ACL

Connexion

Association des Centraliens de Lyon

   Liste des articles
CC0 Creative Commons via pixabay
Vue 500 fois
04 décembre 2018

Big data, VR et mécanique des fluides au chevet du sport

Que se passe t-il quand un chargé de recherche au CNRS (Laboratoire LMFA) qui travaille sur les aspects fondamentaux de la turbulence dans les fluides et les plasmas, croise un docteur en informatique (Laboratoire LIRIS) spécialisé dans les nouvelles méthodes d'analyses visuelles de données ?  Réponse avec Wouter Bos et Romain Vuillemot qui ont décidé d'associer leurs recherches au monde du sport.


TECHNICA : En quoi, la mécanique des fluides d’un côté et la data science peuvent-elles aider les sportifs dans leur quête de performance ?

Wouter Bos (Laboratoire LMFA): Dans un grand nombre de disciplines, la mécanique des fluides peut être utile. Tout ce qui relève de l'aérodynamique et de la réduction de trainée (aviron, vélo, natation) peut être optimisé en utilisant des expériences dans des souffleries et des calculs numériques des écoulement turbulents. Mais notre approche est légèrement différente. Nous n'essayons pas d'optimiser des efforts physiques ou de vitesses, mais plutôt de voir s’il est possible de caractériser et d’optimiser la synergie d'un groupe (défense/attaque), en utilisant des idées et outils statistiques de la physique (notamment de la turbulence).

Romain Vuillemot (Laboratoire LIRIS): L’informatique - et en particulier la data science et le big data - permettent de comprendre des masses de données que personne n’avait jamais collectées au préalable. Tous les domaines sont révolutionnés par cette approche, de la médecine, en passant par l’économie ou le contrôle aérien. Les données aussi volumineuses font émerger des phénomènes souvent connus par les experts de chaque domaine concerné, mais à qui il manque souvent une vision globale. C’est d’ailleurs un des premiers retours que l’on a quand on travaille avec des sportifs. Ils ont conscience de ces données et les ont souvent intégrées dans leur prise de décision notamment pour tout ce qui touche à la préparation physique et au coaching, mais c’est la première fois qu’ils les visualisent dans leur intégralité. En allant un peu plus loin, ces données permettent d’externaliser la connaissance des experts sportifs, et de la combiner avec de nouvelles méthodes d’analyse.

TECHNICA : Avez-vous des exemples précis d’applications réussies de l’analyse de données appliquée au sport ?


Romain : Kirk Goldsberry a appliqué ses méthodes de visualisation (issues du domaine de la géographie) aux shoots au basket. Cela lui a permis de caractériser le style de jeu d’un basketteur non seulement pendant un match, mais aussi de constater son évolution au fil des années. Il a d’ailleurs écrit de nombreux articles d’analyse de matches de baskets dans lesquels on comprend que la visualisation permet de mieux articuler le message, grâce par exemple à l’utilisation de nouvelles “cartes” qui sont aussi bien un outil de communication que d’analyse.


TECHNICA : Sur quoi travaillez-vous tous les deux actuellement ?

Wouter : Par rapport aux sports, nous étudions la caractérisation collective d'une équipe. La plupart des statistiques "simples" concernent des joueurs individuels (vitesse, distance parcourue, etc.). Mais comment caractériser dans un sport collectif une bonne défense, une bonne attaque?

Romain : De mon côté, je me concentre sur la visualisation de données brutes de trajectoires de joueurs. Comme ces données sont très volumineuses (millions de trajectoires) nous utilisons des dispositifs de réalité virtuelle qui permettent de s'immerger dans un match et de sélectionner/filtrer des données de tir ou de déplacement qui influent sur le résultat du match. Nous venons de publier un article sur ces méthodes visuelles illustrées dans cette vidéo [1]



TECHNICA :  Quels sports se prêtent le plus à vos recherches ? Et sur lesquels travaillez-vous principalement ?

Wouter : On se focalise actuellement sur le foot, le rugby et le basket. Chaque sport possède ses particularités. Par exemple, la structure d'une équipe de foot, avec un gardien derrière et des attaquants devant, est bien plus rigide que la structure d'une équipe de basket, ou les joueurs bougent sur toutes les positions.

Romain : Historiquement les sports à événements discrets (baseball, cricket) étaient davantage étudiés car les données étaient faciles à récolter par l’humain (à l’aide de score board papiers). Mais avec les capteurs et les analyses vidéos, les données plus fines sont disponibles comme la position (x, y) des joueurs et leur déplacement dans le temps (t) et l’espace (z). Leur volume et leur précision font émerger de nouveaux patterns spatio-temporelles, qu’il est possible d’enrichir ensuite avec des métadonnées (nom et caractéristique des joueurs, etc.). Les sports tels que le foot, le rugby et d’une certaine façon le basket se prêtent bien à l’analyse de ces trajectoires afin notamment d’étudier les espaces laissés libres par une équipe adverse et qui sont autant de lieux d’attaques potentiels.


