Traditionnellement, l’identification des talents dans le domaine sportif est un processus demandant beaucoup d’investissement et reposant uniquement sur le jugement “humain”. Les recruteurs se déplacent de loin pour assister aux matchs et aux entraînements, analysant minutieusement les performances des joueurs afin d’identifier les stars potentielles. Toutefois, cette méthode n’est pas infaillible, car elle est sujette à l’erreur humaine et à la partialité. De plus, il s’agit d’un processus long et coûteux, qui se traduit souvent par des occasions manquées.
Depuis plusieurs années, le monde du sport se tourne de plus en plus vers l’analyse de données et l’intelligence artificielle pour identifier les talents sportifs émergents, révolutionnant ainsi les méthodes traditionnelles de détection et d’entraînement. Ces nouvelles approches offrent de nombreuses possibilités aux organisations sportives, aux entraîneurs et aux athlètes, ce qui remodèle le paysage de l’identification des talents.
En effet l’analyse de données et l’IA peuvent traiter de grandes quantités de données à la vitesse d’un Usain Bolt. En analysant les données relatives aux performances des joueurs, l’intelligence artificielle identifie des schémas et des tendances qui pourraient échapper aux recruteurs humains. Par exemple, l’IA peut évaluer la vitesse, la force, l’agilité et les compétences techniques d’un joueur, fournissant ainsi une évaluation complète du potentiel du joueur.
1. De nombreuses données sont traitées et analysées au service du recrutement sportif
Les données statistiques, la base du nouveau rôle de technical scout ?
L’analyse des statistiques de jeu comme le nombre d’essais au rugby ou de sets remportés au tennis est un outil essentiel dans le recrutement des talents sportifs. Elle permet aux recruteurs, aux entraîneurs et aux responsables sportifs d’évaluer les performances passées des athlètes et de prendre des décisions éclairées lors du recrutement. En plus d’identifier les points forts d’un athlète comme le nombre de passes décisives au football, on peut également évaluer la cohérence et la performance de l’athlète dans des situations clés. Par exemple, le nombre de buts marqués en fin de match ou lors de confrontations contre des équipes de haut niveau.
Avant, une équipe se contentait d’analyser les données uniquement sur ses propres performances, mais depuis quelques années, ces statistiques sont aussi utilisées pour analyser l’adversaire. Cela a par la suite déclenché l’apparition d’un nouveau terme : le “technical scout”. Pendant que les recruteurs classiques sillonnent les stades, le technical scout scrute les banques de données. C’est comme cela qu’a été recruté le milieu français N’Golo Kanté lors de sa saison à Caen. Il a été repéré par son futur club Leicester grâce à l’analyse de ces statistiques défensives : deux saisons plus tard, il est double champion d’Angleterre en titre, avec les Foxes puis avec Chelsea.
De plus en plus de précisions avec les données biométriques
L’analyse des données biométriques consiste à collecter et analyser les données provenant de dispositifs portables. Les entraîneurs et les athlètes peuvent alors obtenir des informations précieuses sur leurs forces et leurs faiblesses individuelles, ce qui permet de facilement détecter les potentiels talents sportifs. Les données biométriques dans le contexte du sport peuvent être des informations physiologiques comme la température du corps, la pression artérielle, les niveaux d’oxygène, les bpm (battements par minute), etc.
Ces données peuvent être récoltées par différents équipements tels que des montres GPS, des moniteurs de fréquence cardiaque, des accéléromètres ou encore des vêtements intelligents. En analysant ces données il est possible de facilement connaître les forces et les faiblesses de chaque athlète et ensuite de les comparer pour identifier un potentiel talent sportif.
Le test d’effort, mine d’or de l’analyse de données sportives
L’utilisation de ces données n’est pas limitée à un sport en particulier. Dans la course à pied par exemple, il est possible d’analyser des métriques comme la cadence ou la longueur de foulée. Côté cyclisme, c’est également la cadence mais aussi la puissance en watt que l’on va analyser. Pour les sports collectifs on va retrouver des données comme la distance parcourue ou les accélérations. Toutes ces données sont ensuite comparées entre les athlètes pour déterminer un potentiel talent sortant du lot. Par la suite, il est également possible de réutiliser ces données pour proposer un plan d’entraînement adapté et de pérenniser le potentiel du sportif.
Une vue d’ensemble sur la progression de chaque athlète avec les données longitudinales
L’analyse des données longitudinales, c’est-à-dire des données recueillies sur une période de temps prolongée, a également un impact significatif sur la détection de talents sportifs. Ces données sont multiples : performances athlétiques, condition physique, données médicales etc. Cela permet aux entraîneurs et aux recruteurs de bénéficier d’une vue d’ensemble sur la progression d’un athlète, en recherchant notamment une progression constante.
A l’inverse, on peut également repérer les athlètes qui ont bénéficié de poussée de croissance, d’un développement musculaire rapide ou d’une amélioration significative de leur performance sur une période donnée. Ces moments de croissance peuvent révéler un talent sous-jacent qui n’était pas évident précédemment mais également d’anticiper un changement physiologique à venir.
On peut également suivre la durabilité et la résilience d’un athlète afin d’identifier les talents capables de maintenir leur forme et leur santé sur le long terme, et d’éviter au maximum de recruter un talent avec un fort potentiel de blessure.
