Bienvenue à cette nouvelle session sur les dernières avancées en matière d’IA, de données et de technologie dans le football. Nous vous rappelons que vous pouvez poser des questions à tout moment via la boîte de questions et réponses située à droite de votre écran. Nous répondrons à autant de questions que possible tout au long de la discussion et vous pouvez également partager vos réflexions et vos tweets sur les médias sociaux en utilisant le #ftfootball. Je vais commencer par vous présenter mes invités. Nous avons la merveilleuse Vosse de Boode, responsable de l’analyse du football à l’AFC Ajax. Nous avons Sudarshan Gopaladesikan ? C’est parfait. Il est directeur de Football Intelligence à l’Atalanta BC. Et nous avons Stephen Smith, PDG et fondateur de Kitman Labs, basé aux États-Unis. Il s’agit donc de trois personnes dont le travail consiste à réfléchir aux applications des données, de la technologie et de l’IA dans le domaine du football et du sport en général. À ce propos, je suis conscient que chaque fois que nous parlons d’IA, et c’est de plus en plus souvent le cas de nos jours, cela peut signifier un certain nombre de choses. J’aimerais donc poser une question, en commençant peut-être par Vosse, mais nous pourrons faire le tour de la table. Qu’entendons-nous par applications ? De quoi parlons-nous ici ? Eh bien, je pense que cela diffère un peu des modèles plus traditionnels en ce sens que, comme les modèles traditionnels, ils sont assez bons pour prescrire ce qui s’est passé et, en quelque sorte, tirer des conclusions et espérer prédire qu’à l’avenir, cette tendance sera suivie. L’IA, quant à elle, s’intéresse un peu plus à ce qui aurait pu se produire ou à ce qui se produira dans un avenir proche, et elle a une sorte de composante d’auto-apprentissage. Elle est donc un peu plus capable d’effectuer des analyses complexes et des variables interconnectées que nous ne pensons peut-être pas liées, mais qui le sont en réalité. Cela permet d’obtenir des structures plus complexes et je pense qu’avec l’analyse des jeux, vous avez un jeu vraiment complexe à analyser. C’est utile. C’est utile. C’est vrai. Mais en fin de compte, ce n’est qu’un outil. C’est une autre méthode d’analyse. La question que vous cherchez. C’est certain. Mais je suppose que vous dites que nous nous éloignons du travail descriptif rétrospectif pour nous rapprocher des types de questions plus fluides auxquelles les analystes de performance et autres pourraient vouloir répondre. Oui, c’est vrai. Et Stephen, à quoi cela ressemble-t-il pour vous ? Je répète que nous avons ici deux personnes qui travaillent dans l’industrie du football. Vous travaillez dans d’autres sports et avec d’autres types de données. À quoi ressemble l’utilisation de l’IA dans votre travail ? Je pense qu’il s’agit de soutenir ces personnes. C’est vrai ? Nous travaillons avec des milliers d’équipes dans le monde entier, dans différents sports. Il s’agit vraiment de les aider à développer des outils qui leur permettent d’automatiser et d’améliorer l’efficacité de leurs processus quotidiens. Je pense que l’opportunité de l’IA en particulier est exactement ce que Vosse a dit, c’est-à-dire qu’elle n’est pas descriptive. Il ne s’agit pas seulement de regarder en arrière, de faire des rapports et de visualiser. Il s’agit vraiment d’aider à la prise de décision. C’est une question d’intelligence. C’est vrai ? Et je pense qu’il y a des aspects clés de ce que ces personnes font tous les jours qui nécessitent une énorme quantité d’efforts, beaucoup de travail, beaucoup de main d’œuvre, beaucoup de temps, et je pense que le rôle de l’IA est vraiment là où l’un des rôles de l’IA est de créer de l’efficacité et de leur permettre de traiter ces tâches plus rapidement et ensuite d’être en mesure de passer plus de temps à décortiquer cela, à travailler avec des coachs, à aider à traduire cela et à le transformer en quelque chose qui est réellement actionnable et compréhensible et qui peut être exploité et mis en pratique. J’allais donc ajouter quelque chose à cela. Je pense que si nous devions diviser cela en, disons, trois catégories principales, vous avez une sorte de travail qui peut être fait sur le marché des transferts et le commerce des joueurs. Il y a le travail d’analyse des matches, semaine après semaine, qui consiste à essayer de trouver des petits gains marginaux pour exploiter les faiblesses de l’adversaire, ce genre de choses. Et puis il y a, surtout, c’est un sujet important étant donné que beaucoup d’équipes ont des calendriers très encombrés, la récupération des athlètes, le rétablissement des athlètes, l’amélioration de la qualité de vie, etc. Il y a la récupération des athlètes, la prévention des blessures et le fait d’essayer de maintenir les joueurs en bonne condition physique. Et je pense que l’IA peut aider dans ces trois domaines. Nous le savons déjà, beaucoup de travail a déjà été fait dans le domaine des échanges de joueurs. Et peut-être que maintenant, il y aura plus de choses faites dans l’analyse des matchs et peut-être à l’avenir dans le domaine de la santé aussi. C’est certain. Sur ce point de l’analyse, les gens disent depuis des années, on pourrait les appeler les sceptiques de la technologie, les sceptiques des données, que le football est trop fluide. Il se passe trop de choses. Ce n’est pas comme les échecs, par exemple, où l’espace est très restreint. Ils affirment donc que les données et l’IA seront fondamentalement limitées dans ce qu’elles peuvent faire dans le football. En tant que personnes travaillant dans ce domaine, dans quelle mesure pouvons-nous aujourd’hui démontrer qu’ils avaient peut-être raison ou peut-être pas, compte tenu de la façon dont les choses ont évolué au cours des dix dernières années. À quoi ressemble la pointe de ces applications aujourd’hui ? Je pense qu’il est toujours amusant de parler de développement. Nous pensons toujours que le point où nous en sommes aujourd’hui, c’est le point où nous avons fini de développer ce genre de choses. Par exemple, à