- Speaker #0
Bonjour à tous, je suis Jean-Baptiste Lottier et bienvenue dans Tech in Sport, un podcast Alliancy, médias numériques et business. Performance sportive, cybersécurité des événements, data, intelligence artificielle, dans ce podcast nous allons décrypter tous les impacts du numérique sur le monde du sport avec en ligne de mire les JO de Paris 2024. Aujourd'hui, nous sommes avec Antoine Pirovano. Bonjour Antoine.
- Speaker #1
Bonjour Jean-Baptiste.
- Speaker #0
Tu es cofondateur de la startup DeepTemize et nous allons voir comment l'intelligence artificielle arrive à lire à travers des vidéos et notamment des vidéos de sport. On appelle ça de la computer vision. Alors explique-nous un peu ce que c'est que la computer vision.
- Speaker #1
Alors la Computer Vision, c'est un ensemble de méthodes qui font partie de la grande famille de l'intelligence artificielle. Donc l'intelligence artificielle, pour redéfinir, c'est l'ensemble des méthodes numériques qui permettent d'imiter l'humain dans une tâche. Voilà, donc ça regroupe tout un tas de méthodes. Du coup, la Computer Vision, c'est la branche de l'intelligence artificielle qui s'intéresse au traitement de l'image, à l'extraction automatique de données sur des images, sur des vidéos.
- Speaker #0
Donc elle comprend, c'est ça, ce qu'il y a sur des images. Et elle arrive à caractériser ce qu'il y a sur une image. Vous, vous l'utilisez comme ça ?
- Speaker #1
Plus qu'elle comprend, elle apprend à comprendre. Nous, on l'entraîne, on entraîne des IA à comprendre le contenu sémantique, le contenu spatial dans une image et donc dans une vidéo spatio-temporellement.
- Speaker #0
Donc, elle sert, on disait, à caractériser, c'est-à-dire que dans des vidéos de sport, l'IA est capable de dire, je prends un exemple, le tennis, là c'est un coup droit. L'assain revers, l'assain smash par exemple.
- Speaker #1
Exactement, moyennant une base de données, on est capable de fournir en entrée du système de computer vision de la vidéo et en sortie les données attendues, donc ce que tu définis, coup droit, revers, etc. Et l'IA va apprendre toute seule les caractéristiques qui lui permettent de déterminer ses actions d'intérêt.
- Speaker #0
Et donc est-ce que c'est compliqué d'entraîner une intelligence artificielle pour qu'elle soit capable, parce que là on dit un revers, un coup de droit au tennis, ça paraît pas le plus compliqué même pour un humain, mais si on prend du rugby par exemple, elle est capable de caractériser des actions, par exemple je sais pas, une mêlée ?
- Speaker #1
Ouais exactement.
- Speaker #0
C'est quand même plus compliqué, il y a un tas d'hommes.
- Speaker #1
Il y a quand même ce petit paradoxe où il y a des choses qui paraissent très simples pour l'humain, parce que nous on a toute une base d'apprentissage qu'on a depuis 20-30 ans, sur laquelle on s'appuie, mais on oublie qu'on s'appuie sur toute cette base qu'on a. Alors qu'une IA, elle vient de naître, elle n'a pas de connaissances a priori, et du coup, on va venir la spécialiser en général, une IA pour pouvoir être performante, pardon, et pouvoir être utilisée dans un contexte général, on va devoir la spécifier, la spécialiser. Dans un domaine, pour qu'elle puisse être très très bonne dans ce domaine, donc typiquement rugby, on va apprendre à caractériser les mêlées, les touches, les passes, les plaquages, etc. Sur le tennis, on va faire coup droit, revers, etc.
- Speaker #0
Et il faut qu'elle regarde combien de minutes ou combien de vidéos pour pouvoir comprendre ?
- Speaker #1
Ça, c'est un peu la question en or en intelligence artificielle. Il n'y a pas de bonne réponse. Je ne peux pas te dire 1000 heures, ça te donne 90% de précision. Mais nous, on sait qu'avec les technos qu'on a aujourd'hui, avec 1000 exemples d'une action, on est capable d'avoir un système qui, en général, est aussi robuste qu'un humain.
