[Témoignage] Julien est-il le Français avec le plus de données sur lui-même, sa santé et ses efforts physiques ? Si on exclut les sportifs professionnels, peut-être. Avec les wearables, l'IA et les agents, ces données bien interprétées pourraient être la clef d'une révolution en matière de santé publique. Que possède-t-on et que peut-on faire après 15 ans de quantified self ? C'est ce qu'il va vous raconter.

Pour protéger l'intégrité des classements entre coureurs et coureuses, Strava mobilise depuis le début de l'année un modèle d'IA pour repérer les activités douteuses. En quelques mois à peine, l'application dit avoir neutralisé presque 4,5 millions de performances anormales.

Le combat de boxe entre l'Ukrainien Oleksandr Usyk et le britannique Tyson Fury a été arbitré par trois juges traditionnels et un programme d'intelligence artificielle, à titre expérimental.

La saison 2024/2025 de la Coupe du monde BMW IBU, une série de compétitions internationales de biathlon organisées par l’Union Internationale de Biathlon (IBU), va débuter le 30 novembre prochain à Kontiolahti en Finlande. L’IA s’y invite pour apporter une meilleure expérience aux téléspectateurs.

Sponsorisée principalement par BMW, d’où son nom, cette compétition annuelle, qui combine ski de fond et tir à la carabine, rassemble les meilleurs biathlètes du monde. Ils s’affrontent dans diverses épreuves, notamment les courses individuelles, les sprints, les poursuites, les relais et les mass starts. La coupe du monde se déroule en 10 étapes dans des villes différentes.

Les chiffres de la saison dernière témoignent de la popularité croissante du biathlon : plus d’un demi-million de spectateurs en tribunes et jusqu’à 10 millions de téléspectateurs (l’audience moyenne en direct dépassant les 6 millions). Elle a également enregistré une hausse de 80 % de l’engagement sur les réseaux sociaux.

La saison 2024/2025 présentera un certain nombre d’innovations et de règles pour améliorer l’expérience des spectateurs et des fans. Un nouvel ordre de départ basé sur le classement en Coupe du monde a été mis en place : les meilleurs athlètes seront plus dispersés et les courses ainsi plus lisibles pour les spectateurs.

L’introduction de l’IA dans la diffusion sportive

L’IBU, en partenariat avec Eurovision Sport, implémente un système de caméras basé sur l’IA sur le champ de tir. Ce dispositif permettra de couvrir simultanément les 30 voies de tir, garantissant ainsi que chaque tir soit visible pour les téléspectateurs. Les diffuseurs nationaux pourront ainsi personnaliser leur couverture en mettant en avant les performances de leurs athlètes nationaux. Cette initiative permettra de renforcer l’engagement des fans, à la fois sur site et en ligne.

De plus, les compétitions seront diffusées en continu sur les plateformes numériques eurovisionsport.com et biathlonworld.com, marquant un pas supplémentaire vers une visibilité accrue du biathlon.

Déjà évoquée en 2023, la pérennisation de la vidéosurveillance algorithmique (VSA), qui consiste à utiliser de l'intelligence artificielle (IA) pour déceler des évènements via des caméras de surveillance, a de nouveau été mentionnée. Laurent Nuñez, le préfet de police de Paris, y est très favorable.

Le groupe SNCF, l’École polytechnique et la Fondation de l’École polytechnique, ont inauguré le 5 septembre dernier la “Chaire d’enseignement et de recherche sur l’intelligence artificielle et l’optimisation pour les mobilités”. Ce partenariat stratégique vise à optimiser les transports publics tout en mobilisant les élèves ingénieurs de l’École polytechnique sur les enjeux de la mobilité durable. 

Le réseau ferroviaire français est le deuxième plus vaste d’Europe, derrière celui de l’Allemagne. Chaque jour, plus de 14 000 trains transportent environ 5 millions de passagers. Depuis plusieurs années, le Groupe SNCF a intégré le numérique et l’intelligence artificielle pour moderniser son réseau, répondre aux défis posés par l’obsolescence technologique et les exigences des normes européennes, avec pour objectif final d’optimiser l’expérience des voyageurs, des conducteurs de train et des agents en gare.

Ce partenariat s’inscrit donc dans cette dynamique d’innovation du groupe, qui continue d’explorer des solutions innovantes pour anticiper les défis de demain et continuer à améliorer ses services. Selon Christophe Fanichet, Directeur Général adjoint du Numérique groupe SNCF “Pour être le leader des mobilités, il faut être un leader de la Tech”. L’École polytechnique, avec son expertise scientifique et technique, est le partenaire idéal pour atteindre ces objectifs ambitieux.

Un partenariat technologique ambitieux

Sous la direction de Sonia Vanier, professeure au sein du département d’informatique de l’École polytechnique et chercheuse au Laboratoire d’informatique (LIX), cette chaire s’inscrit dans une démarche pionnière alliant la puissance des technologies de l’IA à la rigueur des méthodes de recherche opérationnelle. Elle a pour objectif de développer des solutions concrètes pour améliorer la gestion des réseaux de transport, optimiser le transport de marchandises et encourager une utilisation plus durable des infrastructures.

