OM

yEzan a écrit :

Je te plains, quand tu vas te reveillé tu vas avoir mal au crane.

C'est à dire ?

Bakayoko94 a écrit :

Tu bosses pour SAS ?

J'ai un super ami qui bosse chez Opta, c'est quand même dur de faire une technologie fiable.

Yes.

Oui tu as raison surtout avec l'analyse d´image (Computer Vision) qui oblige à de lourds algo très itératifs...

Mais on est capable de faire des voitures intelligentes basées sur ce principe, donc il est possible de l'adapter au foot.

Et je rêve de pouvoir enrichir nos débats avec des analyses basées sur des éléments tangibles et précis.

Ben justement on est là pour ça Baka

Tu bosses dans le secteur aussi?

Ruud Devils a écrit :

Ben justement on est là pour ça Baka

Tu bosses dans le secteur aussi?

Yes je suis en plein dedans, ça part sur un PhD à priori.
En bon fan de foot j'ai aussi un peu tâté le sujet , comme tu disais je pense que les analyses hors-terrain peuvent être une belle rampe de lancement (blessures, formes, entraînement individuel...etc).

Concernant l'analyse d'image, la grosse difficulté vient de la multiplication des cibles et surtout de la difficulté de classification dans le comportement d'une cible.

Je m'explique : La ou il est simple de caractériser un comportement dangereux de voiture ou piéton avec des critères binaires (Distance de sécurité, présence sur la route, obstacle..etc), le joueur de foot peut avoir une infinité d'attitudes qui sont bonnes ou mauvaises selon les contextes. L'exemple type dans les stats c'est la sacro-sainte passe vers l'avant, on peut en faire une majorité et faire un match hideux, comme en faire presque aucune et être énorme.

En tout cas le jeu en vaut la chandelle, parce que ça pourrait donner des outils incroyables et proposer des vraies révolutions tactiques. Certains postes peuvent être vraiment chamboulées, surtout les postes type 6 ou 8 avec une composante défense-attaque-transition.

Concernant le type d'algorithme utilisé, c'est sur que l'analyse d'image temps réel semble être naturelle (Multi target tracking Hidden Markov Model précisément), mais tu fais allusion au Reinforcement Learning dans ton PDF et je crois qu'il y a là une belle voix pour optimiser les performances, surtout avec la masse de données.

Bakayoko94 a écrit :

Ruud Devils a écrit :

Ben justement on est là pour ça Baka

Tu bosses dans le secteur aussi?

Yes je suis en plein dedans, ça part sur un PhD à priori.
En bon fan de foot j'ai aussi un peu tâté le sujet , comme tu disais je pense que les analyses hors-terrain peuvent être une belle rampe de lancement (blessures, formes, entraînement individuel...etc).

Concernant l'analyse d'image, la grosse difficulté vient de la multiplication des cibles et surtout de la difficulté de classification dans le comportement d'une cible.

Je m'explique : La ou il est simple de caractériser un comportement dangereux de voiture ou piéton avec des critères binaires (Distance de sécurité, présence sur la route, obstacle..etc), le joueur de foot peut avoir une infinité d'attitudes qui sont bonnes ou mauvaises selon les contextes. L'exemple type dans les stats c'est la sacro-sainte passe vers l'avant, on peut en faire une majorité et faire un match hideux, comme en faire presque aucune et être énorme.

En tout cas le jeu en vaut la chandelle, parce que ça pourrait donner des outils incroyables et proposer des vraies révolutions tactiques. Certains postes peuvent être vraiment chamboulées, surtout les postes type 6 ou 8 avec une composante défense-attaque-transition.

Concernant le type d'algorithme utilisé, c'est sur que l'analyse d'image temps réel semble être naturelle (Multi target tracking Hidden Markov Model précisément), mais tu fais allusion au Reinforcement Learning dans ton PDF et je crois qu'il y a là une belle voix pour optimiser les performances, surtout avec la masse de données.

Notre algorithmie de base d'analyse des données image est basée sur du Convolutional Neural Network, on fait du Hidden Markov en natif également, donc c'est hyper intéressant ce que tu dis là.

Sur ce cas d'usage, je vais rencontrer les gens de Sci Sports en juin, je te donnerai plus d'éléments si ça t'intéresse, mais tu as raison, la multiplication des cibles rend la tache extrêmement complexe. Et en échange, je serais ravi de lire une de tes publications Je suis spécialisé dans l'analyse de Texte dans le domaine de la défense, donc j'ai beaucoup moins de connaissance que toi à ce sujet.

