La veille d’un match, le sélectionneur ne prépare plus seulement une équipe. Il prépare des hypothèses. Dans une salle de réunion, les écrans déroulent les mêmes scènes sous plusieurs angles : une relance sous pression, un corner, une transition mal couverte, un ailier qui abandonne son couloir pour recevoir entre les lignes.
Les analystes arrêtent l’image, entourent une zone, relancent l’action. Sur un autre écran, des cartes font apparaître les endroits où l’adversaire récupère le ballon, les circuits de passes qu’il privilégie, les séquences où son pressing perd en cohérence. La composition d’équipe reste ouverte : faut-il un milieu plus résistant à la pression, un latéral plus rapide, un attaquant capable de gêner la première relance adverse ?
Le sélectionneur écoute ses adjoints, son analyste vidéo, le préparateur physique. Il consulte aussi des tableaux de bord et des scénarios issus des données. Le football n’a pas confié le banc de touche à une machine, mais il a fait entrer une voix supplémentaire dans la discussion : une voix qui ne parle ni de courage ni de hiérarchie, seulement de répétitions, d’espaces et de probabilités.
Le match commence par un tri
L’analyse tactique ne date pas de l’intelligence artificielle. Les entraîneurs ont toujours étudié les adversaires, disséqué leurs habitudes et préparé des réponses. La nouveauté tient dans la quantité de matière disponible et dans la vitesse avec laquelle elle peut être classée.
Les outils croisent désormais des vidéos, des données événementielles (passes, tirs, pertes de balle, duels) et, lorsqu’il existe, du tracking, autrement dit les positions et mouvements des joueurs. L’UEFA mobilise ce type de dispositif dans son travail d’observation technique : ses analystes s’appuient sur sept angles de caméra, ainsi que sur des données d’événements et de tracking, afin de construire des séquences tactiques commentées.
Le gain n’est pas anecdotique. Un staff peut demander toutes les relances courtes d’un gardien sous forte pression, toutes les pertes de balle dans une zone donnée ou tous les corners défendus avec un marquage hybride. Il ne remplace pas son regard ; il évite de perdre des heures à retrouver les images pertinentes.
Dans un tournoi de sélections, cette rapidité prend une valeur particulière. Les joueurs arrivent de clubs différents, avec des charges de travail différentes, puis enchaînent les matchs avec peu de temps pour installer un plan complexe. Les données aident à sélectionner les problèmes les plus urgents : sortir d’un pressing, protéger un couloir, attaquer une zone faible, modifier une routine sur coup de pied arrêté.
L’algorithme repère des régularités, pas des intentions
Un supporter retient un but, un geste, une erreur. Un modèle s’intéresse d’abord à ce qui revient. Il cherche les moments où une équipe laisse le même intervalle entre son latéral et son défenseur central, les passes qui trouvent régulièrement un joueur libre entre les lignes, les mouvements qui précèdent une occasion ou les zones où le bloc se désunit après une perte.
Cette approche devient utile lorsque le jeu offre un cadre relativement stable. Les coups de pied arrêtés en fournissent l’exemple le plus documenté. En 2024, Google DeepMind a publié, avec Liverpool FC, les résultats de TacticAI, un système conçu pour analyser les corners à partir de 7 176 situations de Premier League issues de la saison 2020-2021.
L’outil prédit notamment le premier joueur susceptible de toucher le ballon et la probabilité qu’un tir suive. Il formule aussi des propositions de placement. Les chercheurs ont choisi les corners parce qu’ils concentrent des positions initiales identifiables, des routines travaillées et une séquence courte, donc plus facile à comparer que le jeu ouvert.
La portée du résultat mérite d’être précisée. TacticAI ne démontre pas qu’une IA sait concevoir une stratégie de match complète. Des experts de Liverpool ont évalué ses suggestions et les ont jugées réalistes ; dans l’étude, ils ont souvent préféré les propositions du modèle à des configurations observées. Le cas montre surtout qu’un système peut aider à explorer une phase très codifiée, là où les schémas sont suffisamment répétés pour devenir analysables.
Cette différence compte. Plus le football s’éloigne d’une situation structurée, plus la promesse algorithmique devient fragile. Un corner se prépare ; un match ouvert dérive, accélère, se tend, se dérègle. Les modèles décrivent le passé avec précision, mais ne devinent pas nécessairement le piège préparé par l’adversaire ou le choix soudain d’un joueur.
La donnée peut influencer un onze, pas le choisir seule
L’analyse prend une dimension plus sensible lorsqu’elle approche de la feuille de match. Un modèle peut comparer des profils : un milieu qui résiste mieux à la pression, un défenseur plus à l’aise contre les courses dans son dos, un ailier plus efficace pour fermer son couloir, un attaquant dont les courses gênent la première relance.
Les données physiques ajoutent une autre couche. Distance parcourue, accélérations, efforts à haute intensité, retours de blessure ou charge récente peuvent alerter sur un risque de fatigue. Elles ne prescrivent pourtant pas une décision. Elles donnent au staff des éléments pour questionner un choix qui semblait évident.