l’époque, nous avons vu un ordinateur de jeu d’échecs et nous nous sommes dit que c’était possible dans le football. Aujourd’hui, je dirais que nous n’en sommes pas encore au stade où nous pourrions dire que l’IA résoudra tous nos problèmes parce que vingt-deux personnes se déplacent simultanément et ont des compétences différentes, au lieu de jouer aux échecs avec une seule pièce à la fois et une moins grande variété de compétences. Nous dirions que ce n’est pas la solution pour décoder l’ensemble du jeu en une seule fois. Mais j’hésite un peu à dire que nous n’arriverons jamais au point où nous pourrons vraiment analyser dans une large mesure et prédire ce qui serait logique, comme les séquences et autres choses dans le football. Je suis un peu conscient du fait que nous ne pourrons jamais y arriver parce que je pense que c’est là que vous vous développez, et nous trouvons quelque chose de nouveau tout le temps, comme il y a deux ans, personne n’avait jamais entendu parler d’OpenAI et de ChatGPT, et maintenant nous l’utilisons tous. Mais d’un autre côté, nous n’en sommes pas encore au stade où nous pouvons dire, oh, oui. Nous pouvons en quelque sorte prédire comment ce match va se dérouler en nous basant sur le onze de départ, par exemple. Bien sûr. Et quelles sont les choses qui ont changé pour nous permettre d’améliorer notre situation actuelle ? Il y a évidemment le côté matériel des choses, comme le fait de pouvoir exécuter des modèles plus grands et ce genre de choses maintenant, et de les exécuter plus rapidement. Mais qu’en est-il des données réelles que nous utilisons ? Quels sont les points de données, Stephen, vous voulez peut-être intervenir là-dessus ? Avons-nous aujourd’hui ce que nous n’avions pas il y a cinq ans ? Je pense que la qualité de certaines des données que nous obtenons aujourd’hui, je dirais qu’au cours des douze derniers mois, nous commençons vraiment à voir un changement. Il y a trois ou quatre ans, nous n’obtenions que des données x y z sur les joueurs, des données sur le centre de masse des joueurs, alors qu’aujourd’hui, nous obtenons des données sur les événements qui nous permettent d’y faire face. Nous en sommes maintenant au point où nous obtenons des données biomécaniques. Nous obtenons des données sur le suivi des membres. Nous comprenons ce qui se passe au niveau des pieds, des chevilles, des genoux, des hanches, nous comprenons où ils regardent, et nous pouvons obtenir les deux côtés du ballon, alors qu’auparavant les données détaillées provenaient de la technologie portable qui vous permettait de voir votre équipe et personne d’autre. Aujourd’hui, avec les progrès que nous constatons dans certaines technologies biomécaniques et de suivi des membres, qui nous permettent de comprendre non seulement le bilan physique, non seulement les données de l’événement, mais aussi ce que la personne fait, comment elle regarde, comment elle scrute, cela ouvre un tout nouveau champ de possibilités en matière de prise de décision, et représente également une énorme opportunité. Je pense qu’en termes d’analyse technique tactique, c’est un domaine qui nous intéresse au plus haut point. Nous considérons qu’il s’agit là de la prochaine frontière en termes d’analyse vraiment détaillée, car il ne s’agit pas seulement de savoir où se trouvait la personne, mais aussi ce qu’elle faisait réellement, ce qu’elle regardait, vous savez, comment elle agissait dans ce contexte. Et aussi en termes d’efficacité, parce que si vous regardez l’assistance traditionnelle, vous verrez qu’elle est principalement constituée de vidéos et d’images fixes. C’est principalement de la vidéo, et encore aujourd’hui, les joueurs et les entraîneurs consomment de la vidéo parce que c’est la chose à laquelle ils peuvent s’identifier, alors que si je leur présente un graphique à barres, ce n’est pas quelque chose qui leur vient à l’esprit lorsqu’ils sont en mesure de faire ce qu’ils ont à faire. Sur le terrain. Il faut donc faire le lien avec une situation qui leur est familière, et je pense que la modélisation plus complexe que nous pouvons faire aujourd’hui, en particulier avec la superposition de données sur les événements. Il s’agit donc de savoir ce qui s’est passé, les données de position, où cela s’est produit, puis la vidéo, à quoi cela ressemblait, et ensuite d’utiliser les modèles pour sélectionner automatiquement les séquences où nous avons, par exemple, une contre-attaque après une certaine faute dans la défense. Cela permet à la vidéo d’économiser beaucoup d’argent, à moins qu’il ne faille passer en revue tous les matches et essayer de trouver ces moments. C’est comme si un pop up automatique apparaissait et que nous pouvions le faire en direct. Donc, oui, ce sont des choses qui ont rendu votre travail beaucoup plus intéressant. D’une part, et je pense que cela améliore aussi la qualité, parce qu’au lieu de trois matches, vous pouvez tout à coup choisir parmi tous les matches d’une saison ou de plusieurs saisons. Si je rêvais un peu, nous parlons toujours d’analyse de match, d’analyse de match. Vous savez, un match dure quatre-vingt-dix minutes, mais l’équipe s’entraîne entre le match moins quatre et le match moins un, et elle passe beaucoup de temps à l’entraînement. Et si vous réfléchissez à ce à quoi ressemble une séance d’entraînement, une séance d’entraînement ressemble à une collection de différents exercices créés par les entraîneurs. Et l’idée d’un entraîneur qui crée tous ces exercices, c’est qu’il espère que les exercices sur lesquels il va travailler pour ces joueurs seront très probablement le même type de modèles ou de schémas de jeu que ceux que l’on verra lors d’un match. Pour reprendre votre analogie avec les échecs, si je devais rêver à ce qui pourrait être possible avec l’IA et l’avènement de l’IA, je dirais que le jeu est en train de changer. Oui, le jeu se joue à vingt-deux joueurs, mais si vous regardez la balle, et peut-être le premier ou le deuxième rayon de ce qui se passe autour de la balle, il y a un petit jeu qui se