Sport & technologie : la révolution par l’Intelligence artificielle

Les Amé­ri­cains ont adop­té depuis long­temps l’idée d’utiliser des don­nées pour amé­lio­rer les per­for­mances spor­tives. Les Euro­péens, quant à eux, ont long­temps pré­ser­vé une approche plus tra­di­tion­nelle, fon­dée sur l’observation, l’expérience et l’intuition. Cette résis­tance cède tou­te­fois la place à une révo­lu­tion silen­cieuse et désor­mais iné­luc­table : celle du mariage entre sport et data. Avec des résul­tats impressionnants.

Pour ne pas res­ter sur la touche, les coachs, qui autre­fois se ser­vaient prin­ci­pa­le­ment d’un tableau blanc pour expli­quer les tac­tiques et les stra­té­gies, sont désor­mais inon­dés de don­nées et s’arment de moyens d’analyse et de sui­vi de plus en plus sophis­ti­qués. Ils sont assis­tés par des ana­lystes et leur rôle consiste désor­mais à par­ta­ger régu­liè­re­ment images et don­nées avec les spor­tifs, de manière col­lec­tive en équipe ou de manière indi­vi­duelle. Les vidéos, les indices de per­for­mance et leur évo­lu­tion dans le temps vont bien au-delà des mots.

Les don­nées per­mettent de faire pro­gres­ser effi­ca­ce­ment tous les acteurs sur les aspects tech­niques et tac­tiques spé­ci­fiques et, ain­si, de faire évo­luer les com­por­te­ments indi­vi­duels et col­lec­tifs. Mais d’où pro­viennent toutes ces don­nées et quelles sont les limites tech­no­lo­giques ? Qu’apporte l’intelligence arti­fi­cielle dans tout ça ? Com­ment fonc­tionne-t-elle, pour quel sport et dans quel but in fine ?

Lire aus­si : Mieux cou­rir avec les mathématiques

Des accéléromètres à la vision assistée par ordinateur

Le prin­ci­pal four­nis­seur de don­nées et d’analyse spor­tive a long­temps été l’être humain, l’analyste, qui grâce à ses yeux experts quan­ti­fie la per­for­mance. Mais les humains ont des per­cep­tions et des sen­si­bi­li­tés dif­fé­rentes. Pour pro­duire des don­nées fac­tuelles dont les spor­tifs, tout comme les parieurs, voire les jour­na­listes, ont besoin, ils sont mal­heu­reu­se­ment bien moins fiables que les machines. Ain­si, la révo­lu­tion a véri­ta­ble­ment com­men­cé en bar­dant les spor­tifs de mini­­capteurs hyper­sen­sibles per­met­tant de connaître les dis­tances par­cou­rues, le nombre d’accélérations à haute inten­si­té, etc. 

Mais l’électronique embar­quée n’a pas que des avan­tages ! Si les cap­teurs por­tés par les spor­tifs se sont démo­cra­ti­sés et ont contri­bué à faire évo­luer notam­ment les méthodes d’entraînement dans le milieu pro­fes­sion­nel, ils pré­sentent de nom­breuses contraintes qui limitent leur usage aux sports indi­vi­duels et leur déploie­ment pour les spor­tifs ama­teurs : tout d’abord, ils doivent être régu­liè­re­ment rechar­gés en éner­gie et, pour être pré­cis en posi­tion­ne­ment, être connec­tés à un réseau d’antennes à déployer autour du ter­rain. Ain­si ils doivent être la plu­part du temps gérés par un tiers dont la tâche consiste, notam­ment pour les sports col­lec­tifs, à attri­buer à chaque spor­tif son cap­teur et à gérer l’attribution de la don­née à la bonne personne.

