L’intelligence artificielle va révolutionner le football : à quoi ressemblera l’avenir ?

« Il est tout à fait envisageable qu’un agent d’intelligence artificielle (IA) puisse simuler plus de football en 24 heures que tout ce qui a été joué professionnellement au cours des 150 ans d’histoire du jeu », déclare Lee Mooney, ancien responsable des insights de données au City Football Group pendant six ans.

« Pensez à combien de matchs Pep Guardiola a pu jouer, gérer et observer. Si l’on remonte chaque génération qui l’a précédé, de Johan Cruyff à Rinus Michels, cette accumulation d’expérience pourrait potentiellement être simulée en seulement quelques heures.

« Tout ce savoir-faire en résolution de problèmes serait intégré dans un cerveau synthétique. Cela ouvrirait des perspectives fascinantes pour de nouvelles tactiques, méthodes d’entraînement, façons de mesurer la performance et de reconnaître les compétences et le talent des entraîneurs humains. »

Bien que cela puisse sembler futuriste, le football s’achemine déjà dans cette direction, le partenariat de Liverpool avec Google DeepMind visant à améliorer leur stratégie de corners étant l’exemple le plus médiatisé.

Mooney a créé un département de pointe à Manchester City avant de fonder MUD Analytics, qui collabore avec des clubs de Premier League, de Championship, de Premiership écossaise et de MLS. Il est donc particulièrement apte à témoigner de la manière dont les nouvelles technologies peuvent transformer les méthodes traditionnelles du sport.

L’IA permet à des ordinateurs d’apprendre et d’effectuer des tâches tout en résolvant des problèmes nécessitant habituellement l’intelligence humaine. Elle est entraînée sur de vastes quantités d’informations et simule des milliards de variables, identifiant et prédisant des modèles futurs.

Dès 1997, des superordinateurs pouvaient évaluer 200 millions de positions d’échecs par seconde et vaincre des grands maîtres humains. En Formule 1, les équipes peuvent passer quelques jours à simuler des millions de tours avant un Grand Prix à venir, ajustant leur stratégie de course optimale.

Bien qu’il reste des étapes à franchir, l’avancement des données de suivi des joueurs amène Mooney à croire que le football pourrait atteindre un point où les clubs auraient formé une IA capable de simuler des matchs contre leurs futurs adversaires, modélisant des joueurs individuels basés sur leurs qualités techniques et mécaniques et produisant des animations 3D de la manière dont les matches réels pourraient se dérouler.

« Vous pourriez créer un scénario pour jouer contre Manchester City, former l’agent IA pour comprendre leur façon de jouer ainsi que leurs forces et faiblesses individuelles, et ensuite jouer le match des millions de fois pour trouver les stratégies les plus efficaces pour les battre avec les joueurs que vous avez », explique Mooney.

« Nous formons des pilotes d’avion dans des simulateurs avant de voler, car il est essentiel de garantir la sécurité. Ce type d’IA pourrait offrir aux entraîneurs un terrain de jeu sûr pour prendre des risques et explorer un univers beaucoup plus vaste de tactiques et de solutions, avant de risquer leurs emplois. Les animations pourraient montrer les structures de montée les plus efficaces pour contrer leur pressing, la rapidité requise pour presser et quelle structure adopter après récupération. Vous formez la technologie à comprendre le jeu dans un espace virtuel afin d’éclairer des décisions réelles.

« Mon instinct me dit qu’il en résultera un ensemble puissant de principes généraux montrant les meilleures solutions pour contrer leurs plus grandes menaces. Il y a aussi un potentiel à reconnaître si les joueurs s’affaiblissent en cours de jeu ou si leur prise de décision devient compromise, et donc à recommander un remplacement en direct. »

Si le rythme des changements technologiques a été fulgurant, ouvrant la voie à ces idées ambitieuses, il existe cependant un enjeu de réalisme quant à leur mise en œuvre. « Les exécuter dans le cadre d’un club requiert une stabilité de la vision dirigeante et un financement — deux ressources rares dans le football », déclare Mooney.

Il est vrai que cela a pu sembler lointain, mais l’impact de l’IA est de plus en plus palpable dans le monde professionnel, et le football n’échappe pas à cette évolution. Beaucoup s’interrogent sur ses implications, mais son utilisation dans les domaines du recrutement, de l’entraînement, de la condition physique et médical va s’accélérer rapidement, comme c’est déjà le cas dans d’autres sports.

