Données dans le sport : quels défis pour la recherche ?

Fréquence cardiaque, température corporelle, saturation en oxygène, vitesse, durée et intensité des séances, type d'exercices, temps de repos, positions des joueurs sur le terrain, mouvements de l'équipe adverse, antécédents médicaux ou encore altitude et qualité de l'air, les données collectées dans le sport couvrent aujourd’hui un large éventail d'aspects, de la performance athlétique à la santé, en passant par les tactiques et l'environnement. 

Derrière toutes ces informations, récoltées grâce à des capteurs portables, des systèmes de suivi GPS, des systèmes d’analyse vidéo ou par des questionnaires renseignés par les athlètes, se cachent de nombreux enjeux, touchant à plusieurs aspects clés de la pratique sportive, quels que soient la discipline ou le niveau. 

En fournissant des informations sur la condition physique, les capacités techniques et tactiques et l’état de santé des athlètes, l’analyse de ces données permet ainsi aux entraineurs de concevoir des programmes d'entraînement personnalisés qui maximisent le potentiel de chaque athlète. Elle va également offrir la possibilité de prévenir de potentielles blessures, en identifiant des signes de surentrainement ou de déséquilibre musculaire. Enfin, l’analyse des informations issues des performances des athlètes permet d’identifier leurs points forts et faibles, afin d’élaborer des stratégies de compétition adaptées et maximiser les chances de succès sur le terrain. 

Malgré ces nombreux avantages, l'utilisation des données dans le sport présente des limites et défis, avec lesquels scientifiques et acteurs du sport doivent composer dans leurs projets et collaborations.  

Le premier enjeu est lié aux méthodes et technologies de collecte de données. Comment s’assurer que les données collectées soient précises, complètes et cohérentes, en particulier lorsque différentes sources de données sont utilisées ou lorsque les conditions de collecte varient ? Des données incorrectes ou incomplètes peuvent conduire à des analyses erronées et à des décisions inappropriées. 

En natation, par exemple, l’objectif est de pouvoir, grâce aux algorithmes, définir la cadence et la vitesse de nage d’un athlète en ne se basant que sur un simple capteur dans un maillot ou un bonnet de bain. 

Un autre défi de recherche dans la collecte et l’analyse de données est le développement de la vision par ordinateur, afin de pouvoir filmer des compétitions, des matches ou des adversaires qui se rencontrent, et en tirer des statistiques fiables et précises. 

L'analyse des données peut, également, être sujette à des biais et à des interprétations incorrectes, en particulier lorsque les échantillons de données sont limités. Comment extraire, d’une part, de la donnée pertinente pour les acteurs du sport, mais également comment leur permettre, d’autre part, d’interagir avec ces données, de les interpréter ? De nombreux travaux de recherche s’intéressent, aujourd’hui, à la visualisation des données complexes pour permettre à tout un chacun de s’approprier au mieux ces informations. 

La protection de la vie privée est enfin, sans surprise, un défi majeur du secteur. Lorsque des données sensibles sont recueillies, telles que des informations biométriques, médicales ou de localisation, il est crucial de garantir que ces données sont utilisées de manière éthique et responsable. La réglementation sur la protection des données personnelles encadre le traitement des données recueillies dans ce contexte. Cela implique de respecter les droits des athlètes à la vie privée et à l'autonomie, de recueillir leur consentement éclairé pour la collecte et l'utilisation de leurs données, et de mettre en place des mesures de sécurité robustes pour protéger ces données contre les accès non autorisés ou les utilisations abusives. 

« L’ensemble de nos expérimentations sont encadrées par des débats éthiques, avec un aspect très strict et rigoureux sur notre plan de gestion des données, c’est-à-dire de quelle manière nous stockons et référençons les données. Par exemple, nous allons stocker dans des dossiers différents les données qui concernent des caractéristiques anthropométriques de nos participants, donc la masse, la taille qui finalement peuvent être des données identifiantes », indique Anne-Hélène Olivier, maîtresse de conférences HDR (Biomécanique) à l'UFR STAPS de l'Université Rennes 2 et membre de l’équipe-projet VirtUS. 

Enfin, l’humain reste un élément central à ne pas négliger dans l’analyse de données. Des facteurs tels que la motivation des joueurs, les blessures et la dynamique de l'équipe peuvent avoir un impact significatif sur le résultat d'un match, mais ils sont difficiles à quantifier et à mesurer. Il est donc important de trouver un équilibre entre l'utilisation des données et le jugement humain pour prendre des décisions éclairées.