« Les capteurs portés par les sportifs doivent être gérés par un tiers dont la tâche consiste à attribuer à chaque sportif son capteur et à gérer l’attribution de la donnée à la bonne personne. »

Ce tiers char­gé de la logis­tique n’existe mal­heu­reu­se­ment pas dès que le sport ne dis­pose pas d’encadrement pro­fes­sion­nel. Autre incon­vé­nient des cap­teurs, pour les sports col­lec­tifs où le bal­lon est au cœur du jeu, à quoi bon connaître les kilo­mètres par­cou­rus si on ne sait pas qui fait quoi avec la balle ? Enfin les cap­teurs ne répondent pas à un besoin essen­tiel pour le spor­tif et pour son coach, si ce n’est le besoin le plus impor­tant : celui de se revoir en image pour ana­ly­ser sa pos­ture, décor­ti­quer son pla­ce­ment, son timing, etc. ; en d’autres termes atteindre son graal, celui d’améliorer sa performance.

Ain­si, l’acquisition de don­nées grâce à la com­pu­ter vision (vision assis­tée par ordi­na­teur) s’est vite révé­lée bien plus pro­met­teuse, car non seule­ment elle répond aux défis que les cap­teurs sont inca­pables de rele­ver, mais elle pré­sente éga­le­ment un avan­tage incom­pa­rable et ines­ti­mable dans la quête de la per­for­mance : celui d’obtenir les don­nées indi­vi­duelles et col­lec­tives de son adversaire !

Comprendre les défis techniques de l’IA

La vision assis­tée par ordi­na­teur cor­res­pond au trai­te­ment numé­rique d’une ou d’une suc­ces­sion d’images, à savoir un flux vidéo. Cette tech­no­lo­gie ne cesse de faire des avan­cées spec­ta­cu­laires et les Fran­çais contri­buent lar­ge­ment à son expan­sion. De la reconnais­sance faciale à la détec­tion de cel­lules pré-can­cé­reuses, les cas d’usage sont mul­tiples et les sports dont cer­tains drainent des mil­liards d’euros, n’échappent pas bien enten­du à la règle. La com­pu­ter vision se révèle sur­puis­sante pour obte­nir des don­nées spor­tives, et aus­si pour pro­duire du conte­nu vidéo sans faire appel à un camé­ra­man. Pour bien appré­hen­der cette tech­no­lo­gie, il est impor­tant de com­prendre les défis tech­niques inhé­rents à son fonc­tion­ne­ment. Ces défis sont algo­rith­miques bien enten­du, mais éga­le­ment mathé­ma­tiques, voire optiques.

Des possibilités impressionnantes

Aujourd’hui, grâce à l’intelligence arti­fi­cielle, à l’avènement du deep lear­ning (appren­tis­sage pro­fond) et à l’entraînement des réseaux de neu­rones, les algo­rithmes qui per­mettent de détec­ter et dis­tin­guer un humain ou un objet à par­tir d’une simple image sont omni­pré­sents dans nos smart­phones. Ils sont extrê­me­ment fiables. À par­tir de la vidéo d’une com­pé­ti­tion et grâce aux mathé­ma­tiques, il est tech­ni­que­ment pos­sible d’extrapoler les coor­don­nées en X, Y et Z de dizaines de joueurs et d’un bal­lon sur un ter­rain, repère ortho­nor­mé aux dimen­sions connues. 

Reste ensuite pour les algo­rithmes à réa­li­ser des opé­ra­tions plus com­plexes, comme celles de faire le lien entre les détec­tions de l’image N et celles de l’image N +1 afin de les relier entre elles, de déter­mi­ner grâce à la cou­leur du maillot à quelle équipe tel ou tel joueur appar­tient, puis par recon­nais­sance optique des carac­tères de lire le numé­ro de maillot du joueur afin d’en retrou­ver l’identité.