• 65 % des recruteurs de Premier League et de Football League interrogés croient que l’IA influencera leur rôle dans les cinq prochaines années.
• Les clubs commencent à utiliser des modèles de langage pour éliminer le besoin de lire des centaines de rapports de scouting.
• La révolution de l’analyse des données a été initialement menée par une communauté en dehors du football, et il est difficile de changer la culture.
• Le Barca Innovation Hub a investi dans la société scientifique Omniscope, qui vise à utiliser l’IA pour prévenir les blessures et prolonger la condition optimale des joueurs.

En novembre dernier, le club de Premier League Brighton & Hove Albion, qui utilise les outils de données de son propriétaire/président Tony Bloom pour le recrutement, a réduit le nombre de ses recruteurs seniors à temps plein.

La prolifération des analyses de données dans le football au cours des quinze dernières années signifie qu’il n’y a aucun club de Premier League parmi les 20 actuels qui n’utilise pas les données comme premier filtre dans leur opération de scouting.

Cependant, la nouvelle frontière est l’IA.

Une source de recrutement dans une grande équipe anglaise, s’exprimant sous couvert d’anonymat pour protéger ses relations, a récemment affirmé qu’un des principaux partisans de l’IA dans son club a laissé entendre que les recruteurs pourraient bientôt être remplacés par des systèmes d’IA dans les deux prochaines années.

Un scientifique des données de scouting, dont la société collabore avec divers clubs en Europe, estime que le Graal serait que les clubs n’aient plus à imaginer comment un futur joueur pourrait s’intégrer dans leur équipe. Ils pourraient alors utiliser l’IA pour traduire toutes les données et vidéos dont ils disposent sur le style du joueur et sur les tactiques de l’équipe d’achat pour visualiser précisément comment il performerait dans certaines situations. « Cela ne plaira pas, car il pourrait arriver un moment où cela mettrait des emplois en danger », déclare une figure de haut niveau d’une équipe de recrutement en Premier League. « Cela sera à l’avenir une fonction d’économies de coûts. »

Les clubs disposent déjà de vastes bibliothèques de rapports de scouting et de données de performance et physiques, mais leur interprétation revient aux humains. L’IA peut accélérer ce processus en éliminant le besoin de passer en revue de nombreux rapports, en identifiant rapidement les joueurs qui correspondent le mieux aux critères recherchés par le club. « Vous pourriez profiler les joueurs à partir de leurs matchs sur une période de temps et demander à l’IA de trouver la version la plus proche d’un joueur particulier », explique cette figure du recrutement.

Ce n’est peut-être pas glamour, mais c’est un gain de temps, ce qui a rendu certains scouts anxieux quant à une éventuelle réduction drastique de leur profession.

« Je ne comprends pas du tout cette idée que l’IA va éliminer les recruteurs », déclare Mooney. « Les modèles ne peuvent pas observer certaines choses ou ont des bandes de confiance larges (une fourchette d’incertitude dans l’estimation). Comment un joueur se comporte sous pression, sa manipulation du ballon dans un espace réduit, le timing des scans, la douceur de son contrôle, sa vision pour voir une passe : des traits faciles à observer en vidéo mais difficiles, voire lents, à quantifier avec des données.

« Il y aura une danse délicate à mesure que ces éléments évolueront. Pour chaque chose qu’une machine ne peut pas voir maintenant, il y aura une branche de recherche qui viendra combler cet écart. Cela créera une tension saine entre humain et machine mais aussi une réelle co-dépendance — une contribution humaine de qualité est essentielle pour développer des actifs analytiques de plus en plus solides.

« J’ai utilisé chaque expérience que j’ai eue, en travaillant avec des entraîneurs avant-gardistes et des personnages du football, pour améliorer nos technologies, mais ce faisant, je valorise davantage le côté humain. Un défi pour ceux qui sont dans le domaine de l’IA est que beaucoup de ceux qui le dirigent peuvent être trop détachés du côté humain. Ils ne se perçoivent pas comme vulnérables aux avancées technologiques. »

Mooney utilise déjà l’IA et l’apprentissage automatique — des systèmes informatiques capables d’apprendre et de s’adapter sans suivre d’instructions explicites, en utilisant des algorithmes et des modèles statistiques pour analyser et tirer des inférences des données — chez MUD Analytics pour la budgétisation financière et le recrutement. Il et son équipe ont récemment construit un modèle séquençant 25 millions d’apparitions de joueurs, remontant au début des années 2000, identifiant des modèles et des traits capables de prédire la trajectoire de potentiels recrutements.

