Le rôle prédominant de la data dans le sport

Depuis quelques années, la data prend une place de plus en plus importante dans le monde du sport. Aucune discipline n’y échappe, sports d’équipe ou individuel, professionnels ou amateurs, c’est tout le monde du sport qui se retrouve à courir derrière l’analyse des données. D’où vient l’entrée en jeu de la data dans le sport ? Pour quelle influence ? 

L’origine de l’utilisation de la data dans le sport : l’exemple de Moneyball 

Lorsque l’on évoque l’origine du Big Data dans le sport, c’est souvent le baseball qui revient comme premier exemple connu. L’histoire d’Oakland Athletics, mise en lumière par le livre Moneyball de Michael Lewis (plus tard adapté au cinéma), raconte comment l’analyse et l’utilisation des données a permis à une équipe de baseball en difficulté et avec un petit budget de devenir rapidement l’une des meilleures des États-Unis. Au lieu de baser le recrutement de nouveaux joueurs sur leur notoriété ou leur ressenti général, ils ont créé une toute nouvelle approche d’analyse de joueurs pour s’assurer de recruter le profil précis dont a besoin l’équipe, en se basant sur les chiffres. Cela a impliqué le recrutement de joueurs dits « inconnus », « trop vieux », « finis car trop blessés »… Mais l’analyse précise des données chiffrées de chaque joueur leur a permis de créer une équipe bien huilée où chaque joueur est une pièce maitresse avec un rôle précis à jouer, et ainsi dominer le championnat. 

Jeux vidéo, paris sportifs : les débuts de la data dans le sport moderne 

Plus généralement, l’utilisation des data s’est notamment développée grâce aux jeux vidéo au milieu des années 90. En effet, si l’on prend l’exemple d’un jeu comme FIFA, il est impossible de créer des conditions de jeux, l’anticipation des joueurs, des niveaux de performance différents par joueurs, etc. sans analyse statistique. Sur un autre créneau, les sociétés de paris sportifs ont apporté leur pierre à l’édifice. Afin d’anticiper les performances des équipes (pour mettre en place les bonnes cotes), elles ont investi massivement sur l’analyse de données, même si l’idée pour elles, reste le profit. 

La data dans le sport : un levier d’optimisation de la performance 

Depuis le début des années 2000, plus ou moins rapidement, l’analyse des données est devenue la norme dans tous les sports. La data a souvent modifié en profondeur la base de certains sports, surtout au niveau professionnel. 

Le premier apport de la data est au niveau de la performance sportive en elle-même. Elle permet d’optimiser ses efforts pour un meilleur résultat. Un des exemples les plus parlant est le cas du cycliste Christopher Froome avec l’équipe Sky, qui a gagné 4 Tours de France entre 2013 et 2017. Sky est une la première équipe de cyclistes à avoir utiliser la data. Grâce à de nombreux capteurs et l’analyse de dizaines de données, ses analystes ont notamment prouvé que Froome consommait moins d’énergie en restant assis sur sa selle en montagne, plutôt qu’en danseuse, pratique beaucoup plus habituelle en montagne. Ainsi il conservait ses forces pour les attaques finales, là où ses concurrents ne pouvaient plus suivre. Il existe des dizaines d’exemples comme celui-ci, qui prouvent que l’analyse précise des données permet de corriger de petits détails qui au final permettent de faire la différence. 
 
Grâce à la collecte des données lors des compétitions ou entrainements, les entraineurs peuvent désormais mettre en lumière les points forts ou faiblesses (physiques, mentales, fatigue…), et ainsi adapter leurs stratégies individuelles d’abord, puis d’équipe. Tout passe par une personnalisation maximale afin d’optimiser la performance : à quelle fréquence d’entrainements l’athlète sera le plus performant en compétition ; quel attribut travailler en priorité pour s’améliorer dans tel ou tel domaine… 
 
La data permet aussi de prévenir et donc éviter les blessures. Les professionnels s’entrainent avec des capteurs qui peuvent mesurer plus d’une centaine de données en temps réel. Au rugby par exemple, on peut mesurer l’intensité des chocs, la vitesse de sprint, la distance parcourue, un mauvais appui… Toutes ces données rassemblées permettent d’anticiper à partir de quelle charge ou intensité sportive un joueur aura plus ou moins de risque de finir par se blesser, et ainsi adapter la charge de travail pour éviter cette blessure. Si l’on se place du point de vue économique, une blessure coûte très chère à un club. On estime qu’un club de football professionnel perd en moyenne chaque année 10% à 30% des salaires en blessure. En 2015 par exemple, le coût moyen des blessures s’élevait à 10.9 millions € par clubs (étude réalisée sur la première division anglaise, espagnole, allemande et italienne). 
 
Sur une autre logique, la data est utilisée afin de choisir et adapter sa stratégie lors d’un match ou d’une compétition. En analysant les données des joueurs de l’équipe adverse, quel joueur ou stratégie vais-je mettre en place pour les contrer et prendre le dessus ? Sur ses dernières courses, ce coureur a une perte d’énergie vers tel ou tel kilomètre, à quel moment vais-je attaquer ? 
 
Pour aller toujours plus loin, aujourd’hui les futurs talents sont observés et étudiés dès leur plus jeune âge. L’objectif ultime est de découvrir en premier ces futurs cracks. En se basant sur l’évolution de sportifs ayant percé, ainsi que sur les compétitions de ces dernières années, des modèles mathématiques sont créés pour prédire l’évolution de ces jeunes, et ainsi ne pas se tromper quand il faudra miser sur tel ou tel jeune.

Une source d’opportunités économiques 

Plus personne ne s’en rend compte, mais il est devenu normal aujourd’hui d’avoir des informations en direct pendant un match sur un joueur de handball (distance parcourue, précision des tirs, nombre d’interceptions, …) ou pour un coureur d’avoir une montre qui lui indique son rythme cardiaque et sa vitesse. Pour avoir rendu cela possible, il ne faut pas oublier l’importance de l’émergence de l’IoT (internet des objets) en complémentarité de la data. Ce sont tous les capteurs connectés, toutes les montres intelligentes, etc qui permettent de récolter ces données. Ils étaient au départ à destination des professionnels (car extrêmement chers), mais depuis quelques années nous observons une démocratisation de ces objets connectés pour les amateurs. Ainsi même ces derniers ont désormais la possibilité d’étudier leurs propres données pour se créer des entrainements sur mesure, et se fixer des objectifs de plus en plus ambitieux, inatteignables sans ces géniaux petits compagnons connectés. La performance n’est désormais plus seulement réservée aux professionnels.

Pour les acteurs de l’IoT, le sport est un marché en pleine croissance et source d’opportunités. En 2019 en France, 2.1 millions de montres et traqueurs ont été vendu (+28% par rapport à 2018) pour un CA de 481 millions €. 
 
Pour finir, l’apparition de l’analyse de données dans le sport n’a pas pu se faire sans experts. Ce sont donc des centaines de nouveaux postes qui ont été créés pour observer, analyser, et utiliser à bon escient les millions de données collectées quotidiennement par les clubs ou équipes. Data analyst, data scientist, chief data officer, mais aussi cybersécurité évidemment … Ce sont ces équipes de l’ombre qui permettent aux sportifs d’améliorer jour après jour leur performance. La data est en train de prendre tellement d’importance dans notre monde, pas seulement le sport, que nous observons sans arrêt une pénurie sur ces types de profil. Beaucoup d’opportunité d’emploi restent à saisir. L'utilisation avancée de la data ne se limite pas au sport. Elle est également cruciale dans l’automobile et l’aéronautique, des secteurs technologiques d’avenir.