Le 11 octobre, Zheng Qinwen a battu Mirra Andreeva pour remporter l’Open de Chine 2026, devenant ainsi la première joueuse chinoise à remporter le titre en simple féminin. Les spectateurs ont peut-être à peine remarqué une absence : aucun juge de ligne n’a annoncé l’entrée ou le retrait des balles. Chaque appel provenait d’un système électronique, instantanément, sans lever le bras. Hawk-Eye est apparu dans la couverture télévisée du cricket en 2001 et a atteint le tennis en 2006 comme moyen d’examiner les appels contestés. En 2017, les finales Next Gen ATP ont testé les appels de ligne électroniques en direct sans juges de ligne. L’Open d’Australie et l’US Open ont suivi en 2021 ; Wimbledon et le circuit ATP ont achevé la transition en 2025. De la visualisation de diffusion à l’autorité d’arbitrage, il a fallu près d’un quart de siècle.
Un Grand Chelem reste une exception. À Roland-Garros le 31 mai, un tir crucial lors du match de Casper Ruud contre João Fonseca a été jugé après inspection de sa trace sur terre battue, même si une repérage télévisé suggérait qu’il était hors jeu. La directrice de Roland-Garros, Amélie Mauresmo, a défendu le maintien de juges de ligne humains, arguant que le changement des surfaces en terre battue soulevait des questions sur la précision électronique. Le différend montre que la capacité technique n’engendre pas automatiquement la confiance. Pour l’IA dans le coaching, le défi va plus loin : comment peut-elle aider les entraîneurs à transformer les données de mesure en décisions qui améliorent les performances des athlètes ?
Pendant ce temps, les technologies d’analyse des performances sportives progressent rapidement. Lors des Jeux olympiques d’hiver de Milan Cortina plus tôt cette année, 14 caméras enregistrant en 8K ont fait le tour de la patinoire artistique et ont pris en charge le suivi 3D piloté par l’IA, produisant des mesures en temps quasi réel de la hauteur de saut, du temps d’antenne et de l’angle de la lame. Une technologie similaire a été utilisée lors des Jeux de Pékin en 2022. Pendant ce temps, l’Union internationale de patinage a testé des outils de vision par ordinateur pour aider les comités techniques à évaluer les rotations de saut et les carres d’envol. Ces applications ne montrent pas encore une meilleure formation, mais elles montrent que la mesure dépasse le cadre du laboratoire.
Certaines technologies à usage unique sont déjà implantées dans le sport d’élite. La société australienne Catapult rapporte que ses systèmes servent plus de 5 000 équipes dans plus de 40 sports, en suivant la distance de course, la vitesse et les charges d’accélération. En Chine, Baidu a travaillé avec l’équipe nationale de plongée sur la relecture vidéo rapide et l’analyse technique assistée par l’IA des mouvements qui se déroulent entre le décollage et l’entrée dans l’eau en moins de deux secondes. L’analyse du mouvement a également été largement utilisée par les équipes chinoises d’assistance au patinage artistique lors de la préparation des Jeux olympiques d’hiver de Pékin. De tels outils révèlent des détails difficiles à observer à l’œil nu et aident à comparer les performances d’une session à l’autre.
Mais mesurable ne signifie pas nécessairement entraînable. Les appareils peuvent être coûteux, compliqués à utiliser et difficiles à intégrer ; les données sur l’intensité de l’entraînement des athlètes, la façon dont ils bougent et la façon dont leur corps réagit sont souvent stockées dans des systèmes distincts. Transformer ces chiffres en conseils utiles nécessite toujours des scientifiques du sport et des entraîneurs expérimentés. Même les mesures nécessitent un examen minutieux. Une analyse récente de la capture de mouvement par caméra lors d’un saut a révélé que les angles d’articulation estimés pouvaient être décalés d’environ 4 à 5 degrés, et parfois plus. Pour un entraîneur, cela soulève une question pratique : si l’angle du genou d’un athlète semble changer de cinq degrés, s’agit-il d’une réelle amélioration ou simplement d’une erreur de mesure ? Dans le sport d’élite, une telle incertitude peut masquer un changement techniquement significatif. Il n’existe pas de technique idéale universelle : l’anatomie, les antécédents de blessures et les exigences de la compétition comptent tous.