Les domaines principaux de recherche couvriront l’IA et l’optimisation des réseaux de transport. Ces travaux permettront d’aborder plusieurs problématiques comme :

• La maintenance prédictive des matériels roulants pour garantir leur fiabilité ;
• La planification optimisée des travaux pour réduire les impacts sur la circulation ;
• La prédiction des retards et leurs répercussions, afin d’améliorer l’information des voyageurs en temps réel.

Un engagement en faveur de la mobilité durable

Le partenariat entre la SNCF et Polytechnique ne se limite pas seulement à des avancées technologiques, mais reflète également un engagement fort en faveur de la réduction de l’empreinte environnementale du secteur ferroviaire. La chaire permettra non seulement d’optimiser les réseaux et les services, mais aussi de préparer les futurs ingénieurs à relever les défis de la transition écologique. En impliquant directement les étudiants dans des projets concrets, elle contribue à leur formation dans un contexte où le changement climatique et la durabilité sont au cœur des préoccupations.

L’École polytechnique et la SNCF entendent ainsi jouer un rôle clé dans la transformation du secteur des transports publics en France. Ce partenariat témoigne d’une vision commune visant à mettre la technologie et la science au service du bien public, tout en contribuant à l’accélération de la transition écologique.

Sonia Vanier précise :

“Ce partenariat entre nos deux institutions permettra de mobiliser les compétences d’une équipe pluridisciplinaire, composée de chercheurs de l’École polytechnique et d’ingénieurs de la SNCF, au service des transports publics. Grâce à cette collaboration, nous pourrons développer des projets innovants alliant la puissance des technologies de l’intelligence artificielle à la robustesse des méthodes de recherche opérationnelle. Nous avons également l’ambition d’intégrer les fruits de nos recherches dans nos programmes de formation, afin de former les talents de demain”.

Jean-Pierre Farandou, Président du groupe SNCF, conclut :

“Nous sommes fiers qu’un centre d’excellence tel que Polytechnique ait choisi la SNCF comme partenaire d’application de ses recherches. Ce partenariat est une véritable opportunité d’accroitre notre positionnement d’acteur incontournable de la « tech » dans le secteur des transports et d’approfondir notre maitrise de l’intelligence artificielle. À la SNCF, nous anticipons les innovations technologiques, qui ont permis de porter les grandes avancées d’offre pour nos clients, parmi lesquelles le lancement du TGV en 1981. La technologie et la science au service de l’utilité publique, de la mobilité durable et de la souveraineté de notre pays, c’est le sens profond de ce partenariat stratégique”. 

Courir en utilisant une application qui analyse nos performances et nous fait des recommandations est devenu courant. Les solutions technologiques autour du sport de loisir ou professionnel se sont développées, contribuant à faire évoluer l’industrie du sport et les métiers qui s’y rattachent. L’intelligence artificielle fait partie des outils mis en œuvre. Parfois avec plus ou moins de bonheur : en novembre dernier, l’équipe de football écossaise Inverness Caledonian Thistle FC retransmettait un match en direct grâce au système Pixellot utilisant des caméras avec technologie IA intégrée de suivi de balle… or l’algorithme a confondu le ballon avec la tête, chauve, d’un juge de touche pendant une grande partie du match !

Dans le cadre des jeux olympiques 2024, nous vous offrons chaque jour un article issu du magazine ActuIA n°4, dont le dossier principal est “Le sport à l’ère de l’IA”. Afin de découvrir le magazine ActuIA, nous vous invitons à vous rendre sur notre boutique. Tout nouvel abonnement d’un an vous donne droit à l’ensemble des archives au format numérique.

Les algorithmes déployés vont du recrutement au marketing, de l’entraînement à la fidélisation des fans. Détection, vision par ordinateur, interaction homme-machine, prédiction, visualisation et analyse de données, ou encore traitement automatique du langage ont trouvé leur place dans l’analyse de la performance sportive et plus généralement du mouvement humain. Les solutions et les projets de recherche sont nombreux pour le sport professionnel autant qu’amateur, tout comme pour les Jeux olympiques et paralympiques.

IA et sport, un enjeu français pour les Jeux olympiques et paralympiques de Paris 2024

À l’occasion des Jeux olympiques et paralympiques qui se tiendront en 2024 à Paris, plusieurs projets ont été lancés pour mettre les sciences au service des sportifs de très haut niveau. De cet objectif de réussite, de rayonnement international pour le sport français, d’un doublement du nombre de médailles pour les JO, de l’obtention de quinze médailles d’or pour les Jeux paralympiques, est né « Sciences 2024 ». Ce programme, porté par le CNRS, le Centre national des sports de la défense (CNSD) et avec l’appui de onze grandes écoles françaises, veut répondre aux défis tricolores et mobiliser chercheurs et étudiants pour soutenir les athlètes, leurs entraîneurs et les fédérations. Neuf défis thématiques couvrant tous les champs de la performance sportive de très haut niveau ont été présentés, parmi lesquels la prévention et le traitement des facteurs de risque, les interactions homme-matériel et l’optimisation du matériel, l’apprentissage et l’optimisation du geste sportif, ou encore les big data et l’intelligence artificielle au service de la performance.