- Speaker #0
Et alors, quel est l'intérêt d'utiliser l'intelligence artificielle pour dire, là c'est un coup droit au tennis par exemple ?
- Speaker #1
Au tennis, qui est un exemple assez parlant, typiquement à Roland-Garros, chaque année, il y a des humains en bord de terrain, en bord de cours, qui viennent taguer manuellement avec des clavis spécifiques chaque coup droit, chaque revers, chaque service, etc. Du coup, ces données vont être exploitées par les diffuseurs, par tout un tas de gens. Elles vont être actionnées, ces données, pour engager les spectateurs. Ce que permettent ces données, c'est de décoder la performance sportive. Une fois qu'on a décodé la performance, ça permet de faire deux choses. Un. L'optimiser, donc ça si ces données sont fournies à des coachs, des athlètes, des clubs, des gens orientés autour de la performance, elles vont pouvoir être actionnées pour objectiver cette analyse et venir organiser l'optimisation de la performance et de la prise de décision. D'un côté spectateur, vu que ça permet de décoder cette performance, ça permet de mieux l'apprécier. voilà enfin moi je prends souvent l'exemple de l'haltérophilie je sais pas si c'est le meilleur exemple mais l'haltérophilie c'est un sport qui est hyper technique avec des gens qui s'entraînent très très dur et nous tout ce qu'on voit en tant que non initiés on voit des gros messieurs et des grosses madames qui se lèvent des grosses barres moi je le dis comme ça bon alors que la performance elle est majuscule et en fait du coup ces données permettent vraiment de dire aux gens regardez ce que vous voyez c'est incroyable c'est typiquement comme la vitesse du service au tennis quand on est dans le stade ou à la télé que le service il fait à 180 ou 200 km heure on voit pas forcément la différence honnêtement on voit que ça t'apporte pour rendre quand il y a un service à 200 km heure tout le monde est en mode mode, ah waouh, 200 km heure. Et tu vois, ça permet vraiment d'avoir ce côté engageant et ce côté apprécié la performance qu'on observe de manière plus objective.
- Speaker #0
C'est-à-dire que l'intelligence artificielle, elle est aussi capable de... comprendre la vitesse qu'il y a sur la vidéo ? Par exemple, un service à 200 km heure, elle serait capable de le voir ?
- Speaker #1
Oui, on pourrait complètement le faire. En fait, de toute façon, avec l'IA, on n'invente rien. On ne va pas essayer de caractériser des choses qu'on ne voit pas, donc on va faire comme un humain peut le faire, on va venir caractériser des choses qui sont visibles. Donc, effectivement, pour la vitesse du service, on pourrait venir caractériser le moment de frappe, le moment de rebond, essayer de caractériser la distance qui a été parcourue, on a le temps entre les deux instants, et donc on est capable d'estimer la vitesse. aujourd'hui il y a des systèmes qui sont très performants pour le faire donc je ne sais pas si c'est la meilleure idée et ça existe déjà comme donné et c'est bien établi donc je ne sais pas si nous on aurait vélité à le faire et par rapport à Roland Garros tu parlais de ça,
- Speaker #0
je vous invite à aller écouter le premier podcast qu'on a fait dans Tekken Sport qui était avec Victor Cueil qui est donc le directeur digital de la Fédération Française de Tennis où on parle justement, on retrace un peu le chemin de la statistique et où il évoque ces gens qui sont au bord du cours et qui prennent qui caractérisent les coups pendant les matchs Donc là, cette technologie, elle peut être utilisée par des fédérations, par des clubs ?