Il existe un défi scientifique plus profond. Découvrir qu’une variable est en corrélation avec les performances ne signifie pas que la modifier améliorera les performances. La prévision des blessures offre un exemple d’avertissement. Une étude publiée dans le British Journal of Sports Medicine a révélé que certains modèles d’apprentissage automatique semblaient très précis, mais donnaient des avertissements trop larges ou trop précoces pour guider la prochaine séance d’entraînement d’un entraîneur. Un modèle d’IA véritablement fiable, capable de prédire le risque de blessure d’un athlète individuel, reste plus une ambition qu’une réalité.
L’intelligence artificielle commence à franchir cette frontière entre description et recommandation. En 2024, Google DeepMind et Liverpool FC ont publié TacticAI, qui prédit certains aspects des corners et propose des positions alternatives pour les joueurs. Lors d’une évaluation aveugle d’experts, ses suggestions ont été préférées aux configurations tactiques existantes dans 90 % des cas. Cela démontre la plausibilité des options générées par l’IA, et non la preuve de davantage de buts ou de victoires : au moment de la publication, aucun joueur de Liverpool ne les avait encore essayées sur le terrain. La Chine poursuit des approches similaires. Des chercheurs de l’Institut d’automatisation de l’Académie chinoise des sciences, en collaboration avec des équipes de l’Université des sports de Pékin, ont exploré la simulation de football, l’analyse de la situation tactique et des modèles montrant comment des décisions alternatives pourraient modifier le développement du jeu. Ces études détournent l’attention de « que s’est-il passé ? vers « que pourrait-il arriver d’autre? »
La Coupe du Monde de la FIFA 2026 a offert un autre aperçu de la prochaine étape. FIFA AI Pro, développé avec Lenovo, a regroupé les données officielles des événements et de suivi avec la vidéo du match dans un assistant conversationnel. La FIFA rapporte que les 48 équipes participantes l’ont utilisé. Un coach ou un analyste pourrait poser une question plutôt que de parcourir plusieurs tableaux de bord spécialisés. Cela pourrait profiter aux équipes disposant d’un personnel spécialisé limité, à condition que les réponses soient vérifiables.
Les modèles d’IA à usage général ne sont pas encore des coachs techniques fiables. Des références récentes d’évaluation des mouvements d’exercice montrent que même les meilleurs modèles multimodaux ont encore du mal à identifier de manière fiable les erreurs de forme précises. Ils peuvent également confondre une variation individuelle inoffensive avec un défaut. Par conséquent, il est peu probable que l’avenir soit celui d’un seul chatbot dispensant des instructions universelles. Il s’agira probablement d’un système combinant des mesures validées, des modèles spécifiques au sport, des dossiers longitudinaux des athlètes et des recommandations transparentes, avec des humains qualifiés responsables des décisions conséquentes.
L’objectif doit être une véritable boucle de formation : détection, analyse, décision, exécution et validation. Après une séance, le système intégrerait la qualité du mouvement, la charge mécanique, les réponses physiologiques et les propres perceptions de l’athlète ; proposer un ajustement spécifique ; puis testez si la prochaine séance produit l’effet escompté. Au fil du temps, il pourrait découvrir ce qui fonctionne pour cet athlète en particulier, plutôt que de simplement les comparer aux moyennes du groupe. Les coachs resteraient essentiels pour fixer les priorités, gérer l’incertitude, comprendre la motivation et décider quand ne pas suivre les données.
Hawk-Eye a mis près d’un quart de siècle pour devenir un élément accepté de l’arbitrage. Les assistants d’entraîneurs IA peuvent se propager beaucoup plus rapidement, mais le test essentiel sera plus difficile que d’appeler une balle vers l’intérieur ou vers l’extérieur. Leur succès ne sera pas mesuré par le nombre de variables qu’ils calculent ou par la fluidité de leurs explications, mais par la question de savoir si les athlètes s’entraînent mieux et si les entraîneurs ont de bonnes raisons de leur faire confiance.
