L’IA et le football : promesses et enjeux

Les défenseurs de l’intelligence artificielle dans le football ont une phrase toute prête : la technologie ne remplace pas l’humain, elle le renforce. Les clubs, eux, voient surtout autre chose. Ils voient un marché impitoyable où le moindre avantage compte, même s’il se mesure en décimales.

Et ils se jettent dedans.

D’un blog d’Arsenal à un outil pour clubs pros

Bracha n’est pas arrivé dans ce monde par la grande porte. C’est un supporter d’Arsenal, au départ juste un homme avec un blog, qui écrivait depuis chez lui des analyses fouillées sur les Gunners. Œil du passionné, appuyé par quelques outils technologiques, il s’amusait à repérer des joueurs que, selon lui, les grands clubs devraient signer.

Puis il a commencé à automatiser une partie de son travail. Son job à temps plein dans la tech lui prenait tout son temps, alors il a mis au point un modèle d’IA pour générer l’ossature de ses articles. Il y ajoutait sa patte, son regard, et continuait à publier.

C’est là que tout a basculé.

« J’ai commencé à recevoir des messages de recruteurs pros et de clubs qui me demandaient : “Comment tu sais ça sur tel joueur ?” », raconte-t-il. Sa réponse les a désarmés : « Je ne sais rien de spécial sur le joueur. C’est juste ChatGPT. » Il en rit encore. Mais derrière la blague, une question l’a frappé : si ça les impressionne, qu’est-ce qu’ils utilisent, eux, aujourd’hui ?

La réponse : beaucoup de données, très peu d’ordre.

Trop de chiffres, pas assez de clarté

Depuis une dizaine d’années, le football est passé de la pénurie de données à l’indigestion. Wyscout a ouvert la voie au début des années 2010. D’autres sociétés ont suivi. Résultat : des plateformes à la chaîne, des chiffres partout, et des départements de recrutement noyés sous les rapports.

« En dix ans, on est passé d’une complète rareté à une surcharge de données », résume Bracha. Trop de fournisseurs, trop de formats, trop de tableaux. Pas assez de temps pour tout traiter.

C’est là que Marquee, sa société, intervient. L’idée : faire le tri, automatiser les « glorieux fichiers Excel » et consolider des informations éparpillées sur une multitude de plateformes. « En un sens, Marquee, c’est un département analytique externalisé pour le club », explique-t-il.

Pas question, insiste-t-il, de vendre un Football Manager amélioré ou un mode Carrière EAFC maquillé en outil pro. Marquee fabrique des profils ciblés, payants, qui proposent des pistes de recrutement en intégrant non seulement le niveau du joueur, mais aussi son adéquation à un système de jeu donné.

Les clubs restent libres de suivre ou non ces recommandations. Pourtant, la plateforme s’est déjà fait une place : quelques clubs de Premier League l’utilisent, tout comme le FC Barcelona et le Chicago Fire en MLS, qui l’ont publiquement adoubée. Personne ne peut dire avec certitude si Marquee a déjà déniché la prochaine pépite mondiale. Mais l’outil fait désormais partie du décor.

Quand la machine voit la fatigue avant tout le monde

L’IA ne sert pas qu’à choisir des joueurs. Elle s’invite aussi dans le suivi des corps.

Lors d’un match de MLS entre FC Cincinnati et Nashville SC l’an dernier, les données ont commencé à clignoter autour de Matt Miazga. Cinq minutes avant qu’il ne demande à sortir, le système du club avait détecté un « schéma de mouvement irrégulier ». Pas un signal d’alarme en temps réel, pas une alerte sur le banc, mais un indicateur clair, a posteriori : quelque chose n’allait pas.

La machine avait compris qu’il était en difficulté.

Reste la question suivante : quand le joueur peut-il revenir à 100 % ? C’est là qu’intervient Springbok Analytics, avec une demande simple à ses clients : « Envoyez-nous votre blessure la plus compliquée. » Le plus souvent, c’est la même : l’ischio-jambier.

Une étude de 2020 du NIH estimait que les blessures aux ischios représentent 12 % de toutes les blessures chez les pros, avec un taux de rechute compris entre 4 % et 68 %. On les associe souvent à la fatigue, elles surviennent fréquemment en fin de mi-temps, et malgré des années de recherche, les clubs n’ont toujours pas trouvé la recette miracle pour les soigner et, surtout, les prévenir.

« On a toutes les nouvelles technologies, tous les nouveaux tests… Combien de force tu peux produire ? À quoi ressemble ta course ? Les blessures aux ischios n’ont pas diminué. Elles ont augmenté », constate Matt Brown, directeur Analytics de Springbok Analytics.