La nature du sport a déjà été transformée par les insights fournis par les données. Moins de joueurs tentent des frappes en dehors de la surface en raison de la faible probabilité d’un but, tandis que les équipes gardent généralement la possession et dribblent moins qu’auparavant, certains fans déplorant que les systèmes structurés aient réduit la présence des joueurs à forte personnalité dans le jeu.

« Je suis rappelé de la phrase de Jurassic Park sur le fait que les scientifiques étaient tellement préoccupés par le fait de savoir s’ils pouvaient le faire qu’ils n’ont pas pris le temps de réfléchir à la question de savoir s’ils devaient le faire, » déclare Mooney.

« Est-ce que cela correspond à l’esprit du sport ? Mon rôle professionnel est d’aider les équipes à gagner et à obtenir le maximum de valeur de leur argent, donc je vais devoir le faire, car si je ne le fais pas, quelqu’un d’autre le fera, et là vous vous retrouvez dans une course à l’armement où vous entrez dans un combat inégal. »

Ted Knutson, qui a fondé la société d’analyse de données de premier plan StatsBomb en 2013 avant de la vendre à Hudl plus tôt cette année, a lui aussi été confronté à la résistance à l’égard des nouvelles technologies dans le football.

L’Américain a été l’une des premières voix de la communauté d’analyse de données et a connu un succès retentissant dans l’application des données sur les coups de pied arrêtés tout en travaillant pour Midtjylland — contrôlée à l’époque par le propriétaire de Brentford, Matthew Benham — alors qu’ils inscrivaient 25 buts sur coups de pied arrêtés en remportant leur premier titre de champion du Danemark en 2014-2015.

« Je me rendais dans des clubs et leur montrais comment nous avions amélioré les performances d’autres équipes sur les coups de pied arrêtés, mais un entraîneur disait souvent : ‘Oui, c’est bien… et alors ?’ », raconte Knutson. « Le football n’aime pas le changement. Nous avons dû pousser très fort pour modifier les méthodes de mesure des données (passe, tir) et pour les utiliser dans le recrutement — cela a pris 10 ans pour devenir vraiment prévalent comme premier filtre dans chaque processus de recrutement de club de Premier League.

« Je vois des équipes de football où beaucoup de ce qu’elles ont à faire est simplement de réaliser les bases, et elles n’y parviennent pas. Nous demandons : pourrions-nous prendre des personnes très compétentes et créer de tels modèles sophistiqués ? C’est possible. Peut-être que dans cinq ans, vous pourriez faire quelque chose de similaire, mais qui investit dans cela et qui est pionnier ? »

Le travail de StatsBomb sur le pressing a fait passer le nombre d’événements défensifs mesurés par match de 30 à 300. Leur travail sur les buts attendus, prenant en compte la position de tous les joueurs adverses au moment du tir, a aidé à expliquer comment l’équipe de Burnley, dirigée par Sean Dyche, avait été considérée comme une anomalie statistique en raison d’une forte quantité de tirs concédés mais peu de buts, alors que la réalité était qu’ils étouffaient les tentatives.

Knutson, qui a amené le Paris Saint-Germain à s’associer à StatsBomb dès sa première année, estime que le point le plus crucial pour convaincre les esprits traditionnels du football était de quantifier les compétences requises pour chaque poste. En utilisant des données et en transformant l’information en radars, qui résumaient l’efficacité d’un joueur sur une gamme de compétences, les entraîneurs pouvaient mieux visualiser ces données que de simples chiffres.

StatsBomb a fait un autre saut en 2021 en lançant son produit 360, avec Liverpool comme premier utilisateur. Ce produit ajoutait la localisation de chaque coéquipier et joueur adverse aux 3 400 événements collectés par match. StatsBomb a ensuite développé cette avancée dans la NFL, en suivant la localisation de chaque joueur sur le terrain 30 fois par seconde.

« La NFL est plus difficile, car il y a beaucoup plus d’occlusion (blocage). Au football, les joueurs sont séparés et il arrive qu’ils se croisent lors de coups de pied arrêtés », explique Knutson. « Dans le football, cela devrait progresser dans les deux prochaines années. »

Knutson doute que les clubs soient les véritables pionniers dans le domaine de l’IA, compte tenu du temps et des ressources nécessaires pour réaliser des avancées, mais aussi parce que la nature du sport professionnel signifie que les équipes qui trouvent un avantage font tout pour protéger cette propriété intellectuelle. C’est pourquoi, à Brighton et Brentford, la plupart des recruteurs n’ont pas accès aux modèles de travail en arrière-plan de leurs sociétés de données.

