par Martin Vongsuravatana (FootbAI) 
Les blessures : un problème majeur dans le football
Les clubs de football ont toujours été confrontés au problème des blessures mais celui-ci s’est accru avec une augmentation du nombre de matchs dans les dernières années avec des joueurs pouvant jouer jusqu’à 70 rencontres potentielles. Ces blessures ont un coût important que ce soit en termes de salaire ou de performance de l’équipe.
Par exemple, sur les 6 derniers mois de 2023, le Real Madrid a cumulé 17 blessures dont 2 pour la saison complète pour Thibaut Courtois et Eder Militao. Ce cas est loin d’être isolé dans le football professionnel.
Face à de tels chiffres, chaque amélioration est bonne à prendre et le machine learning est un outil particulièrement adapté pour cette gestion des blessures. Un modèle de machine learning s’il a un nombre suffisant de data est capable de donner des prédictions en particulier sur un risque de blessure.
Le Machine Learning : un bon appui pour le staff
Le football est une usine à data aujourd’hui avec les data en matchs, les data à l’entraînement ou à la salle de sport. Entre les différentes applications ou capteurs comme dans les protèges-tibias connectés, le cadre est propice au développement d’un modèle d’intelligence artificielle.
Ensuite, ce type de modèle de machine learning peut aussi être développé compte-tenu des enjeux financiers. Pour reprendre l’exemple du Real Madrid, si une blessure d’un joueur, dont le salaire est de plusieurs millions d’euros, peut être évitée. L’investissement dans la création de ce type de modèle sera vite rentabilisé.
Pour que cette IA assistante du coach et des préparateurs physiques puissent fonctionner, deux règles doivent cependant être respectés :
- Affiner le modèle pour qu’il soit utilisable : Il faut que l’algorithme ne ressorte en particulier que les joueurs à très fort risque de blessure ou un maximum de 5-6 joueurs. Si plus de joueurs sont identifiés, la création de la composition d’équipe risque d’être très complexe et l’outil sera vite inutilisable.
- Être capable d’expliquer l’origine d’un risque : Pour pouvoir travailler en collaboration avec les préparateurs physiques, l’IA créée doit identifier clairement les raisons du risque. Cela permettra de faire monter la confiance du staff en l’outil et aussi d’adapter les séances d’entraînement en fonction du risque.
Pour plus d’informations sur des applications concrètes de ce type, vous pouvez consulter notre article sur la solution Zone7 utilisée par le Liverpool FC.
Si vous voulez en savoir plus sur l’utilisation du machine learning dans le football, n’hésitez pas à contacter notre équipe.