- Speaker #1
Oui, complètement. Je pense qu'il y a une petite précision à faire ensemble sur les types de données qu'on peut extraire. Tu parlais de vitesse, à l'instant, on parlait de vitesse. Il y a deux types de données qui sont d'intérêt en général dans le sport. Les données qu'on appelle de tracking, de localisation. Ça, ça va nous permettre d'extraire, de localiser des personnes ou des ballons en général. pour pouvoir extraire de la vitesse, des déplacements, des positionnements, essayer de caractériser un peu spatialement où est-ce que se situe l'action. Et puis il y a les données d'action, d'événements, qui permettent de savoir qu'est-ce qui se passe. Donc là ça va être plutôt sur le foot caractériser les tacles, les passes, etc. Aujourd'hui la technologie permet très bien, il y a pas mal de boîtes qui le font, de technologies qui permettent de faire le tracking de manière très efficiente. Il y a Photovision, Skilcorner, qui sont des très belles boîtes, qui sont très performantes pour faire le tracking, notamment dans le football. Aujourd'hui toutes les données de tagging, d'événements, Donc savoir caractériser qu'est-ce qui se passe, c'est fait manuellement par des humains, derrière des écrans, dans les stades. Et nous, avec DeepE-Miles, c'est ça qu'on vient automatiser. On a créé la première technologie de tagging automatique, tous sports confondus, en temps réel, grâce à l'intelligence artificielle.
- Speaker #0
Et vous êtes capable aussi de faire du tracking ?
- Speaker #1
Forcément, on travaille un tout petit peu avec du tracking, parce que ça nous aide dans l'apprentissage de l'intelligence artificielle, mais nous, on ne vend pas la technologie de tracking. OptiMice a deux ans. Nous, la boîte a été créée par deux experts en intelligence artificielle. On est tous les deux, je pense qu'on va en reparler, un docteur en intelligence artificielle, les deux cofondateurs, Guillaume et moi. Donc on a eu cette envie d'aller appliquer cette expertise. Au monde du sport, on a eu besoin d'aller le découvrir. Qu'est-ce que la technologie, comment elle est utilisée, qu'est-ce qu'elle peut apporter, qu'est-ce que nous on peut apporter dans ce monde-là. Et donc pendant deux ans, on a un peu navigué dans ce monde-là pour aller voir des clubs, des fédérations, des entreprises aussi, des coachs, des athlètes, pour se dire où est-ce qu'on se positionne. Et aujourd'hui, la position que je te présente, qui est que DeeptyMize, c'est la solution de tagging automatique en temps réel tout sport confondu, on a découvert que la technologie aujourd'hui ne le permettait pas et que nous, notre technologie le permettait. Et c'est pour ça qu'aujourd'hui, on a ce positionnement clair.
- Speaker #0
Tu disais tous sports confondus. Pour l'instant, vous avez fait quel type de sport et vous êtes vraiment capable de faire tous les sports ?
- Speaker #1
Oui, alors capable, oui. Toujours pareil, moyennant une base de données. Aujourd'hui, nous, on a travaillé pas mal sur le tennis, sur le handball, sur le rugby. On a des modèles qui marchent plutôt très bien sur ces sports parce qu'on a eu accès à des données. Il y a une petite problématique que nous, on rencontre et je pense que c'est le cas de beaucoup de boîtes qui font de l'intelligence artificielle. C'est où est-ce que tu récupères cette donnée et derrière cette donnée, est-ce qu'elle est faite pour entraîner ton IA ? Comme je disais, un humain, quand tu vas l'entraîner, tu lui montres une vidéo, tu es à côté de lui. et tu vas lui dire, regarde là, voilà ce qui se passe. Tu vas pouvoir lui expliquer de manière un peu déstructurée ce que tu as envie qu'il apprenne à faire. Une IA, dès que tu as un biais ou une confusion dans la définition de tes données, il faut que ce soit des observables très clairs pour que l'IA puisse apprendre ces caractéristiques-là discriminantes de manière très très claire.
- Speaker #0
Quand tu dis des données, c'est des vidéos ?
- Speaker #1
Vidéos et pour nous, des tags, les deux.
- Speaker #0
Et alors pour l'instant, vous faites quel type de sport ?
- Speaker #1
On fait rugby, hand et tennis.
- Speaker #0
Et donc auprès de clubs ? Par exemple, club, fédération, en fait c'est tous ceux qui ont vraiment besoin de cette donnée.