déroule, qui est comme une situation quatre contre trois ou trois contre trois. Je pense que l’IA, grâce à sa capacité à trouver des modèles ou des relations entre les joueurs, ce qui n’est pas possible avec un modèle statistique traditionnel, nous aidera à dire que cette situation de quatre contre trois s’est produite, puis qu’elle s’est transformée en une situation de cinq contre six, puis que cette situation de cinq contre six s’est transformée en une situation de cinq contre six. Et cette situation de cinq contre six s’est transformée en une situation de deux contre un contre le gardien. Et si nous pouvons parler du jeu de façon séquentielle comme ces petits jeux secondaires, cela ressemble aux échecs. Oh, le cavalier B 1 s’est déplacé sur la case C 7. Je ne suis pas du tout un expert en échecs, mais j’espère que cela a du sens. Mais je pense que l’IA peut nous aider à comprendre, en quelque sorte, ce qu’est un jeu d’échecs. Quelle est la cause et l’effet de toutes ces choses différentes ? Et enfin, le plus grand rêve, c’est de savoir quel est le retour sur investissement de tous ces différents exercices de formation. Par exemple, nous passons trois heures à travailler sur les corners, ou nous passons trois heures à travailler sur les contre-attaques. Voyons-nous réellement ce retour sur investissement en termes de XG générés ou de buts marqués ? Cela correspond. Nous pouvons alors comprendre. C’est encore plus simple. Par exemple, combien de temps passons-nous sur le terrain pour chaque mini-match et combien de temps passons-nous à nous entraîner ? Et à quel point cela s’améliore-t-il ? Oui, c’est ça. C’est ça. Oui, c’est ça. Non. C’est difficile d’être un rêveur. Une question à ce sujet, et avec Stephen ou n’importe qui d’autre : quels sont les points de données dont vous auriez besoin pour pouvoir faire cela ? Par exemple, si vous voulez suivre ces séances d’entraînement, évidemment, vous savez, la durée des séances d’entraînement, c’est très bien. Mais je suppose que vous aurez besoin de plus d’informations pour savoir, par exemple, ce que vous faites lorsque vous introduisez ces données dans un modèle et que vous voyez si cela a fonctionné pour un joueur ou pour une équipe. Quels sont les éléments d’information dont vous auriez besoin sur ces exercices pour être en mesure de faire cette évaluation ? Je pense que beaucoup d’équipes et d’entraîneurs essaient de comprendre quel est l’impact de ce qu’ils font, quels sont les bons exercices à utiliser, qu’est-ce qui provoque le résultat en termes de performance dans un match, lorsque nous avons un certain temps avec nos athlètes chaque semaine, choisissons-nous les bons exercices ?La difficulté réside dans le fait que de nombreux clubs ne collectent pas les données de qualité nécessaires à cet effet.Il ne suffit pas de comprendre, par exemple, les exigences physiques imposées à un athlète lors d’une séance d’entraînement ; il faut aussi comprendre chaque exercice.Vous devez comprendre les principes d’entraînement, les résultats tactiques ou techniques que vous essayez d’obtenir par le biais de ces exercices.Je pense qu’il arrive souvent que des entraîneurs ou des équipes d’entraîneurs essaient de comprendre quels sont les entraîneurs qui ont le plus d’impact, quels sont ceux qui sont réellement en train de livrer la marchandise.Tous les athlètes ne participent pas à chaque exercice d’une séance d’entraînement, tous les entraîneurs ne participent pas à chaque exercice.Cela signifie que vous devez comprendre qui a participé à chaque exercice, quels entraîneurs ont participé à chaque exercice.Si nous voulons être intelligents, nous devons donc disposer d’un contexte très large pour les données, ce qui n’est pas le cas dans la plupart des organisations aujourd’hui.C’est ce qui se passe aujourd’hui dans la plupart des organisations.Vous pouvez utiliser la vision par ordinateur pour cela.Ce sera formidable.Cela changerait absolument la donne.Mais même si vous parlez à certains experts dans ce domaine aujourd’hui, alors qu’ils sont capables de collecter des données de très haute qualité lors d’un match, ils ont la carte complète du terrain, ils ont toutes les lignes lorsque vous allez à un entraînement ou à un centre d’entraînement pour quelqu’un.C’est complètement différent, et ils ne sont pas encore aussi sophistiqués.Mais même dans ce cas, de nombreux clubs ont désormais accès aux données relatives à la position et à l’événement, mais il ne s’agit que de savoir ce qui se passe à tel ou tel endroit.Oui.Quand.Exactement.En revanche, je pense que notre club s’appuie fortement sur notre académie de jeunes.La question est donc de savoir comment ils y sont parvenus.Oui.Et c’est là que les données 3D suivantes proviennent maintenant de la vidéo, et elles ne sont pas précises à cent pour cent.Ce n’est pas comme ce que l’on obtient en laboratoire, mais nous y arrivons.C’est à ce moment-là que s’ouvre un tout nouvel ensemble de données.On se demande en fait comment ils ont pu réaliser une telle prouesse.Et je pense que ce sera, encore une fois, très intéressant et que cela éclairera un peu notre vision de ce sur quoi nous devrions nous concentrer.Parce qu’en fin de compte, nous payons beaucoup d’argent pour des joueurs qui peuvent faire des choses exceptionnelles.En effet, nous payons beaucoup d’argent pour des joueurs qui peuvent faire des choses exceptionnelles.Mais nous ne mesurons presque jamais à quel point ils sont réceptifs, à quel point ils sont exceptionnels. C’est vrai. Et c’est pourquoi nous parlons de choses comme la pose du corps. Comme les données sur le squelette. Alors, comment, où est-ce qu’ils scannent ? Les gens parlent toujours d’une chose qui fait de Brian un grand, c’est qu’il est déjà il est il est ce n’est pas seulement l’endroit où il est.C’est la façon dont il fait face.Ouais.Et même la position du corps lors de la réception d’un ballon détermine l’endroit où il peut s’éloigner rapidement, sinon il sera coincé.Donc, si vous en arrivez au point où vous pouvez regarder cela chez