L’Agence nationale du sport (ANS) et l’INSEP ont également développé un programme national sur les données dans le sport de haut niveau nommé Plan national data (PND) et lancé le « Sport Data Hub », plateforme de service dédiée à la data, dans le but de détecter les potentiels sportifs, de réaliser une veille et une analyse de la concurrence, d’optimiser la préparation individuelle ou collective, et d’améliorer la performance du sport français. Atteindre la plus haute performance possible chez les sportifs de haut niveau en mobilisant la communauté scientifique est également au cœur du Programme prioritaire de recherche (PPR) « Sport de très haute performance » (STHP), doté de vingt millions d’euros et piloté scientifiquement par le CNRS. Plusieurs projets ont d’ores et déjà été sélectionnés et financés par l’Agence nationale de la recherche (ANR).

Objets connectés, portabilité et systèmes embarqués pour la collecte de données

À l’évocation des termes intelligence artificielle, surgit l’idée de données, utilisées depuis de nombreuses années dans le sport. Chacun se souvient du film Le Stratège de Bennett Miller, sorti en 2011, avec Brad Pitt dans le rôle de Billy Beane, manager général de l’équipe de baseball des Oakland Athletics, connu pour avoir révolutionné la pratique de ce sport en s’appuyant sur l’approche statistique, dite sabermétrique (de Society for American Baseball Research – SABR). Les avancées en matière de capteurs et d’objets connectés, la réduction des coûts de stockage et le développement de l’IA permettent aujourd’hui d’aller bien plus loin dans la collecte et l’analyse des données.

Selon les disciplines, les capteurs s’intègrent dans les équipements, les vêtements et le matériel. Les sociétés Catapult Sports et STATSports travaillent avec la Fédération française de football, le Real Madrid ou encore Manchester United pour développer des vêtements connectés et des dispositifs portables afin de collecter des données sur les joueurs. C’est aussi le cas de la startup PIQ Sport Intelligence qui utilise PIQ Robot et son IA baptisée Gaia dans de nombreux sports comme le ski, le kitesurf, la boxe, le golf ou encore le tennis. Force de frappe, vitesse de service, précision, les capteurs mesurent et analysent les performances et mouvements pour fournir en temps réel des données pertinentes aux sportifs concernant leurs winning factors.

SensiML, filiale de QuickLogic, propose depuis décembre dernier le SensiML Analytics Toolkit, plateforme de développement pour des capteurs intelligents permettant de collecter et de traiter les données nécessaires au machine learning au plus « bas niveau ». Le sport automobile, notamment la F1, a lui aussi investi dans l’IA. Les voitures sont désormais équipées de plusieurs capteurs à objectifs multiples : amélioration des performances, en amont et durant les courses, détection des anomalies, etc. Les données obtenues permettent également de concevoir des stratégies optimales durant les arrêts aux stands, le choix des pneumatiques, etc. Pour renforcer sa compétitivité, Red Bull mise par exemple sur les capacités d’apprentissage automatique et d’analyse des données d’Oracle Cloud Infrastructure pour optimiser l’utilisation de ses données, lors des opérations sur la piste ou durant le partage d’informations avec sa communauté mondiale de fans. Autre exemple chez Williams F1, la direction a confié l’exploitation de ses données à Acronis, qui utilise ses solutions pour lutter contre les cyberattaques et apporter une cyberprotection à l’équipe.

L’image, un outil crucial

Mais il ne s’agit pas seulement de systèmes embarqués et de capteurs, l’image est également centrale. Gipsa-lab, unité de recherche CNRS – université de Grenoble-Alpes, travaille par exemple sur les thématiques de la reconstruction du mouvement à partir de captures vidéo sans marqueur (image, géométrie), de l’utilisation d’approches d’intelligence artificielle pour l’analyse du geste (apprentissage, optimisation), de l’utilisation de la robotique volante (drones) pour la capture du mouvement humain ou animal et de la convergence monde numérique – monde réel (réalité virtuelle, augmentée). Aux États-Unis par exemple, le dataset de NBA.com/Stats permet de remonter à la saison NBA 1996-97. La fédération collecte et partage depuis 2013 un grand nombre de variables grâce à des systèmes de tracking installés directement dans ses arénas.

Bien sûr, le sport de haut niveau utilise également l’analyse vidéo, grâce à la vision par ordinateur et le machine learning, notamment comme vecteur de communication et outil d’analyse de jeu. Patrick Sayd du CEA-LIST a présenté cette approche au cours de la Journée du GDR Sport et IA, le 27 janvier dernier.