La montée des analyses de données a été organique et n’a pas été limitée à des pionniers initiaux à l’intérieur du football, comme Ian Graham, ancien directeur de la recherche de Liverpool. Les amateurs ont pu utiliser des ensembles de données de StatsBomb disponibles publiquement et construire sur les travaux déjà réalisés. Beaucoup de ces personnes occupent aujourd’hui des postes de recrutement dans le football professionnel.

« La zone la plus difficile pour l’IA est tactiquement lors de l’entraînement », prédit Knutson. « De nombreux analystes ne comprennent pas vraiment le coaching, il y a donc toujours un fossé de crédibilité.

« Si certains analystes quantitatifs obtenaient des diplômes d’entraîneur, je pense que vous verriez ce changement. Dans les sports américains, nous voyons des analystes statistiques devenir entraîneurs adjoints. Nous le verrons probablement se produire progressivement ici aussi. L’autre problème est que les personnes qui ne sont pas des joueurs trouvent beaucoup de difficultés à obtenir des diplômes d’entraîneur. C’est un verrouillage, et cela freine certainement certains aspects du coaching.

Lorsque Albert Mundet a aidé à lancer le Barca Innovation Hub en 2017, l’accent était mis sur l’analyse tactique.

Des progrès initiaux avaient été réalisés pour utiliser des modèles de données afin de prédire le positionnement des joueurs adverses individuels et où des espaces apparaîtraient, mais il estime que les données doivent devenir plus accessibles avant que les capacités complètes de l’IA ne puissent être exploitées dans ce domaine.

« Notre focus initial sur l’IA concernait le côté tactique, mais nous investissons beaucoup dans la prévention des blessures, » indique Mundet, qui est désormais directeur général et rend compte au président du club de Barcelone, Joan Laporta.

« Ces dix dernières années, le GPS a été au cœur du suivi de la performance, mais nous croyons que ce n’est pas suffisant. C’est une seule pièce du puzzle. Nous croyons que la prochaine étape sera celle des données biomédicales, combinant les données génomiques et d’autres marqueurs dans le corps. Cela existe dans d’autres secteurs, mais le football ne l’a pas encore réellement exploré. Le mélanger avec le GPS pourrait aider à améliorer la prévention des blessures, qui augmentent à cause du nombre croissant de matchs mais aussi de l’intensité accrue des jeux. »

Zone7 est une entreprise qui travaille déjà dans ce domaine, comme l’a déjà rapporté The Athletic. Elle utilise l’IA pour évaluer les données physiques et déterminer le risque de blessure musculaire. Liverpool, Naples, Rangers et LAFC figurent parmi ses clients.

Mundet est convaincu que l’investissement de Barcelone dans Made of Genes, une start-up de la région de Catalogne, dans le cadre d’une levée de fonds de 5 millions d’euros, leur a également donné cette capacité de prévision.

« Nous sommes capables de simuler la charge externe qu’un joueur subira à un moment précis dans le futur grâce à un modèle d’IA entraîné sur des données historiques. De plus, nous pouvons évaluer le risque de blessure en associant cela avec des profils génomiques et métabolomiques par le biais de modèles avancés d’IA, » explique Mundet. « Nous pourrions aider l’entraîneur à prendre des décisions sur la manière de garder les joueurs en bonne santé en réduisant leur exposition (dans l’entraînement et les jeux). Si nous jouons les quarts de finale, les demi-finales et les finales, nous pouvons aider à garantir que le joueur atteigne cette étape avec la charge optimale et le risque minimal de blessure. »

Le dernier investissement du Barca Innovation Hub pourrait être le plus profond de tous en termes d’échelle. Il a investi dans Omniscope, une entreprise technobio fondée en 2021 par une équipe pluridisciplinaire, cherchant à exploiter les avancées réalisées en IA et en immunologie pour transformer le diagnostic et le traitement des maladies. Dans le sport, elle croit pouvoir le traduire en prévention des blessures et amélioration de la guérison.