les moins de 14 ans et vous dire, d’accord, voici les joueurs qui ont l’air vraiment bien pour ça, et puis qui sont ceux qui ont besoin de se concentrer un peu plus sur l’enseignement avec Martin, et ce genre de choses.C’est super.Stephen, une question plus générale pour vous.Vous travaillez dans tous les sports, vous avez passé beaucoup de temps aux Etats-Unis.Quelle est la question la plus simple ? Le football américain, le vrai football.En comparant les deux, lequel est le mieux placé en ce moment pour tirer parti de l’IA en termes de données.Je pense que c’est différent partout.Je ne pense pas que l’on puisse dire qu’une organisation est mieux placée que l’autre.Je pense que ce que nous voyons aux États-Unis, c’est que des domaines tels que le skyding et le recrutement sont exceptionnels parce qu’ils n’ont pas, par exemple, de systèmes d’académie comme nous en avons dans le modèle européen et dans le football réel.Ils doivent donc être excellents dans ce domaine parce qu’ils ne pensent pas au développement des joueurs.Ils pensent aux saisons.C’est tout.Et je pense que ce que nous avons fait de mieux en Europe, c’est le développement des joueurs, la santé et la sécurité des joueurs, les aspects scientifiques du sport.Je pense donc que le modèle européen est bien plus avancé que le modèle américain dans ces domaines.Et je pense que c’est simplement dû à la culture, à la façon dont leur jeu est conçu, à la façon dont leur académie ou l’absence de système d’académie est mise en place.Et je pense que ce que cela suggère, c’est qu’il y a une énorme opportunité pour plus de partage de connaissances à travers, par exemple, différents sports pour, par exemple, prendre ce qui a fonctionné et ce qui n’a pas fonctionné dans différentes organisations.Je pense qu’il y a aussi une énorme opportunité pour chaque organisation au niveau mondial d’adapter les données et l’analyse à l’ensemble de leur fonctionnement, alors qu’aujourd’hui, la plupart des clubs sont très bons dans un ou deux domaines, mais pas dans tous les domaines.C’est vrai.Vous êtes bons dans la recherche d’une réponse, mais en fait vous pouvez savoir comment quelque chose est fait, mais être capable de le faire est une chose différente.C’est vrai ?Donc, pour vraiment l’appliquer et le traduire en quelque chose que les joueurs peuvent comprendre, je pense que c’est ce qui est parfois négligé.La traduction de ce que cela signifie réellement et la façon dont on transforme la science des données et l’analyse en langage d’entraîneur, en langage footballistique, et la façon dont on rend cela accessible aux gens, je pense que cela s’est perdu.Et je pense que c’est pour cela que dans beaucoup de clubs, ce n’est pas bien adopté.Je pense que l’application la plus efficace pour nous a été la modélisation plus complexe, par exemple, de l’espace disponible pour une bonne option de passe offensive. C’est lorsque nous avons superposé les zones que le modèle montrait sur le terrain, sur la vidéo par exemple, qu’ils ont pu se voir en train de courir et qu’ils se sont dit qu’à ce moment-là, il y avait une meilleure option de pause. À ce moment-là, ce joueur était dans une meilleure position.Et je veux dire, c’est quelque chose que vous pouvez faire en regardant un clip, mais c’est vraiment bien si vous avez comme le résultat des succès et des échecs. Et vous pouvez vraiment voir, ok, ce sont cinquante clips, ce sont ceux qui ont échoué, ce sont ceux qui ont réussi, et vous pouvez immédiatement utiliser cela comme une sorte de matériel d’étude.C’est presque une sorte de réalité augmentée.C’est comme, en quelque sorte.Oui.On veut juste prendre ce qu’on a déjà.Ne rien enlever, mais ajouter plus d’informations.Juste ajouter, comme, le temps de vraiment augmentée.Oui, c’est ça.L’un des téléspectateurs nous a posé une excellente question en parlant de différents sports. Quelqu’un a fait remarquer qu’en NBA, nous avons assisté à une sorte d’optimisation des stratégies de basket-ball au cours des dix dernières années environ, à mesure que davantage de données nous parvenaient.Ainsi, plus de trois points, plus de tirs gratuits pour plus de tirs à trois points, ce genre de choses.Est-ce qu’il y a un risque – je veux dire, je ne sais pas si j’ai besoin de formuler cela comme un point négatif, mais est-ce qu’il y a un risque que le football devienne une sorte d’optimisation étroite.On voit apparaître des sortes de hacks où quelqu’un s’est rendu compte que ça marche à tous les coups.Est-ce que vous pensez que c’est une chose qui est en train de se produire ?Serait-ce une mauvaise chose ?Comment cela affecterait-il le sport ?Il y a une blague dans notre région.C’est vraiment une blague d’intellos.Il s’agit d’un algorithme auto-apprenant qui entre dans un bar et à qui le barman demande ce qu’il veut boire.L’algorithme regarde autour de lui et se demande ce que les autres boivent.Si nous nous basons uniquement sur ce qui s’est passé auparavant, cela ne mène pas vraiment à la créativité, et je pense que c’est la beauté du football que d’avoir toujours une longueur d’avance.Utiliser ces modèles à son avantage, mais aussi savoir comment les tromper et trouver une meilleure stratégie.Bien sûr. Et je pense que les styles de football ont changé il y a vingt ans.Le jeu était différent de ce qu’il est aujourd’hui.Donc la solution qui résout le problème du football aujourd’hui ne fonctionnera peut-être plus du tout dans quelques années.Je pense donc que c’est probablement une chose que les équipes pourraient utiliser pour optimiser l’offre et la demande de joueurs talentueux.En général, on parle toujours des mêmes noms parce qu’on a peur de manquer quelque chose ou de prendre une mauvaise décision.Les agents insistent sur les mêmes noms, typiquement, ce genre de choses, et cela tend alors à limiter le vivier de talents que les équipes recherchent. Je pense qu’en utilisant l’IA ou les données et en ayant des stratégies différentes. La flexibilité tactique, le rôle, la flexibilité d’un joueur ou d’une équipe sont très importants, et