Cela fait déjà quelque temps que le monde du football a commencé à basculer dans une ère de l’information, marquée par l’importance croissante des statistiques et des outils analytiques. Du recrutement aux décisions de coaching en temps réel, tous les plus grands clubs doivent aujourd’hui une partie de leur succès à la façon dont ils exploitent les montagnes de données à leur disposition pour obtenir un avantage sur le terrain. Et la tendance va sans doute continuer à se renforcer avec la montée en puissance du machine learning, qui va fournir de nouveaux outils très puissants aux plus fins stratèges de la discipline. C’est en tout cas la conclusion qui s’impose lorsqu’on lit la dernière annonce de DeepMind.
L’objectif ultime de cette entreprise satellite de Google est de créer une intelligence artificielle générale, capable de surpasser les humains dans toutes les tâches intellectuelles. Pour s’approcher de ce but ô combien ambitieux, la firme s’est beaucoup servie des jeux pour repousser les limites de cette technologie, avec des résultats souvent spectaculaires.
Son IA échiquéenne AlphaZero, par exemple, a ouvert la voie à une nouvelle génération de programmes surpuissants qui jouent aujourd’hui un rôle déterminant dans la carrière des grands maîtres. On peut aussi citer AlphaGo, l’IA qui a fait les gros titres en écrasant le monstre sacré du jeu de go Lee Sedol — une première dans cette discipline traditionnellement considérée comme trop complexe pour les ordinateurs. DeepMind a aussi expérimenté avec les jeux vidéo, notamment avec son IA AlphaStar qui a réduit les meilleurs joueurs de StarCraft II en charpie.
Une IA spécialisée dans les corners
Plus récemment, les troupes de Demis Hassabis se sont focalisées sur le ballon rond avec un système baptisé TacticAI. Son objectif : utiliser un réseau de neurones artificiels pour identifier des stratégies diablement efficaces.
Dans un premier temps, DeepMind a choisi de se concentrer sur les phases arrêtées, et plus spécifiquement sur les corners. Ces derniers sont particulièrement importants, car si l’équipe qui tire le corner réussit à délivrer le ballon au bon joueur au bon moment, la situation peut dégénérer en un clin d’œil pour les défenseurs. Les entraîneurs ont donc tout intérêt à mettre en place des chorégraphies millimétrées pour qu’un de leurs joueurs puisse recevoir la balle dans les meilleures conditions possibles.
C’est là qu’intervient TacticsAI. Sa première mission, c’est de prédire quel joueur sera le premier à toucher la balle après la remise en jeu. Pour l’entraîner, DeepMind lui a fourni un tas de données relatives à un ensemble de 7178 corners tirés pendant la saison 2020-2021 de la Premier League anglaise. Le système avait accès aux caractéristiques physiques de chaque joueur (taille, poids…) ainsi qu’à sa position avant, pendant et après le tir. Grâce à ces informations, l’algorithme a pu développer une intuition remarquable sur les finesses stratégiques de ces coups de pied arrêtés.
Des résultats prometteurs
Premier chiffre éloquent : dans 78 % des cas, le receveur du corner se trouvait parmi les trois candidats préférés de TacticsAI. En d’autres termes, le système est très doué pour déterminer qui va hériter du ballon dans des conditions données. Mais il fallait encore confirmer l’intérêt pratique du système.
Pour y parvenir, DeepMind a monté une sorte de « blind test des corners ». Elle a soumis un ensemble de schémas tactiques, certains imaginés par des humains et d’autres générés par TacticsAI, aux experts du club de Liverpool. Non seulement ces derniers n’ont pas réussi à faire la différence entre les deux catégories, mais ils ont même préféré les suggestions de l’IA dans 90 % des cas lors du test à l’aveugle !
Ces résultats montrent que ce genre d’outil pourrait s’avérer redoutable dans les mains d’un entraîneur expérimenté. Grâce à TacticsAI, une équipe déjà performante sur ces phases arrêtées comme la France pourrait devenir carrément terrifiante à chaque corner. Et ce n’est probablement qu’un début.
L’aube d’une révolution stratégique ?
Il y a fort à parier qu’à terme, ce genre de système pourra être étendu à d’autres situations. On pense par exemple aux coups francs ou les contre-attaques. L’IA pourrait aussi aider les coaches à optimiser les formations offensives et défensives de l’équipe en fonction de l’effectif adverse, à verrouiller un joueur particulièrement menaçant…. En extrapolant encore davantage, on peut aussi imaginer des concepts similaires dans d’autres sports. On peut citer les touches et les mêlées au rugby, la mise en place des systèmes au basket, au hockey ou au handball, et ainsi de suite.
Il sera donc très intéressant de suivre l’évolution du machine learning appliqué au sport, car cette technologie pourrait faire une différence considérable dans ce domaine où les données jouent un rôle de plus en plus important.
Le texte de l’étude est disponible ici.
🟣 Pour ne manquer aucune news sur le Journal du Geek, abonnez-vous sur Google Actualités. Et si vous nous adorez, on a une newsletter tous les matins.
