Avant que le Canada ne devienne un pays, un médecin anglais nommé John Snow a remarqué qu’un nombre alarmant de personnes mouraient après avoir bu de l’eau du même puits dans le quartier londonien de Soho.
Snow a fait sa découverte en cartographiant les données des issues fatales, qui ont bien identifié l’auteur de l’infraction. Peu de temps après, il est devenu admis que le choléra était une maladie d’origine hydrique et non aéroportée. Des changements ont suivi qui ont rendu l’eau potable beaucoup plus sûre.
Cela peut sembler un lien étrange, mais le travail de Snow dans l’Angleterre victorienne se reflète dans le basket-ball et le hockey d’aujourd’hui. Les équipes des deux sports ont adopté une méthodologie similaire pour surveiller les scores.
«J’adore cette comparaison», déclare Peko Hosoi, professeur de génie mécanique au Sports Lab du Massachusetts Institute of Technology, un organisme qui a beaucoup travaillé pour marier les métadonnées permettant d’améliorer les résultats.
«Cela ressemble beaucoup à ce que le (travail) de Kirk Goldsberry a fait (pour) le basket-ball.»
Au basket-ball, aidées par les recherches révolutionnaires du professeur de géographie Goldsberry, les équipes se sont tournées vers des tirs très proches du panier ou au-delà de la ligne des trois points, trouvant que ces zones étaient les moyens les plus efficaces de marquer des points.
Au hockey, les « cartes thermiques » permettent aux entraîneurs et aux joueurs de mieux comprendre où et comment générer les meilleures opportunités de marquer.
L’analyse des données a également aidé les équipes à identifier les prospects dont les performances pourraient ne pas être capturées par les statistiques de notation traditionnelles. Tout cela soulève la question suivante : la science et l’exploration de données pourraient-elles finir par dominer la prise de décision et la surveillance à l’avenir ?
Pour l’instant, même les « scientifiques » ne voient pas cela se produire. Il s’agit plutôt d’une relation symbiotique.
« (Les scouts traditionnels) sont très bons dans ce qu’ils font, et les gens devraient toujours continuer à faire ce qu’ils font », dit Hosoi.
« Notre (travail) consiste à trouver de vastes ensembles d’informations et de vastes ensembles de données » et à les appliquer pour créer de meilleurs résultats, ajoute Hosoi. «Mais vous devez disposer de bonnes données.»
Paul Henry est un psychologue qui a travaillé pour le Service correctionnel du Canada, tout en menant une carrière parallèle à des postes de direction pour Hockey Canada, les Rangers de New York et les Panthers de la Floride. Aujourd’hui âgé de 80 ans et toujours au travail, Henry aide une poignée d’équipes juniors majeures dans le dépistage et sur les aspects mentaux du sport.
Il n’est pas contre l’exploration massive de données, il ne trouve tout simplement pas cela utile pour son propre travail. « Ce n’est pas ce que j’utiliserais pour bâtir mon équipe de hockey », déclare Henry, qui a formé l’équipe canadienne médaillée d’argent aux Jeux olympiques d’hiver de 1994.
Kevin McDonald, directeur exécutif de Football Canada, est en train de se convertir aux données, mais reconnaît que les yeux humains restent indispensables.
«Les deux doivent se compléter», déclare McDonald, qui a passé près de deux décennies dans la Ligue canadienne de football. «Je pense qu’il est toujours important de voir un athlète en personne.»
McDonald, un ancien quart-arrière remarquable de l’Université Wilfrid Laurier, a vécu un moment inoubliable en assistant aux championnats du monde de flag-football en Finlande l’été dernier. Ce sport devient de plus en plus important pour plusieurs raisons, notamment parce qu’il sera disputé aux Jeux olympiques de 2028. Tous les pays suivaient les données en Laponie, et s’il n’était pas déjà convaincu, McDonald a vu le rôle de la science aller de l’avant.
«Je pense que ce que les gens essaient de mieux comprendre, c’est la corrélation entre (certaines données) et la performance de l’athlète, l’intensité, le repos, l’impact sur la blessure, son lien avec la récupération, la durée des quarts de travail et les plans d’entraînement», explique McDonald.
«C’est formidable d’avoir beaucoup de données, mais la clé pour les entraîneurs, les évaluateurs et le personnel chargé de la performance est de mieux comprendre comment les informations sont liées à la santé et à la performance optimale des athlètes.»
Un sceptique pourrait dire que les initiatives qui ne fonctionnent pas finissent dans les poubelles, loin des critiques, mais il existe désormais de nombreux exemples d’applications de données utilisées avec beaucoup d’effet. En Premier League anglaise, Liverpool, leader actuel, a utilisé des outils de suivi pour découvrir que l’attaquant Mo Salah était le joueur le plus rapide de la Serie A, la meilleure ligue italienne. Liverpool pensait avoir les ressources nécessaires pour mieux exploiter le talent de Salah que la Roma, et avant cela avec son rival de Premier League, Chelsea.
Liverpool a signé Salah en 2017, et il a été un joueur clé d’une équipe vainqueur du trophée.
Hosoi indique que le MIT Sports Lab est sur le point de publier un article sur l’impact de l’analyse des données dans les rôles de direction. L’équipe du MIT conclut qu’en utilisant la NBA comme modèle, avoir un analyste parmi le personnel entraîne 1,25 victoires supplémentaires par saison et permet d’économiser environ 10 millions de dollars américains en dépensant plus efficacement pour les joueurs.
Même si quelqu’un peut être sceptique à l’égard des données, il s’agit d’une mesure difficile à ignorer.
