Aller au contenu principal
L’intelligence artificielle au service des acteurs du football

#Deep Learning #Machine Learning

L’intelligence artificielle au service des acteurs du football

Le monde dans lequel nous vivons est de plus en plus complexe. Les technologies de l’information permettent de générer une quantité de données inédite. Le défi est donc aujourd’hui de savoir les exploiter et les acteurs du football l’ont bien compris.

Introduction

Le monde dans lequel nous vivons est de plus en plus complexe. Les technologies de l’information permettent de générer une quantité de données inédite. Le défi est donc aujourd’hui de savoir les exploiter et les acteurs du football l’ont bien compris. 

L’utilisation des mathématiques  dans le sport est arrivée il y a déjà presque vingt ans. Pour illustration, l’excellent film « Moneyball » de Bennett Miller, sorti en 2011, retrace l’histoire de Billy Beane, le manager général des Oakland Athletics, qui s’appuie sur des théories statistiques et révolutionne toute la pratique d’un des sports les plus populaires du monde. Les récentes avancées technologiques, à savoir les capacités de stockages et de calculs, permettent aujourd’hui d’aller toujours plus loin dans l’utilisation de la donnée et de ses applications.  

 

Marketing et Data science : un duo gagnant

Il existe de nombreuses applications de l’intelligence artificielle dans le football. Avant de parler des usages propres à ce domaine, rappelons qu’un club de football professionnel possède un fonctionnement similaire à une entreprise sur certains aspects. Notamment en termes d’image et de marketing. Ces points ne sont pas à négliger quand on sait qu’une majorité des revenus d’un club de football est générée par la vente de maillots, de billets et par le sponsoring. 

La data science a déjà fait ses preuves dans de nombreuses applications autour du marketing [1]. L’analyse des données permet d’améliorer la connaissance client afin d’adapter les offres. Les méthodes de clustering, de modélisation prédictive ou d’analyse factorielle sont autant de techniques pour accomplir ces tâches. Il est également possible d’améliorer l’expérience des clients avec l’utilisation d’algorithmes de recommandation sur certains sites internet. Enfin, il existe des applications à valeur ajoutée comme prédire quels sont les clients qui possèdent un fort potentiel ou prédire les ventes et l’impact d’une campagne marketing. Les techniques utilisées dans ce cas sont la modélisation prédictive ou l’analyse de série temporelle. Toutes ces méthodes sont à la disposition des clubs, qui ont tout intérêt à les utiliser s’ils veulent augmenter l’engagement de leur public, et augmenter leurs revenus.

 

Améliorer la prise de décision grâce à la prévision en direct 

Nous sommes en Juillet 2022, la France défend son titre de champion du monde au Qatar face à la Belgique. A la 75ème minute la France mène 1-0 et plusieurs stratégies s’offrent à son coach. Jouer la sécurité et réaliser un changement défensif ? Ajouter un attaquant et tout tenter pour se mettre à l’abri d’un retour de l’équipe belge ? Ou encore changer de système de jeu ? C’est alors qu’il se penche vers son ordinateur et l’interroge « quel changement dois-je effectuer pour avoir le plus de chances de gagner ? ». Ce à quoi la machine répond « Avec une stratégie défensive tu as 64% de chances de l’emporter ». Evidemment la France ne sera pas championne du monde du beau jeu, mais pourra une nouvelle fois prétendre à une étoile de champion.

Anticipation, bien sûr.  Nous ne parlons pas de la France qui battra à nouveau la Belgique, mais de l’utilisation de l’intelligence artificielle comme d’une aide à la décision lors d’un match de football, ou de tout autre type de sport collectif. Cela peut nous sembler aujourd'hui de l'ordre du fantasme, mais analysons les avancées possibles en la matière.

