb6-8525a315d033\"},{\"content\":\"PlayfulVision - Volleyball Tracking System - Men's World Championship Finals 2014 - Tracking results<\/a>\",\"id\":\"075ca5d4-04ee-4ae0-b416-1190d41af796\"},{\"content\":\"AI in Sports: Use Cases, Examples, and Challenges<\/a>\",\"id\":\"84e48764-4312-4480-9df3-729847152652\"},{\"content\":\"The Innovation of Refereeing in Football through AI - Research leap<\/a>\",\"id\":\"6fd6670f-26f8-4f6d-9ba7-004fed56931e\"},{\"content\":\"How is AI Transforming Media and Fan Experience in Sports? | AIWS<\/a>\",\"id\":\"017da785-c1fc-464c-9fb6-457913dce99c\"},{\"content\":\"Getting started with Soccer Analytics with Event data | by Abhijith Chandradas | MLearning.ai | Medium<\/a>\",\"id\":\"49b1f8c8-1893-4298-bf17-87382005abc4\"},{\"content\":\"Process Mining of Football Event Data: A Novel Approach for Tactical Insights Into the Game<\/a>\",\"id\":\"fa7f60ec-7430-4690-bfb2-1f61dc643f0e\"},{\"content\":\"The power of combining tracking and event data - SciSports<\/a>\",\"id\":\"9e419027-7e8b-46ce-80ad-bf9711649415\"},{\"content\":\"Performance Analysis - Elevate your game with SciSports<\/a>\",\"id\":\"4af797ed-757e-411b-a53a-b582a0c16eaa\"},{\"content\":\"The ethics of tracking athletes' biometric data<\/a>\",\"id\":\"ccd5ee22-f328-4d54-a6bf-7b91641b0369\"}]"},"categories":[149],"tags":[188],"class_list":["post-6943","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-et-industrie","tag-sport-fr"],"acf":[],"_links":{"self":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/6943","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/comments?post=6943"}],"version-history":[{"count":0,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/6943\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media\/6946"}],"wp:attachment":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media?parent=6943"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/categories?post=6943"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/tags?post=6943"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}