2. En plus de l’analyse de données, l’intelligence artificielle révolutionne le monde du recrutement
L’IA, une solution pour analyser des vidéos de compétitions sportives pour extraire des informations sur la technique, la stratégie et les mouvements des athlètes ?
De plus en plus de clubs ou d’organisations sportives utilisent l’intelligence artificielle pour analyser des potentiels talents en vidéo. Une fois le joueur détecté, l’IA analyse un grand nombre de paramètres tels que la trajectoire, les mouvements, la vitesse, la distance parcourue ou des actions spécifiques à un sport comme la qualité d’une passe, le contrôle du ballon, etc.
C’est notamment le cas en NHH où la startup Sportlogiq a développé une IA capable d’analyser une multitude de vidéos de matchs pour évaluer les mouvements des joueurs et l’orientation de leurs corps pendant le match. Ensuite les algorithmes de machine learning classent les joueurs par archétype avec différentes catégories et proposent une liste exhaustive des potentiels talents. C’était par exemple le cas de Sean Durzi que l’IA a classé parmi les 40 premiers joueurs de son algorithme contrairement aux recruteurs qui ne l’ont pas retenu. Un an plus tard, il était enfin reconnu comme le choix idéal pour le repêchage de la NHL.
On retrouve le même système en NBA où chaque équipe professionnelle dispose d’analyses vidéo assistées par l’IA pour suivre les déplacements des joueurs et des ballons afin d’ensuite utiliser ces données pour déterminer les joueurs les plus prometteurs
Exemple de génération de datas sur un match de football – Sportlogiq
L’IA analyse également la biomécanique des athlètes afin d’évaluer les capacités physiques et le potentiel
Les données biomécaniques font référence à la mesure et à l’analyse des forces, des mouvements et de la mécanique du corps humain pendant les activités sportives. Elles impliquent l’utilisation de diverses technologies telles que les systèmes de capture du mouvement ou les capteurs portables pour collecter des données : l’activation des muscles, les forces de réaction au sol ou la synchronisation.
Auparavant une danseuse se regardait dans le miroir pour analyser ses mouvements et s’améliorer, aujourd’hui l’intelligence artificielle peut lui offrir une analyse similaire et complémentaire.
En effet, les données biomécaniques peuvent contribuer à l’identification et au développement des talents en évaluant objectivement les capacités physiques et le potentiel d’un athlète. En comparant les caractéristiques biomécaniques d’un individu à celles d’athlètes performants dans le même sport, les entraîneurs et les recruteurs peuvent identifier les talents prometteurs et leur proposer un entraînement ciblé afin de maximiser leur potentiel.
Il existe de nombreux exemples de l’utilisation de cette donnée pour mesurer la performance d’un athlète et identifier son potentiel, comme l’analyse de la foulée en course à pied via des capteurs de pression placés dans la chaussure du coureur ou encore l’analyse de la trajectoire de la balle au tennis avec un système de suivi par caméra.
L’IA peut-elle également développer des modèles prédictifs évaluant le potentiel des joueurs ?
L’intelligence artificielle est également utilisée afin de développer des algorithmes capables de déterminer le potentiel d’un athlète en utilisant une multitude de critères comme des vidéos, des données longitudinales ou des analyses biomécaniques. En France, c’est le Toulouse Football Club qui a misé sur une stratégie de recrutement basée sur l’IA. En effet, le club a mis en place un algorithme permettant d’évaluer chaque potentielle recrue avec une note allant de 0 à 100. Cet algorithme est alimenté par toutes les données de performance d’un joueur, que ce soient des données de match (passe, but etc.) ou des données physiques (accélération, endurance) sur plus de 60 championnats différents. Le club ne retient ensuite que les profils avec un score supérieur à 70. Cela a permis au club de recruter la pépite Branco van den Boomen, passée sous les radars après le centre de formation de l’Ajax Amsterdam. Résultat, le joueur est élu meilleur joueur de Ligue 2, meilleur passeur décisif et élu dans l’équipe type du championnat.
On retrouve également des entreprises spécialisées dans ce domaine comme Wyscout, une plateforme d’IA qui aide les clubs de foot à repérer les jeunes talents de moins de 21 ans. En utilisant une combinaison de critères et de vidéos, la plateforme offre aux utilisateurs une liste des meilleurs prospects du moment. Cela permet aux clubs de drastiquement réduire le temps nécessaire pour détecter un futur talent potentiel à recruter tout en réduisant le risque d’erreur humaine.
Zelus Analytics – partenaire du Toulouse Football Club dans le recrutement de joueurs grâce à l’analyse de données
Conclusion
L’évaluation humaine reste au cœur du processus de la détection de talents.
Les différentes approches vues précédemment permettent aux recruteurs et aux entraîneurs de prendre des décisions plus éclairées et de repérer facilement les talents prometteurs. Néanmoins peu importe l’impact positif que la data et de l’intelligence artificielle peuvent avoir dans les processus de recrutements : les humains ne risquent pas de se faire remplacer.
En effet, il est difficile pour une IA de faire preuve d’intelligence émotionnelle, d’intuition ou encore de compréhension contextuelle. L’analyse de la danseuse face à son miroir, elle aussi, pourra difficilement être substituée par une IA. L’idée est plutôt d’accompagner les recruteurs avec un nouvel outil à leurs dispositions et d’en faire des recruteurs augmentés.
On en discute !