La donnée dans le sport

Date
6 juillet 2021
Thématiques
Datavisualisation
Rédacteur
Lang Apolline
Editeur
Lang Apolline

[Datavisualisation]

A quoi servent les données récoltées dans le sport ? 

Temps de lecture : 4min environ

 

 

Sallie Gardner at a Gallop, série de photographies d’un cavalier et son cheval au galop, prises  par Edward Muybridge, en 1878, afin d’étudier de manière analytique le mouvement du cheval. 

 

 

Billy Beane, le père des Sabermetrics 

Il est le premier à avoir utilisé les statistiques appliquées au baseball (sabermetrics), pour piloter son équipe, les Athletics d'Oakland, qui ont vu, dans les années 90, leurs performances exploser suite à cette nouvelle gestion basée sur l’analyse chiffrées des performances des joueurs, malgré une baisse importante de leur budget de recrutement. Cette approche nouvelle a révolutionné le sport et a fait l’objet d’un film, Moneyball

 

AMÉLIORER LA GESTION D'UNE ÉQUIPE

 

Source : https://flowingdata.com/2015/10/12/nba-player-career-projections/ 

 

L’approche par les données permet d’avoir une gestion plus “rationnelle” d’une équipe et du recrutement,  de neutraliser ce qui peut fausser le jugement sur un joueur, comme sa réputation ou son caractère spectaculaire.  Cela a conduit à mettre fin à la carrière de certains joueurs de manière précoce et à faire jouer certains joueurs plus efficaces. 

 

MIEUX PRÉPARER LES STRATÉGIES DE MATCH 

Source : https://flowingdata.com/2015/08/27/extracting-nba-player-movement-data/ 

 

Les données permettent également de construire une équipe plus équilibrée concernant les différentes compétences des joueurs, mais aussi de mieux organiser les stratégies offensives et défensives. L’infographie ci-dessus montre comment on peut tracer une cartographie du mouvement des joueurs durant un match. 

 

ANALYSER ET AMÉLIORER LA PERFORMANCE DES JOUEURS 

Les expected goals au football

 http://www.cahiersdufootball.net/article-les-expected-goals-au-coeur-de-la-revolution-statistique-5744

 

Dans le football, il est difficile de mesurer la performance de jeu d’un attaquant, tant le nombre de buts est limité. Marquer ou ne pas marquer n’est pas un indicateur très précis. Une nouvelle métrique a donc été inventée, l’expected goal : il s’agit de mesurer l’écart entre la performance réelle (but marqué ou non) et la probabilité que le but ait été marqué. Dans certaines positions, il est très difficile de marquer (sur les côtés, loin de la cage, par exemple), tandis que dans d’autres c’est beaucoup plus simple. On mesure la performance d’un joueur par l’écart entre la “facilité” de la situation et la réalisation.  Ainsi le but de Benjamin Pavard en coupe du Monde 2018 (vidéo) contre l’Argentine, qui a marqué les esprits des supporters et des commentateurs  avait un expected goal de 0,3, c’est-à-dire que statistiquement, il avait 3 chances sur cent de marquer dans cette position. 

 

 

 

Les joueurs de foot critiques du big data ? 

Si cette utilisation du big data a été plébiscitée, inversement d’autres métriques sont très contestées, par les joueurs eux-mêmes. Ainsi le joueur Xavi, a déploré, dans une interview à SoFoot, l’utilisation actuelle des big data (traduction par nos soins) : 

 

Ça me fait rire quand je vois tous les capteurs GPS qu’ils nous mettent dessus. Parce que quand ils regardent les données, les statisticiens disent : ‘Sur 100 passes, il y en avait 80 de réussies’. Ah bon ? Et comment vous savez si elles étaient réussies ? Leur critère c’est que le joueur à qui j’envoie la balle réussit à la contrôler. Ça c’est une bonne passe pour le GPS. Mais bon, ok, il a contrôlé la balle, mais il a quatre défenseurs sur le dos. Donc non, ce n’est pas une bonne passe.  La bonne passe, c’est quand j’avais réussi à passer la balle à quelqu’un qui était démarqué ; et ça le GPS l’a pas détecté.  J’ai la responsabilité de ne pas perdre la balle, mais aussi que mes co-équipiers ne la perdent pas non plus. La différence entre les grandes équipes et les mauvaises équipes c’est d’ailleurs cette capacité à développer un bon réseau de passes.

Le problème c’est que les statistiques ne remplaceront jamais les sensations. Ils nous ont fait croire que Modric avait fait un mauvais match contre le PSG. Pardon ? C’est vrai qu’il a perdu des ballons, mais il a ouvert de l’espace, il a soulagé ses co-équipiers et il a mis en difficulté le PSG. 

 

 

Source : https://www.nationalgeographic.com/culture/article/150906-data-points-tennis-tracking 

 

Néanmoins, les données peuvent permettre à chaque joueur d’étudier le jeu de l’adversaire et d’améliorer son propre jeu. Ainsi, au tennis, cela a permis aux différents joueurs de mieux connaître leurs points forts et leurs points faibles et d’étudier précisément ceux de leurs adversaires, la répartition des coups durant les matchs précédents et les points gagnés associés. 

 

L’UTILISATION DES DONNÉES PEUT MÊME CONDUIRE À INFLUENCER LA MANIÈRE DONT UN SPORT SE PRATIQUE 

 

Source : https://www.wired.com/2012/04/analytics-basketball/ 

Les données peuvent même influencer la manière dont un sport se pratique. Au basketball, par exemple, on s’est rendu compte qu’il était plus profitable que l’on ne pensait de viser le panier à trois points. L’infographie ci-dessus provient du travail de Muthu Alagappan qui a montré qu’au lieu des 5 rôles types au basket, on pouvait définir 13 rôles différents. Chaque stratégie d’équipe proviendrait d’un choix de 5 rôles (le nombre de joueurs) parmi ces 13 et de leur combinaison optimale. 

 

LE SELF-TRACKING SE DÉVELOPPE DANS LE SPORT AMATEUR : LES LIMITES DE LA QUANTIFICATION ? 

 

 

Le self-tracking se développe dans le sport amateur, notamment via un certain nombre d’applications. Cette pratique peut entraîner des gains importants en termes de santé, être une source de motivation et d’amélioration de ses performances. Elle peut néanmoins entraîner des effets inverses, comme le montre cette étude qui explique : La pratique du self-tracking, qui consiste à quantifier l’évolution en temps réel de ses performances et de ses variables biologiques au moyen d’un dispositif numérique portatif, tend de plus en plus à se généraliser chez les sportifs amateurs. Toutefois, un taux extrêmement élevé d’abandon a pu être constaté, après des périodes souvent très courtes d’auto-quantification. En effet, cette pratique est apparue comme susceptible de modifier la dynamique motivationnelle des acteurs (en les incitant à se détourner des motifs intrinsèques à la pratique sportive elle-même) ; de produire des conflits de buts générateurs d’un sentiment anxiogène d’urgence temporelle ; mais aussi de perturber l’équilibre attentionnel durant l’activité physique.