La data et le sport

La data augmente-t-elle ou menace-t-elle le sport?

« L’analyse de la donnée est un outil d’aide à la décision dans le monde de l’entreprise depuis une vingtaine d’années. On a réfléchi à comment l’intégrer chez nous, en voulant répondre à ces questions simples : comment mieux s’entraîner pour être meilleur en match ? Comment battre notre prochain adversaire ? »¹

Ces propos sont ceux de Fabien Galthié, sélectionneur de l’équipe de France de rugby pour commenter le partenariat entre le XV de France et l’entreprise SAS², spécialisée dans l’analyse de données. Galthié n’est pas le seul technicien à avoir eu l’idée d’utiliser la data pour améliorer les performances de son équipe, et, cette nouvelle façon d’envisager le sport se retrouve aussi bien dans le rugby que dans tous les autres sports, qu’ils soient collectifs ou individuels.

Cette méthode fait ses preuves, puisque par exemple, fin 2021, le décorticage du jeu néo-zélandais par Fabien Galthié et ses analystes avait ainsi permis de constater que les équipes ayant perdu contre les All Blacks avaient pour point commun de trop conserver le ballon, et de s’exposer sur les pertes de balle³, ce qui permit aux Bleus, en adaptant leur stratégie, de remporter ce match de prestige face à cette équipe de légende.

Mais concrètement, comment on fait pour utiliser la data dans le sport? C’est ce que l’on va voir dans ce deuxième tunnel! Au programme du jour :

• 🔢 La conceptualisation du sport en données

• 📜 Un peu d’histoire sur l’analyse de données dans le sport

• 🔬 “Effet bulle”, Clustering, analyses prédictives ou prescriptives, et encore plein d’explications sur les concepts clés de la data dans le sport

• 🏆 Christopher Froome, Lionel Messi, Alain Prost, bref, on va aussi parler sport.

Avant de commencer, j’aimerais vous recommander un livre qui m’a énormément servi dans l’écriture de cet article, et qui m’a donné l’idée de l’écrire : Data & Sport - La Révolution écrit par l’ancien rugbyman Yanick Nyanga et la Data Scientist Aurélie Jean, c’est un régal ❤️

Traduire le sport en data, c’est vraiment possible?

C’est vrai qu’on peut se poser la question. Dans l’imaginaire collectif, on imagine que la data est quelque chose qui émoustille surtout les geeks un peu frêles et pas très charismatiques (dont certains vous mettent même d’interminables tunnels sur le sujet…), assez loin de l’image du sportif beau, charismatique mais pas forcément très fort en maths. Mais en réalité aujourd’hui tous les sportifs de haut niveau sont plongés dans les data avec des analyses toujours plus précises de leurs performances physiques, techniques, tactiques, etc. Sauf que pour passer d’un terrain de rugby ou de foot à un ordinateur, il y a tout un chemin, que nous allons détailler.

D’abord, faire du sport quelque chose de “dataïsable” 📊

Pour passer du terrain de foot ou de rugby à une base de données, il faut d’abord réussir à fournir aux machines des choses qu’elles peuvent comprendre. Pour ce faire, on va créer des “points de données” (ou des “data points” pour faire plus “tech”). Les data points, ce sont toutes les composantes du sport que l’on va analyser. Ça peut être un joueur, un match, une compétition, une action…

Une fois un data point défini, on lui associe des métadonnées (ou metadata) pour le décrire quantitativement et qualitativement. Par exemple si le data point auquel on s’intéresse est un sportif ou une sportive, on peut ajouter des metadata tels que son âge, son poids, sa taille, le nombre de trophées qu’il ou elle a remportés, sa vitesse maximale, etc.

Ensuite, tous les data points sont regroupés dans des tables de données (par exemple, on va classer tous les joueurs dans une table, tous les matchs dans une autre table, etc.) qui sont liés les unes aux autres.

Et enfin toutes ces tables sont elles-mêmes regroupées dans un jeu de données, qui servira de base à toutes les analyses permettant de répondre à des questions telles que : Quelle équipe a le plus de chance de remporter un championnat ? Quelle régime alimentaire est le plus adapté à un sportif pour améliorer sa forme physique? Quelle est la probabilité qu’une blessure intervienne pendant une compétition?

Exemple de jeu de données organisé en tables contenant des data points

Ensuite, collecter et analyser la donnée 🔍

Quand on crée un data point, c’est facile d’avoir des metadata telles que l’âge ou le poids, mais pour la vitesse maximale ou le nombre de kilomètres parcourus par match par exemple, c’est plus compliqué. Cela passe aujourd’hui par les objets connectés qui ont fait une irruption massive dans les sports de haut niveau. Qu’il s’agisse de montres connectées utilisées pour observer le rythme cardiaque au repos ou la qualité du sommeil, des capteurs portés pendant les matchs et les entrainements pour évaluer la respiration, les niveaux de fatigue, les caméras qui évaluent les gestes réalisés, etc.

