Les trois grands impacts de l’IA dans le sport

Tour d’horizon des cas d’usage de l’IA dans le sport

I – Performance et santé des athlètes

Un des usages les plus répandus est l’analyse prédictive de la performance des athlètes. En monitorant les mouvements, les données physiologiques et les caractéristiques techniques des exécutions, les algorithmes de Machine Learning peuvent fournir des indications sur les forces et faiblesses des athlètes en temps réel, et ainsi proposer des ajustements personnalisés.

L’équipe de cyclisme Jumbo Visma utilise par exemple l’IA pour prédire les besoins énergétiques des coureurs selon les données – comme la puissance maximale limitée, le type de trajet ou la météo.

L’IA contribue aussi à la santé des athlètes. L’algorithme peut évaluer le risque de blessure, en mesurant la sollicitation des muscles et le niveau de fatigue, ou personnaliser les exercices de récupération.

Springbok Analytics, spécialisé dans la biologie musculaire avec leur modèle d’analyse 3D des muscles basé sur l’IA, collabore par exemple avec la NBA et GE HealthCare sur une étude des articulations du genou.

II – Coaching et stratégie

La grande quantité de données engendrée par le sport complexifie le traitement des informations.

L’analyse par l’IA des séances d’entraînement et des matchs, via la capture de données avec la computer vision, fournit en temps réel des tendances invisibles à l’œil nu même pour un entraîneur expérimenté. Ces informations (insights) permettent à l’encadrement d’élaborer de meilleurs schémas tactiques et de prendre des décisions stratégiques en cours de jeu.

C’est ce que propose par exemple Genius Sports à la Premier League et la NBA. Autre usage, la Formula-E a créé une interface conversationnelle qui utilise le NLP (Natural Language Processing) en combinant les données télémétriques des voitures et l’IA générative de la plateforme Vertex AI de Google, pour que les pilotes et les ingénieurs accèdent facilement aux données comportementales de leurs voitures.

III – Expérience des fans

Les organisations sportives et les diffuseurs puisent eux aussi dans les solutions pilotées par l’IA. Le but ici est d’améliorer l’engagement des passionnés et ainsi de mieux monétiser leurs contenus.

WSC Sports, partenaire de plusieurs ligues sportives et diffuseurs tels que la NBA, la Serie A, TF1 ou Canal+, utilise leur algorithme d’IA qui s’appuie sur Microsoft Azure pour proposer une expérience de visionnage immersive en analysant en temps réel les événements sportifs et en créant automatiquement des moments forts agrémentés de statistiques.

Un partenariat équivalent existe entre la NFL (National Football League) et AWS via le programme Next Gen Stats. Autre exemple de personnalisation, US Open et Wimbledon utilisent la solution IBM Slamtracker qui s’appuie sur la plateforme IBM Watsonx, pour générer automatiquement des commentaires personnalisés – comme un focus sur un joueur ou des analyses techniques prenant en compte l’historique de visionnage et les préférences de l’utilisateur.

Des solutions existent aussi pour améliorer l’expérience des fans dans les stades. Manchester City FC utilise par exemple WaitTime pour la gestion des foules, de façon à diminuer les temps d’attente et éviter des goulets d’étranglement, via des caméras intelligentes Cisco Meraki et un algorithme qui tourne sur les processeurs Intel Xeon Scalable avec accélération intégrée de l’IA.

Conclusion

L’IA a donc la capacité de remodeler la manière de pratiquer et de consommer le sport.

Pour certains, et parce qu’elle prévoit et optimise les performances, l’IA risque de menacer l’authenticité et l’imprévisibilité qui font le charme du sport. Mais c’est oublier que l’élément central reste l’humain. L’IA ne pourra pas suppléer la prise de décision de l’entraîneur ou le jugement de l’arbitre.

Et il reviendra toujours à l’athlète de performer et de nous faire vibrer.