TECHNICA : Pouvez vous nous donner un exemple d'une expérimentation que vous avez réalisée récemment ?

Wouter : En utilisant des diagrammes de Voronoi, un outil mathématique pour caractériser l'espace autour d'un particule dans un ensemble de particules, nous avons essayé de trouver des corrélations entre la vitesse d'un joueur de foot et son "espace libre de Voronoi". L'idée était venue de l'utilisation de cet outil pour caractériser le clustering des particules lourdes dans des écoulements turbulents. Nous avons voulu faire l'analogie avec des joueurs de foot.

Romain : Nous avons extrait d’un match de foot les phases de jeu qui étaient intéressantes (i.e. dont la dernière action était un but ou une passe décisive), et ensuite avons clusterisé en sous-séquences afin de caractériser la construction du jeu : déviations, passes, dribbles, centres et tirs. Chaque cluster possède sa propre représentation visuelle que nous avons disposée sur un terrain et qui permet de mettre en avant la signature visuelle de la construction d’une action. L’outil [2] développé a été utilisé par des journalistes sportifs en complément de leur article d’analyse tactiques de matches de ligue des champions.


TECHNICA :  Comment récoltez-vous les données nécessaires à vos travaux ?

Wouter : Ce n’est pas toujours facile. On peut mesurer nous même en plaçant des capteurs sur les élèves de Centrale pendant un match. Pour des données professionnelles, vu l'argent impliqué dans le sport actuellement, les données ne sont en générale pas libres d’accès. Mais les données de certains matches moins récents ou amateurs sont trouvables sur internet. Aussi, en contactant des équipes de sport Lyonnaises, on peut parfois obtenir les données recherchées.

Romain : Les données c’est de l’or. En particulier les données détaillées, et idéalement des deux équipes qui s’affrontent. Il faut bien garder en tête que le sport est un jeu à somme nulle et donc que son gain est forcément une perte pour l’autre. Les équipes qui partagent leurs données enrichissent potentiellement leurs adversaires. Nous constatons une réticence de plus en plus grande concernant le partage des données sportives et leur analyse qui tend à rester de plus en plus en interne dans les équipes. Ce qui est de bon augure pour le marché du travail dans ces domaines car les clubs de foot recrutement désormais leurs propres data analystes !

Pour mes travaux j’utilise principalement des données déjà rendues publiques sur le web et utilisées par d’autres papiers de recherche, car ce sont souvent des benchmarks qui permettent de comparer la performance des outils. Sinon nous travaillons avec des clubs partenaires et générons notre propre jeu de données de trajectoires (avec capteurs GPS et applications mobiles).

Nos travaux sur l’analyse de zone de possession de balle ont trouvé des applications dans l’analyse de mobilité urbaine 

TECHNICA :  Savez-vous toujours ce que vous cherchez, ou est-ce de l'expérimentation pure en espérant trouver des corrélations nouvelles ?

Wouter : On part sur une idée, pas toujours très précise, mais souvent on trouve des choses plus intéressantes en cours de route. D'où l'intérêt de laisser une certaine liberté aux chercheurs et de ne pas fonctionner exclusivement par projet.

Romain : Effectivement, on part d’une idée de représentation ou d’une question à laquelle on souhaite répondre. L’objectif reste cependant dans un premier temps de valider une intuition via des tests ou des protypes rapides. Il faut bien l’avouer, nous revenons (hélas) souvent à notre point de départ.. Mais parfois, au fil du temps, et surtout grâce aux experts sportifs avec lesquels nous collaborons, de nouvelles questions se posent et les questions de recherche s’affinent.

A noter qu’il est aussi fréquent que nous appliquions des résultats déjà établis dans d’autres domaines au foot ! Et vice versa, comme par exemple nos travaux avec Wouter sur l’analyse de zone de possession de balle qui ont trouvé des applications dans l’analyse de mobilité urbaine en particulier pour l’étude d’accessibilité de lieux. En d’autres termes, déterminer où la balle doit être envoyée sur un terrain, est finalement pas si éloigner de la recherche d’un lieu où habiter en ville à mi-chemin entre la crèche et le lieu de travail.


[1] Christophe Hurter, Nathalie Riche, Steven Drucker, Maxime Cordeil, Richard Alligier, Romain Vuillemot. FiberClay: Sculpting Three Dimensional Trajectories to Reveal Structural Insights. IEEE Transactions on Visualization and Computer Graphics, IEEE VIS 2018, Berlin. DOI : 10.1109/TVCG.2018.2865191 

[2] Charles Perin, Romain Vuillemot, Jean-Daniel Fekete. SoccerStories: A Kick-off for Visual Soccer
Analysis. IEEE Transactions on Visualization and Computer Graphics, Institute of Electrical and
Electronics Engineers, 2013, 19 (12), pp.2506-2515.

 

Découvrez le dossier Technica sur le sport : nouveau terrain de jeu des ingénieurs

 

Articles liés


Ajoutez un message personnel