Mais je pense que les clubs sont beaucoup trop loin de ce monde là, et devraient vraiment commencer à collecter des données simples déjà sur les performances, ne serait ce qu'à des fins de Dataviz... Ca serait déjà un bon début.

Ne serait-ce que le suivi physique du temps au tour d'un joueur, être capable d'appréhender une méforme physique en voyant une baisse d'un indicateur, est-ce que les clubs font ce genre de chose?

J'ai un doute.

Luiz Hemdani a écrit :

La Pub OK Google est tellement INSANE

Genre pour allumer la lumière t'as besoin de Google, et l'Astronaute qui se demande si elle a pensé à fermer sa maison en partant...

Et bien oui j'allume ,j'éteint je change la couleur ou l'intensité  de mes lumières avec mon assistant ET?

Le problème c'est pas la collecte de données, ca les boites (comme j'imagine celle de rudd devils le fait) c'est pas un souci

C'est comment arriver à une plus value potable à partir du magma de données que tu récupéres (ou big data)

Pour le foot je vois pas l'intérêt pour l'instant trop complexe.

C'est un sujet très intéressant et effectivement le football est un peu à la remorque des sports américains notamment où les franchises ont des divisions allouées à ça.
Mon problème avec le football, c'est que c'est un sport à petit score où finalement tout ton étude peut partir en vrille après un simple corner encaissé quand toi t'es incapable de mettre un but en 40 occasions franches.

C'est pour ça que c'est compliqué d'envisager une équipe construite à partir d'un modèle probabilistique.
Tu te heurtes à la nature même du sport.
Ca marche mieux au Basket par exemple où t'as des variables comme prendre un shoot à mi-distance ou à 3 points qui rentrent plus facilement en ligne de compte par exemple.
Là l'échantillon de données est plus intéressant à étudier car forcément beaucoup plus important.
Depuis que les stats avancées ont fait irruption, le jeu a totalement changé en NBA. Les pivots lourds n'existent plus par exemple. Les 4 costauds non plus.
Au baseball, dès 2002 Bily Bean via Paul Podesta a adapté le moneyball à Oakland. Ca répondait à un moyen de gagner avec une équipe ayant moins de moyens financiers que les autres.
Au foot américain, le jeu est aujourd'hui beaucoup plus aérien du fait des nouvelles règles mais aussi le fait avéré que le jeu de course est moins efficient en réalité sur un échantillon important de données.

Au football c'est plus compliqué car on est sur un sport moins séquenciel ou la part des éléments extérieurs type coach est moins importante que dans les sports américains malgré ce qu'on peut croire surtout en comparaison du football américain par exemple.
Et puis, il y'a la gestion humaine.
ll faut avoir un coach qui est la curiosité et la conviction de te suivre dans cette étude et d'adapter sa tactique en fonction.
Il y'a un livre qui est intéressant c'est soccernomics.
Dans ce livre, l'auteur s'appuie beaucoup sur des exemples de la vie pour les adapter au football. Genre, la chasse des lionnes pour le pressing de l'équipe de mémoire.
Là où l'étude des données est intéressante c'est par exemple pour suivre la performance physique des joueurs.

C'est en tout cas un sujet très intéressant et je pense que quelqu'un comme JHE serait très intéressé par ça. Il a tout à fait l'esprit ouvert, entrepreneur pour ça.
Par contre, le faire adapter à un Rudi Garcia, je ne sais pas.

meon a écrit :

Pour répondre au premier post, je pense que la plupart des clubs s'y mettront tôt ou tard pour ceux qui n'y sont pas encore. Il y a tellement d'argent en jeu et un tel avantage compétitif à utiliser les dernières avancées scientifiques dans le domaine de la génération et de l'analyse de données.

Les moins aventureux attendront que cette science ait fait ses preuves et d'avoir des logiciels faciles d'utilisation.
Il y aura peut-être de la sous-traitance / externalisation à des sociétés spécialisées, et / ou les clubs pionniers recruteront leurs propres analystes / ingénieurs pour tenter d'obtenir un avantage compétitif sur les autres clubs.

En effet, l'externalisation est très fréquente dans le football d'aujourd'hui. Aujourd'hui, même des analyses basiques qui pourraient totalement être entre leurs mains : expertises comptables, pilotages de l'activité, pilotages des indicateurs financiers... se font à l'aide de boite de presta.

On entend souvent le PSG, pourtant une énorme structure liée à un état, contacter Deloitte car pas foutu de sortir un rapport de pilotage.

Alors ouais, on est très loin de pouvoir aller dans de l'analyse de performances...