L’intelligence artificielle, très utilisée dans le domaine de la reconnaissance faciale ainsi que la reconnaissance vocale, est également exploitée dans le domaine du sport, et ce, grâce à l’invention ingénieuse de Patrick Lucey. Celui-ci est un scientifique travaillant au sein de Stats Perform et spécialisé en intelligence artificielle depuis plus de 20 ans.
L’utilisation de l’intelligence artificielle dans le sport
Patrick Lucey, en travaillant chez Disney Research, a créé un système de diffusion automatique permettant de capturer les mouvements des joueurs en temps réel en faisant déplacer tout simplement une caméra robotique. Chez Stats Perform, il a utilisé l’intelligence artificielle afin de collaborer avec les entraîneurs et les analystes pour que ceux-ci puissent prendre les meilleures décisions dans leurs tâches.
Il est à préciser que Stats Perform est une entreprise leader dans le domaine de la collecte de données sportives. Depuis plus de 4 décennies, cette enseigne a déjà recueilli plusieurs données provenant de 27 000 événements diffusés en direct. Actuellement, elle dispose de 50 scientifiques et 300 développeurs capables de créer des produits issus de l’intelligence artificielle servant à mesurer tout ce qui est non mesurable dans le sport auparavant.
Quels sont les différents types de données sportives ?
Afin de simplifier la reconstitution du récit d’un match, Patrick Lucey a travaillé sur 3 types de données sportives, dont les données d’événement, les scores de box ainsi que les données de suivi. Pour s’y prendre, il a pris en compte différents types de sport comme le football, le volley-ball, la natation et aussi le hockey sur gazon.
Les statistiques Box-score
Les statistiques Box-score sont capables de résumer un match de foot de 90 minutes. Grâce à ces données sportives, on peut définir, en quelques secondes, comment le jeu s’est déroulé, quelle équipe a gagné, à quels moments les buts ont été marqués, etc. En bref, ces statistiques présentent un aperçu du match et peuvent même effectuer la reconstruction du jeu. Encore plus loin, elles sont capables de donner des informations plus détaillées : l’équipe qui a fait plus de tirs, le nombre de tirs au but, la qualité de ces tirs, etc. Elles sont également aptes à fournir des détails sur la manière dont les joueurs jouent : qui a commis le plus de fautes, d’arrêt, de corners, etc. Grâce à ces données sportives, on peut connaître le déroulement du match.
Les données d’événement
Appelées aussi données play-by-play, les données d’événement offrent plus de précision que les statistiques Box-score, notamment sur les moments clés d’un match. Elles sont capables de diffuser des descriptions textuelles de tout ce qui s’est passé sur chaque minute du jeu. En quelques secondes, elles peuvent également créer des reconstructions visuelles des évènements importants du match.
Il est à préciser que Stats Performs est un spécialiste de la collecte de données évènementielles. Cette entreprise fournit des données en rapport avec les matchs aux Paris Sportifs à travers un flux à faible latence. Elle indique, par exemple, le moment de but, d’attaque dangereuse, de tirs… Ces informations sont ensuite transmises aux parieurs. La rapidité des données est spectaculaire. Ce qui permet de reconstruire l’histoire du match et la raconter de façon presque imminente.
Les données de suivi
Les données de suivi sont les données qui offrent le plus de détails dans le milieu du sport. Elles sont utilisées pour découvrir l’emplacement du ballon et des joueurs sur le terrain pendant le match. Les données de suivi sont indispensables aux analystes. Elles leur permettent de réaliser de meilleures requêtes plutôt que d’utiliser un simple flux vidéo qui, dès fois, n’affiche qu’une partie du terrain.
Quelles sont les différentes sources de données sportives ?
Les séquences vidéo
La plupart des données sportives sont collectées à partir de l’analyse vidéo. Celle-ci se sert des images de match pour découvrir les moments clés à partir desquels les données sont générées. Il faut préciser que les 3 types de données (les données de suivi des joueurs, les statistiques Box-score et les données d’événement) sont tous basés sur l’analyse vidéo.
La RFID ou l’identification par radiofréquence
Afin de suivre les coordonnées X et Y ainsi que l’emplacement des joueurs sur le terrain, la NFL intègre sur les épaulettes de chaque joueur des dispositifs portables d’identification par radiofréquence, la RFID.
Le Radar
Dans un match de golf, les radars ont été utilisés afin de suivre la trajectoire de la balle. Ils sont également capables de créer des visualisations ainsi qu’une détection précise de la balle.
Les GPS portables
En football ou encore d’autres sports d’équipe, les appareils GPS sont souvent utilisés pour avoir des données supplémentaires sur le joueur. Elles peuvent collecter des informations sur le niveau d’effort ou encore le rythme cardiaque du sportif. Moins précise que la RFID, l’utilisation de ces appareils est avantageuse lors d’un match de compétition ou lors d’un entraînement.
Les données de marché
Dans le sport, les données de marché sont les données de paris. Elles sont utilisées pour reconstruire le déroulement du match à partir duquel les parieurs pourront retirer des informations clés.
Quels sont les rôles de l’intelligence artificielle dans l’analyse sportive ?
Avant, l’analyse sportive s’est seulement basée sur les données d’événements et les données de Box-score. Ces dernières décennies, ces données traditionnelles ont été complétées par des données de suivi plus approfondies basées sur 3 domaines clés dont :
- La collecte de données plus approfondies
- L’analyse de type plus approfondie
- Les prévisions plus approfondies
La collecte de données plus approfondies
La collecte de données sportives consiste à reconstituer le déroulement du match, dont le résultat se rapproche presque des images brutes vues par une caméra ou un être humain. En effet, ces données brutes sont transformées en format numérique pour que nous puissions connaître l’évolution du jeu et ainsi créer des informations exploitables.