Des IRM au « jumeau numérique » musculaire

Pour Brown, le problème vient des données. Une blessure physique est concrète, visible. Mais quantifier la force musculaire, les déséquilibres, l’atrophie, c’est un casse-tête. Il faut scanner un joueur au moment de la blessure, puis deux mois plus tard, six mois plus tard, suivre l’évolution du muscle, vérifier si la rééducation provoque les effets recherchés.

Springbok est né à l’Université de Virginie. À l’origine, les chercheurs développaient une technologie d’IRM hyper spécifique pour traiter des patients atteints de paralysie cérébrale, avec des modèles 3D permettant aux chirurgiens pédiatriques de calculer précisément les allongements de tendons. Une fois la méthode validée, la société l’a transposée au sport. La NBA a signé en 2023. La MLS l’a intégrée à son Innovation Lab cette année.

Les IRM traditionnelles, décrit Brown, ce sont « des milliers et des milliers de tranches d’images 2D en niveaux de gris ». Les médecins empilent ces images, les analysent une à une pour en tirer une vision 3D. Un travail long, fastidieux.

L’IA de Springbok accélère tout. Les images sont pré-traitées, les limites des muscles identifiées, et le système produit un « jumeau numérique » 3D détaillé en quelques heures au lieu d’une semaine. Springbok ne soigne pas, ne promet pas de prévenir les blessures. L’outil se contente de rendre les IRM plus « parlantes » et immédiatement exploitables.

« On est le système de soutien. On rend l’imagerie IRM beaucoup plus impactante et actionnable. On vous donne les mesures. C’est vous, médecins, qui avez dix ans d’expérience et votre propre thèse », insiste Brown.

Un smartphone, quatre photos, et le futur d’un ado

À l’autre bout de la chaîne, loin des stars blessées, une autre bataille se joue : celle du développement des jeunes.

Chaque jour, à l’académie de Philadelphia Union, les éducateurs se posent les mêmes questions : à quel niveau leurs joueurs peuvent-ils évoluer ? Où placer la frontière entre développement physique et qualité de jeu ? Combien de minutes de haut niveau un talent comme Cavan Sullivan peut-il encaisser à l’adolescence ? Son corps suivra-t-il ?

Jusqu’ici, aucune réponse unique. Les clubs de MLS multiplient les tests : force, taille, projection de croissance, pic de performance attendu. Beaucoup de temps, beaucoup d’incertitudes.

Fit:Match promet d’aller plus vite. Et plus droit au but. Un téléphone, dix secondes, et une projection du futur physique d’un jeune joueur s’affiche.

Le processus est brutalement simple : quatre photos du sujet, sous différents angles. Le smartphone calcule taille, masse corporelle, envergure, et une batterie d’autres mesures. Puis il pousse plus loin : taille probable à maturité, stade de croissance, esquisse de ce que pourrait être la pleine forme physique du joueur. Le tout en moins de 30 secondes.

Son fondateur, Haniff Brown, parle à moitié en plaisantant de « ChatGPT pour le football ».

Brown vient de la mode. Il a d’abord utilisé ces scans instantanés pour éviter aux clients d’acheter quatre chemises et d’en renvoyer trois. « Tu télécharges ton profil corporel, tu achètes la bonne taille, et c’est réglé », résume-t-il.

Les hôpitaux et les entreprises de santé ont vite frappé à sa porte. Puis, en 2024, un club européen – resté anonyme – lui a demandé de scanner ses joueurs de l’académie. Brown a compris qu’il tenait quelque chose de plus ambitieux.

Il s’est fixé une règle : l’évaluation ne devait pas durer plus de 15 secondes. « Les coachs n’aiment pas les tests trop longs. Ils veulent que les gamins retournent vite à leurs exercices », explique-t-il. Plus c’est compliqué, moins c’est utilisé.

Le club a été convaincu. D’autres ont suivi. Un obstacle, pourtant, persistait : les écarts entre les mesures des différents coachs sur un même joueur. « Pour le même joueur, un coach obtenait un résultat, un autre coach du même club obtenait autre chose », raconte Brown.

Fit:Match a donc standardisé la procédure. Quatre photos, 30 secondes de calcul, et un profil détaillé apparaît. Aujourd’hui, l’outil sert aux clubs… et aux familles. Lorsqu’un parent inscrit son enfant dans une académie, il peut télécharger les photos. Le système génère un jumeau numérique, puis envoie en coulisses à la MLS toute une série de données sur le joueur.