Premièrement, les récentes améliorations en « speech-to-text », une technologie de reconnaissance vocale, permettent de transformer un discours oral en texte de manière automatisée. De plus, celles en « natural language processing », permettent à un programme informatique de comprendre le langage humain tel qu'il est parlé. Il est donc désormais possible pour une machine de comprendre des questions à l’oral et d’y répondre. Elle pourrait dès lors calculer plusieurs scénarios prévisionnels en direct et proposer un dispositif tactique ou des changements à réaliser. En effet, celle-ci en analysant préalablement un historique important de matchs, est capable de simuler statistiquement quel scénario serait le plus pertinent à un moment donné. L’entraîneur pourrait également interagir avec le modèle et analyser l’influence des variables. Il pourrait par exemple effectuer des changements virtuels et analyser comment cela affecterait le match. C’est sur la base de cette application que le Paris Saint-Germain et l’Ecole Polytechnique se sont alliés afin de développer le meilleur algorithme de prédiction en direct [2].

Artificial intelligence and football

L’intelligence artificielle : un levier au service de nombreux acteurs

Certains clubs de football, comme le Liverpool FC qui s’est associé à la start up française SkillCorner [3], utilisent de puissants outils capables de collecter automatiquement et en temps réel de la donnée sur des enregistrements vidéo de matchs ou d’entrainements. Cette technologie est capable de suivre les joueurs, le ballon et les performances (5), ce que l’on appelle “tracking”. De plus l’algorithme peut également faire ressortir des points clés comme une possession de balle anormale ou une zone fréquente de perte de ballons. Cela ouvre de nouvelles opportunités pour des décisions basées sur la donnée. 

Pour les entraîneurs et les joueurs, qui pourront avoir accès à de nombreuses statistiques complémentaires. Le club écossais des Glasgow Rangers collabore par exemple avec la plateforme américaine Hudl [4] qui enregistre et analyse tous les matchs du championnat. Cela donne l’opportunité pour un entraîneur de mieux connaître son équipe mais également celles de ses adversaires. En plus d’accéder aux statistiques classiques, à savoir le nombre de tirs, de passes, de duels gagnés, etc., il est possible d’interagir avec l’intelligence artificielle pour présélectionner des phases de jeu. Par exemple, lors de l’analyse d’un match, l'entraîneur peut choisir de visionner les tirs de son attaquant, ou encore les pertes de balle ayant engendré une action dangereuse. Cela lui permettrait d’obtenir rapidement de nouvelles données et d’identifier les forces et les faiblesses de son équipe, de l’adversaire et de développer des stratégies en conséquence. Cet outil n’est pas uniquement réservé au management, les joueurs peuvent aussi s’en servir pour analyser leurs performances, prendre du recul sur celles-ci et détecter leurs points d’améliorations. Les possibilités sont donc quasiment infinies car l'entraîneur, comme les joueurs, peuvent avoir à leur disposition de nombreuses statistiques complémentaires à celles qui existent aujourd’hui. De plus, le gain de temps est considérable lors de la présélection des phases de jeu d’intérêt.  

D’autres équipes utilisent des objets connectés, comme des vêtements ou des dispositifs portables. Ainsi, le Real Madrid et la Fédération Française de Football travaillent avec la société Catapult Sports [5] qui a développé une technologie que l’on peut mettre dans la poche arrière du maillot du joueur. Manchester United et la Juventus font eux appel à l’entreprise STATSports [6] qui est un des leaders du marché en matière de vêtements connectés. Ces derniers permettent notamment de récupérer des données comme la vitesse ou la distance parcourue, qui peuvent être analysées par la suite.

