Romain est athlète de haut niveau, champion olympique d’épée à Tokyo. Céline est la gardienne titulaire de l’équipe de France de hockey depuis 10 ans. Philippe est le responsable performance de l’équipe de France de cyclisme. Soutenus par TNP à Paris 2024, ils ont comme point commun d’utiliser la data dans leurs préparations sportives.
C’est une évidence, l’obsession du chiffre et la mesure des performances sont ancrées dans la pratique du sport de haut niveau. Dans le podcast « De l’autre côté de l’IA » présenté dans cet article des Echos, l’accent est mis sur l’importance de disposer de données précises pour chaque sport, pour chaque athlète. Ces données sont stockées dans des « lacs de données » par athlètes, permettant de constituer un terreau fertile pour l’analyse de leurs activités.
La multiplication de l’analyse de la donnée par athlète et par sport permet de constituer des modèles de performance sportive. Ils associent un ensemble de données et d’informations nécessaires pour atteindre un objectif. Le plus souvent, il s’agit soit d’améliorer la performance, soit de diminuer le risque.
Car réduire l’incertitude, diminuer le risque, c’est le maître mot. Et c’est là que l’IA entre en scène. En soi, l’IA ne définit pas un programme d’entraînement, elle permet surtout de réduire le risque de blessure. Le choix des capteurs, des sources de données, l’analyse fine des informations associées à une performance sont autant d’informations utilisées par les coachs pour prévenir et anticiper le risque. La difficulté est de définir les bons jeux de données en lien avec les performances à atteindre.
Dans certains sports, la collecte de données est une technique ancienne, par exemple utilisée par les recruteurs de l’AS Saint-Étienne, l’équipe de football évoluant en Ligue 1, lorsqu’il s’agit d’identifier un futur talent de l’équipe. L’article de One Football démontre que la profondeur d’analyse de la donnée semble sans limite : des milliers de joueurs, dans des centaines de clubs, dans de nombreux championnats. Les logiciels et bases de données rivalisent d’arguments pour « augmenter » l’œil du recruteur, lui apporter au travers de l’IA et de la donnée de nouveaux moyens d’action.
Ces concepts manipulés ressemblent à s’y méprendre à ceux que l’on retrouve dans n’importe quelle entreprise : Data Lake, capteurs, jeux de données. Autant de mots de cette novlangue que nous commençons progressivement à nous approprier.
L’utilisation de la donnée dans le sport de haut niveau suit la même logique que dans l’entreprise : après avoir analysé des performances, nous allons à présent anticiper l’avenir et prévoir. En France, dans des sports où nous sommes performants (cyclisme, escrime), l’utilisation de la donnée est un acte quotidien. Et bonne nouvelle, dans les sports où la France a encore peu investi, comme le hockey, la généralisation de l’utilisation de la donnée laisse entrevoir des performances à venir.