Les clubs peuvent alors mieux ajuster les catégories d’âge. Dans le football de jeunes, la taille physique influence encore trop les décisions. Un U14 très précoce n’a rien à voir avec un U14 en retard de croissance. « Désormais, la MLS peut l’objectiver scientifiquement, et créer de meilleurs parcours pour les retardataires afin qu’ils ne sortent pas du système », insiste Brown.

Entre promesse technologique et malaise éthique

Tout cela paraît séduisant. Parfois même révolutionnaire. Mais derrière les courbes et les algorithmes, une autre question surgit : jusqu’où laisser des machines remodeler des processus humains, surtout lorsqu’il s’agit de projeter la trajectoire d’un adolescent ?

« La première étape, c’était de rendre les gens à l’aise », admet Brown. Gagner la confiance, rassurer, expliquer.

Même combat chez Marquee. Bracha a vite compris qu’il ne pouvait pas arriver en donneur de leçons. « Il s’agit surtout que les clubs se sentent à l’aise avec tout ce qu’on fait ensemble. Une fois qu’on aura quelques belles histoires communes, on les publiera », dit-il.

Reste l’angle le plus sensible : l’emploi. Quand un outil se présente comme plus rapide, plus précis, moins coûteux qu’un département interne, la menace est claire. Bracha ne se voile pas la face. « D’un point de vue retour sur investissement, ce sera toujours plus rapide, plus juste de venir chez nous. On a déjà construit la solution et on continue d’investir pour l’améliorer. Votre seule dépense, c’est notre service. L’un des plus gros coûts d’un club, ce sont les salaires. Alors, est-ce qu’ils veulent embaucher pour bâtir ça en interne ou acheter à l’extérieur ? C’est la grande question de l’IA aujourd’hui : construire ou acheter ? Dans ce cas, je pense qu’il faut acheter », tranche-t-il.

Sans garantie de succès, toutefois.

Wolfsburg, Sevilla, Seattle : l’IA descend sur le banc

Wolfsburg a fait partie des pionniers en Europe. Le club allemand a affirmé avoir économisé un million d’euros par an grâce à l’IA, pour des tâches administratives et la prévention des blessures. Sur le terrain, la saison dernière, les résultats ont été bien moins flatteurs. La communication très offensive autour de l’IA a même suscité un retour de bâton médiatique, tant l’équipe paraissait déconnectée de son discours techno.

Le club n’a pourtant pas reculé. Sevilla utilise désormais IBM WatsonX pour gérer ses données. L’outil structure, trie, agrège. Un cerveau supplémentaire dans une salle déjà remplie d’écrans.

Certains vont encore plus loin. Fraser, entraîneur, a reconnu avoir testé ChatGPT pour explorer des idées de matchups et de systèmes de jeu. D’autres ont presque intégré l’IA à leur routine.

En octobre 2025, l’entraîneure de Seattle Reign, Laura Harvey, a fait parler d’elle en expliquant, dans le podcast Soccerish avec Lori Lindsey et Christina Unkel, qu’elle avait demandé à ChatGPT : « Quelle formation faut-il jouer pour battre les équipes de NWSL ? » Pour deux des quatorze équipes de la ligue, la réponse a été nette : jouer avec une défense à cinq.

Harvey a pris l’idée, l’a présentée à son staff, l’a travaillée. Seattle a fini par adopter un système à cinq défenseures. Résultat : une cinquième place au classement, huit rangs de mieux que la saison précédente.

Est-ce ChatGPT qui a transformé Seattle Reign ? Non. L’IA n’a pas couru, taclé ni marqué. Mais elle a mis une idée sur la table, une piste tactique qui a fini par se matérialiser sur le terrain. Pour les partisans de ces outils, c’est déjà une victoire.

Un outil de plus dans un jeu sans pitié

Pour chaque réussite, il existe des essais avortés, des modèles écartés, des rapports qui finissent au fond d’un dossier oublié. L’important n’est peut-être pas le taux de réussite, mais l’existence même de ces nouvelles armes.

Au fond, l’IA n’est qu’un outil de plus, glissé dans la boîte à idées des entraîneurs, des analystes et des dirigeants. Dans un sport où tout se joue sur des détails, où une saison peut basculer sur un duel aérien ou une rechute musculaire, la morale et les perceptions pèsent souvent moins lourd que le besoin d’un avantage, même minime.

« On cherche tous le moindre avantage possible », résume Fraser.

La question n’est plus de savoir si l’IA va s’installer durablement dans le football. Elle y est déjà. La vraie interrogation, désormais, est plus brutale : qui saura l’exploiter sans se perdre, et qui restera sur le bord de la route à regarder les autres prendre de l’avance ?