vous pouvez en fait améliorer le vivier de talents que vous examinez. Ainsi, au lieu de recycler constamment les mêmes quinze ou vingt noms, comme, par exemple, d’accord. Tous les concurrents qui ont le même profil de revenus que l’Atalanta regardent les mêmes quinze ou vingt noms.Peut-être qu’avec ce genre de stratégies, nous ne pouvons pas les optimiser ou les exploiter à cent pour cent tout le temps, mais nous pourrions les utiliser au bon moment, à la bonne fenêtre, pour dire, vous savez, notre vivier de talents n’est pas seulement composé de vingt personnes.Nous allons nous intéresser à trente-cinq personnes.Et ici, nous pourrions être en mesure de trouver une valeur intéressante ou des choses que d’autres équipes ne regarderaient pas.Oui, c’est vrai.Tout à fait.Et puis une question intéressante sur ce que tout cela signifie pour les joueurs, vous savez, nous sommes tous ici en train de parler de l’application des choses aux personnes.Encore une fois, je me réfère à la NBA et à certains joueurs de basket-ball qui ne sont pas très enthousiastes à l’égard des technologies portables.Ils sont tous en train d’effectuer un suivi.Stephen en est peut-être un pour vous.Est-ce que cela revient, est-ce que c’est un problème dont nous devons nous préoccuper ?Les gens ont-ils semblé l’accepter dans l’ensemble ?Je pense que les sports américains sont fortement syndiqués.Il y a donc eu une crainte de la collecte de données à cause de cela, parce qu’ils craignent que cela n’ait un impact sur leurs poches, ce qui est juste.Mais en réalité, ces organisations investissent d’énormes sommes dans les talents, et le coût des talents monte en flèche à une vitesse incroyable dans tous les sports du monde.Je pense que cela signifie qu’il faut pouvoir exploiter les données pour mieux s’occuper d’eux, pour les aider à donner le meilleur d’eux-mêmes et pour libérer leur potentiel – voilà l’opportunité.Et je pense que c’est ce que toutes les personnes à qui nous parlons, et certainement ce que ces personnes font tous les jours, cherchent à maximiser ce potentiel.Il ne s’agit certainement pas d’essayer d’enlever des athlètes.Nous n’avons pas de jeu sans eux.C’est vrai ?Ils sont comme le talent qui surpasse tout et notre travail consiste à essayer de les soutenir et de les aider de toutes les manières possibles.Je me réjouis donc d’un avenir où ils adoptent la technologie et les analyses de ce type.C’est aussi la raison pour laquelle certaines choses, comme certaines technologies optiques et de type, vous savez, qui arrivent maintenant, vont nous aider parce que nous n’avons pas à leur demander de les mettre en place.C’est probablement la raison pour laquelle l’IA est si excitante, car elle peut nous fournir davantage de données sans dépendre de l’apport humain.Oui, c’est vrai.Et je pense que nous avons maintenant affaire à la génération Z, qui est beaucoup plus numérique.Ils sont tellement habitués à obtenir des évaluations, des appréciations, des likes, qu’avant, ils allaient au restaurant et demandaient à un ami quel était le bon restaurant.Aujourd’hui, il suffit d’aller en ligne et de consulter les évaluations, pour voir si cela vous convient. Ils ont une façon complètement différente de consommer l’information. Et je pense que nous devrions être prêts à répondre à leurs questions, parce qu’elles seront beaucoup plus importantes que celles auxquelles nous avons été habitués par les générations précédentes. C’est nouveau pour nous. Oui, c’est vrai. Vous remarquez que les joueurs nés, disons, après 2000, ont une approche différente des statistiques et des données par rapport à ceux nés dans les années quatre-vingt.Au début, ils pensent beaucoup plus individuellement : comment je me débrouille au sein de l’équipe ?Que fait-elle pour moi ?Et ils sont bien plus habitués à recevoir toutes ces informations de toute façon.Donc, oui, je vois que cela se développe de plus en plus et qu’ils veulent en quelque sorte prendre le contrôle de leur carrière, qui est très courte.C’est une dizaine, voire une quinzaine d’années avec un peu de chance.Et c’est une courte période pour se développer.Alors pourquoi ne pas saisir toute l’information possible et être le joueur le mieux informé qui soit, ça ne ferait pas de mal.Je veux dire, ça ne ferait pas de mal.Je pense qu’Austin et moi en avons parlé avant la séance d’aujourd’hui.Ce n’est pas seulement avec l’avènement de l’IA que nous avons plus d’informations à donner au joueur, mais avec des choses comme OpenAI et ChatGPT pour montrer que, hé, nous pouvons avoir un concept qui est un peu comme je peux donner un exemple sans donner de nom, je peux donner un exemple, il y avait un attaquant qui voulait vraiment, vous savez, travailler sur sa capacité à marquer plus de buts et à être naturel.Vous êtes un attaquant.Mais sans réaliser, vous savez, l’importance de petites choses comme le jeu de liaison ou sans réaliser l’importance de choses comme tenir l’arrière, vous êtes dos au but et être capable de tenir le ballon, quelque chose que, comme, Lukaku est très bon à Roma.Et, vous savez, avec l’IA, vous pouvez simplement dire, hé, montrez-moi tous les joueurs de référence qui marquent beaucoup de buts, mais qui font aussi ces choses, comme, vous savez, manger des légumes.Donc, toutes ces autres choses qui sont importantes pour devenir un attaquant de pointe, pouvez-vous me montrer des exemples de ces joueurs qui les font en vidéo ?Pouvez-vous me montrer ces exemples de joueurs qui le font contre des adversaires de haut niveau ?L’IA peut alors travailler sur la façon dont le joueur apprend le mieux et peut être utilisée comme un outil pédagogique.Ainsi, nous avons, vous savez, pour cet apprenant audio, nous avons peut-être de l’audio.Pour l’apprenant visuel, nous avons la vidéo et d’autres choses comme ça.Pour quelqu’un qui aime les graphiques à barres, nous avons des biographies et des parties éparpillées pour cela.Nous avons des biographies et des parties dispersées pour cela.Il y a peut-être un joueur qui aime les biographies parce que c’est