L'IA peut-elle analyser un match amateur ?

L'analyse automatique existe et fonctionne — sur des images de télévision : plans hauts, caméras multiples, joueurs professionnels aux maillots contrastés. Les modèles ont été entraînés là-dessus. Une vidéo de club, prise à quatre mètres de haut depuis la touche, avec des maillots d'entraînement et un ballon qui disparaît derrière un joueur deux fois par minute, est un autre problème. Voici ce que donne, aujourd'hui, chaque promesse sur ce type d'image.

Détecter les joueurs : oui

Repérer qu'il y a une personne à tel endroit du terrain marche bien, même sur une vidéo amateur, même à soixante mètres. C'est la base de tout le reste, et c'est solide. Les erreurs viennent des spectateurs debout derrière la ligne, des remplaçants qui s'échauffent, et de l'arbitre : le modèle les compte comme des joueurs, et il faut lui dire où s'arrête le terrain.

Suivre le ballon : à moitié

Le ballon est petit, souvent masqué, et il ressemble à une chaussure claire, à une tête, au ballon de l'échauffement derrière le but. Sur un plan large amateur, le suivi le perd régulièrement et le retrouve quelques secondes plus tard — parfois sur un autre ballon. Le recadrage automatique qui en dépend s'en sort en lissant : quand il perd le ballon, il suit le groupe de joueurs, et ça se voit peu. Une statistique de possession bâtie sur ce suivi, elle, est fausse sans qu'on le voie.

Reconnaître qui est qui : non

C'est la promesse la plus fragile. Lire un numéro de maillot à vingt pixels de haut, de dos, en mouvement, ne marche pas de façon fiable. Les systèmes qui « suivent votre enfant » demandent en général qu'on le désigne au départ et le perdent au premier regroupement, ou s'appuient sur une reconnaissance des visages. Pour des joueurs mineurs, cette dernière pose une question qui dépasse la technique, traitée dans filmer des joueurs mineurs : demandez sur quelle base légale elle fonctionne avant de vous demander si elle fonctionne.

Les statistiques : le chiffre juste et le chiffre plausible

Possession, passes réussies, distance parcourue, cartes de chaleur : sur une vidéo amateur, ces chiffres sont produits, et ils ont l'air justes. Ils sont issus d'un suivi du ballon incertain et d'une identification des joueurs approximative, et l'erreur se cumule. Le danger n'est pas qu'ils soient faux ; c'est qu'ils soient plausibles. Un entraîneur qui corrige une « possession de 38 % » corrige peut-être un chiffre qui n'existe pas.

Le test qui tranche prend un match : compter à la main un seul indicateur simple — les relances perdues, les tirs — et comparer au chiffre automatique. Si l'écart dépasse un quart, le système ne sert pas à mesurer ; il sert à regarder. La manière de compter à la main est décrite dans faut-il des statistiques en amateur.

Ce que l'IA fait bien sur une vidéo amateur

• Retrouver les phases. Coups d'envoi, arrêts de jeu, mi-temps, temps morts : découper un fichier d'une heure et demie en phases de jeu est fiable, et fait gagner du temps.
• Recadrer pour regarder. Le montage qui suit le jeu est agréable pour les parents et les joueurs, et ne prétend rien mesurer.
• Trouver les buts et les arrêts. Le public réagit, le jeu s'arrête, le modèle le voit.
• Assembler deux images. Coudre deux appareils en un panorama et corriger la déformation est un problème résolu, qui n'a rien à voir avec la compréhension du jeu.

Ce que ça change pour l'entraîneur

Rien de ce qui précède ne remplace le geste qui compte : décider ce qu'on cherche, et retrouver trois situations. L'IA aide à retrouver ; elle ne sait pas encore ce qui mérite d'être retrouvé dans un match de club, parce que ça dépend du thème de la semaine et de l'équipe. Un outil qui laisse l'entraîneur désigner le moment, et se charge du reste, est aujourd'hui plus utile qu'un outil qui devine.