Entrée en jeu de l’intelligence artificielle générative de Footbar

En ce début d’année 2024, voilà plus d’un an que des applications d’IA générative dans le domaine du football ont vu le jour. Par exemple, le paragraphe de résumé du match fourni dans notre application mobile après chaque match est rédigé depuis Mars 2023 par le modèle GPT 3.5 d’Open AI, qui synthétise les performances mesurées par le capteur Footbar.

Or, le modèle présenté aujourd’hui par Footbar est radicalement différent. Il possède toutes les caractéristiques d’un modèle de langage classique, mais à la différence de la plupart d’entre eux, il ne traite pas du texte mais directement le contenu d’un match de football. Il peut, par conséquent, générer des matchs, tout comme les principaux modèles génèrent du texte.

À travers cet article, nous allons explorer comment cette prouesse technologique a été rendue possible, ainsi que les applications qu’elle permet d’entrevoir.

Vous trouverez également à la fin de l'article un lien pour rejoindre la liste d’attente, afin de pouvoir tester ce modèle en avant-première.

Publié le 29 Mars 2024

La solution technique

Les deux ingrédients indispensables à la création d’un modèle de langage sont : une bonne architecture basée sur les transformers, et un jeu de données à la fois qualitatif et quantitatif. Chez Footbar, l’architecture est tout ce qu’il y a de plus classique concernant le modèle transformers, un modèle capable d’estimer le token le plus probable pour compléter la suite qu’on lui a fournit en entrée. La création du token en revanche a nécessité plus d’ingénierie puisqu’il s’agit dans ce cas précis non pas de découper un texte, mais de séquencer la pratique du football.

Quant au jeu de données, il est le fruit du travail de collecte et d’annotation du l’équipe Footbar depuis près d’une décennie.

Un tokenizer qui séquence l’activité humaine

Le défi principal de l'adaptation de l'architecture LLM au football a été la création d'un tokenizer capable d'interpréter les mouvements physiques plutôt que les mots. Voici les piliers de l’approche de Footbar :

• Un capteur d’activité accroché autour de la jambe, qui enregistre les mouvements de celle-ci au cours du temps.

• Le séquençage des mouvements : À l’inverse de LLM classiques qui se basent sur un découpage du texte en mots ou groupes de caractères appelés tokens, notre technologie séquence chaque foulée ou groupes de foulées distinctes.

• Encodage et plongement (embedding) : Ces tokens ne sont pas seulement encodés en fonction de leur catégorie (marche, course, geste technique etc.), mais reçoivent également une information de position, comme c'est le cas dans les LLM traditionnels, ainsi que d’autres points de données uniques tels que la vitesse, la direction ou le temps de vol de chaque foulée, ce qui permet une compréhension complexe des mouvements du joueur.

• Vocabulaire et taille du modèle efficaces : Contrairement aux modèles de langage traditionnels qui manipulent un vocabulaire composé de centaines de milliers de mots, le modèle de Footbar bénéficie d'un ensemble de tokens nettement plus restreint de quelques dizaines d’actions. Cette efficacité se traduit par un modèle qui nécessite moins de paramètres et un ensemble de données plus compact, sans compromettre la profondeur et la qualité de l'analyse.

Un jeu de données riche et diversifié

La technologie de Footbar est alimentée par un vaste ensemble de données comprenant environ 1 million de matchs réalisés par une gamme variée de joueurs utilisant le capteur d’activité de Footbar au cours des 10 dernières années :

• Diversité de joueurs : L'ensemble des données comprend des athlètes professionnels, des amateurs, des enfants et des adultes, féminins et masculins, couvrant un large éventail de niveaux de compétence et de styles de jeu.

• Différents formats de jeu : Des matchs à 5 aux matchs à 11, en passant par les exercices d'entraînement ou la pratique informelle, l'ensemble des données couvre toutes les formes de football.