vraiment intéressant parce que ma question ignorante allait être : est-ce qu’il n’y a pas un danger qu’avec des joueurs qui sont plus au fait des statistiques, ils deviennent plus égoïstes parce qu’ils regardent plus leurs chiffres et les optimisent.Mais vous faites une très bonne remarque qui serait aujourd’hui tout à fait logique, à savoir que c’est plutôt ce que faisaient les joueurs il y a peut-être vingt ans.Ils étaient plus concentrés sur le fait de marquer des buts parce qu’ils n’avaient pas toutes ces autres statistiques, comme les passes décisives attendues, et comme vous le dites, toutes les autres images de la façon dont un joueur peut contribuer, et maintenant un joueur peut vraiment apprécier et quantifier plus de choses qu’il fait.C’est très bien. C’est bien. Un autre point qui a été soulevé plus tôt concerne les agents. Cela m’intéresse. L’IA pourrait-elle perturber le secteur des agents sportifs en éliminant un peu plus les aspects politiques, la poudre aux yeux, les personnes que l’on connaît et ce que l’on sait ?Et en quantifiant plus clairement la valeur d’un joueur.Pensez-vous qu’il y a des agents qui se demandent ce qui se passera lorsque mon joueur pourra négocier avec sa propre feuille de calcul ?Ou bien pensez-vous qu’il y a d’autres agents qui apportent de plus en plus de données dans leur agence en sachant que cela va devenir plus important dans les négociations ?Je pense qu’il s’agit simplement d’être bien informé.Et je pense qu’être agent, c’est bien plus que cela.Je ne l’utiliserais donc qu’à mon avantage si j’en étais un.Je ne pense pas que cela puisse remplacer quoi que ce soit.Je veux dire, cela peut donner, comme, clair, comme, même une meilleure vue d’ensemble, comme, hey, ce Club n’est peut-être pas si enthousiaste, mais il y a, comme, trois autres Clubs qui correspondent à vos droits de profil.C’est ce qu’il faut essayer de faire.Je pense donc que cela ouvre des opportunités plutôt que de fermer des portes.Bien sûr. Bien sûr. Et j’allais poser une question similaire à vous trois.Quel est le potentiel de l’IA pour perturber vos emplois ?Et je ne veux pas, je ne veux pas, pour être clair, quand je dis perturber, je ne veux pas dire remplacer, mais simplement comment vos emplois seront-ils différents ou comment sont-ils aujourd’hui par rapport à il y a dix ans, il y a cinq ans, avez-vous dû avoir des compétences différentes ?Est-ce que le quotidien est différent en fonction de cette nouvelle technologie ?Oui.Je pense que la partie la plus importante de mon travail consiste à utiliser les analyses, mais aussi à les traduire.Je me fiche de savoir s’il s’agit d’un modèle d’IA ou d’une régression logistique que nous utilisons depuis longtemps, ou si nous additionnons le nombre de contre-attaques par rapport au nombre de corners que nous marquons.Pour moi, c’est comme si je devais m’assurer que cela correspond aux objectifs sur lesquels nous travaillons et que cela correspond à l’objectif de l’équipe ou à la stratégie du club.Il faut donc commencer par la stratégie, puis répondre à des questions qui vous aident à améliorer cette stratégie pour atteindre vos objectifs.Pour moi, l’IA n’est qu’un outil supplémentaire.Et j’espère qu’il y aura beaucoup d’autres outils formidables dans les années à venir.Pour moi, le cœur du métier reste donc le même.C’est juste que les méthodes changent un peu.Bien sûr. Je pense, oui, je pense que pour moi, nous voyons déjà beaucoup d’avantages compétitifs que les équipes utilisent avec les données dans les échanges de joueurs, l’analyse des matchs et le développement des joueurs, des choses comme ça. Et je pense que cela va continuer à s’améliorer, jusqu’à ce que beaucoup de choses soient automatisées du point de vue tactique. Il y aura toujours des choses à améliorer et des choses à découvrir. Mais cela pourrait nous donner un peu plus d’espace pour penser à des choses plus difficiles à résoudre : Comment tirer le meilleur parti de ce que nous avons aujourd’hui ? Comment tirer le meilleur parti de l’effectif dont nous disposons actuellement, non pas d’un point de vue tactique, mais d’un point de vue de la motivation des joueurs, de l’amélioration de la collaboration entre deux joueurs, du développement du caractère. Je pense que l’une des choses les plus importantes auxquelles nous pensons, c’est, vous savez, ce joueur est bien noté sur certains modèles, mais est-ce que ce joueur a les bonnes caractéristiques du point de vue du comportement, de la personnalité. Nous pourrons alors peut-être commencer à travailler un peu plus sur la construction de l’équipe, pas seulement du point de vue tactique et technique, mais aussi sur la construction de l’équipe en termes de ce que signifie avoir le bon nombre de joueurs seniors, le bon nombre de jeunes joueurs en devenir. Qu’est-ce que cela signifie d’avoir le bon nombre de mentors, et de travailler vraiment sur ces éléments plus doux de la construction de l’équipe, et de faire savoir à Chelsea quand vous aurez les réponses. Mais parlez-moi un peu de cela, comment les données entrent-elles en ligne de compte ?Je suis tout à fait d’accord avec vous, mais ce qui est Oh, je disais juste que les données aident à nous donner, elles ne peuvent pas encore résoudre toutes les choses tactiques, mais elles nous donnent un plateau agréable où nous pouvons nous sentir à l’aise avec, ok, nous sommes capables d’évaluer la capacité technique et tactique d’un joueur.Ce qui nous permet, en tant qu’êtres humains, d’utiliser notre intuition, notre sens de l’empathie, notre intelligence émotionnelle, pour nous concentrer sur des problèmes pour lesquels nous ne pouvons peut-être pas encore utiliser les données.C’est ainsi que cela change complètement le paysage dans mon domaine, parce que vous pouvez l’entendre de la bouche de ces deux personnes, c’est que nous ne sommes plus fixés sur la résolution de l’élément tactique, de l’élément technique.En fait, le souffle et la nature globale des questions auxquelles ils veulent répondre sont énormes.Cela signifie que