Pour ce faire, cette reconstruction consiste à diviser le match en plusieurs parties assimilables telles que les possessions. Ensuite, nous essayons de découvrir ce qui s’est déroulé dans chaque segment : le résultat final de la possession, le processus pour arriver à ce résultat et les conditions pour l’atteindre.
Actuellement, pour numériser les données sportives play-by-play, il faut faire appel aux analystes vidéo. Ceux-ci regardent le match et prennent note des événements importants qui s’y déroulent. À la fin du match, ils présentent un compte rendu des évènements clés du match, autrement dit ils détaillent tout ce qui s’est passé durant le jeu ou la possession. Cette technique n’offre pas les meilleures informations pour reconstruire parfaitement et avec précision le jeu étant donné que les humains sont des êtres subjectifs et ont des limites cognitives. D’autres méthodes d’analyses plus performantes sont donc utilisées :
- Les systèmes de suivi sur place qui consistent à collecter les données de suivi à l’aide des systèmes sur site.
- Le suivi de données qui s’effectue directement à partir de la vidéo diffusée par le biais d’une initiative nommée AutoStats.
- La conversion de pixels en points permettant d’obtenir plus de précision sur les mouvements des joueurs.
- Le mappage des points sur des évènements particuliers
- Le mappage des évènements aux métriques attendues
L’analyse sportive plus approfondie
Pour faire une meilleure analyse sportive, il faut que les données soient granulaires. Et pour réaliser des analyses avancées, le suivi des données doit présenter le niveau de granularité. En ce qui concerne la stratégie, la recherche ainsi que la simulation, on peut dire que les données approfondies sont meilleures que celles des êtres humains.
- L’analyse de stratégie
Pour visualiser et surtout interpréter les données de suivi, Stats Perform a créé un logiciel appelé Stats Edge Analysis. Celui-ci consiste à dévoiler la formation des joueurs, la fréquence durant laquelle un joueur se trouve dans une quelconque situation, la structure d’une équipe en mode défense ou attaque, les styles de jeu, etc.
- L’analyse de recherche
Cette solution consiste à faciliter la recherche d’un jeu similaire. Pour ce faire, il n’est plus question de taper des mots-clés, il suffit d’utiliser des données de suivi dans la zone de recherche visuelle. Il suffit alors de décrire le type de jeu à rechercher pour obtenir un ensemble de jeux similaires. L’avantage de cet outil est qu’il permet de déplacer des joueurs sur le terrain, d’étudier la faisabilité d’un tir sur une telle ou telle position.
- Jouer à la simulation
Pour aider les entraîneurs à évaluer un jeu et simuler des résultats, Stats Perform utilise le ghosting. Celui-ci consiste à créer des mouvements de jeu en parallèle avec le jeu en direct qui est représenté par des points sur le terrain. Cela permet de fournir des simulations de jeu encore plus interactives. L’entraîneur peut ainsi dessiner un jeu sur un presse-papier. De leur côté, les données de suivi créent des presse-papiers intelligents pouvant être simulés au déroulement de jeu proposé par l’entraîneur.
Les prévisions sportives plus approfondies
Avec des données plus granulaires, il devient plus facile de prédire les performances sportives. Il existe quelques applications de données de suivi offrant des prévisions incluant le recrutement des joueurs ainsi que les prédictions des matchs.
- Le recrutement des joueurs
Dans une ligue dans laquelle les données de suivi ne sont pas accessibles, elle doit recourir à une version plus simplifiée des rapports pour recruter un nouveau joueur quelconque. Ce qui n’est pas toujours évident à réaliser.
Pour faire face à cette situation, les entraîneurs doivent recourir au suivi de données à travers des séquences de diffusion. Celles-ci sont capables de créer des données de recrutement encore plus détaillées. Grâce à ce système, il est possible de visualiser des jeux précédents et de créer des données de tous les joueurs qui n’ont pas été suivis auparavant. C’est le cas d’AutoStats de Stats Perform. Ce logiciel de capture de données est capable d’identifier la position des joueurs même si la caméra est en mouvement. Il peut aussi repérer la pose du corps et ré-identifier un joueur, qui a quitté le cadre, du moment que celui-ci revient en vue.
Ces données de suivi présentent plusieurs avantages. Elles aident l’entraîneur à découvrir les capacités du joueur par rapport aux autres joueurs professionnels. Elles sont également capables d’indiquer les performances d’un jeune joueur dans le futur.
- Les prédictions de match
L’intelligence artificielle joue également un rôle important dans les prédictions de match. Pour cela, il existe 2 méthodes. Premièrement, il y a la méthode participative qui consiste à utiliser des données provenant du public. Quant à l’autre méthode, elle se sert d’une approche explicite basée sur des données. L’avantage de cette technique est qu’elle est à la fois interprétable et interactive. Cette méthode ne prend pas en compte certaines situations comme les données sur les blessures, par exemple. Ce manque peut donc impacter les prédictions réalisées. Pour une meilleure prédiction de match, il faut utiliser une approche hybride, c’est-à-dire utiliser la méthode issue de l’intuition humaine et celle basée sur les données.
Pour Stats Perform, afin d’améliorer les performances de prédiction, il utilise des modèles apprenant des représentations avec des caractéristiques comme les joueurs impliqués, l’adversaire spécifique, etc. Ainsi, il devient plus facile de prédire les statistiques de chaque joueur et décrire ses performances de jeu.
Vous souhaitez vous former au Big Data ? Retrouvez les formations Data Full Stack et Data Analyst qui vous forment aux métiers de Data Analyst, Data Scientist, Data Engineer et AI Scientist.
Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data et de l’IA, vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !
