Sevilla FC dispose d’un nouvel outil dans sa ceinture d’outil de recrutement.
Le club de football espagnol – comme la plupart des grandes franchises sportives – consacre généralement des équipes à se porer sur les rapports de dépistage pour aider à prendre des décisions des joueurs. En 2023, Sevilla FC a commencé à travailler avec IBM pour développer une application basée sur l’IA qui pourrait analyser 300 000 rapports de dépistage et en quelques minutes offrent aux recruteurs des réponses aux questions qui nécessitaient des centaines d’heures d’homme.
Le résultat final? Scout Advisor, qui a été mis en ligne l’année dernière.
«Le Sevilla FC a eu la réputation à long terme d’être ce club de football incroyable pour le scoutisme», explique Dave McCann, ancien président d’IBM Canada et maintenant associé directeur d’IBM Consulting Europe, du Moyen-Orient et d’Afrique. « Cela leur permet de tirer parti de leurs recruteurs existants, mais de les rendre beaucoup plus efficaces en utilisant une technologie d’IA générative, un traitement du langage naturel et en digérant essentiellement toutes ces données non structurées pour modifier totalement le jeu avec la façon dont ils évaluent les joueurs. »
McCann souligne que la technologie ne remplace pas les scouts humains, qui font depuis longtemps partie du succès de l’équipe, mais leur permet plutôt de mieux utiliser les rapports et les données qu’ils collectent.
«Le Sevilla FC sait exactement quel type de joueurs ils veulent rechercher et recruter, et ils ne parlent pas publiquement de ces attributs parce que c’est leur sauce secrète», dit-il. «Cette solution a également retiré une tonne de biais du processus de recrutement car ils appliquent les mêmes normes aux milliers de joueurs qu’ils regardent.»
Le Sevilla FC est peut-être l’un des premiers adoptants, mais McCann dit qu’il ne faudra pas longtemps avant que les mêmes outils ne soient utilisés par des équipes professionnelles du pays d’origine du natif d’Ottawa.
«Le rythme de l’adoption générative de l’IA et de la technologie dans les clubs sportifs s’accélère considérablement, et je pense que nous verrons que l’accélération se poursuivra plus rapidement au cours des 12 à 18 prochains mois. Il est certainement juste de dire que nous allons commencer à voir cela devenir beaucoup plus courant au cours de la saison ou deux prochaines.»
Les équipes sportives professionnelles investissent des ressources importantes dans la sélection de leurs listes, et de nouvelles technologies telles que Gen AI promettent un avantage lorsqu’il s’agit d’évaluer le potentiel des joueurs.
«En termes de recrutement et de dépistage, il est indiqué que les équipes veulent aller dans cette direction et sont intéressées à avoir des outils pour les aider à le faire», explique John Zelek, professeur d’ingénierie de conception de systèmes et codirecteur du laboratoire Vision and Image Processing (VIP) à l’Université de Waterloo. « Nous avons un projet avec les Orioles de Baltimore, et ils nous ont également dit qu’ils aimeraient avoir plus d’outils afin qu’ils puissent mieux éclairer les joueurs. »
L’un des principaux défis auxquels sont confrontés les ligues sportives professionnelles de ce côté du monde, dit Zelek, est l’utilisation relativement minime de la technologie dans les ligues mineures, qui laisse souvent les recruteurs avec des données insuffisantes pour tirer.
«Ils ont beaucoup de statistiques en termes de nombre d’objectifs ou de passes décisives pour le hockey, ou la moyenne des frappeurs pour le baseball, mais pas dans la mesure des données qu’ils collectent au niveau (le plus élevé) professionnel.»
Construire cette base de données nécessite que les éclaireurs assistent régulièrement à des jeux à travers le monde et enregistrent les données manuellement ou des pores à travers des heures de bande de jeu pour isoler un seul joueur, même dans les arènes qui ont une technologie de capture de vidéos automatisées.
«L’identification d’un joueur unique au cours d’un jeu de hockey à travers une seule caméra est très difficile – c’est un problème non résolu», explique David Clausi, professeur d’ingénierie de conception des systèmes de l’Université de Waterloo et codirecteur de VIP Lab, David Clausi. « Suivant un joueur à travers un match de hockey, à travers ses substitutions, sachant quand ils viennent sur la glace et quand ils quittent la glace, cela n’existe pas par vidéo. »
Clausi ajoute que ces capacités sont disponibles en utilisant plusieurs caméras, capteurs et autres technologies largement utilisés dans les ligues professionnelles, mais pas au niveau junior. Du moins pas encore.
Les autres grandes équipes professionnelles du Challenge devront affronter avant que l’IA ne puisse jouer un rôle plus important dans le recrutement est que la plupart ne savent pas quels attributs déterminent le mieux la probabilité de succès d’un joueur.
Beaucoup des joueurs les plus prospères sont rédigés au premier ou au deuxième tour, mais de nombreuses futures stars ne le sont pas, suggérant que même les meilleurs recruteurs ne savent pas exactement ce qu’ils recherchent. Cela, suggère Clausi, peut s’avérer être l’occasion la plus importante pour les recruteurs qui résulte de la révolution de l’IA, bien que cela prenne du temps.
«Je pense qu’il y aura une évolution en ce qui concerne les mesures elles-mêmes et les méthodes d’évaluation», explique Clausi. « Si vous aviez un bassin de vidéos de la demi-douzaine d’années avec laquelle vous pourriez travailler pour établir des mesures, alors vous pouvez voir comment ces mesures sont en corrélation avec le succès dans la LNH. C’est la seule façon de valider la nature de vos algorithmes. »