- Speaker #1
Exactement. Nous on va venir servir principalement les clubs et les fédés plutôt orientés performance. Donc on commence à travailler avec deux gros clubs de rugby en France que sont le Racing et l'UBB. Donc là nous on est dans une phase aussi où on apprend comment ils fonctionnent, de quoi ils ont besoin. Nous on leur fournit déjà des données après les week-ends sur leur match. que eux ne sont pas capables de venir taguer. Nous, on a une roadmap qui est assez claire. C'est déjà venir s'intégrer pour permettre de gagner du temps aux analyses vidéo. Les analyses vidéo, c'est des gens qui ont une grosse expertise, mais qui passent beaucoup de temps derrière leur ordi à aller cliquer pour dire ça, c'est un placage, ça ne demande pas une expertise C'est très grande, mais ça demande du temps. Donc nous déjà, la première phase, c'est d'utiliser ces technologies pour leur permettre de gagner du temps et de dire, voilà, on est capable de vous fournir, vous ce que vous faites à la main, on est capable de le faire automatiquement et aussi précisément. Dans un second temps, on cherchera à venir caractériser des choses que eux ne savent pas caractériser ou ne peuvent pas caractériser. Là, effectivement, on parlait avec la fidèle judo de venir caractériser la position des mains sur le kimono. Ou en tout cas, venir dire est-ce que c'est plutôt haut ou plutôt bas. Ces choses, si elles devaient venir le taguer manuellement, ça leur prendrait beaucoup trop de temps. Donc voilà, première phase. Apporter la donnée qui existe de manière aussi précise mais beaucoup plus rapide et sans avoir besoin de passer la nuit sur l'ordinateur. Deuxième partie, ajouter de nouvelles données. Troisième partie, une fois qu'on a... Tout un set de données qui permet de décoder la performance, venir travailler sur la prédictivité, donc essayer de comprendre comment ces données se corrèlent et qu'est-ce qui emmène un succès, qu'est-ce qui emmène un échec, essayer de pouvoir faire des hypothèses. Et la quatrième phase, ce sera une fois qu'on sera capable d'avoir de la prédictivité à partir de ces données, ce sera de l'intégrer en temps réel dans les matchs pour pouvoir dire, voilà, là, objectivement, voilà ce qui est en train de se passer, donc nous on vous conseille, voilà ce qu'on peut vous conseiller, mais basé sur des travaux communs avec des experts. et des experts que nous ne sommes pas. Nous, on est des experts en intelligence artificielle.
- Speaker #0
Et toujours à la fin, pour les clubs, utiliser ça pour la performance, pour faire évoluer, pour comprendre les matchs et pour essayer d'améliorer la performance des joueurs, de l'équipe.
- Speaker #1
Exactement. J'ai l'impression qu'aujourd'hui, l'approche de la performance sportive dans le monde pro, c'est qu'on sait qu'il y a des événements qui vont se répéter et se répéter et se répéter. Je fais un shoot à trois points, je ne peux pas m'assurer que je vais le marquer, j'espère que je vais le marquer, mais je joue plus sur les probabilités que j'ai de marquer mon shoot plutôt que sur la certitude que je vais le marquer. Ce que je veux dire, c'est que la donnée, ce qu'elle permet, c'est de comprendre. ce qui se passe sur un terrain de manière objective et derrière de faire des hypothèses sur comment je peux améliorer ça. Il y a des zones aujourd'hui au basket où on ne tente plus les shoots parce que statistiquement, ça ne vaut pas la peine. C'est la donnée qui permet de l'objectiver et de faire ces hypothèses-là.
- Speaker #0
Tu as évoqué le fait que vous étiez deux cofondateurs et deux cofondateurs qui étaient doctorants. En fait, votre projet est parti de travaux de doctorat.
- Speaker #1
Exact. Donc aujourd'hui, on n'est plus doctorat, on est docteur. Bon, je ne tiens pas particulièrement au titre, mais je vais définir les choses.
- Speaker #0
Disons que ce n'est plus maintenant à l'état de travaux universitaires.
