Les nouveaux préparateurs du sport

L’intelligence artificielle et la data sont de plus en plus indispensables dans le sport de haut niveau. Elles transforment déjà la préparation des matchs, le recrutement, la formation et la prise de décision des staffs. Mais, si ces outils permettent de voir plus vite et plus loin, ils ne remplacent ni l’œil humain, ni l’instinct, ni la complexité du terrain.
© iconsport

Sur le Tour de France, dans un fourgon connecté. En Liga, sur trois tablettes au bord d’un terrain. En National, sur l’écran d’un recruteur. Le sport de haut niveau ne se regarde et ne s’analyse plus comme avant. Il se mesure, se compare, se modélise : distances parcourues, puissance développée, passes sous pression, âge biologique. La performance produit une masse de données que l’intelligence artificielle transforme en décisions plus rapides. Le tout sans abolir l’instinct, ni l’œil humain. Car, derrière la machine, le dernier mot reste au staff.

Pour Raphaël Brun, associé au sein du cabinet Wavestone, qui accompagne notamment un club de football européen majeur sur des projets digitaux et d’intelligence artificielle, le mouvement est déjà engagé. « Nous sommes auprès de clubs qui ont très clairement compris que c’était un sujet de différenciation afin d’être plus performants que leurs concurrents », explique-t il. La donnée permet d’abord de comprendre le terrain, puis l’IA intervient comme un accélérateur d’analyse. Elle repère des tendances, isole des signaux faibles, compare des profils et peut aider à prendre de meilleures décisions.

Une « Control Room » pour épauler les directeurs sportifs

En cyclisme, la Visma | Lease a Bike fait partie des équipes les plus avancées. Depuis 2021, la formation néerlandaise s’appuie sur la data et l’IA afin d’optimiser la performance de ses coureurs, notamment sur le plan nutritionnel. Jusque-là, les entraîneurs estimaient les besoins plusieurs semaines avant les courses, à partir du parcours, de la distance, du dénivelé ou du profil des cyclistes. Mais la météo, le vent, les attaques ou le temps passé à l’avant du peloton pouvaient tout changer.

Grâce aux données récoltées en course – distance, dénivelé, puissance développée au pédalier –, l’équipe estime les calories brûlées et ajuste les apports. Grâce à ce système, la Visma revendique le fait d’être passée d’une précision de calcul de 50 % à 85 %.

Lors du Tour de France 2024, la formation néerlandaise a franchi un nouveau cap avec sa « Control Room », un véhicule connecté qui agrège images télévisées, météo, radios de course et données en temps réel pour épauler les directeurs sportifs. En février dernier, l’équipe de Jonas Vingegaard et Wout van Aert a encore accéléré en signant un partenariat avec la licorne française Mistral AI.

« Ce n’est pas un outil qui vise à prendre des décisions à la place »

Le football suit la même trajectoire. L’exemple de Getafe est l’un des plus parlants. Depuis janvier 2025, le club de la banlieue madrilène, qui disputera les tours qualificatifs de Ligue Conférence cet été, s’appuie sur un modèle intégré au travail quotidien de José Bordalás et de son staff. Selon Javier Vidal, préparateur physique de Getafe, les Azulones sont passés de 0,89 à 1,37 point par match depuis son  adoption. Sur le banc, trois tablettes suivent les indicateurs technico-tactiques, les données physiques et le plan stratégique fixé avant la rencontre.

À la pause, l’IA génère un rapport sur les forces et faiblesses observées. Après le match, elle analyse les performances individuelles, les choix tactiques et les actions clés. Mais elle ne remplace pas l’entraîneur. « Ce n’est pas un outil qui vise à prendre des décisions à la place », insiste Raphaël Brun. L’intérêt est plutôt de mettre en surbrillance ce que l’œil humain
pas forcément détecté seul.

iconsport 233231 0034 Les nouveaux préparateurs du sport
La voiture de la salle de contrôle de l’équipe Visma | Lease a Bike, lors des préparatifs en vue du Tour de France 2024. ©iconsport

Distinguer un avantage provisoire d’un potentiel durable

Cette transformation concerne aussi le recrutement et la formation. Détecter un joueur reposait sur un réseau, de l’expérience et de l’intuition. Ces qualités restent essentielles, mais elles sont complétées par des modèles capables de comparer des profils sur une multitude de critères : milieu qui casse des lignes, défenseur bien placé, attaquant dont les appels créent plus de valeur que ses statistiques brutes.