Les don­nées phy­siques (dis­tances par­cou­rues, vitesses…) mais, mieux encore, les don­nées de jeu (pos­ses­sion de balle, nombre de passes, com­pa­ci­té des équipes, temps forts et temps faibles, sché­mas tac­tiques pré­fé­ren­tiels…) deviennent ain­si dis­po­nibles sans que l’humain n’intervienne. C’est l’IA qui réa­lise tout le tra­vail… et les algo­rithmes sont capables de bien plus, comme de déter­mi­ner auto­ma­ti­que­ment la pos­ture sque­let­tique d’un spor­tif, l’orientation de son corps, les angles entre ses membres. Les pers­pec­tives d’utilisation de toutes ces don­nées sont impres­sion­nantes et qua­si illimitées.

Avoir des images de bonne qualité

Pré­re­quis indis­pen­sable à son bon fonc­tion­ne­ment, les images trai­tées doivent être de bonne qua­li­té, car les algo­rithmes digèrent les images pixel par pixel. Les images TV répondent par­fai­te­ment à ce besoin, tou­te­fois elles pré­sentent une contrainte majeure, celle de ne mon­trer que le cœur du jeu, donc une seule par­tie des spor­tifs pré­sents sur le ter­rain. Que font ceux qui ne sont pas à l’écran ? Com­ment mesu­rer leurs don­nées autre­ment qu’en fai­sant appel à des modèles pré­dic­tifs fon­dés sur leurs coor­don­nées anté­rieures ? Par ailleurs, quid des équipes ou des sports à faible visi­bi­li­té média­tique ? Pour­quoi n’auraient-ils pas droit à leurs images et à leurs données ? 

Pour répondre à cet autre défi, des solu­tions existent et elles reposent sur une com­bi­nai­son de tech­no­lo­gies optiques et algo­rith­miques. Il convient en effet de dis­po­ser d’un sys­tème de cap­ta­tion qui filme l’intégralité du ter­rain à par­tir de plu­sieurs focales et qui recons­ti­tue numé­ri­que­ment une image en haute défi­ni­tion à par­tir de flux vidéo syn­chro­ni­sés. C’est le stit­ching, tech­nique qui consiste à col­ler deux images entre elles sans que cela soit visible à l’œil nu. La nou­velle image ain­si recons­ti­tuée est de qua­li­té telle que les algo­rithmes détectent par­fai­te­ment 100 % des acteurs en pré­sence sur le ter­rain et, par ailleurs, ils peuvent suivre le jeu et pro­duire une réa­li­sa­tion qua­si pro­fes­sion­nelle, comme si un camé­ra­man était présent.

Exploiter les possibilités

En défi­ni­tive, une fois la cap­ta­tion d’image grand angle effec­tuée, son trai­te­ment numé­rique ain­si que la trans­mis­sion des images et des don­nées maî­tri­sées, les pers­pec­tives d’exploitation sont illi­mi­tées. Cette tech­no­lo­gie est sur­puis­sante car aucun cap­teur n’est néces­saire ni sur le spor­tif, ni sur son adver­saire. Toutes les don­nées sont déjà dans l’image, et la maî­trise de l’intelligence arti­fi­cielle per­met de les extraire avec une pré­ci­sion redoutable. 

“Fournir une analyse totale en temps réel.”

Défi tech­nique sup­plé­men­taire, cette tech­no­lo­gie per­met d’extraire la don­née spor­tive non pas a pos­te­rio­ri, à par­tir d’un enre­gis­tre­ment vidéo, mais en direct, pen­dant la com­pé­ti­tion. Cela est ren­du pos­sible grâce aux nou­velles géné­ra­tions de cartes gra­phiques, tou­jours plus com­pactes et plus rapides. Elles sont capables d’ingérer et d’interpréter des mil­liers d’images à la seconde et per­mettent de four­nir ain­si une ana­lyse totale en temps réel.

Les sports tous égaux devant l’IA ?

Tous les sports ne sont pas égaux face à l’IA et un tra­vail colos­sal est encore à venir. Si le foot­ball, sport le plus popu­laire au monde, est le cas d’usage le plus répan­du, chaque sport révèle ses propres défis : par exemple, si les règles au ten­nis sont simples et la détec­tion des joueurs une opé­ra­tion assez basique, le tra­cking de la balle, objet de très petite taille dont la vitesse excède régu­liè­re­ment les 150 km/h, est un défi tech­nique qui requiert des images très nettes et l’entraînement de modèles spécifiques. 