En compétition, en entrainement, au repos, les sportifs et les sportives produisent une quantité gigantesque de données, qui est mesurée à l’aide d’objets connectés avant d’être organisée en data points, tables de données et jeux de données.

Une fois la donnée collectée et organisée, vient alors la strate analytique. Étymologiquement, le terme “analyse” veut dire “dé-lier de haut en bas” , il s’agit de la déstructuration d’un sujet, et donc, ici de la déstructuration du jeu de données. C’est-à-dire qu’on va essayer de trouver des liens entre les différentes données que l’on a en cherchant des corrélations, des biais, des patterns, etc. pour mieux expliquer un phénomène.

Le baseball, sport pionnier ⚾

Cette approche de l’utilisation de la donnée dans le sport remonte à un monde où les ordinateurs n’existaient pas encore. Nous sommes en 1856 dans la ville de New York, et Henry Chadwick, un journaliste sportif du New York Times spécialiste du cricket va inventer l’analytique sportive. Pour essayer de faire comprendre aux américains un nouveau sport pas encore vraiment populaire à l’époque - le baseball -, Henry Chadwick a commencé a publié des tableaux de chiffres décrivant quantitativement dans les moindres détails tous les matchs de baseball. Cela lui vaut encore aujourd’hui le surnom de “père du baseball”, rien que ça. Après Henry Chadwick, des statisticiens comme Alain Roth ou Bill James ont fait rentrer le sport dans l’ère de la modélisation prédictive en utilisant des algorithmes complexes pour trouver des réponses sur le fonctionnement du sport. Et puis la fin de cette révolution s’est faite par l’adoption de ces méthodes par les entraineurs (et donc par ricochet les joueurs). On pense notamment à Billy Beane, manager de l’équipe de baseball des Oakland Athletics, incarné par Brad Pitt le film Money ball (et oui, les geeks aussi peuvent avoir une belle gueule), qui utilise une approche statistique pour faire gagner son équipe malgré des budgets très réduits.

La data, alliée ou ennemie du sport?

La data pour améliorer les performances et soigner les organismes 💪

Le 18 mars 2023, à 41 et 161 jours, Zlatan Ibrahimović annonce sa retraite sportive après plus de 25 ans de carrière à haut niveau. Ce niveau de longévité est impressionnant et a été permis par un niveau de préparation exceptionnel⁴ où tout est analysé au travers de la data : le sommeil, l’alimentation, les matchs, les entrainements, la récupération, etc.

On pourrait faire une liste interminables des techniques de traitement de données utilisées par les sportifs et les sportives de haut niveau, mais ça serait trop long (même pour un tunnel). J’en ai arbitrairement sélectionné 3 :

• 🚴‍♂️ La méthode des “gains marginaux” utilisée par David Brailsford avec l’équipe de cyclisme Sky. Cette méthode consiste à analyser tous les aspects du sport, en utilisant tous les data points disponibles et de chercher à tous les améliorer de 1% pour améliorer significativement la performance globale. C’est notamment ce qui permit à Christopher Froome de remporter 3 Tours de France entre 2013 et 2017.

• 🔗 Le clustering pour prédire les blessures. Le clustering est une méthode statistique qui consiste à regrouper des data points en différents groupes selon leur similitude. Par exemple, les équipes de NBA utilisent toutes les images de matchs capturées par le système SportVU⁵ pour établir des profils de joueurs selon leurs gestes et leurs déplacements en match et leur associer des probabilités de blessure selon différents événements⁶.

• ⚽🔍 Les analyses prédictives pour savoir quels joueurs ou joueuses recruter dans une équipe. Il existe différents algorithmes qui permettent de prédire un événement futur à partir d’informations du passé, l’un des plus célèbres étant le réseau de neurones récurrents (magnanime, je vous passe l’explication lourde, mais pour les plus téméraires, elle se trouve ici). C’est le genre de techniques utilisées par le club de foot du Toulouse FC pour recruter ses joueurs depuis quelques années avec une réussite importante.

Mais comme d’habitude, de nombreux écueils à éviter ⚠️

Vous vous en doutez, après l’apologie de l’usage de la data dans le sport, il y a évidemment une série de limites à évoquer. D’abord il y a une question presque philosophique à se poser : Utiliser la data pour tout prédire et optimiser n’est-il pas une menace pour le sport, qui, par nature est imprévisible (et c’est d’ailleurs ce qui le rend si beau)? La rivalité entre les pilotes de Formule 1 Alain Prost, qui analysait tout ce qui l’entourait à chaque course pour minimiser les risques et Ayrton Senna qui roulait toujours à 100% “au feeling” pourrait être l’illustration de ces 2 visions que l’on peut avoir du sport.