Dans les centres de formation, l’IA peut aussi corriger certains biais. Un adolescent plus développé physiquement peut dominer sa catégorie sans être le plus prometteur à long terme. À l’inverse, un joueur moins précoce peut être sous-estimé. En intégrant l’âge réel, l’âge biologique et la progression, les modèles peuvent distinguer un avantage provisoire d’un potentiel durable. Encore faut-il disposer de bonnes données. « Pour avoir des modèles algorithmiques qui ont beaucoup d’impact, il faut avoir collecté de la donnée, depuis suffisamment longtemps, avec le bon niveau de qualité », rappelle Raphaël Brun. Sans historique solide, la prédiction reste fragile. Si les données manquent ou ont été collectées de manière irrégulière, l’IA perd en fiabilité.

iconsport 203500 0001 Les nouveaux préparateurs du sport
Lisbonne, le 26 mars 2024 – EMJOGO, une application portugaise regroupant 600 clubs, fondée par Gil Guilherme. ©iconsport

La donnée fait le premier tri ; l’humain décide

Léo Guinand, cofondateur de Data’Scout, invite, lui aussi, à ne pas confondre data et intelligence artificielle. Ancien créateur de contenu passé par le journalisme, il a fondé avec trois associés une plateforme destinée aux clubs, aux agents et au grand public. « La data est présente dans le sport depuis longtemps », rappelle-t-il. L’IA suppose d’aller plus loin : automatiser des tâches, nourrir des modèles, produire des projections ou des recommandations. Dans le football français, tous les clubs n’en sont pas au même stade. Les plus grands peuvent développer leurs propres outils et recruter des data scientists. Les structures plus modestes se tournent plutôt vers des solutions de marché, moins coûteuses et utilisables immédiatement.

Dijon, sacré champion de National, illustre cette démocratisation. Le club a utilisé la plateforme dans sa réflexion de recrutement. Léo Guinand précise toutefois que l’outil ne choisit pas les joueurs. Il met à disposition des comparaisons, des indicateurs et des profils. Le staff interprète ensuite ces informations selon son projet sportif.

Dans le recrutement, la data permet surtout de réduire un vivier immense à une liste plus cohérente. « C’est impossible d’avoir un œil partout », résume-t-il. La donnée fait le premier tri ; l’humain décide. Dans l’entraînement, elle aide à individualiser les charges. Dans la préparation d’un match, elle affine la lecture de l’adversaire : zones préférentielles, types de relance, comportement sous pression. Mais elle ne dit jamais tout.

C’est le cœur du sujet pour Léo Guinand : « L’interprétation, c’est 99 % du travail. » Deux clubs peuvent consulter les mêmes données et arriver à deux conclusions différentes. Un latéral très offensif séduira une équipe de possession, mais inquiétera une formation obsédée par l’équilibre défensif. Une perte de balle peut être vue comme une erreur ou comme le prix d’un jeu vertical. La donnée ne prend sens que dans un contexte : style de jeu, rôle demandé, niveau du championnat, qualité des partenaires, adversaires affrontés.

Surtout, tout ne se mesure pas encore. La communication entre défenseurs, l’influence d’un leader, l’état mental d’un joueur, la pression d’une finale ou la dynamique intime d’un vestiaire échappent largement aux modèles. Léo Guinand prend l’exemple des statistiques défensives : un joueur qui dispute peu de duels n’est pas forcément mauvais. Il peut simplement être assez intelligent dans son placement pour orienter l’attaquant, fermer les angles et récupérer le ballon sans contact.

Mal lue, la data peut donc tromper. Elle peut faire croire qu’un joueur est passif alors qu’il contrôle l’espace, ou qu’un prof il est transposable d’un championnat à un autre. L’IA peut réduire cette marge d’erreur, pas la supprimer.

 

Retrouvez l’intégralité de cet article dans le premier numéro de Sports Illustrated France, actuellement disponible en kiosque.

RECOMMANDÉS