Le système immunitaire humain peut être complexe à comprendre, mais la technologie d’Omniscope permet, grâce à un échantillon de sang, de lire des millions de cellules une à une — 100 fois plus que d’autres technologies ne le peuvent — afin de fournir un score d’inflammation individuel entre zéro et 100. En utilisant une IA interprétative pour identifier les lacunes dans le séquençage des cellules, il peut diagnostiquer des signes avant-coureurs de maladies, tout en respectant les normes strictes de confidentialité et d’éthique des données.

Essentiellement, il construit un modèle cellulaire complet du système immunitaire à l’aide de l’IA, ce qui n’a jamais été fait auparavant. Mais la capacité de guérir plus rapidement ou, dans le contexte du football, de comprendre comment maintenir des athlètes en bonne santé, découle de l’IA générative.

Omniscope promeut le concept novateur de la « banque de cellules saines » avec le potentiel de les réintroduire dans l’organisme pour lutter contre les maladies, ou d’utiliser l’IA pour concevoir des cellules immunitaires thérapeutiques.

Dans le football, Omniscope considère que si nous parvenons à comprendre le système immunitaire d’un athlète en bonne santé, nous pourrons utiliser cette connaissance pour prévenir les blessures. Elle a déjà développé un algorithme d’IA spécialisé pour comprendre l’inflammation que subissent les joueuses pendant leur cycle menstruel afin de personnaliser leurs soins en conséquence.

« Nous avons séquencé des centaines d’échantillons et avons constaté que cela fonctionne, » dit le PDG et co-fondateur d’Omniscope, Vijay Vaswani, dans une déclaration à The Athletic. « Nous croyons que cette technologie a le potentiel d’améliorer considérablement la médecine sportive et la gestion de la santé des athlètes.

« Nous prélevons des échantillons de sang pendant des périodes de santé optimale pour établir une référence et intégrons ces données avec des technologies portables pour surveiller l’état global de santé immunitaire du joueur. Les écarts par rapport à cette référence sont souvent des signes précoces d’inflammation, de maladies et de blessures. Après une blessure et durant la guérison, nous suivons, cellule par cellule, si le processus de guérison fonctionne en examinant la réponse immunitaire. Pour les blessures récurrentes, je peux encore m’appuyer sur des données cellulaires approfondies pour alimenter des modèles d’IA qui prédisent, surveillent l’efficacité du traitement, et guident des soins d’avenir personnalisés.

« Nous pouvons observer les processus de cicatrisation musculaire pour compléter une IRM. Cela offre au médecin et au physiothérapeute une fenêtre précieuse pour réévaluer leur stratégie en temps réel. C’est la première fois en médecine sportive que nous ne faisons pas de conjectures concernant le calendrier de retour au jeu. »

Utiliser ses propres cellules immunitaires pour la thérapie est approuvé par la FDA — une agence américaine qui protège la santé publique en régulant la sécurité des aliments, des médicaments, des dispositifs médicaux et d’autres produits — mais Vaswani indique que cela n’a pas encore été popularisé en raison des coûts élevés, des longs délais de traitement, et des complexités cliniques étalées sur plusieurs années.

Grâce à l’IA, le processus a été accéléré et rendu considérablement plus abordable.

Vaswani est convaincu du potentiel révolutionnaire de cela, pensant qu’il pourrait améliorer considérablement la longévité des athlètes en maintenant leur performance optimale plus longtemps.

« Les athlètes représentent des investissements importants pour les clubs, et maintenir leur longévité est essentiel pour maximiser cet investissement, » dit-il. « Imaginez si votre athlète préféré continuait à jouer de nombreuses années au-delà des attentes traditionnelles. La capacité de réintroduire votre propre biologie de manière non artificielle est unique. Je pense que cela va se réaliser dans les cinq prochaines années, car l’IA catalyse la médecine. Ce que nous pensions lointain est désormais à portée de main. »

Pour le Barca Innovation Hub, l’ambition pour les prochaines années est d’arriver à utiliser cette convergence de l’immunologie et de l’IA générative pour traiter les joueurs de l’équipe première de Barcelone.

« En intégrant des thérapies régénératrices dans les pratiques de médecine sportive à la pointe, nous cherchons non seulement à accélérer la guérison et à prolonger les années de jeu, mais aussi à redéfinir le concept de performance optimale, » conclut Mundet.

Si cela se développe comme prévu, les jeunes stars du club telles que Lamine Yamal, Pau Cubarsi, Pedri et Gavi pourraient en tirer profit.

(Photos en haut : Getty Images ; design : Dan Goldfarb)