« Au niveau technique, l’image tient une place à part parmi les données que peut traiter l’IA. En effet, le volume de données est conséquent et les informations y sont hétérogènes et non structurées. Les algorithmes doivent détecter, extraire, cumuler et interpréter ces informations pour remonter à la connaissance, à la compréhension des situations observées […]. Les progrès fulgurants apportés par les techniques d’apprentissage profond permettent d’envisager de nouvelles formes d’analyse du jeu encore plus ciblées, plus approfondies et réellement au service des entraîneurs ». L’analyse vidéo au service du football est le fer de lance de la startup parisienne SkillCorner. Créée en 2016, elle fournit de la data sportive de manière automatique et développe des algorithmes de tracking et de détection en temps réel des objets mouvants (joueur, ballon, arbitre) sur l’image : les localiser, les suivre image après image et les reconnaître. Plusieurs clubs de football, comme le Liverpool FC, utilisent ces outils qui permettent de collecter des données, mais également de mettre en lumière des points-clés pouvant améliorer l’aide à la décision. SkillCorner n’est pas l’unique startup travaillant dans ce domaine, citons également FootoVision et son logiciel d’exploration de données, à destination des professionnels et des fans. Celui-ci opère à partir des images retransmises et fournit des statistiques sur les matchs telles que la vitesse et les déplacements des joueurs sur le terrain Ou encore Seattle Sports Science, spécialisée dans l’analyse vidéo. Grâce aux algorithmes de machine learning de sa solution ISOTechne, l’entreprise utilise des caméras 4K pour collecter et analyser les variables des matchs.

Dans le cadre de sa collaboration avec l’équipe espagnole de football de Malaga, l’outil a pu analyser la rotation du ballon, les passes réussies et ratées, les réceptions, le jeu collectif, les compétences individuelles, etc.

Pour être précis, ce type de logiciel doit être entraîné sur le plus grand nombre d’images possible, dans toutes les conditions météorologiques et d’éclairage, avec différents types de vêtements, de ballons et de physiques des joueurs. À Pau, la startup ST37 s’est spécialisée dans le vidéo-arbitrage en proposant une caméra intelligente et robotisée qui s’applique à l’escrime, au canoë-kayak et aux sports équestres. Elle a également déployé des solutions autonomes et abordables de vidéo-training et de vidéo-streaming sur la même logique que celle du vidéo-arbitrage : IA, robotisation, temps réel, interprétation du geste sportif. La société paloise a aussi présenté au CES 2021 (en virtuel) la plateforme PaaSport permettant de partager des activités sportives au sein d’une communauté. Grâce à un arbitre et un entraîneur pilotés par l’IA, les athlètes peuvent ainsi s’affronter à distance. Ces outils de collecte de données ont de nombreuses applications. Détection de talents, aide à la décision pour les entraîneurs et les athlètes, systèmes prédictifs, lors des entraînements mais aussi en temps réel. Oscar, le robot intelligent qui a équipé les skippers du Vendée Globe 2020 a permis, grâce à ses caméras, de repérer les objets pouvant provoquer une collision. L’IA permet également d’anticiper les dysfonctionnements, comme dans les courses de NASCAR, afin d’améliorer la sécurité dans ce sport automobile à risque.

Témoignage d’Ilyes Talbi, Data scientist freelance :

« Le tracking vidéo se fait généralement à l’aide de petites caméras installées dans les stades à l’occasion de matchs importants. Je trouve regrettable que ces données ne soient pas ouvertes, c’est un énorme gâchis. Je travaille sur un outil qui s’appuie sur les vidéos de retransmission TV des matchs, qui consiste en un enchaînement de modèles de computer vision : YOLO pour la reconnaissance de joueurs, un modèle de détection de keypoints pour retrouver les lignes du terrain, un algorithme qui permet de calculer l’homographie pour passer des coordonnées des joueurs en pixels aux coordonnées 2D et enfin un modèle de réidentification pour tracker les joueurs et retrouver leur trajectoire complète. Évidemment, cette approche a ses limites : pas de données sur les joueurs non visibles à l’écran, et pas d’informations sur la hauteur du ballon par exemple. Elle permet néanmoins de démocratiser l’analyse vidéo. »

Des outils automatiques de détection de talents

Dans le sport professionnel, le marché des transferts génère des milliards. En football, la FIFA a évalué les dépenses en 2019 à 6,7 milliards d’euros, soit 5,8% de plus qu’en 2018. Les fédérations et les clubs professionnels s’intéressent donc de plus en plus aux outils IA pour le recrutement, dont la détection de talents automatique, plus connue sous l’appellation scouting.

L’analyse des données de performance et la prédiction permettent d’obtenir selon les experts des résultats plus fiables et de déterminer à la fois le potentiel de l’athlète, son impact potentiel sur le club et sa valeur marchande. En cyclisme, plusieurs équipes utilisent des programmes de détection de talents s’appuyant sur le nettoyage et l’analyse de données issues de data lakes et de remontées d’informations d’entraînements. C’est par exemple le cas d’Arkéa-Samsic qui a fait signer deux jeunes coureurs à partir d’une liste de dix coureurs établie par le programme développé en collaboration avec AWS / Teamwork. La société britannique Sentient Sport, soutenue par l’université de Southampton, propose elle aussi des outils basés sur l’IA pour optimiser les recrutements de talents et proposer des techniques d’analyse des tactiques à utiliser dans les sports collectifs. Concrètement, il s’agit de créer une base de données à partir des données individuelles des athlètes et de leurs performances et de l’enrichir avec d’autres statistiques et métriques précises et pertinentes. L’intelligence artificielle va permettre d’une part d’ajouter des informations grâce à l’analyse des activités, des entraînements et de créer un modèle pour détecter certains comportements afin de cibler tel ou tel athlète en fonction de ses performances et de son potentiel.

