Démystifions l’intelligence artificielle avec l’exemple du sport  University of Luxembourg Competence Centre

Démystifions l’intelligence artificielle avec l’exemple du sport  University of Luxembourg Competence Centre

Afin de démystifier la relation entre l’intelligence artificielle (IA) et le sport et de montrer ce qui est réellement faisable et ce qui ne l’est pas à l’aide de cette technologie révolutionnaire, nous avons parlé à Christophe Ley, Associate Professor for Applied Statistics à l’Université du Luxembourg.

Professeur Ley, est-il possible de prédire le résultat d’un match sportif à l’aide de l’intelligence artificielle?

Le sport étant joué par des humains, il est impossible de prédire avec certitude le résultat d’un match sportif. Il y aura toujours une bonne part de hasard. Or, l’IA permet – sur un ensemble de matchs – de faire une meilleure prédiction que les experts humains, en prenant en compte une multitude de facteurs et en apprenant sur base des résultats de matchs passés comment ces facteurs sont associés au résultat. Le taux de fiabilité d’une prédiction IA varie de sport en sport, mais n’atteint jamais les 100%. Dans le football, un taux de 65% peut être atteint, ce qui est vraiment très bon (plus de 33% n’étant plus considéré comme du hasard).

Vous avez publié un livre sur la nouvelle relation entre la science et le sport (Statistics meets Sports – when figures are more than numbers), pouvez-vous nous expliquer votre approche? 

L’approche consiste d’abord à réfléchir, selon l’objectif fixé (prédire le score d’un match ou le vainqueur d’un tournoi, estimer les risques de blessure, déterminer une tactique de jeu, etc.), aux facteurs qui pourraient jouer un rôle important et à un modèle (statistique, machine learning, recherche opérationnelle,…) qui pourrait décrire la relation entre ces facteurs et l’objectif. Cette étape cruciale marque le départ de la recherche scientifique. Souvent, nous élaborons un nouveau modèle pour chaque problème en question. Puis, il s’agit de se procurer les données nécessaires – ce qui peut prendre beaucoup de temps – et de les introduire dans le modèle afin de l’aiguiser. Dans le cas d’une prédiction d’un match par exemple, cela revient à entraîner le modèle (l’IA) sur base de matchs passés pour lui faire apprendre le lien entre facteurs déterminants et le résultat du match, de sorte que notre modèle puisse faire une prédiction d’un match futur lorsqu’on lui fournit les facteurs des équipes jouant ce match.

Quelle est la prochaine étape pour l’IA dans le sport?

Une importante prochaine étape est la prévention de blessures. Que ce soit au niveau professionnel ou amateur, une blessure sportive peut avoir de lourdes conséquences. Il est donc important de trouver une manière d’estimer la probabilité de se blesser en pratiquant un sport donné et de connaître les facteurs de risque. Une telle analyse permettrait aux sportifs de réagir par conséquent et de réduire un certain type d’exercices, respectivement de s’entraîner autrement sur une certaine période de temps. L’utilisation de l’IA en prévention de blessures est assez récente mais on peut déjà constater un premier boom dans ce domaine.

Christophe Ley University of Luxembourg

Christophe Ley University of Luxembourg

Merci, Prof. Ley, pour ces éclaircissements. Et si cela a suscité votre intérêt et que vous voulez en savoir plus sur l’IA: Elements of AI est une série de cours en ligne gratuits sur l’intelligence artificielle (IA) créés par MinnaLearn et l’Université d’Helsinki, complétés par nos enseignants chercheurs de l’Université du Luxembourg. Rejoignez ce MOOC fascinant sur ce qu’est réellement l’IA, les opportunités qu’elle nous offre et la façon dont elle nous affectera dans les années à venir, sur .