l’on passe complètement de données fragmentées à des données contextuelles très riches et complètes dont on peut extraire des informations sur les performances.Il ne s’agit pas seulement de résoudre un problème de flux de travail et de faire quelque chose ici, il s’agit en fait de répondre à des questions vraiment intéressantes, vraiment, vraiment, impactantes.Et cela signifie que le changement pour les gens dans l’espace technologique, comme moi, est que la complexité des problèmes que nous résolvons a été multipliée par un facteur.Et ça, vous savez, ça crée une quantité énorme de défis.Et je pense que cela signifie que si vous êtes une entreprise technologique, que vous êtes dans cet espace et que vous vous concentrez sur une petite parcelle myope, vous aurez des problèmes.Et si vous vous concentrez sur, vous savez, une base de données, je pense que c’est déjà fini pour vous parce que la dernière chose dont cette industrie a besoin, c’est d’une autre base de données.C’est vrai ?Nous avons besoin d’intelligence.Nous avons besoin d’informations.Nous avons besoin de choses sur lesquelles nous pouvons agir.Alors oui, c’est presque l’exemple classique de ce que les gens disent souvent à propos de l’IA, c’est qu’elle ne supprime pas les emplois.Elle se débarrasse des tâches et vous donne plus d’espace pour accomplir des tâches plus importantes et de meilleure qualité.Et j’ai l’impression que dans le domaine du sport, cela s’applique plus que partout ailleurs. Je pense que l’une des choses, si vous pensez aux modèles de langage plus importants comme Open AI, c’est qu’ils pourraient en quelque sorte ouvrir l’analyse à un public plus large parce qu’ils abaissent en quelque sorte le niveau d’expertise nécessaire pour poser des questions aux ensembles de données. Cela se produira donc également à grande échelle. D’un autre côté, je vois déjà des modèles peu réfléchis ou peu testés, et les gens commencent à les utiliser comme une vérité parce que c’est un chiffre, donc il doit être juste, sans tenir compte du fait que vous évaluez le joueur sans prendre en compte la concurrence dont il est issu ou que votre étude a joué avec, et vous n’êtes pas conscient que le modèle ne prend pas cela en compte, mais vous mettez cela dans un tableau de bord tape-à-l’œil et c’est votre nouvelle vérité. J’ai l’impression que c’est l’une des erreurs que certains clubs commettent aujourd’hui, c’est-à-dire que le nouveau directeur se dit : « Oh, j’ai ce super outil. Il a beaucoup d’intelligence derrière lui.Il y a de l’IA, donc il doit être génial.Et voici ma vérité : en fin de compte, si vous prenez des décisions ou si vous êtes dans le club, vous avez la responsabilité, au moins dans une certaine mesure, de comprendre ce qu’il fait et ce qu’il ne fait pas, parce que si vous faites des erreurs en vous basant sur lui, vous êtes responsable, vous ne pouvez pas mettre l’algorithme derrière les barreaux parce qu’il est raciste, n’est-ce pas ?C’est vous qui êtes responsable du développement de ce modèle.C’est vous qui êtes responsable de l’élaboration de ce modèle.Et c’est la même chose, si vous allez dépenser vingt millions pour un joueur, vous devez vraiment savoir ce que le modèle peut faire et ce qu’il ne peut pas faire. Il peut sembler tape-à-l’œil s’il est nouveau, mais il ne faut pas avoir peur de poser des questions et de dire, comment ça marche en fait, alors nous en parlions avant d’arriver ici, à propos de cette idée que dans le football, vous êtes presque en termes de rôle basé sur les preuves, vous êtes si proche des résultats.On est tellement proche des preuves qu’il n’y a nulle part où se cacher.Vous ne pouvez pas travailler sur un produit pendant cinq ans et le découvrir plus tard.C’est le samedi qu’on le découvre.Le risque de perte est comme vous venez de le dire.Si vous vous trompez, vous risquez presque de jeter le bébé avec l’eau du bain, toute la stratégie sur laquelle vous avez travaillé, quelqu’un vous dira : « Vous nous avez dit de faire ceci.Vous nous avez dit de signer tel joueur ou de jouer les coups de pied arrêtés de telle manière.Comment gérez-vous ce risque ?C’est le grand classique, comme si un grand pouvoir impliquait une grande responsabilité.Quelles conversations avez-vous ?Comment gérez-vous vos attentes quant à ce que vos outils peuvent et ne peuvent pas faire ?Je suis tout à fait d’accord avec vous.Je pense que la plus grosse erreur que l’on puisse commettre au sein de l’équipe est, d’une part, de briser la structure des salaires et, d’autre part, de dépenser beaucoup d’argent pour les transferts, ce qui pourrait affecter les trois ou quatre prochaines fenêtres, surtout en ce qui concerne les échanges de joueurs. J’aimerais vous donner un petit exemple de l’époque de Benfica, lorsque nous essayions de comprendre comment utiliser les données pour évaluer les jeunes joueurs qui sortent de l’école et quels joueurs pourraient convenir à l’Académie de Benfica. Vous serez surpris de voir tout ce que vous pouvez faire en utilisant simplement la métrique du nombre de minutes jouées par un joueur. Et, évidemment, vous savez, un enfant de treize ans qui joue des tonnes de minutes au niveau U treize, mais qui obtient également des minutes non négligeables au niveau U quinze dans cette région locale du Portugal. C’est probablement un bon signe, vous savez, qu’il y a du talent là-dedans. Nous ne connaissons peut-être pas toutes les caractéristiques exactes de ce joueur, mais il s’agit d’un enfant de treize ans qui joue beaucoup. Le samedi, il joue beaucoup le vendredi pour les moins de quinze ans. C’est une donnée intéressante. Et je pense que pour nous, ce que je dirais, c’est qu’il y a beaucoup de choses que l’on peut faire maintenant, avec les données dont nous disposons.Même si vous n’avez que des données sur les événements, et non pas des données de suivi x y, vous pouvez toujours créer de bons avantages concurrentiels.Si vous savez quelle est votre vision, quelles sont les questions à poser, quel est votre objectif, si vous êtes une équipe qui veut