L’identification et l’évaluation des potentialités de performance de l’ensemble des sportifs français a été définie comme un enjeu prioritaire en vue des Jeux olympiques et paralympiques de Paris 2024. Le projet DETECT (DETection et Estimation des Champions et des Talents) de l’INSEP, réalisé en collaboration avec l’ANS, s’articule autour de la création, la validation d’outils d’estimation et de visualisation des potentiels, et l’estimation de l’obtention de médailles des athlètes.

Outils d’aide à la décision pour la progression et la performance individuelle et collective

Au-delà de la détection de talents, l’IA s’est progressivement imposée comme un outil d’accompagnement pour les athlètes de tous niveaux et de toutes disciplines. En course à pied, on a vu apparaître ces dernières années des produits permettant aux coureurs de se perfectionner. Grâce à des capteurs de semelles comme ceux de Digitsole ou à des applications spécifiques, les sportifs peuvent mieux analyser leur course, les mouvements de leurs pieds, leurs appuis, et être coachés en fonction de leurs objectifs. Les outils prédictifs développés pour cette pratique sont intéressants car plus simples à développer que des outils pour des sports où les mouvements sont moins stéréotypés. De nombreux sports ont vu les bénéfices de ce type d’outils, comme le golf avec l’exemple du caddie intelligent Hello Birdie qui propose aux golfeurs une stratégie de jeu personnalisée pour qu’ils puissent progresser. Gautier Stauffer, professeur de gestion des opérations et supply chain à l’école de commerce Kedge, travaille également sur un projet de jumeaux numériques pour les golfeurs professionnels, un exemple d’évaluation et d’optimisation des performances pour les professionnels du PGA Tour.

Autre exemple : la natation, où les performances des athlètes sont scrutées à la milliseconde près, avec le projet de recherche NePTUNE – Natation et Paranatation, porté par Ludovic Seifert (Université de Rouen-Normandie) et Rémi Carmignani (École nationale des ponts et chaussées) et qui porte sur la performance des nageurs autour de l’apprentissage et de l’optimisation du geste sportif, l’utilisation des données et l’intelligence artificielle. Également lauréat de l’appel à projets STHP, son objectif est d’accompagner les entraîneurs et de maximiser les chances de médailles pour l’équipe de France de natation.

L’IA est également de plus en plus utilisée lors de l’entraînement des athlètes, notamment dans l’aide à la décision en temps réel dans les matchs. En football, l’aide à la décision est évidemment un sujet récurrent depuis plusieurs années. En 2019 l’École polytechnique et le Paris Saint-Germain ont proposé le Sports Analytics Challenge pour développer un algorithme d’analyse pouvant prédire la suite d’un match. Les entraîneurs ont désormais des outils pour élaborer leur stratégie à partir d’une part de l’analyse des performances, forces et faiblesses de leurs athlètes, individuellement ou collectivement, et d’autre part de l’analyse de celles de leurs adversaires.

Le coaching traditionnel tend donc à évoluer. En analysant des variables comme l’historique des matchs, les statistiques individuelles et collectives, les conditions etc. et en calculant des scénarios prévisionnels, puis en passant par de la simulation statistique, ce type d’outils pourrait proposer des stratégies et permettre à un entraîneur d’interagir avec le programme via la reconnaissance vocale automatique et le traitement du langage naturel.

Ces algorithmes pourraient également permettre aux utilisateurs de simplement poser une question au programme pour obtenir une réponse quant à la meilleure stratégie à adopter en temps réel ou aux changements à mettre en place. Ces statistiques deviennent fondamentales pour l’optimisation des entraînements, utiles pour les entraîneurs comme pour les athlètes.

L’IA au service de l’e-santé grâce à l’aide au diagnostic et à la prédiction des blessures

La santé des sportifs, professionnels et amateurs, est une question centrale qui intéresse de près les chercheurs et les entreprises. Grâce aux données recueillies par les capteurs et les applis, des algorithmes de deep learning permettent désormais d’analyser des variables aussi différentes que les performances, les entraînements, les antécédents de blessures, l’hygiène de vie pour en extraire de l’analyse de santé prédictive. La modélisation du risque de blessure chez les sportifs professionnels est au cœur des recherches de Pierre Druilhet, du Laboratoire de mathématiques Blaise Pascal (CNRS et université Clermont-Auvergne), qui indique : « Les sportifs professionnels font l’objet d’un suivi longitudinal rigoureux de leur condition physique. Les données générées permettent de construire des modèles de prévisions de blessure s’appuyant sur les données de la littérature et les données individuelles.

