- Grâce à un traitement en périphérie de réseau (Edge Computing) s’appuyant sur des techniques d’intelligence artificielle (IA) et d’apprentissage machine (ML), une variété de données de performances sportives peuvent être transformées en informations pertinentes.
- Nordic Semiconductor explique comment les solutions connectées dédiées au suivi des sportifs aident les athlètes, les entraîneurs et les équipes à maximiser leurs résultats.
Auteur : Thomas Søderholm, vice-président du développement des affaires chez Nordic Semiconductor
Dans le monde sérieux et souvent très lucratif du sport moderne, la différence entre la victoire et la défaite ne tient souvent qu’à un fil. Les résultats sont bien souvent déterminés à quelques millisecondes près, quelques millimètres près, voire auraient pu passer totalement inaperçus. Pourtant, même les mesures précises de données comme la vitesse ou la distance restent assez rudimentaires par nature, au mieux servant à nous expliquer ce qui s’est passé, et non pourquoi cela s’est produit, ou mieux, comment l’améliorer. Le véritable plus consiste à pouvoir comprendre les performances sportives à un niveau beaucoup plus profond et nuancé.
Les méthodes traditionnelles d’analyse des performances athlétiques se fondent souvent exclusivement ou partiellement sur l’observation manuelle et une évaluation subjective, parfois appelées « test visuel ». L’œil peut certes s’avérer un outil puissant, en particulier lorsqu’il appartient à un expert doté de vastes connaissances sur le domaine du sport, mais de telles pratiques peuvent facilement atteindre leurs limites. Le volume de données généré au cours d’une session d’entraînement ou de jeu à lui seul peut entraîner des difficultés à identifier les schémas et en extraire des informations significatives, tout en évitant par ailleurs les biais ou incohérences qui pourraient mener à des conclusions imprécises.
Une approche basée sur la technologie, quant à elle, peut aider à éliminer les approximations et diminuer la marge d’erreur. De nos jours, des analyses avancées permettent de transformer les données brutes en informations utilisables, que ce soit en temps réel ou rétrospectivement, offrant aux acteurs du sport d’énormes opportunités directement sur le terrain. Il n’y a quasiment aucune limite à la quantité d’informations qui pourrait bénéficier aux athlètes, aux coaches, aux entraîneurs et aux scientifiques du sport, aussi bien qu’aux équipes sportives, ligues, sociétés d’information et spectateurs.
Puisque l’information est synonyme de pouvoir, les analyses sportives avancées deviennent de plus en plus cruciales à toute personne désireuse de disposer d’un avantage décisif. Les toutes dernières solutions de suivi de sports, basées sur des technologies sans fil, sont spécialement conçues pour rassembler des données détaillées sur mesure et offrir des informations en temps réel, dans la poursuite d’un seul objectif global : l’amélioration immédiate et durable.
Les indicateurs qui font la différence
Bien qu’il s’avère utile de surveiller la vitesse de déplacement d’un athlète ou de lancement du ballon d’un joueur (par exemple, un lanceur de basket professionnel peut atteindre une vitesse de 174 km/h) ; des douzaines d’autres points de données peuvent être combinés pour créer un profil unique des compétences d’un individu, de sa technique, sa puissance, son endurance, ses performances, sa capacité de récupération et son développement. Parmi les paramètres importants dans chaque sport on peut citer : le déplacement du corps de l’athlète pendant les actions essentielles, ou la position, l’angle de tir, la vitesse de rotation et la vitesse d’accélération de la batte ou de la balle à différents moments du jeu.
Pour chaque sport, il existe un certain nombre d’indicateurs essentiels. Pour les sports individuels, comme l’athlétisme ou le cyclisme, les indicateurs essentiels peuvent se concentrer sur l’efficacité biomécanique et la précision technique. Pour les sports d’équipe, y compris les différentes variantes de football, les indicateurs les plus courants sont le nombre de sprints, les accélérations, les décélérations et l’intensité de l’entraînement. Il s’agit d’indicateurs qui aident à évaluer, entre autres, l’endurance d’un joueur, sa vitesse ou ses déplacements. Dans le même temps, les contributions au jeu et l’efficacité de chaque joueur peuvent être jugées par des indicateurs plus spécifiquement liés à son poste, comme le taux de réussite des attaques ou des passes, ou la précision des tirs.