Pour la détection de talents, car grâce aux améliorations et à la baisse des coûts liés au stockage et à la vitesse d’exécution des algorithmes, cette technologie peut être étendue à l’ensemble des matchs (pas seulement européens). Nous pouvons dès lors l’utiliser pour réaliser du “scouting” (recrutement de talents). En effet, nous pouvions déjà créer une importante base de données contenant les joueurs avec leurs caractéristiques classiques. Aujourd’hui, avec une intelligence artificielle capable d’analyser les matchs, nous pourrions enrichir cette base avec des statistiques complémentaires très précises. Celles-ci ne se limitent plus au nombre de buts ou de passes réussies, mais à des métriques plus complexes qui peuvent prendre en compte de multiples facteurs. Nos limitations perceptuelles nous empêchaient d’enregistrer ces métriques et de les évaluer avec précision, ce n’est plus le cas avec l’intelligence artificielle. Grâce à cet enrichissement, on peut alors tout à fait entrainer un modèle capable de détecter des comportements aberrants. Ils peuvent avoir une connotation péjorative ou méliorative, il s’agira dans le dernier cas de cibler les joueurs avec de belles performances et dotés d’un grand potentiel. Le club de Liverpool FC qui utilise la détection de talents automatique depuis quelques temps, mais de manière plus approfondie ces dernières saisons, on effectué une série de recrutements intéressants. Ceci peut expliquer leur victoire en ligue des champions lors de la campagne 2018/2019. En plus de la détection de talents, la base de données enrichie peut nous permettre d’estimer la valeur des joueurs sur le marché. Cela peut s'avérer utile lors de négociations, que ce soit lors de l’achat ou de la vente d’un joueur.

Pour la télévision, un outil qui collecte de la donnée automatiquement sur des matchs, sans intervention humaine, peut révolutionner la diffusion en direct et influer sur la manière dont le public regarde le sport. Les chaînes vont pouvoir publier en direct des informations sur les performances des joueurs, des équipes ou montrer des statistiques clés impossibles à détecter par un humain en temps réel. De plus à l’aide de l’historique il serait possible de comparer les performances et les matchs entre eux. Cela améliore l’expérience du client sur la chaîne et augmente son engagement. En regardant le match, le téléspectateur pourrait être capable d’accéder aux statistiques en direct et analyser plus facilement le match. Depuis déjà quelques années il est fréquent de les voir affichées à l’écran. Cependant l’intelligence artificielle permet de collecter de nouvelles données automatiquement et de les traiter plus efficacement. Certaines chaînes comme Canal+ qui innove beaucoup en matière de retransmission, utilisent déjà de nouveaux dispositifs de calculs pour enrichir l’expérience des téléspectateurs. D’autres médias comme l'Équipe et TF1 font appel à un intermédiaire comme l’entreprise anglaise Opta Sports [7]. 

Pour les parieurs sportifs, l’utilité est proche de celle de la télévision. Les sites de paris veulent augmenter la fidélité de leur clientèle. Winamax s’est également associé à la start up française SkillCorner [3] afin de bénéficier d’un outil qui leur fournit en temps réel des informations clés sur le match. Le client pourrait alors posséder une aide précieuse pour son pari. Comme pour une intelligence artificielle, plus il possède des données de qualité, plus sa prédiction sera juste. Le parieur sera donc plus fidèle à un site qui lui fournit des informations clés et de l’aide dans ses pronostics. De plus, les sites de paris sportifs pourraient en conséquence mieux ajuster leurs cotes, car celles-ci sont fixées par des bookmakers mais aussi par des équations mathématiques. Aujourd’hui on peut parier sur énormément de matchs, et pas seulement sur la victoire de son équipe préférée, mais aussi sur le score exact, qui va marquer le premier but, à quelle minute, etc. Grâce à l’intelligence artificielle les sites sont alors en mesure d’ajuster un grand nombre de cotes automatiquement. 