- Speaker #1
C'est-à-dire que nous, on est sortis d'études. On a passé trois ans à potasser un sujet spécifique d'intelligence artificielle. Moi, c'était dans le médical. Guillaume, c'était dans le traitement vidéo. Et aujourd'hui, on est venu combiner nos travaux-thèses. Donc, on a passé trois ans à aller creuser spécifiquement dans un domaine. de l'intelligence artificielle pour essayer d'apporter modestement notre pierre à l'édifice et donc à faire de la recherche et donc après une fois qu'on a terminé ses doctorats on a eu notre joli petit bout de papier le diplôme et nous on s'est demandé qu'est-ce qu'on voulait faire comme la question que tu te poses à la fin de tes études et on s'est dit qu'on avait envie d'entreprendre ensemble.
- Speaker #0
Et un de vos premiers projets, c'est quand même notable c'était avec le club de foot de Manchester City On est tombé avec Manchester City qui est champion d'Europe, vainqueur de la Ligue des Champions l'année dernière, donc le plus grand club d'Europe l'année dernière. C'est quand même prestigieux.
- Speaker #1
Oui, c'est vrai qu'on était un peu sur les fesses quand on les a rencontrés parce qu'on avait déposé un dossier sur une plateforme qui s'appelle Reimagine Football. Je crois que c'est un challenge. Là, ils avaient lancé un sujet autour de la performance et puis on dépose notre dossier et deux mois après, on reçoit un mail en disant L'Ajax d'Amsterdam et Manchester City ont identifié votre projet comme étant intéressant, venez les rencontrer aux Pays-Bas. Nous, on était deux jeunes docteurs, on faisait pas mal de télétravail, on était derrière nos bureaux, ça avait à peine démarré et on disait ce que vous faites,
- Speaker #0
c'est intéressant Et quels peuvent être les prochains projets, les prochaines débouchés finalement avec cette technologie ?
- Speaker #1
On va se concentrer pendant une année sur cinq projets, sur le fait de développer le premier système de tagging automatique d'événements complets en football et en rugby. Et après on aura normalement trois projets dont je ne peux pas trop parler parce que ce n'est pas encore pleinement signé, mais avec deux gros diffuseurs sur deux sports assez importants, et avec une grosse fédération française pour les accompagner jusqu'au JO.
- Speaker #0
Et les autres débouchés qui peuvent avoir lieu avec cette technologie, notamment autour de l'engagement des spectateurs. On en a parlé, c'est quelque chose à lequel vous vous attendiez pas et qui peut être vraiment utile.
- Speaker #1
Ah oui complètement, on a commencé à travailler avec le Vélodrome de 50 ans en Yvelines typiquement.
- Speaker #0
autour de ces sujets là qui accueillera les JO en cyclisme sur piste Exact,
- Speaker #1
bon mais il y a un des diffuseurs typiquement,
- Speaker #0
on va travailler avec lui sur le cyclisme sur piste Qu'est-ce que ça peut apporter à l'engagement des spectateurs cette technologie en fait ?
- Speaker #1
Comme je le définissais au début, ça permet de décoder la performance et du coup ça permet de mieux comprendre ce qui se passe et de mieux l'apprécier tout simplement
- Speaker #0
Pendant le match, comment le spectateur se rend compte qu'il y a cette technologie ?
- Speaker #1
C'est une super question je pense que ma réponse est un peu à contresens de ta question la technologie en fait tu veux pas la voir La technologie c'est juste un moyen, il y a beaucoup de gens qui font de l'IA, t'as l'impression, pour faire de l'IA. Nous on a envie que l'IA elle serve quelqu'un, on veut pas remplacer l'humain, on veut juste l'aider à, quand on parle d'analyse vidéo, nous on veut faire en sorte que l'intelligence artificielle elle permette à l'analyse vidéo d'utiliser son expertise là où elle est nécessaire. Dans l'engagement pour le spectateur, on veut juste générer des rendus qui sont engageants. Après ça va être au diffuseur d'aller actionner cette donnée comme bon lui semble.
- Speaker #0
C'est à dire que ça permet au diffuseur d'avoir plus de données ? Et ensuite lui il en fait ce qu'il veut dans la manière dont il veut modéliser pour la montrer aux téléspectateurs.