Le rug­by, pour sa part, cumule les han­di­caps : un grand nombre de joueurs, des règles com­plexes et sur­tout des phases de regrou­pe­ment où c’est non seule­ment le bal­lon qui dis­pa­raît, mais aus­si les joueurs. Même un œil avi­sé a par­fois du mal à dis­tin­guer à qui appar­tient tel bras ou telle tête. Si c’est com­pli­qué pour un humain, ça l’est aus­si pour la machine.

« Chaque sport doit faire l’objet d’une analyse et d’une étude spécifique. »

En conclu­sion, chaque sport doit faire l’objet d’une ana­lyse et d’une étude spé­ci­fique, de créa­tion de base de don­nées d’images pour entraî­ner les algo­rithmes à détec­ter les dif­fé­rentes classes d’objet (humain, bal­lon…), à recon­naître les évé­ne­ments et autres faits de jeu. Si le che­min peut sem­bler long, notam­ment pour les sports à faible visi­bi­li­té média­tique, ce n’est qu’une ques­tion de temps et de volon­té poli­tique pour y par­ve­nir. Par ailleurs, si l’IA est très bien adap­tée au sport en com­pé­ti­tion car les règles y sont codi­fiées et les spor­tifs iden­ti­fiés par un maillot et un numé­ro unique, elle l’est beau­coup moins lors des phases d’entraînement. En effet ces der­nières sont par nature évo­lu­tives, libres dans leur orga­ni­sa­tion, que ce soit par le nombre de joueurs ou au tra­vers d’exercices spé­ci­fiques imposés. 

La plu­part du temps, les entraî­ne­ments ont lieu dans un espace de jeu évo­lu­tif. Toutes ces variables rendent l’usage de la com­pu­ter vision inuti­le­ment com­plexe. L’utilisation d’un bon dis­po­si­tif de cap­ta­tion vidéo, cou­plé le cas échéant à des cap­teurs GPS, four­ni­ra suf­fi­sam­ment d’informations pour com­bler l’entraîneur. 

Un allié, pas un remplaçant

Ain­si, même les tech­no­lo­gies les plus pro­met­teuses ont leur limite et c’est pro­ba­ble­ment tant mieux ain­si ! Rien ne pour­ra rem­pla­cer l’œil avi­sé de l’entraîneur, sa capa­ci­té à per­ce­voir des détails sub­tils, à lire et à com­prendre les émo­tions des spor­tifs, et enfin à trou­ver les mots justes pour les moti­ver et les gui­der vers la performance. 

L’IA doit res­ter une alliée, une par­te­naire qui ren­force les com­pé­tences humaines et spor­tives, mais elle ne les rem­place pas. Espé­rons que les algo­rithmes ne sau­ront jamais détec­ter l’intelligence émo­tion­nelle, la rési­lience, l’intuition et la créa­ti­vi­té des indi­vi­dus, car la magie du sport réside en grande par­tie dans l’incertitude du résul­tat final. 

C’est cette incer­ti­tude qui main­tient l’excitation des spec­ta­teurs, qui pousse les spor­tifs à se dépas­ser et qui fait que chaque com­pé­ti­tion est un spec­tacle unique. Le pro­chain grand spec­tacle sera olym­pique. Avec ou sans le sou­tien de l’Intelligence arti­fi­cielle, sou­hai­tons-leur à toutes et à tous de viser l’excellence : Citius, Altius, For­tius ! 

---

Articles similaires :

Paris 2024 : un modèle de dura­bi­li­té pour les grands évé­ne­ments sportifs Mieux cou­rir avec les mathématiques La tech­no­lo­gie au ser­vice du parasport Le judo, pilier de l’excellence spor­tive de la France Augus­tin Reboul (X20), poly­tech­ni­cien et spor­tif de haut niveau