On vous parle de plus en plus de la démocratisation de la donnée. En effet, la data continue de faire son irruption dans beaucoup de secteurs et le sport n’est pas en reste. Aujourd’hui, nous allons vous parler de la manière dont data est devenue une alliée de choix pour l’industrie du football.
Les statistiques et le foot, des compagnons de longue date
Que vous soyez féru du ballon rond ou spectateur occasionnel, vous avez peut-être déjà entendu parler de statistiques de match. C’est là que la data a commencé à s’introduire dans le football :
- possession de balle,
- nombre de tirs
- nombre de cartons
- buts,
- passes décisives,
- coups de pieds arrêtés, … la liste est longue.
Certains titres individuels comme le ballon d’or, meilleur buteur ou meilleur passeur dépendent même uniquement des statistiques. Vous vous êtes peut-être demandé comment on récolte ces gros volumes de données à chaque match de manière quasi systématique. De nombreuses sociétés se sont spécialisées dans le secteur. Parmi certaines techniques utilisées, on peut citer :
- la reconnaissance par traitement d’images,
- le tracking du ballon,
- l’analyse des mouvements et actions de jeu par intelligence artificielle.
Comprenez que le but de toutes ces acquisitions est de récolter une masse de données gigantesque. Par la suite, elle sera exploitée par les médias ou les équipes de football pour alimenter leurs analyses techniques d’après-match. Ici nous avons parlé de l’usage classique de la data dans le football. Tout un chacun peut en faire l’expérience rien qu’en consultant le résumé statistique d’un match de football.
L’usage de la data dans le football devient de plus en plus spécifique. En plus des données de match, il est possible de récupérer les données spécifiques à chaque joueur :
- Le nombre de kilomètres parcourus,
- Les zones d’influence
- Le nombre de passes clés, …
De la matière pour l’analyse de données et la data science
On l’a mentionné précédemment : les médias et les équipes de football exploitent, traitent et analysent ces données. Les techniques d’analyse de données et de data science permettent d’étudier la performance technique des joueurs et leur forme physique. Les compétitions sportives étant de plus en plus relevées, chaque détail revêt son importance.
Ainsi la data et toutes les techniques d’analyse associées constituent un panorama d’outils pour optimiser les performances sportives. Ce phénomène a donné naissance à un nouveau métier : analyste de données sportives ou spécialiste data dans le sport. Julien Momont, spécialiste du domaine au Havre AC, club de ligue 1 française nous en parle ici.
Toujours plus loin …
Un autre type d’exploitation de ces données concerne le profilage et le recrutement des joueurs. Certaines équipes comme Toulouse FC en font un outil pour rechercher un joueur ciblé par ses attributs physiques et techniques. Il va sans dire qu’on rentre à ce niveau dans le domaine du big data. Des startups innovantes occupent ce marché très florissant et plein de perspectives. L’idée est de fournir des bases de données fiables et précises qui permettent de décrire un certain panel de joueurs. On retrouve ainsi l’univers de la gestion, du stockage de la confidentialité et de la sécurité des données.
De manière générale, la data est exploitée dans tous les domaines du sport, le foot n’y échappe pas. En effet, on retrouve le même phénomène dans d’autres sports collectifs mais également dans quelques sports individuels comme le tennis ou l’athlétisme. Des produits connectés de pointe sont généralement les points d’accès aux données dans le sport.
Le grand public s’y est donc naturellement intéressé à l’instar des montres connectées, les cardiofréquencemètres, les capteurs de position, les radars, … Nous évoquerons l’univers des produits et appareils connectés dans un prochain article sur pycodelab.