Le sport n'a jamais été aussi compétitif. Aujourd'hui, tous les athlètes, entraîneurs et équipes utilisent l'analyse des données pour obtenir le moindre avantage sur leurs rivaux. L'appétit est grand, mais l'analyse est-elle aussi efficace que possible ?
Le contexte ici est que le volume de données disponibles pour les équipes augmente de façon exponentielle. Si l'on prend l'exemple du football, il devient de plus en plus difficile d'analyser ces millions de points de données pour en faire quelque chose qui puisse être rapidement absorbé, adapté et partagé afin d'améliorer les performances des équipes et de gagner plus de matchs. Au lieu de cela, de nombreuses équipes ne reçoivent que des rapports statistiques plats, dépourvus de contexte tactique.
Ces données et rapports statistiques "plats" sont limitatifs pour deux raisons :
Tout d'abord parce que les analystes de données sont de plus en plus pressés de mettre au point de nouvelles tactiques et stratégies. Avec seulement deux ou trois jours avant le prochain match, la mise en œuvre de différents styles de jeu au sein d'une équipe peut s'avérer difficile. Cela signifie que les analystes, le plus souvent, se plongent plus profondément dans les rapports plats et les séquences vidéo.
Où est le temps pour l'analyse ? De même, les scientifiques du sport estiment qu'ils doivent consacrer une grande partie de leur temps aux données brutes, ce qui leur laisse moins de temps pour l'analyse et l'orientation.
Deuxièmement, il n'y a pas de conseils pour ceux qui tentent d'interpréter les chiffres. Simplement, les outils qui fournissent les données ne proposent pas d'analyse interactive permettant aux analystes, aux entraîneurs et aux managers de mieux comprendre le style de jeu de l'adversaire et l'impact du style de leur propre équipe. Cela permettrait de prendre de meilleures décisions en matière de sélection d'équipes, de tactiques et de régimes d'entraînement.
Toutefois, les données peuvent être segmentées en fonction des situations tactiques et permettre de comprendre comment le style d'une équipe affectera les exigences physiques de l'opposition. Pour ce faire, il est possible d'utiliser une méthode appelée analyse des composantes principales.
Dans le cas du football, l'analyse des composantes principales prend huit incidents sur le terrain, tels qu'un dribble vers l'avant, et les réduit à des "styles de jeu" pour chaque équipe. Ces informations permettent ensuite aux analystes de classer les équipes dans des styles de jeu spécifiques, par exemple le pressing haut, la contre-attaque ou les menaces soutenues. Réduire l'analyse aux styles de jeu permet de gagner du temps et fournit des données contextuelles exploitables. La simplification des données et l'ajout d'un contexte peuvent aider les scientifiques des données et les entraîneurs à comprendre comment les styles de jeu d'une équipe adverse affecteront les besoins de leurs joueurs. Cela permet ensuite aux scientifiques du sport, aux entraîneurs et aux joueurs de créer des séances d'entraînement tactique fondées sur des données probantes et de saisir la charge de travail tactique pour chaque poste.
Le fait que Manchester United ou Chelsea ait pris le plus grand nombre de tirs cette saison donne-t-il vraiment des indications précieuses à un entraîneur adverse pour développer une stratégie visant à empêcher cette équipe de tirer ? La réponse est non. Dans le climat concurrentiel actuel, les analyses doivent au contraire tenir compte de tous les facteurs afin de fournir une image claire et précise de ce qui s'est passé et, surtout, de la raison pour laquelle cela s'est produit.
En moyenne, au cours d'un match, un footballeur passe 97 % de son temps sans le ballon. C'est pourquoi il est si important de savoir, non seulement ce qui se passe avec le ballon, mais aussi ce qui se passe sur l'ensemble du terrain. Il est essentiel de savoir ce qui se passe sur l'ensemble du terrain. L'avantage gagnant ne peut être obtenu que lorsque les chiffres fournissent un contexte. Avec un contexte en place et des algorithmes qui traitent des points de données à plusieurs niveaux sur l'ensemble d'un match, les scientifiques, les entraîneurs et les joueurs disposeront d'un prédicteur plus précis de ce qu'il faut pour gagner et être performant au plus haut niveau.