À partir du suivi d’une équipe de football professionnelle, nous comparons différents modèles de prévision en évitant à la fois le sur-apprentissage et l’utilisation de modèles trop rigides.

Les techniques d’IA ou d’apprentissage automatique permettent d’améliorer les qualités prédictives des modèles classiques surtout lorsque la proportion de blessure est relativement faible ». Citons également le système de Sparta Science, utilisé par plusieurs équipes et qui s’intéresse lui aussi à la prédiction de blessures afin de les anticiper.

Ces techniques sont également intéressantes pour les sportifs amateurs. En matière de running par exemple, de plus en plus d’entreprises travaillent sur la prédiction des blessures, comme l’application Running Care qui propose d’identifier les diagnostics les plus probables parmi les pathologies liées à la pratique du running.

L’entreprise compte aller plus loin dans l’analyse de santé prédictive et utiliser le machine learning pour optimiser les diagnostics, prédire les blessures en fonction de l’historique et du profil des coureurs et leur proposer des exercices adaptés, des conseils et programmes santé.

Témoignage de Jérémy Cheradame, Data scientist en thèse CIFRE à la Fédération Française de Rugby :

Jérémy Cheradame est le seul Datascientist de la Fédération française de Rugby, il travaille en collaboration avec des sport scientists, spécialistes du sport formés à la data, afin d’accompagner clubs et équipes de France dans leur projet de performance.

« J’ai à la fois une activité de recherche sur la prévention des blessures dans le rugby avec des laboratoires auxquels je suis rattaché, et une activité de datascientist au sein de la fédération, pour laquelle je travaille sur tous les sujets entourant la performance. La prévention de blessures est un sujet assez complexe. Nous utilisons des méthodes de Machine Learning pour tenter d’anticiper certaines blessures et adapter au mieux la charge de travail. La difficulté tient tant à la nécessité d’obtenir suffisamment de données à l’échelle des clubs qu’aux particularités de ce sport, qui rend les blessures difficilement prévisibles. Les modèles sur lesquels nous travaillons nous permettent de tenir compte de données tel que le poste, âge, certaines fragilités et caractéristiques des joueurs. Le rugby est un sport précurseur dans l’utilisation de la Data sur le terrain : les clubs utilisent les capteurs GPS depuis plus d’une dizaine d’années pour suivre les joueurs, que ce soit en entraînement ou en match. Ces capteurs incluent également un accéléromètre et un cardiofréquencemètre. De récentes avancées dans les algorithmes de traitement des données des capteurs nous permettent d’obtenir une quantification des contacts. Suite à une consultation récente, une harmonisation des capteurs a été décidée, ce qui va beaucoup faciliter les échanges au niveau de la fédération pour des projets tels que celui de la prévention des blessures. Bien sûr, les joueurs et leur ressenti ont une place centrale, nous nous appuyons donc sur des questionnaires subjectifs d’état de forme avant séance et de ressenti après séance. Nous nous appuyons également sur des données de tests physiques et de marqueurs biologiques permettant de connaître les dommages musculaires des joueurs. Le tracking vidéo est également employé, mais nous sommes plus limités que des sports comme le football, car il est difficile d’identifier et conserver le tracking des joueurs lors de contacts ; ces technologies offrent cependant elles aussi de nombreuses opportunités : Nous travaillons notamment avec le CEA sur la détection des postures telles que les mains sur les hanches, sur les genoux ou sur la tête, qui peuvent être les premiers signes de fatigue ou des signes parasites auxquels les coachs sont très attentifs. Enfin, la vidéo a pour intérêt de nous fournir des informations sur les équipes adverses, puisque nous n’avons pas accès à leurs données GPS : distances de passes, catégorisation de patterns afin de détecter les séquences qui aboutissent à un franchissement, etc.. ce qui nous permet de créer des dashboards à destination des analystes et de répondre aux questions des coachs. »

Un essor qui n’est pas exempt d’ambiguïtés et de questionnements

Le marché des solutions technologiques, que ce soit pour le sport loisir, le développement personnel ou le sport professionnel, a connu un véritable essor, dans le lancement de sports innovants, comme les courses de drones, ou en matière d’optimisation des performances, d’entraînement, etc. La perspective des Jeux olympiques et paralympiques de Paris 2024 a évidemment créé une forte émulation en France mais la recherche dans ce domaine n’est pas récente et la France n’est pas un cas unique, loin s’en faut.

Les chercheurs, entreprises et incubateurs qui s’intéressent au sujet voient émerger en parallèle de nouvelles questions et ambiguïtés, notamment éthiques, quant à la monitorisation et l’utilisation des données personnelles et corporelles, leur exploitation à grande échelle, par des adversaires par exemple ou encore le cadre légal de ces informations liées au corps individuel.

Car le sport, outre sa rentabilité au sein d’un marché en croissance, est aussi un spectacle ultra médiatisé, composé de gagnants et de perdants, mais aussi de plaisir, de talent, de surprise et d’abnégation, et bien sûr d’émotion.

