Mbappé : le football il a changé.
L’intelligence artificielle est de plus en plus utilisée en sport et dans le football en particulier. Les applications sont nombreuses, et permettent de servir bon nombre des besoins liés à la gestion d’un club : amélioration des performances, engagement des fans, arbitrage, etc.
Dans cet article je vous présente quelques unes des applications possibles.
@larevueia L'#intelligenceartificielle est devenu incontournable dans pas mal de sport, et le#football ♬ son original – La revue IA
Recruter les bons joueurs
Contrairement à ce que l’on pourrait penser, la collecte et le traitement de données dans le football est assez récente, en comparaison avec des sports comme le baseball.
Les équipes anglaises et allemandes sont de loin les premières à avoir investi dans ce domaine. C’est d’ailleurs une des raisons qui a fait que le club de Liverpool a réussi à remonter la pente, et redevenir une équipe de premier rang.
La concurrence entre les clubs pour recruter les meilleurs joueurs est grande, et vu les sommes en jeux, un erreur de recrutement pourrait s’avérer catastrophique pour un club. Certains clubs ont fait faillite à cause d’erreurs de recrutement.
L’analyse de données permet de mieux contrôler les risques, en identifiant les qualités et faiblesses du joueur de façon quantitative et précise.
Pour aider les recruteurs dans leurs prises de décision, certains clubs sont aujourd’hui capables de simuler algorithmiquement des matchs avec les joueurs qu’ils ciblent pour mieux assurer leur compatibilité avec l’équipe.
Extraire les données automatiquement et en temps réel grâce à la vision par ordinateur
Toujours dans l’optique d’améliorer les performances de leurs équipes, les entraîneurs doivent être capables d’identifier les forces et faiblesses dans le jeu des adversaires, celles de leurs joueurs et de l’équipe dans sa globalité.
Pour réussir sa mission, l’entraîneur est accompagné d’un staff d’une vingtaine de personnes. Avec des analystes vidéos notamment. L’objectif de l’analyste vidéo est d’extraire des informations pertinentes et d’isoler les séquences de jeux explicites, pour mieux pointer les points faibles et mieux transmettre les directives du coach.
Données d’évènements
La vision par ordinateur permet de faciliter le travail en automatisant certaines tâches. La collecte des données, historiquement faites manuellement par des employés souvent en Asie, et maintenant partiellement automatisée.
Certains modèles, en plus d’identifier les joueurs avec une grande précision, permettent de détecter des évènements comme les buts, les passes, les fautes, etc.
Données de tracking
Ces modèles, peuvent aussi être utilisés pour extraire les positions des joueurs sur le terrain. Grâce notamment à des techniques comme l’homographie.
Ces données sont d’une grande importance stratégique, mais elles sont difficiles à obtenir. Elles permettent d’analyser de façon plus robuste.
Pour les passes, par exemple, on a tendances à calculer le nombre de passes réussies pour évaluer les performances d’un joueur dans ce secteur de jeu.
Sauf que cette métrique ne prend pas en compte la difficulté de la passe. Si un joueur n’entreprend que des passes de 2 mètres et vers l’arrière, il est probable qu’il ait un bon score de passe, mais ça ne dit rien de la qualité de son jeu. Avec les données de tracking, on peut pondérer le score par la prise de risque.
Pour en savoir plus sur ce sujet je vous réfère au travail de Driblab, une entreprise espagnole spécialisée dans l’analyse de données pour le foot.
Si l’extraction de données de positions des joueurs vous intéresse d’un point de vue technique, je vous propose de regarder ce repo GitHub. C’est un excellent exercice de vision par ordinateur, il regroupe plusieurs techniques intéressantes : détection de personnes, ré-identification, homographie.
Une des entreprises de référence sur ce sujet est SkillCorner, une jeune startup Parisienne. Leur modèle est incroyablement efficace !
En combinant les données de positions et celles d’évènements, on peut obtenir des informations pertinentes et synthétisées. Avec un peu de data visualisation on peut avoir ce genre de résultats :
Arbitrage assisté par intelligence artificielle
Les modèles d’intelligence artificielle permettent une meilleure compréhension de ce qui se passe sur le terrain. Ils peuvent donc être très utiles pour assister les arbitres dans leurs prises de décisions.
Avec l’introduction de la VAR, le football a clairement changer de stratégie, et mise de plus en plus sur la vidéo. La FIFA va maintenant utiliser des modèles de vision par ordinateur pour décider de si un joueur est hors jeu ou non.
Cette technologie repose sur l’estimation de poses humaines 3D. C’est une technique qui permet de détecter avec une grande précision les positions des articulations de la personne. En utilisant ça, les arbitres sauront si le joueur est en position illicite ou non.
Conclusion
Comme de nombreux domaines, à l’heure de l’intelligence artificielle, les clubs de football doivent se réinventer pour toujours rester compétitifs.
Néanmoins, comme dans beaucoup de domaines, un gros travail d’adaptation et d’interfaçage devra être réalisé pour faire en sorte que la technologie soit intégrée de façon harmonieuse et puisse améliorer la qualité du jeu, la sécurité des joueurs, et le divertissement.
Leave a Comment