Titre de l'événement : « À la recherche de la performance ».
Sujet du webinaire : L'approche numérique de la performance.
Organisation : Par le Laboratoire CEP (faisant partie du Pôle Performance) à l'INSEP.
La conférence s'ouvre sur une discussion sur l'importance croissante de l'analyse des données pour l'optimisation de la performance sportive en vue des grandes compétitions à venir. L'accent est mis sur la nécessité de rationaliser et d'optimiser l'usage de cette masse d'informations.
Les Apports
- Détection de potentiel : Utilisation de modèles d'apprentissage pour identifier des schémas communs chez les athlètes de haut niveau (ex : volume de pratique et diversité sportive à différents âges).
- Optimisation : Analyse des relations complexes entre charge d'entraînement, récupération, maladies et blessures.
- Analyse de la concurrence : Création d'outils d'aide à la réflexion pour cartographier les stratégies gagnantes et les techniques efficaces.
Les Limites
- Limites technologiques : Biais de mesure (capteurs), de traitement (modèles) et de visualisation.
- Limites humaines : Le processus de gestion des données est chronophage. Il existe des biais cognitifs et un risque de sur-interprétation de l'outil (un outil d'aide à la décision ne doit pas devenir un outil de décision absolue).
- Limites éthiques et philosophiques : Nécessité de la conformité réglementaire (RGPD/CNIL) et conscience que les modèles ne reflètent qu'une vision partielle et parcellaire de phénomènes complexes (performance, fatigue).
L'efficacité d'un outil dépend de sa capacité à réduire l'écart entre le modèle mental de l'utilisateur et l'outil réel. Pour cela, il est crucial de :
- Expliquer les limites (erreurs de prédiction, précision) de manière déontologique.
- Incorporer l'utilisateur final dès le début du processus (livrer vite et améliorer ensuite).
- Adopter une approche progressive pour le recueil des données afin de créer une culture de la donnée sans submerger l'encadrement.
- Confirmer l'intuition des encadrants : le numérique doit venir valider le savoir-faire.
Un second projet a été présenté, illustrant l'application de cette approche à une discipline où la donnée est rare et hétérogène.
- Difficulté à collecter des métriques spécifiques dans cette discipline d'affrontement.
- Le mélange récent des circuits de compétition (amateur/professionnel) rend la prédiction stratégique difficile.
- L'absence de classement officiel fiable oblige à se méfier des systèmes privés dont les algorithmes sont opaques ou influencés par des enjeux économiques externes.
Le projet vise à développer un système interne d'exploitation et d'analyse des données pour obtenir une maîtrise stratégique indépendante des classements externes.