Sans oublier l’importance de l’intuition et de ce que les statistiques et les données n’analysent peut-être pas. Peut-on tout modéliser ? Peut-on modéliser ce que certains appellent la beauté du sport ? L’intelligence artificielle appliquée au sport, comme à tous les domaines, pose des questions philosophiques et éthiques autant qu’elle apporte à des pratiques en les réinventant.

Cet article est extrait du magazine ActuIA. Afin de ne rien manquer de l’actualité de l’intelligence artificielle, procurez vous ActuIA n°16, actuellement en kiosque et sur abonnement :

Le Groupe Talan, un acteur majeur dans le domaine du conseil en transformation par l’innovation, la technologie et la data, et le Stade Français Paris, ayant décidé de prolonger leur partenariat initié en 2013,  annoncent le lancement du “Talan SFP Lab”. Ce laboratoire utilise l’IA pour optimiser les performances sportives des équipes masculines et féminines du club et prévenir les blessures.

L’IA est devenue une alliée des sportifs, qu’ils soient professionnels ou amateurs. Ces derniers vont utiliser des montres ou des baskets connectées pour mesurer leurs performances et leur état de santé, les joueurs de haut niveau et les clubs comme le Stade Français de Paris utilisent les algorithmes et les nombreuses données dont ils disposent pour analyser les stratégies de leurs adversaires, leur propre jeu pour l’améliorer mais aussi pour prévenir les blessures.

Dans le domaine du rugby, les protège-dents connectés ont fait récemment leur apparition pour déceler les risques de commotion cérébrale suite à un choc mais les clubs utilisent depuis des années les données provenant de capteurs intégrés dans les vêtements des joueurs pour suivre les performances des joueurs sur le terrain pendant les matchs et l’entraînement. Ces dispositifs permettent de collecter de nombreuses données telles que la vitesse de course, la distance parcourue, les impacts subis ou des biométriques comme la fréquence cardiaque.

La Fédération française de rugby a été la première à tester les ballons intelligents qui donnent des informations sur la longueur ou la vitesse d’une passe, d’un tir au but ou sur la distance par rapport aux poteaux.

Talan va apporter son expertise en IA et data afin de permettre aux équipes de rugby du Stade Français Paris d’exploiter leurs données et de développer de nouvelles stratégies, match après match.

Lancement du Talan SFP Lab

Le Talan SFP Lab est le fruit d’une collaboration entre le Centre de recherche et innovation de Talan, dirigé par Laurent Cervoni, et la cellule de recherche en biomécanique du Stade Français Paris.

Ce nouvel outil analysera les déplacements des joueurs, leurs réactions face aux obstacles et leurs prises de décisions. Grâce à la collecte et à l’analyse des données de performance physique et de forme des athlètes, le club pourra anticiper et éviter les blessures potentielles tout en optimisant les performances des joueurs. L’IA évaluera également la réactivité des sportifs aux stimuli externes, ce qui contribuera à améliorer leurs réactions dans des conditions proches de la compétition.

Philippe Cassoulat, Directeur général Groupe Talan, commente :

“C’est indéniable, la data et l’IA révolutionnent le sport. Le rugby n’y fait pas exception, loin de là : l’innovation y est désormais présente dans tous les champs de l’expérience sportive, des gradins au terrain, et jusque chez les fans. Depuis 2013, le partenariat noué entre Talan et le Stade Français Paris illustre la rencontre vertueuse de la tech et du rugby. Le Talan SFP Lab ouvre un nouveau chapitre passionnant et enthousiasmant dans le partenariat avec le club”. 

IBM et le All England Lawn Tennis Club ont dévoilé une nouvelle fonctionnalité pour l’expérience numérique de Wimbledon, appelée “Catch Me Up”. Basée sur l’IA générative de la plateforme Watsonx d’IBM, elle fournira aux fans des informations personnalisées et en temps réel sur les joueurs tout au long du Tournoi de Wimbledon qui se déroulera du 1er au 14 juillet prochains.

IBM est partenaire du club depuis plus de trois décennies, améliorant ainsi la couverture des championnats. L’an passé, ils utilisaient l’IA générative pour la 1ère fois pour fournir des commentaires audio. Cette année, elle leur permettra de couvrir plus de matchs, notamment ceux des joueurs en fauteuil roulant. IBM et Wimbledon ont également collaboré pour améliorer IBM Slamtracker, une solution de suivi des matchs, pour offrir des aperçus et des commentaires sur les matchs féminins et les matchs en simple.

La fonctionnalité “Catch Me Up” a été conçue à partir du LLM Granite d’IBM disponible sur la plateforme d’IA et de données Watsonx dont elle exploite les capacités. Le LLM a été entraîné au style éditorial de Wimbledon pour générer des analyses et des fiches d’information avant et après les matchs, disponibles via wimbledon.com et l’application Wimbledon 2024. Les fans pourront bénéficier d’une couverture détaillée des performances récentes, des pronostics de probabilité de victoire, ainsi que des statistiques clés et des faits marquants après chaque match. Ces contenus seront personnalisés selon les préférences de l’utilisateur, incluant sa localisation et son profil MyWimbledon, et mettront en avant ses joueurs préférés.