- Speaker #1
Par exemple nous on vient caractériser au Tannis l'intensité des coups qui sont donnés. Tu peux mettre des effets spéciaux, je dis n'importe quoi, mais tu peux mettre des effets spéciaux sur les coups. Ça peut permettre de faire des petites choses un peu fun comme ça qui peuvent engager les spectateurs, augmenter l'expérience.
- Speaker #0
Et là on va faire un petit bond dans quelques années et parler du futur de cette technologie. Qu'est-ce qu'on peut espérer de l'avenir de cette technologie, à la vitesse à laquelle avance l'intelligence artificielle ? Qu'est-ce qu'on va pouvoir faire dans quelques années avec la computer vision ?
- Speaker #1
Notre vision est assez claire et ambitieuse, sans manquer de modestie. Mais notre but, c'est que dans trois ans... n'importe quel club champion en foot ou en rugby, il ne puisse pas se passer. Si tu veux être champion, tu ne peux pas te passer de notre technologie. C'est à dire que la donnée viendra tellement apporter de manière objective des choses, faire des hypothèses qui statistiquement te donnent un edge tellement important que tu ne pourras pas t'en passer. Après il faut faire attention, la donnée encore une fois elle ne vient pas te donner la réponse. Elle te permet de faire des hypothèses mais je pense que c'est hyper important de garder l'humain au centre du sport parce que c'est avant tout un spectacle. Et tu n'as pas envie de voir, je pense que si tu faisais un match de rugby avec des robots, personne ne voudrait regarder parce Parce que tout est écrit, tout est codé, il n'y a pas d'instinct en fait. Même si quand on discute avec Chad G. Peter, on a l'impression que si, mais en fait non.
- Speaker #0
Oui, parce qu'on pourrait se dire qu'avec une technologie qui est capable de tout comprendre en regardant un match, c'est-à-dire de voir les fautes, de compter les points, presque d'arbitrer, on pourrait se dire que d'ici, j'en sais rien, 15 ans, il n'y aurait plus d'arbitre, il y aurait une computer vision qui pourrait arbitrer un match de foot.
- Speaker #1
Oui. On pourrait l'imaginer, est-ce que tu as envie de... Tu vois toutes les interactions qui sont faites avec les arbitres sur les terrains, tu n'as pas envie de perdre ça ? l'application bête de la règle des fois on voit qu'il y a de l'interprétation et que c'est ça qui donne aussi un peu le sel ça nous fait râler, France Afrique du Sud on râle mais voilà je trouve que il faut que ça reste humain et qu'il y ait une part d'instinct et aussi ces fautes qui sont faites ou des erreurs, ce qu'on pourrait estimer être des erreurs c'est ça aussi qui donne un peu le... on pourrait plus critiquer l'arbre donc déjà tu t'emmerdes autour du café le lendemain matin moi je pense que l'IA Si tu ne fais que de l'IA pour guider ta performance, ça permettra plus de ne pas perdre plus que de gagner. J'ai l'impression que ce qui te fait gagner, c'est plus des choses qui sont hors distribution. Tu vois, Djokovic, il gagne, mais de manière... c'est aberrant à quel point il gagne. Moi, ça m'embête, j'adore Nadal. Mais voilà, et tu vois Romain Ntamak lors de la finale du Top 14. Hugo Mola il le dit toutes les données qu'il avait il disait il faut sortir Romain Antamac et au plus vite parce que là il est en train de perdre le fil du match qui pouvait prédire qu'il avait marqué un essai à la 77ème minute de 50 ou 60 mètres alors moi je suis spectateur turc ça me fait vibrer c'est ça que je veux vivre et la donnée j'ai l'impression qu'elle va plus sortir des grandes statistiques générales et que si tout le monde l'utilise ça va donner des choses qui sont très flat donc ça donne des indications mais qu'on ne perd pas le flair qu'on peut avoir exactement dans le temps
- Speaker #0
Merci beaucoup Antoine de nous avoir expliqué un peu plus du Computer Vision Merci à toi Jean-Baptiste Merci à vous de nous avoir écouté N'hésitez pas à liker et vous abonner sur toutes les plateformes pour ne manquer aucun épisode de Tekken Sport Et on se retrouve très vite avec un nouvel invité pour décrypter la montée en puissance de la tech dans le monde du sport