gagner des matchs, si vous êtes une équipe qui veut peut-être augmenter la valeur de l’équipe de vos joueurs de l’académie, vous savez, être vraiment clair sur ce qu’est votre objectif.Ensuite, il faut avoir des tableaux de bord et des modèles statistiques qui utilisent des relations précises entre le dribble, la passe, la défense bla bla bla et la victoire.Une fois que vous avez établi cette sorte de base, vous pouvez dire que même si notre stratégie d’IA échoue ou si notre stratégie d’IA nous dit quelque chose comme de tirer plus près du but, il sera probablement mieux pour vous de marquer.Quelque chose de très évident.Ce n’est pas grave.Vous pouvez toujours vous rabattre sur cette approche qui fonctionne parce qu’il y a des équipes qui réussissent aujourd’hui avec une approche sans nécessairement utiliser l’IA.C’est vrai.Et une fois que vous avez cette sorte de base commune, allez-y à fond.Je reviens donc sur le fait que certaines équipes utilisent l’IA, d’autres non.Une question posée par l’un des téléspectateurs : pensez-vous que l’IA axée sur la performance deviendra accessible à tous les niveaux du jeu ?Est-ce que c’est quelque chose qui va se démocratiser ou est-ce que c’est quelque chose qui va profiter aux plus grands clubs et aux plus grandes organisations ?Je pense que l’IA ouverte est désormais accessible à tous.En fait, je pense que les gens apprécieront de voir un match à travers les yeux d’un joueur, de voir où se trouvent les espaces libres qu’ils rechercheraient autrement qu’en regardant un ballon, ce qui n’est pas une offense, mais beaucoup de fans ne font encore que regarder le ballon.Je pense que ces modèles peuvent vraiment aider à rendre le jeu plus amusant à regarder et à l’envisager d’un point de vue littéralement différent.Je pense que le football du lundi soir au Royaume-Uni, par exemple, permet déjà d’approfondir la tactique et de parler des buts attendus, etc.Il s’agit d’une accélération ou d’une poursuite de cette tendance, avec une compréhension de plus en plus approfondie de ce qui se passe dans le match. Je pense qu’il est possible de créer une intimité au sein du jeu pour les fans. Je pense que plus l’IA et l’analyse seront avancées, plus il sera possible d’expliquer, essentiellement, ce à quoi ressemble une performance exceptionnelle. Je pense que dans une large mesure, nous serons en mesure de décoder les performances. Et si nous parvenons à l’expliquer suffisamment, je pense que la radiodiffusion et les médias pourront commencer à l’exploiter et à comprendre ce qui rend les gens incroyables, ce qui rend certaines choses incroyables. Qu’est-ce que c’est ? Oui, c’est ça. Exactement. Par ailleurs, j’ai une amie qui vient de commencer à travailler pour une initiative autour du football féminin, Mercury Thirteen.Nous parlons beaucoup du football féminin, qui est probablement différent du football masculin.J’ai travaillé pendant moins d’un an avec l’équipe féminine aux États-Unis, et elles semblent beaucoup plus intéressées par la communication entre elles et par la recherche de moyens de faire avancer le ballon plus près du but, par groupes de trois ou de quatre, par exemple.Parfois, une équipe masculine se dit : « D’accord, j’ai la vitesse et la puissance.Ou si vous me donnez le ballon, je peux atteindre le but moi-même, ce qui est tout à fait normal.Il y a de multiples façons de rapprocher le ballon du but.Je pense que l’IA peut nous aider à apprécier et à célébrer le fait que le football se joue différemment.Et nous pouvons mieux raconter ces histoires, vous savez, pour en revenir à l’engagement des supporters, parce que, oui, le football féminin et le football masculin sont deux types de football différents.C’est vrai.Oui, c’est vrai.Et puis, une dernière question, puisque nous manquons de temps : voyez-vous les autres rôles, comme les rôles de footballeur senior, quel que soit le football dont nous parlons, les entraîneurs, les managers, deviennent-ils plus à l’aise pour parler de ces choses, deviennent-ils presque plus quantitatifs ?Ou est-ce que tout cela se passe plutôt dans une pièce séparée et que les managers restent les managers qu’ils ont toujours été ?Plusieurs instruments.Je pense certainement qu’ils deviennent plus curieux.Non, c’est le mot que j’emploierais probablement.Je pense que dans la plupart des sports, on observe une tendance à exploiter les données et les analyses.Et je pense que cela signifie qu’il y a un appétit.J’ai eu cette conversation avec quelqu’un il y a quelques jours, lors d’une conférence la semaine dernière, et il m’a dit que nous voyons beaucoup de jeunes entraîneurs arriver et que nous pensons que cela change les choses. En fait, je pense que oui, mais il y a aussi beaucoup d’entraîneurs très expérimentés avec lesquels nous travaillons qui savent que le jeu évolue et que, pour qu’ils puissent continuer à faire ce qu’ils font tous les jours, ils doivent aussi évoluer. Et la plupart des cultures sont assez intelligentes. Mais si vous lui demandez, seriez-vous l’entraîneur le mieux informé ou le moins informé ? Que choisiraient-ils ? Oui, c’est ce qu’ils choisiraient. C’est en gros ce que vous faites. C’est ça ? Et ils peuvent prendre la décision, mais au moins ils sont informés. Oui, c’est vrai. Oui, c’est ça. Eh bien, mesdames et messieurs, merci beaucoup pour tout cela. Le patron l’a dit, Stephen, cette conversation a été fantastique. J’ai vraiment apprécié. Je tiens donc à remercier tous ceux qui nous ont regardés et qui ont posé d’excellentes questions. Je vous rappelle que cette session sera disponible à la demande pendant 90 jours sur le site web de l’événement. Dans quelques minutes, mon collègue James Fontanella Khan, rédacteur en chef du FT pour le financement des entreprises et les transactions aux États-Unis, présidera une table ronde sur le football américain avec Jessica O’Neil, présidente des opérations commerciales du Houston Dynamo, Steve Horowitz, partenaire d’inner circle sports, et Cara Nordman, cofondatrice d’Angel City SC. Nous serons bientôt de retour.