Un indicateur devient la star d’une conférence de presse
Après un match en 2017, Arsène Wenger fut le premier à employer le terme « d’Expected goals » (xG) en public. Alors que son équipe venait de s’incliner 3-1, ses propos ont marqué le début d’une nouvelle ère.
Cette notion de « but estimé » est utilisée par le coach français pour se défendre d’un résultat contraire à ce qui s’est réellement passé sur le terrain. Ce dénouement est qualifié comme étant une surperformance de son adversaire, d’après le coach. En effet, le modèle basé sur les probabilités de buts (xG) promettait plutôt un match nul entre les deux équipes.
Aujourd’hui, cette statistique est totalement démocratisée, au point d’être affichée pendant les matchs. Ainsi, personne ne peut nier l’importance des données dans le sport de haut niveau.
Voici pourquoi nous allons vous présenter une série d’article sur le rôle prédominant de la data dans le sport. Dans ce premier article, nous allons voir comment la collecte de données est devenue un enjeu majeur dans le sport de haut de niveau. Nous allons également vous montrer qu’il existe différents types de données et outils de mesure à grande échelle.
Des outils démocratisés
Aujourd’hui, il existe de nombreux systèmes de récolte de données dans l’univers du sport. Ils témoignent de l’importance croissante de la data et de son exploitation dans ce milieu.
Parmi ces systèmes, on retrouve les solutions de tracking par positionnement satellite (Global Navigation Satellite Systems, utilisant un certain nombre de satellites pour l’estimation des positions des joueurs), de tracking optique (captation vidéo et systèmes de tracking dits « sans marqueurs »), ainsi que des instruments de mesure de l’activité faisant appel aux lois de la physique et de la physiologie (centrales inertielles, cardiofréquencemètre, etc). Ces outils permettent d’obtenir une importante quantité de données objectives aussi bien en compétition que lors des entraînements.
En parallèle, on remarque une augmentation des systèmes permettant la mesure et la collecte d’informations. Ils viennent compléter et enrichir les données de performances. On peut les diviser selon deux volets :
- D’un côté, les données de « santé » du sportif. A savoir l’analyse du sommeil, les mesures de variabilité cardiaque ou encore les données anthropométriques mesurées à partir de balances connectées.
- D’un autre côté, les AMS (athlete management systems) permettent de saisir à la fois des données subjectives relatives au bien-être du sportif (sa forme physique, son état mental, son ressenti face à l’effort) et de les associer à d’autres données de nature objective comme vu précédemment. Toutes ces données permettent d’estimer les charges d’entraînement et de les adapter tout au long de la saison.
Des données à manipuler…
Cet inventaire démontre à quel point les outils de mesure coexistent dans le sport et surtout à haut niveau. Cela illustre également l’importance de mettre en place des stratégies dédiées à l’exploitation de ces données afin d’en tirer un maximum de bénéfices pour les athlètes. Ces stratégies passent par exemple par la centralisation et l’harmonisation des données afin de les mettre en relation pour produire des analyses.
Dans les prochains articles, nous verrons que la richesse des données est un appui non négligeable. Elles permettent la compréhension et l’optimisation des performances tout en conservant une vision sur la santé des athlètes.
