Dans le monde du football, le coup de pied de coin, ou corner, fait l'objet d'analyses au sein des entraineurs car il est exécuté à partir d'un point fixe et donne une bonne occasion de marquer un but. Dans cette optique, Google DeepMind travaille sur un assistant virtuel qui permettrait aux entraineurs de mieux préparer les matches à venir ou d'ajuster les stratégies à la mi-temps.


au sommaire


    GoogleGoogle DeepMind, filiale d'Alphabet spécialisée dans l'intelligence artificielle, travaille depuis plusieurs années en collaboration avec le club de football de Liverpool dans le cadre du développement d'un système d'intelligence artificielle capable d'analyser et de conseiller les entraineurs sur le jeu. Aujourd'hui, elle a mis au point un outil spécialisé dans l'optimisation des corners.

    DeepMind présente TacticAI, un système d'intelligence artificielle capable de fournir des informations pratiques au moment de tirer un corner. Il combine des modèles prédictifs et génératifs permettant d'analyser ce qui s'est passé dans les matches précédents et de faire des ajustements pour des tirs encore plus efficaces. Il permet aux entraîneurs de créer des configurations de footballeurs alternatives pour chaque coup de pied arrêté, puis d'évaluer directement les résultats possibles de ces choix.

    De cette manière, l'entraineur peut découvrir qui est le plus susceptible de recevoir le ballon et s'il aura une occasion franche de marquer, mais également si des tactiques similaires ont fonctionné dans le passé. Il faut d'ailleurs noter que les statistiques sur les corners sont relativement restreintes puisqu'une dizaine seulement sont sifflés en moyenne par match en Premier League (championnat anglais).

    Google DeepMind a développé TacticAI, un outil intelligent d'analyse et de prédiction des corners. © Google DeepMind
    Google DeepMind a développé TacticAI, un outil intelligent d'analyse et de prédiction des corners. © Google DeepMind

    Une aide à la décision pour choisir la meilleure tactique

    Concrètement, l'outil de DeepMind propose une représentation graphique de l'action où chaque joueur est consciencieusement placé sur le terrain. Un réseau neuronal graphique calcule et ajuste alors leur position pour optimiser les chances de but, en prenant en compte le placement des défenseurs adverses. L'objectif de ces modèles prédictifs est d'aider l'entraineur à mettre au point des schémas de jeu plus efficaces lors des prochains corners.

    L'idée est maintenant d'étendre ensuite cette technologie à d'autres séquences de jeu. Pour les pénaltys par exemple, les algorithmes prendront en compte les statistiques individuelles des joueurs, c'est-à-dire leur manière de les tirer, leur puissance, leur taux de réussite, etc., qu'ils opposeront à celles du gardien en face d'eux.

    DeepMind reste convaincu que les entraineurs feront appel à ce type d'assistants virtuels d'ici quelques années, que ce soit pour bien préparer leur prochain match ou même effectuer des ajustements à la mi-temps.

    (A) Comment les situations de corner sont converties en une représentation graphique. Chaque joueur est traité comme un nœud dans un graphique. (B) Comment TacticAI traite un corner donné. Les quatre combinaisons possibles de réflexions sont appliquées au coin et introduites dans le modèle principal TacticAI. Ils interagissent pour calculer les représentations finales des joueurs, qui peuvent être utilisées pour prédire les résultats. © Google DeepMind
    (A) Comment les situations de corner sont converties en une représentation graphique. Chaque joueur est traité comme un nœud dans un graphique. (B) Comment TacticAI traite un corner donné. Les quatre combinaisons possibles de réflexions sont appliquées au coin et introduites dans le modèle principal TacticAI. Ils interagissent pour calculer les représentations finales des joueurs, qui peuvent être utilisées pour prédire les résultats. © Google DeepMind

    Quand la stratégie rejoint la robotique

    Comme si cela ne suffisait pas, DeepMind a récemment réussi à faire jouer au football des petits robots humanoïdeshumanoïdes, en un contre un. Cette performance s'appuie sur un mode d'apprentissage par renforcement profond pour enseigner à des robots bipèdes une version simplifiée de ce sport. À noter que DeepMind utilise déjà cette technique d'apprentissage dans d'autres disciplines comme les échecs ou encore le jeu de go.

    Entrainement de robots humanoïdes au football. © Popular Mechanics, Google Deepmind

    Ce qui n'était jusqu'alors que stratégique est désormais, dans le cadre du football, associé à de la robotiquerobotique. Aujourd'hui, ces robots savent manier le ballon, tirer au but et même se relever après avoir été victime d'un contact. L'adaptation de ces robots à un comportement relativement agile, mais qui ne sont toutefois pas encore prêts à participer au fameux tournoi de robotique Robocup, a fait l'objet d'une étude, parue dans Science Robotics.