• Une collecte de données complète : La collecte traditionnelle de données dans le football professionnel se heurte souvent à des limites, soit parce qu'elle consiste en des données de suivi de position, sans actions techniques détaillées, soit parce qu'elle se concentre uniquement sur les joueurs directement impliqués dans les actions. L'ensemble des données de Footbar permet de surmonter ces obstacles et d'obtenir une vision globale des matchs et des interactions entre les joueurs.

Les applications

Si la première utilisation concrète de ce modèle de langage est d’alimenter le fonctionnement des services Footbar, de nombreuses autres applications peuvent être imaginées, catégorisées selon les deux axes qui constituent l’ADN de Footbar depuis sa création : aider tous les footballeurs, du terrain vague au centre de formation professionnel à comprendre leurs performances et progresser, ainsi que contribuer à leur donner envie de jouer plus souvent grâce à une interface ludique, inspirée des jeux vidéos et qui réinvente la manière de pratiquer ce sport.

Footbar vous livre un tour d’horizon des transformations qui marqueront le football dans les prochaines années.

Amélioration des performances

• Le compagnon tactique de l’entraîneur : Une invite de commande à la ChatGPT permettant à chaque entraîneur d’entrer un dispositif tactique, de configurer quelques paramètres et recevoir un résultat de match simulé. Cette fonction permet aux entraîneurs d'analyser stratégiquement l'impact de la sélection de différents joueurs ou de l'utilisation de tactiques variées, en simulant efficacement des scénarios avant les matchs réels.

• Simulateur de stratégie de jeu : Les joueurs et les entraîneurs peuvent expérimenter plusieurs scénarios de coups de pied arrêtés, en affinant les stratégies pour les corners, les coups francs et les penalties. Cet outil permet une analyse détaillée des résultats potentiels, augmentant ainsi la probabilité de marquer.

• Modélisation de scénarios de recrutement : Les recruteurs peuvent simuler une saison entière avec différents joueurs dans leur équipe, fournissant ainsi une prévision complète de l'impact potentiel de chaque joueur. Cela permet de prendre des décisions fondées sur des données afin de renforcer l'équipe.

• Prévention des blessures et préparation physique : En exploitant la mesure de la charge d’entraînement collectée par nos capteurs, les préparateurs physiques peuvent anticiper et optimiser la condition physique des joueurs, afin d’optimiser les performances et réduire le risque de blessures tout au long de la saison.

• Amélioration des informations sur les paris : Les courtiers et les amateurs de paris peuvent utiliser notre LLM pour obtenir des prédictions plus précises sur les résultats des matchs, remodelant ainsi le paysage des paris grâce à des connaissances avancées en matière d'IA.

Expérience de jeu

• Modèle de simulation : Les moteurs traditionnels utilisés dans les jeux de simulation de football et les ligues de fantasy football peuvent être remplacés par le LLM de Footbar, offrant un niveau de réalisme et d'engagement sans précédent.

• Une coupe du monde sans empreinte carbone : Les joueurs des quatre coins du monde peuvent jouer sur leur terrain local, tandis que notre IA génère un match virtuel cohérent, leur permettant de s'affronter comme s'ils étaient dans le même stade.

• Réécrire des moments historiques du football : Notre technologie permet aux utilisateurs de participer virtuellement à des matchs de football historiques, offrant ainsi une occasion unique de modifier les résultats de ces matchs.

Devenir acteur de la révolution du football par l’IA

Il existe 3 moyens de devenir précurseur en testant vous même cet outil.

Tout d’abord, si vous êtes joueur, coach, préparateur physique ou ayant un quelconque lien avec la pratique du football, vous pouvez vous procurer notre capteur, à titre individuel ou pour un collectif, directement depuis notre boutique en ligne.

Si vous êtes concepteur d’un produit ou d’une application à destination des pratiquants, vous serez sans doute intéressé par notre API qui vous permettra d’imaginer des applications basées sur les statistiques des joueurs.

Enfin si vous êtes uniquement intéressé par l’aspect modèle de langage et voulez tester ses capacités, vous êtes invité à rejoindre la liste d’attente pour être averti en avant-première de sa mise à disposition au grand public.