Health and IA

Un développement dans le monde du sport 

Nous avons constaté les bénéfices apportés par l’utilisation de l’intelligence artificielle dans le cadre du football. Cela peut évidemment être appliqué de la même manière à de nombreux sport. La technologie modifie sans cesse notre société et le sport n’y échappe pas. Aux Etats-Unis, la NBA et la NFL sont déjà très en avance. Notamment, depuis 2013, la NBA a installé des systèmes de tracking dans chacun de ses 29 stades ce qui permet de collecter une quantité impressionnante de données, qui sont utilisées par tous les clubs. Elle lance d'ailleurs un challenge pour prédire les scores des matchs [10]. De nombreux joueurs de football américain de la NFL sont par exemple équipés de capteurs envoyant 25 signaux par seconde correspondant à leur position et leur vitesse. Les apports sont évidents et les exemples nombreux mais cela demande bien sûr des investissements au départ. Aussi le sport automobile, et plus particulièrement la F1, commence à utiliser l’intelligence artificielle. En effet, grâce à plusieurs capteurs placés sur la voiture, elle peut analyser en temps réel toutes les données et détecter une possible anomalie. Ainsi les écuries sont capables d’améliorer la performance de la voiture avant et pendant la course. C’est l’application la plus répandue aujourd’hui mais on peut facilement imaginer un outil qui analyserait les courses et qui permettrait de choisir la stratégie optimale pour changer les pneus ou déterminer les arrêts aux stands.

 

Une évolution dans les organisations 

Dès lors que la donnée est collectée et utilisée à grande échelle, il est légitime de se demander quel est le cadre légal. Autorise t-on la collecte de tout type d’informations, de celles de ses adversaires ? Pour quelles utilisations ? Peut-on dans certains cas parler d’un éventuel espionnage ? de dopage industriel ou d’un avantage déloyal ? On peut également se questionner sur la possible mise à disposition de certaines technologies, infrastructures et données pour tous. Par exemple, pour le championnat français, au contraire des espagnols, anglais ou allemands, le manque de partage des données de tracking constitue une limitation dans la recherche. Ce qui semble inévitable c’est une évolution des organisations pour appréhender au mieux l'apparition de l’intelligence artificielle. Cela passe notamment par l’adoption de nouvelles compétences autour de la data science, et de nouveaux partenariats technologiques.

 

Conclusion

Aussi nous finirons par préciser deux points. Les statistiques et autres indicateurs deviennent omniprésents. Cependant il faut faire attention à leur utilisation parce qu’une statistique seule n’est pas nécessairement pertinente, et dans le cadre du sport elle ne résume pas obligatoirement une performance. Il est préférable de se placer dans un contexte, prendre du recul. Est-il possible de remplacer l’intuition, le ressenti ? Zidane ne possédait pas les meilleures statistiques pourtant n’était t-il pas extraordinaire ? Tout cela pour arriver au second point : l’intelligence artificielle n’est pas « intelligente » au sens humain, elle est plutôt à prendre au sens anglophone du terme soit « renseignement ». Elle analyse des données, est capable de les traiter en grande quantité et très rapidement. Elle est un outil formidable qui peut avoir un impact positif dans l’aide à la prise de décisions et/ou pour éviter des tâches chronophages. Cependant une partie du sport est affaire de sentiments, de talents, d’humains. Cela est t-il toujours possible de les modéliser par des algorithmes? Comment trouver un équilibre entre beauté du sport et technologie ? Entraîneurs augmentés, la balle est dans votre camp !

Sources

[1] https://towardsdatascience.com/20-practical-ways-to-implement-data-science-in-marketing-e10da4a6d0b2
[2] https://www.lebigdata.fr/psg-intelligence-artificielle
[3] https://www.skillcorner.com/
[4] https://www.hudl.com/en_gb/solutions/professional
[5] https://www.catapultsports.com/
[6] https://statsports.com/
[7] https://www.optasports.com/sectors/media/
[8] https://www.valdperformance.com/
[9] https://www.kitmanlabs.com/
[10] https://www.nbadatachallenge.com/

Si vous souhaitez en savoir plus sur nos solutions d'IA, rendez-vous sur notre site web Heka : https://heka.sia-partners.com/

#Deep Learning #Machine Learning

Examen approfondi La contribution de l'IA en tant que source de retour clients
#Marketing & Customer experience #Machine Learning

IA et Ecoute clients : le NPS est-il dépassé ?

A Twitter vision on the campaign for the mayor of Paris
#Government #Data Capture #Deep Learning #Machine Learning

La course pour la mairie de Paris vue depuis Twitter

Foot_img

Dénicher les stars du football de demain via l'intelligence artificielle