La technologie permet d’accéder facilement à ce type d’indicateur. Des outils tels que les capteurs d’inertie, les dispositifs d’ancrage et les services de localisation forment des systèmes qui mesurent différents aspects du sport et de l’activité quasiment en temps réel, y compris la localisation, le déplacement, la vitesse, l’accélération, l’orientation et les forces d’impact d’un joueur ou de tout autre objet (ballon, batte, palet, crampons, casque, etc.).
Ce volume important de données brutes peut être traité et analysé à l’aide d’algorithmes exécutés sur le capteur ou le processeur embarqué du système sur puce (SoC) pour la communication sans fil intégré au capteur d’activité, avant que l’information ne soit ensuite envoyée (via une connectivité à faible latence) à l’application dédiée sur le smartphone de l’utilisateur, ou un tableau de bord en ligne affiché sur un ordinateur portable.
Suivre des athlètes, des ballons et des équipements
Il existe déjà plusieurs types de solutions d’analyse des sports conçues pour remplir différents objectifs. La technologie de suivi des ballons, par exemple, fournit des données sur la trajectoire, la rotation, et les rebonds des ballons, ce qui permet de mesurer la qualité et la précision des passes et des tirs, ou bien à évaluer le positionnement défensif ou offensif.
La technologie de suivi des athlètes, pour sa part, fournit des informations sur le placement précis, les déplacements et l’activité des joueurs eux-mêmes, et permet de mesurer leurs performances, leur forme physique, l’intensité de l’entraînement et leur prise de décision tactique.
De plus, les capteurs d’activité placés au poignet, sur la poitrine ou toute autre partie du corps permettent d’aller bien plus loin dans l’analyse des données, et sont capables de révéler des informations essentielles à partir de paramètres comme la variabilité du rythme cardiaque (HVR), VO2max (le taux maximum de consommation d’oxygène atteignable pendant un effort physique), la fatigue musculaire, l’acide lactique ou l’efficacité physique. Les développeurs des appareils de surveillance du glucose en continu (CGM) commencent également à commercialiser leur technologie pour le sport. En effet, les différents taux de glucose donnent aux athlètes une indication pour savoir s’ils doivent prendre plus d’énergie ou continuer à s’entraîner.
Ce type d’information permet de mieux comprendre comment un athlète répond à l’entraînement, s’il s’entraîne trop et s’il a besoin de récupérer correctement afin de prévenir une blessure.
Dans le cas du basketball, les capteurs sur le corps et les modèles prédictifs sont déjà utilisés pour suivre des indicateurs spécifiques tels que l’équilibre du corps, afin d’indiquer la probabilité qu’un joueur à d’être blessé, à partir de ses schémas de mouvement individuel et de l’intensité de son entraînement. Dans le cas du football, par exemple, les clubs du monde entier ont investi massivement dans des technologies portées par leurs athlètes pour suivre et surveiller des données comme la fatigue des joueurs pendant l’entraînement, tout comme la position pendant le jeu, la distance parcourue, ainsi que tout une batterie d’actions réussies.
La gamme Apex intégrant des composants Nordic, utilisée par un grand nombre des principales organisations sportives internationales, y compris les clubs de Premier League (Angleterre), constituent un exemple très représentatif. Développé par la société conception de solutions de suivi de données basée en Irlande du Nord STATSports, le dispositif Apex est incorporé à une veste légère faite sur mesure portée par l’athlète, et intègre toute une série de capteurs, dont un accéléromètre, un gyroscope, un magnétomètre et un module GNSS augmenté. Ces capteurs fournissent des données telles que le rythme cardiaque maximum et moyen, la distance totale parcourue, la vitesse actuelle et maximale, le nombre de sprints, les accélérations, les impacts, la variabilité de la charge de stress et l’équilibre des pas. La solution utilise la connectivité Bluetooth LE pour envoyer en temps réel les indicateurs précis et fiables spécifiques à chaque sport vers les smartphones et tablettes des coaches, afin qu’ils prennent des décisions réfléchies pendant un match ou une session d’entraînement.
La puissance des analyses prédictives
Le nouvel élément qui change la donne dans le domaine des sports prend la forme de modélisations prédictives et d’analyses basées sur les données réalisées en périphérie (ce qui rend les décisions fondées sur l’analyse des données aussi proches que possible des capteurs intégrés eux-mêmes).
Lorsque les données pertinentes ne sont pas juste traitées comme des chiffres mais analysées et interprétées par des algorithmes d’IA (intelligence artificielle) et d’apprentissage machine (ML, Machine Leraning), les analystes sportifs peuvent profiter d’informations encore plus précises et personnalisées. Grâce à l’adjonction de l’IA et du ML (une application de l’IA qui permet aux ordinateurs d’apprendre sans nécessiter de programmation ou d’instruction directe), un capteur d’activité doté des mêmes capteurs qu’avant, peut par exemple surveiller en continu plusieurs paramètres de performances simultanément, et y découvrir des schémas significatifs au cours du processus.
En analysant les données historiques et les informations issues des capteurs en temps réel, des modèles statistiques peuvent mettre en lumière des facteurs ayant un impact majeur sur la façon dont l’athlète se prépare, exécute une performance, récupère et reproduit les mêmes actions, voire identifier des stratégies opposées et évaluer la dynamique générale de l’équipe. La technologie emmène les analyses des données sportives vers une nouvelle étape.
En intégrant davantage de systèmes sur puce avancés ainsi que des capacités IA/ML, les appareils en périphérie peuvent prendre en charge eux-mêmes une plus grande partie des tâches de traitement. Les avantages de l’informatique en périphérie de réseau comprennent : les économies réalisées sur la puissance de transmission, une meilleure longévité de la batterie et une réduction des coûts associés à l’utilisation de capteurs générant de gros volumes de données, ainsi qu’une amélioration de la sécurité et de la protection des données, car elles demeurent sur l’appareil en lui-même (ce qui est extrêmement important dans le domaine très médiatisé du sport professionnel).
Et il ne fait aucun doute que cette technologie va continuer à influencer le sport. D’après le cabinet d’études Allied Market Research, l’intelligence artificielle mondiale dans le secteur du sport devrait représenter 19,2 milliards de dollars d’ici 2030, avec un taux de croissance annuel composé (TCAC) de 30,3 % entre 2021 et 2030.
Les systèmes sur puce optimisés pour l’Edge AI
La demande pour des solutions d’analyses des sports encore plus complexes fait peser des exigences croissantes sur les SoC sans fil qui alimentent les capteurs et les dispositifs de suivi d’activité. Cependant, c’est une chose de permettre la connectivité et de superviser un réseau de capteurs qui peuvent générer des milliers de points de données. Mais c’en est une autre de donner du sens à toutes ces données en contexte et assez rapidement pour permettre la prise de décision efficace et rapide. Pour ce faire, il faut un système sur puce (SoC) capable d’une charge de traitement importante, et de la capacité de réaliser les opérations de ML et la fusion de capteurs en périphérie (Edge).
Les algorithmes de ML offrent la capacité de traiter un grand volume de données et d’en extraire les informations pertinentes, à partir de grands ensembles de données. Pour obtenir un tableau complet, il est nécessaire de combiner différents flux de données issus de nombreux capteurs, ce qui nécessite un système sur puce capable de réaliser la fusion de capteurs, afin de filtrer les informations et de déterminer quels points de données, parmi tous les capteurs différents, correspondent à une même activité, ou non.
Comme l’exécution des applications IA et ML sur des puces de communication sans fil alimentées par batteries nécessite de puissantes capacités de calcul à des niveaux de consommation énergétique modestes, les nouveaux SoC de la série nRF54 de Nordic intègrent un processeur ARM Cortex-M33 pour la réalisation de calcul, avec la consommation énergétique la plus faible possible. Cela revient à un traitement de données 10 fois plus performant qu’auparavant. De plus, ils permettent de traiter la même quantité de données 10 fois plus rapidement, le composant revenant ensuite rapidement à l’état de veille présentant une consommation ultra basse, ce qui lui permet d’utiliser 10 fois moins de puissance.
En utilisant l’Edge AI sur un SoC de la gamme nRF54 de Nordic, le traitement local utilisera moins de puissance que l’envoi des données à distance, ce qui permettra d’avoir un appareil d’analyse de données sportives avec une durée de fonctionnement plus longue et des dimensions de batterie plus réduites. De plus, les données étant traitées au niveau local en temps réel, il devient inutile d’utiliser de la bande passante pour envoyer les données brutes, tout comme de perdre du temps en attendant la réponse du Cloud.
