Nous avons posé quelques questions à Thomas Romeas sur le projet et sur son séjour à Boston.

Photo: Mason duBoef présente la recherche lors de la conférence.

C’est d’abord une reconnaissance de la pertinence du sujet étudié, soit l’équité dans le jugement en boxe et la manière dont l’intelligence artificielle (IA) peut contribuer à faire évoluer l’analyse très, parfois trop, subjective de ce sport.

Pour l’INS Québec, cela démontre que l’Institut est un acteur de choix de la recherche et de l’innovation portant sur l’utilisation de technologies avancées et de l’IA appliquées au sport de haut niveau. Ce projet est aussi un bel exemple de collaboration entre une entreprise technologique (Jabbr) et l’écosystème de recherche en performance de l’Institut.

Finalement, c’est une reconnaissance du travail collectif réalisé avec nos partenaires et l’étudiant impliqués dans le projet. Cela positionne l’INS Québec comme un partenaire de choix pour développer l’innovation et l’intelligence artificielle dans le sport. Cela reconnait aussi l’expertise des membres de l’Institut en analyse de performance, notamment en boxe et IA.

Quel est le sujet de la recherche?

La recherche portait sur l’analyse automatisée des combats de boxe à l’aide de l’IA.

Grâce à la vision numérique, une méthode d’IA qui permet d’interpréter les pixels issus de vidéo en évènements mesurables, nous avons analysé plus de 7 000 rounds de combats professionnels afin d’extraire automatiquement des statistiques de performance (types de coups, volume d’attaque, précision, etc.). Les données utilisées proviennent principalement de vidéos publiques de combats professionnels disponibles en ligne, notamment sur YouTube.

L’objectif était ensuite de voir dans quelle mesure ces données permettent de prédire les décisions des juges et d’identifier quels critères de performance influencent réellement le jugement en boxe.

Quels sont les principaux résultats?

Les résultats montrent que des modèles d’intelligence artificielle peuvent prédire le résultat de combat avec une précision comparable à celle observée entre juges humains expérimentés et reconnus dans la communauté sportive, mais de façon automatique et transparente.

L’intérêt majeur est que ces modèles permettent aussi de mieux comprendre les critères qui influencent le jugement, ce qui apporte une forme de transparence dans un sport souvent critiqué pour ses décisions arbitrales.

Par exemple, l’analyse montre que certains types de coups et certaines actions offensives ont un poids beaucoup plus important dans l’évaluation d’un round que d’autres. L’analyse a aussi permis de lever certains mythes sur certaines métriques de performance que l’on pensait importante pour l’issu d’un combat.

Comment ces résultats peuvent-ils aider les boxeurs?

Ces résultats peuvent aider la boxe de plusieurs façons.

D’abord, ce type d’outil pourrait réduire certains biais dans le jugement, en offrant aux arbitres un outil d’aide à la décision basé sur des métriques objectives, ce qui permettrait aux athlètes d’être jugé de façon juste.

Ensuite, du point de vue de la performance, ces technologies pourraient permettre aux athlètes, entraîneurs et aux équipes scientifiques de faire des analyses de performance beaucoup plus rapidement. Cela pourrait aider à mieux comprendre les forces et faiblesses d’un boxeur, mais aussi à analyser les futurs adversaires.

Comment l’IA a-t-elle été utilisée dans le cadre de la recherche?

Elle a été utilisée de trois façons principales.

Premièrement, un algorithme de vision numérique (DeepStrike) développé par l’entreprise Jabbr a permis d’analyser automatiquement les combats de boxe et d’extraire des données de performance à grande échelle, sur plus de 7 000 rounds. Du jamais vue encore dans ce sport et la littérature scientifique de ce sport.

Deuxièmement, nous avons utilisé différentes approches algorithmiques pour comparer les prédictions de l’IA aux décisions réelles des juges, en testant à la fois des modèles interprétables et des réseaux neuronaux plus complexes.

Finalement, des modèles statistiques ont été appliqués afin de discriminer les métriques les plus influentes sur les décisions des juges. Cet exercice a permis d’identifier quelles métriques sont plus et moins importante pour désigner un boxeur gagnant à l’issue de chaque round.

Penses-tu que ce type d’outil pourrait transformer la manière dont les entraîneurs ou les juges analysent les performances?

Je pense que ces outils doivent être vus comme un complément au jugement humain, et non comme un remplacement.

L’IA peut apporter une analyse très objective basée sur des métriques de performance, même s’il y a toujours une marge d’erreur, mais les entraîneurs et les arbitres observent aussi des éléments que la technologie ne peut pas encore bien capter, comme le langage corporel, les signes de fatigue ou de douleur.

L’idéal serait donc une combinaison entre l’analyse objective des données et l’expertise humaine, comme ce qui est en train de se passer dans plusieurs autres sports, comme la VAR en soccer, le hawk-eye en Tennis, ou le système ABS en baseball. La boxe, toutefois, demeure un sport très traditionnel qui a historiquement évolué plus lentement sur le plan technologique, ce qui rend l’intégration de ce type d’innovation plus difficile.

Comment le monde de la boxe pourrait-il utiliser ce type d’analyse dans les prochaines années?

Il y a plusieurs possibilités.

D’abord, l’algorithme peut encore être amélioré grâce à davantage de données et d’entraînement, afin d’augmenter sa précision et sa robustesse.

Ensuite, ce type d’outil pourrait être utilisé comme aide à la décision pour les arbitres, tout en apportant plus de transparence pour les fans.

Du côté scientifique et sportif, ces technologies pourraient aussi être utilisées par les équipes pour suivre l’évolution de la performance des boxeurs de manière longitudinale, analyser les styles de combat ou encore mieux gérer la charge d’impacts à l’entraînement pour protéger la santé des athlètes à long terme, compte tenu de l’enjeu sur la santé que représente l’exposition aux impacts répétés.

Enfin, des sports similaires comme le MMA ou d’autres sports de combat pourraient également bénéficier de ce type d’approche.

Photo: Thomas Romeas à Boston.

Que retires-tu de ton expérience au MIT Sloan Sports Analytics Conference?

Ce qui m’a marqué, c’est le mélange très intéressant entre science, business et gestion du sport. Ces trois univers se rencontrent de plus en plus grâce à l’utilisation des données et contribuent à bonifier le monde du sport.

La conférence montre aussi qu’il devient important, de développer une littéracie minimale en science des données, même avec des volumes de données relativement modestes, car ce domaine sera un acteur majeur pour l’évolution du sport dans les prochaines années.

Finalement, cela m’a confirmé que l’INS Québec, qui utilise l’IA depuis 2017, est aujourd’hui très bien positionné pour jouer un rôle de pilier dans le développement et l’intégration de l’intelligence artificielle dans le sport au Québec et au Canada.