L’utilisation de l’IA plébiscitée par les fans de tennis

Une étude récente d’IBM et Morning Consult réalisée en mai 2024 auprès d’un panel de 18 082 fans de sport âgés de 18 ans et plus aux États-Unis, au Canada, au Royaume-Uni, en France, en Allemagne, en Italie, en Espagne, en Inde, aux Émirats arabes unis et en Arabie saoudite, révèle que la majorité des fans de tennis pensent que l’IA aura un impact positif sur de nombreux aspects du sport pour les fans, les entraîneurs et les joueurs :

• 60 % des fans de tennis interrogés pensent que la technologie aura un impact positif sur la mobilisation des fans ;
• Plus précisément, 75 % des fans de tennis interrogés pensent que la technologie aura un impact positif sur les avancées en matière d’entraînement, la stratégie de jeu (74 %), le coaching (71 %) et l’identification et l’acquisition de talents (66 %).

Près d’un tiers des amateurs de tennis interrogés utilisent plus d’un appareil pour regarder plusieurs matchs à la fois, obtenir plus d’informations et interagir avec d’autres fans.

• 24 % des amateurs de tennis interrogés utilisent deux appareils, 5 % déclarent en utiliser trois et 2 % plus de trois en même temps ;
• 45 % des fans de tennis qui utilisent plusieurs appareils le font pour obtenir plus d’informations en regardant le tennis ; 32 % pour regarder plusieurs matchs simultanément ; et 30 % pour interagir avec d’autres fans pendant qu’ils regardent un match.

En France :

• 20% des fans de sport utilisent deux appareils en même temps lorsqu’ils regardent du sport ;
• Seulement 7 % des fans de sport âgés de 18 à 29 ans utilisent trois appareils ou plus, en même temps, pour regarder du sport, alors que la moyenne mondiale est de 10 % ;
• Les personnes interrogées ont indiqué que le fait d’être capable de faire plusieurs choses à la fois (45 %) et d’obtenir plus d’informations sur les matchs (43 %) étaient les principales raisons de l’utilisation de plusieurs appareils pour suivre un sport. 20 % ont également déclaré utiliser plusieurs appareils pour interagir avec les fans.

Depuis des années, les grands groupes automobiles ont recours à l’IA pour équiper leurs véhicules de systèmes avancés d’aide à la conduite (ADAS). Plus récemment, ils ont introduit des assistants vocaux pour optimiser l’expérience des conducteurs. Dans le cadre d’un partenariat technologique avec Cerence, Volkswagen s’apprête à intégrer ChatGPT à IDA, ce qui permettra d’apporter des réponses précises et pertinentes à pratiquement toutes les questions des conducteurs et des passagers, renforçant ainsi l’interaction intelligente au sein de ses véhicules.

Les assistants vocaux sont conçus pour offrir une expérience mains libres, améliorer la sécurité au volant et faciliter l’accès aux informations et aux fonctionnalités du véhicule. Ils peuvent régler la température des sièges chauffants, le volume de la radio, ou dégivrer les vitres, permettre de passer des appels téléphoniques mais manquent de compétences conversationnelles.

Ce partenariat avec Cerence, un fournisseur de solutions de mobilité basées sur l’IA, va permettre à Volkswagen d’exploiter “Cerence Chat Pro” afin d’augmenter son assistant vocal IDA. Le système, utilisant une multitude de sources, y compris ChatGPT, représente, selon Cerence, le moyen le plus rapide et le plus simple pour les constructeurs automobiles d’intégrer ChatGPT dans leurs plateformes d’assistant embarqué, offrant une flexibilité totale, une personnalisation étendue et un effort d’intégration minimal. Volkswagen sera le premier constructeur automobile à le déployer via des mises à jour cloud sur les véhicules existants, et ceci dès le prochain trimestre.

Il sera disponible dans les modèles Tiguan, Passat et la prochaine Golf, ainsi que dans la famille de véhicules électriques ID du constructeur. Grâce à sa compréhension du langage naturel et à la reconnaissance vocale, le système lorsque le conducteur ou l’un des ses passagers dira “j’ai froid”, augmentera la température dans la zone où il se trouve.

Volkswagen et Cerence prévoient de poursuivre leur collaboration pour concevoir une nouvelle expérience utilisateur alimentée par un LLM servant de base à l’assistant embarqué de nouvelle génération. Cette expérience utilisateur unique combinera la voix et le toucher, permettant aux utilisateurs d’effectuer des tâches dans différentes applications dans un seul fil de conversation pour une expérience de conduite plus sûre et plus agréable. Le système s’appuiera sur le LLM de Cerence, destiné à l’automobile, affiné avec le vaste ensemble de données automobiles de Volkswagen.

Si Volkswagen est le premier à exploiter Cerence Chat Pro, d’autres constructeurs intègrent déjà ChatGPT dans leur système d’infodivertissement, notamment la marque française DS Automobile.