Échec retentissant de l’intelligence artificielle dans l’analyse sportive
Par Joe Wilkins .Publié le
2026/06/07 07:57
Bonne nouvelle pour les commentateurs sportifs et pour les amateurs qui restent attachés à la touche humaine dans les retransmissions en direct : l’intelligence artificielle ne comprend pas réellement les subtilités ni les mécanismes profonds du sport.
Une étude récente menée par des chercheurs de l’Université de Caroline du Nord à Chapel Hill et de l’Université Northeastern a révélé d’importantes lacunes et un net recul des performances des principaux modèles d’intelligence artificielle lorsqu’ils sont confrontés à l’analyse des sports professionnels.
L’étude, qui n’a pas encore fait l’objet d’une évaluation par les pairs, visait à mesurer les capacités de ces modèles dans quatre domaines complexes : la perception, le raisonnement, la simulation et l’agentivité stratégique.
Pour les mettre à l’épreuve, les chercheurs ont développé une nouvelle plateforme d’évaluation baptisée Strategic Video Intelligence Benchmark (SVI-Bench). Celle-ci s’appuie sur une base de données colossale comprenant 35 000 heures de retransmissions de matchs de basket-ball, de football et de hockey sur glace, ainsi que 15 millions de séquences annotées, 15 000 heures d’analyses professionnelles, 23 000 rapports de matchs et 103 000 relevés statistiques.
Les modèles ont obtenu leurs meilleurs résultats dans le domaine de la perception, c’est-à-dire leur capacité à identifier un joueur et à reconnaître son mouvement à un instant donné. Cependant, même dans cette tâche relativement élémentaire, ils ont rencontré de sérieuses difficultés. Les systèmes les plus avancés, tels que ChatGPT, Gemini de Google et le modèle open source Coin, n’ont atteint qu’un taux de précision d’environ 74 %, un résultat modeste qui pourrait coûter sa place à un simple commentateur bénévole d’une ligue de jeunes.
Dans les tests de raisonnement causal et d’interprétation du contexte des actions sportives, les performances se sont encore davantage dégradées, avec un taux moyen de réussite avoisinant les 40 %. Par exemple, lorsqu’il a été demandé aux modèles d’expliquer l’extraordinaire tir à trois points de Cody Martin, qui avait rebondi sur le haut du panneau avant de finir dans le panier, ChatGPT a fourni une réponse totalement hors sujet, se contentant d’indiquer qu’il s’agissait du premier tir à trois points réussi du joueur au cours du match.
Les résultats n’ont pas été meilleurs dans le domaine de la simulation, chargé de prédire les mouvements futurs des joueurs à partir de leurs trajectoires actuelles. Même le modèle le plus performant semblait davantage s’appuyer sur la chance que sur une véritable compréhension du jeu pour deviner l’action suivante, et ses performances se dégradaient fortement dès qu’il devait anticiper des séquences de mouvements plus longues menant au panier ou au but.
À ce sujet, Lorenzo Torresani, chercheur en informatique à l’Université Northeastern et coauteur de l’étude, a déclaré dans un communiqué de l’université que l’intelligence artificielle demeure incapable d’expliquer correctement ce qui s’est passé et de prévoir de manière fiable ce qui se produira ensuite.
Lorsque les chercheurs sont passés à l’évaluation de l’agentivité stratégique — c’est-à-dire la capacité à produire des analyses complexes des statistiques et des tendances générales d’un match, comparables à celles réalisées par les analystes professionnels — les performances se sont totalement effondrées. Le taux de précision n’a atteint que 5 %.
Torresani a ajouté qu’un bon commentateur sportif apporte bien davantage qu’une simple description de ce qui apparaît à l’écran. Il explique pourquoi une tactique fonctionne, anticipe l’action suivante et décortique les moments décisifs d’une rencontre. Selon les conclusions de l’étude, l’intelligence artificielle dispose de compétences acceptables dans la description des actions visibles, mais s’effondre dès qu’il s’agit d’analyse stratégique approfondie.
Alors que les commentateurs sportifs peuvent, pour l’instant, pousser un soupir de soulagement, les résultats de cette recherche offrent également une lueur d’espoir aux professionnels des métiers intellectuels et cognitifs, dans un contexte marqué par les inquiétudes croissantes liées à l’automatisation et à la transformation du marché du travail.
Torresani a conclu en soulignant que cette lacune cognitive se manifestera dans toute profession dont la valeur ne repose pas uniquement sur l’observation des données et des apparences, mais également sur la compréhension des causes des événements, l’anticipation de l’avenir, la définition des priorités et la formulation de recommandations décisives.
Notez ce sujet