Un titulaire ne se réduit pas à la somme de ses indicateurs. Le sélectionneur doit aussi évaluer sa confiance, sa capacité à encaisser une première erreur, sa relation avec les cadres, son aptitude à entrer dans un match sous la pression d’un stade et d’un pays entier. Aucun tableau ne mesure proprement l’effet d’une mise à l’écart sur un groupe réuni pour quelques semaines.
La frontière se situe là. Les outils lisent assez bien les déplacements, les zones, les réseaux de passes, l’intensité des courses, les phases de pressing ou les failles sur corner. Ils appréhendent beaucoup moins sûrement la fatigue mentale, l’autorité d’un capitaine, le ressentiment d’un remplaçant, la peur de se tromper ou l’énergie collective d’un vestiaire.
Le risque ne tient pas à un algorithme qui prendrait brutalement le pouvoir. Il tient à la force de persuasion d’un chiffre propre. Une recommandation précise donne une apparence d’objectivité, alors qu’elle dépend toujours de données disponibles, de choix de modélisation et d’un contexte que le système ne maîtrise pas entièrement.
Sur le banc, le problème devient politique
Pendant le match, les staffs reçoivent déjà une masse d’informations sur les zones exploitées, les séquences de pression, les sorties de balle ou les duels. L’analyse peut nourrir une décision rapide : renforcer un côté, changer de marquage, faire entrer un joueur plus rapide ou modifier la structure défensive.
Supposons qu’un outil mette en évidence la difficulté croissante d’un latéral face aux courses de son vis-à-vis. Le remplacer semble cohérent. Mais le sélectionneur doit aussi regarder le score, les solutions disponibles, l’état réel du joueur, le niveau du remplaçant et le risque de déstabiliser l’ensemble du bloc.
Il peut décider de conserver son latéral et de lui apporter une couverture supplémentaire. Il peut accepter une faiblesse locale afin de préserver son milieu ou son animation offensive. La recommandation devient alors un élément du débat, pas une instruction.
La question centrale n’est donc pas de savoir si l’IA choisira à la place du coach. Elle porte sur le statut de son avis. S’agit-il d’un indice parmi d’autres, d’une alerte sérieuse ou d’une option si convaincante qu’il devient coûteux de l’écarter ?
Cette pression modifie la responsabilité du sélectionneur. Après une défaite, il ne devra plus seulement défendre son intuition. Il devra parfois expliquer pourquoi un signal identifié par le staff n’a pas été suivi, ou pourquoi il a privilégié une recommandation chiffrée contre le sentiment d’un joueur ou l’avis de son adjoint.
L’inégalité ne tient pas qu’aux logiciels
Les grandes fédérations disposent d’analystes vidéo, de spécialistes de la performance, de bases de données, de prestataires de tracking et de personnes capables de transformer un rapport complexe en quelques consignes compréhensibles. D’autres sélections travaillent avec des équipes plus réduites et des données moins détaillées.
L’écart ne se mesure pas seulement au nombre de caméras ou aux abonnements à un logiciel. Il réside dans la capacité à interpréter. Un staff bien équipé sait formuler une question précise, contester un résultat, recouper une alerte avec la vidéo et éviter qu’un indicateur ne devienne une vérité automatique.
Une équipe noyée sous les rapports ne devient pas plus lucide. Elle risque au contraire de multiplier les hypothèses jusqu’à perdre son idée de jeu. La technologie avantage moins ceux qui accumulent les graphiques que ceux qui savent décider quels graphiques méritent d’être regardés.
La machine propose, le sélectionneur répond
Le sélectionneur augmenté ne sera ni un technicien commandé par un écran, ni un gardien de l’instinct pur. Son métier consistera à arbitrer entre plusieurs formes de savoir : le modèle qui détecte une tendance, l’analyste qui la met en images, le préparateur qui signale une alerte, le joueur qui connaît son état, et l’entraîneur qui doit trancher.
L’algorithme peut signaler une porte entrouverte dans la défense adverse. Il ne sait pas toujours si l’équipe aura les moyens, le calme ou l’audace de l’emprunter. Le football ne remplace pas la décision humaine ; il la rend plus exposée, parce qu’une réponse chiffrée existe désormais avant même le coup d’envoi.
Antoine GARCIA
Comment les algorithmes lisent-ils un match ?
Les outils d’analyse combinent vidéos, données de jeu et, dans certains stades, tracking des positions. Ils identifient des zones de récupération, des séquences de pressing, des passes qui éliminent une ligne, des appels sans ballon et des habitudes sur coups de pied arrêtés. Certains modèles comparent des scénarios de placement ou de marquage, puis génèrent des clips, des cartes et des rapports destinés au staff.
Leur utilité dépend surtout de la question posée et de la qualité de l’interprétation humaine. Une donnée nette décrit un comportement observé ; elle ne garantit ni le comportement futur d’un adversaire, ni la réaction d’un joueur sous pression.