Quelle que soit la réponse à cette question, si on souhaite utiliser la data dans le sport, cela s’accompagne par un grand nombre de risques à absolument éviter :

• 🔮 L’effet “bulle” pourrait enfermer le sport à tout jamais. Développé par Eli Pariser, l’effet bulle réside dans le fait que les algorithmes de filtrage d’information ont tendance à ne filtrer que des informations proches les unes des autres, enfermant les utilisateurs dans une vision du monde très réduite. Cela s’applique au sport, car si on ne fait qu’analyser le sport sous le prisme des données passées, on ne laisse pas la place aux révolutions. C’est en ne regardant pas la data passée que le FC Barcelone a accepté de recruter Lionel Messi à l’âge de 13 ans malgré des courbes de croissance bien inférieure à la norme ou que Dick Fosbury a inventé la technique dite du “Fosbury-flop” en saut en hauteur.

  

• 👤 L’individualisation des analyses pourrait menacer l’esprit des sports collectifs. Les joueurs/joueuses sont des data points pour lesquels on récolte beaucoup plus de metadata que les équipes, et, à force d’analyser leurs propres performances chiffrées sans considération d’équipe, ils pourraient oublier l’essence même de leur sport.

• 🚫 Des problèmes de collecte de données ou d’analyses pourraient augmenter les mauvaises décisions. Comme à chaque fois lorsque l’on parle de data, sans rigueur on peut commettre une infinité d’erreurs. Des erreurs classiques comme la confusion entre cause et corrélation ou l’utilisation de données fausses car mal récoltées pourrait mener les coachs à prendre des décisions absurdes.

Jouer le jeu de la data pour augmenter le sport

Le monde des objets connectés est déjà là, celui du stockage gigantesque de la données aussi. L’usage de la data dans le sport est dans l’ère du temps et ne va pas dénaturer l’essence-même du sport. Oui, mais à condition d’éviter de tomber dans le piège de la donnée qui serait une utilisation systématique sans réflexion et sans recul. Il convient de former tous les acteurs, des coachs aux athlètes en passant par les dirigeants pour conserver l’esprit du sport tout en améliorant les performances.

L’autre enjeu est celui de l’explicabilité des algorithmes. L’explicabilité⁷ est une discipline qui vise à construire des méthodes numériques pour extraire la logique de fonctionnement d'un algorithme. Le sens de l’histoire est d’utiliser des algorithmes toujours plus complexes, permettant de répondre à énormément de questions. Il faut toujours essayer de comprendre ce qui est à l’oeuvre derrière les algorithmes que l’on utilise. Ne pas se contenter de dire “Tel joueur a une probabilité de X% de se blesser”, mais dire “Tel joueur a une probabilité de X% de se blesser, car la probabilité de se blesser pour un joueur de cette catégorie est corrélée au nombre de matchs joués par an et il a atteint sa limite”. C’est ce qui permettra aux coachs de prendre les meilleurs décisions, de repérer les écueils potentiels de la data mais aussi d’expliquer leurs choix aux joueurs et au public.

Ça y est, c’est fini, déjà 2 tunnels! 🎉🎉 Celui-là me tenait particulièrement à coeur car j’aime presque autant le sport que j’aime la data. J’espère que ce tunnel ne fut pas trop fastidieux et qu’il vous a plu, n’hésitez pas à le partager autour de vous pour tous et toutes les passionné-e-s de sport (ou de data), et, si ce n’est pas encore fait, abonnez-vous!!

À très vite pour un nouveau tunnel ❤️

1. https://www.20minutes.fr/sport/rugby/4010739-20221119-xv-france-mis-reflechir-tout-rien-interdire-data-revolutionne-vie-bleus

2. https://www.sas.com/fr_ca/news/press-releases/france/2022/october/ffr-intelligence-artificielle-transformer-essai.html

3. https://www.lemonde.fr/sport/article/2023/02/11/tournoi-des-six-nations-2023-chez-les-bleus-des-donnees-et-des-hommes_6161401_3242.html

4. https://www.lefigaro.fr/sports/football/ligue-europa/actualites/vie-d-ascete-punchlines-couche-tot-la-face-cachee-d-ibrahimovic-au-psg-1020431

5. https://en.wikipedia.org/wiki/SportVU

6. https://www.espn.com/nba/story/_/id/16009403/cutting-edge-injury-prediction-prevention

7. https://www.headmind.com/fr/metiers/transformation/explicabilite-algorithmique/