Aidons la France et l’Algérie à atteindre la finale du Mondial 2022 (part 1)

Et si notre expertise en Machine Learning (voir ici) nous permettait d’envisager les rêves les plus fous ? Et si nous mettions nos compétences en apprentissage statistique et en analyse prédictive pour aider nos deux pays à disputer la finale du Mondial 2022 qui aura lieu au Qatar ? Et si ce défi complètement dément devenait une réalité ? Avec l’apport des Big Data dans le milieu du sport, et plus particulièrement dans le milieu du football, il est devenu possible de connaître ses joueurs sur le bout des crampons, et de suivre leur performance à la loupe. Mieux que ça, les algorithmes développés dans le monde du ballon rond permettent de nos jours aux Managers de clubs d’optimiser le rendement des joueurs et de leur équipe grâce à des systèmes de collectes de données de très haut niveau. Reste ensuite à analyser les Data et à trouver les solutions adaptées. Si le titre vous a fait rire au début, peut-être l’aborderez-vous différemment maintenant… ou pas.

Du machine learning pour mieux connaître son équipe

Toute l’utilité de l’utilisation du machine learning dans le milieu du football tourne autour de cette dimension cognitive : comment puis-je faire pour mieux connaître mon équipe ? Cette question très générale doit être détaillée, et déclinée sur deux dimensions : au niveau individuel et sur le plan collectif.

  • Au niveau individuel :

Rappelons que l’objectif est de mieux connaître son équipe pour en tirer la quintessence à travers l’optimisation de ses points forts, et l’amélioration de ses points faibles. Pour mieux comprendre, prenons un cas d’espèce. Je ne sais pas si vous aviez remarqué cela, mais un joueur avait attiré mon attention sur une dichotomie très flagrante au niveau de ses prestations entre période hivernale et période estivale. Ce joueur, c’est Ribéry. La règle n’est certainement pas parfaite et souffre de quelques exceptions, mais il y a quelques années, Franck Ribéry se distinguait par des performances absolument exceptionnelles lors des « jours chauds », et baissait brutalement en régime durant les jours froids. Que ce soit au FC Metz ou à l’OM, F. Ribéry proposait deux visages différents selon la période de l’année. Heureusement, la coupe du monde tombe en été, et l’on se rappelle de son magnifique mondial 2006 en Allemagne, lui le petit nouveau du groupe à l’époque. De ce cas d’espèce, on peut tirer au moins deux enseignements de l’utilité des Data dans le football.

Le premier, est de pouvoir comprendre avec des analyses poussées de ses différentes performances (et certainement d’autres analyses médico-scientifiques), pourquoi ce joueur affichait une telle différence de rendement. Une collecte de Data sur le joueur (et on se doute bien que le Bayern de Munich a du le faire) permettrait de savoir ce qui se passe chez le joueur, afin de pouvoir soit y remédier (réduire les charges de travail en hiver, lui proposer des ateliers spécifiques à sa structure corporelle, etc…), soit prendre les décisions d’ordre managérial qui s’imposent : adapter son équipe en fonction de la forme des joueurs (ce qui nous mène au deuxième point).

  • Au niveau collectif :

Deuxièmement, ce type de données peut effectivement aider l’entraîneur à adapter son équipe et son schéma de jeu. Alors, direz-vous, l’entraîneur va mettre sur le banc un joueur payé des centaines de milliers d’euros par mois, et se mettre à dos son président ? La réponse est simple : ménager un joueur ne signifie pas le mettre au placard. La solution serait peut-être justement de le faire entrer en cours de match, une fois que l’adversaire baisse sa garde, afin de miser sur son explosivité pour surprendre les défenseurs adverses. Là aussi, les Data et le machine learning auront leur mot à dire : à quel moment du match le faire rentrer ? Dois-je coupler son entrée avec celle d’un autre joueur dont les statistiques communes sont satisfaisantes ? Dans quel côté le faire rentrer en fonction de ses meilleures statistiques ? Si certaines réponses sont déjà dans le cerveau aguerri de l’entraîneur, ce dernier ne saura pas, si ce n’est avec l’aide des Data, pouvoir tout déceler.

De même, l’aide des Data a son utilité au niveau du recrutement des joueurs. C’est ce qui s’est passé pour le Marseillais Mathieu Flamini, débauché par le très pragmatique manager des Gunners d’Asenal Arsène Wenger. Ce dernier s’est aidé d’un programme d’analyse de la performance pour effectuer son choix.

Mieux encore, la sélection allemande a réalisé un réel programme de Data depuis le début des années 2000. En effet, dès 2005, la Nationalmannschaft a mis en place un partenariat avec l’Université de Cologne, qui travaille avec le staff pour analyser les statistiques des joueurs. Des efforts qui se sont vus récompensés quelques années plus tard, avec un titre de champion du monde en 2014.

SEO

Cette entrée a 0 réponses

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *