L’intelligence artificielle peut-elle prédire les performances d’un.e athlète et réduire les risques de blessure? C’est la question que s’est posé l’Institut national du sport du Québec (INSQ).

Situé à Montréal, cet organisme à but non lucratif encadre et soutient des centaines de sportifs.ives de haut niveau. Leurs performances y sont scrutées à la loupe et des mesures de toutes sortes sont régulièrement prises pour évaluer leur force, leurs mouvements ou leur état de santé. Ces mesures biomécaniques, mais aussi physiologiques et psychologiques, sont par la suite compilées dans de vastes bases de données.

Comment tirer parti de ces données aussi nombreuses que variées? L’enjeu est de taille : dans les compétitions olympiques et paralympiques, les différences qui séparent les médaillé.e.s des autres concurrent.e.s sont souvent infimes. C’est pourquoi les techniques d’intelligence artificielle appliquées à la compétition connaissent aujourd’hui une effervescence mondiale. En effet, elles peuvent apporter aux athlètes un soutien technique et médical précieux.

L’Institut s’est donc tourné vers Maxime Raison, professeur au Département de génie mécanique de Polytechnique Montréal et expert en intelligence artificielle appliquée à l’analyse du mouvement et de la performance. Avec son équipe de doctorant.e.s en génie, dont Sana Raouafi, PhD, et Luis Antonio Pereira de Lima, PhD, ils se sont concentré.e.s sur trois disciplines – le patinage de vitesse courte piste, la paranatation et le paracyclisme – sur lesquelles ils ont testé deux méthodes de traitement de données par intelligence artificielle. Les algorithmes qu’ils ont développés leur ont permis d’analyser rapidement un grand nombre d’indicateurs.

Malheureusement, ces méthodes n’ont pu établir de conclusion pour deux des disciplines étudiées en raison de la disparité et de l’irrégularité des données fournies à ce stade. Cette insuffisance engendrait des coefficients de certitudes trop faibles pour tirer des conclusions. « Au moins, on a montré les efforts qu’il fallait faire pour avoir une base de données solide. ». En effet, le projet avait aussi pour but d’identifier les prises de mesures adéquates ou non pour l’intelligence artificielle, en vue d’améliorer et harmoniser les bonnes pratiques à partir de connaissances concrètes.

L’équipe s’est alors concentrée sur les données de la paranatation, grâce auxquelles les chercheurs.euses ont pu démontrer que l’intelligence artificielle pouvait effectivement prédire le niveau de performance des athlètes plus rapidement et plus précisément que les entraîneurs.euses. « Il faut que les bases de données suivent. Plus les bases de données seront solides, plus les prédictions seront précises. »

En revanche, l’objectif de prédiction des risques de blessures n’a pu être complètement atteint. Néanmoins, le potentiel de l’intelligence artificielle pour une telle application a été confirmé par des résultats de cet essai préliminaire. Une fois de plus, c’est le manque de données qui a empêché l’équipe d’obtenir des résultats fiables. En effet, les entraîneurs.euses ne répertorient généralement que les blessures importantes, qui empêchent de terminer une saison, alors que seul un véritable historique systématisé des blessures donnerait des résultats exploitables.

Pour le professeur Raison, l’intelligence artificielle reste un outil d’aide à la décision, car rien ne remplace l’esprit critique d’un.e entraîneur.euse. « Ça élimine le biais humain dans le processus d’analyse, mais il faut laisser cette flexibilité à l’entraîneur ou l’entraîneuse et le choix des caractéristiques qu’il ou elle veut considérer ou non. »

Le chercheur reste confiant quant aux nombreuses possibilités qu’offre l’intelligence artificielle dans le milieu sportif : « En l’appliquant à la vision par ordinateur, l’intelligence artificielle pourrait détecter les objets et calculer, par exemple, la trajectoire d’une balle de water-polo. Ce calcul permettrait d’identifier la différence entre un bon et un mauvais coup, d’améliorer les frappes des joueurs et donc les résultats. »