L’application et l’impact de l’IA dans le basketball et la NBA

Grâce aux progrès technologiques, l’engagement des supporters et l’analyse des joueurs sont devenus des éléments importants du secteur sportif. Les événements sportifs s’appuient de plus en plus sur les données, et l’IA joue un rôle majeur dans cette évolution.

Nous avons déjà vu comment des technologies comme la vision par ordinateur, qui aide les ordinateurs à voir et à comprendre ce qui se passe sur le terrain, ont eu un impact important dans des domaines comme la Formule 1 et les Jeux olympiques. De même, l’Association nationale de basketball (NBA) a récemment fait la une pour son utilisation innovante de l’IA.

Cependant, la NBA s’est intéressée à l’IA il y a déjà quelque temps. Depuis la création de la ligue en 1949, elle adopte rapidement les nouvelles technologies pour créer des liens avec les supporters et améliorer le jeu.

Aujourd’hui, les modèles de vision par ordinateur comme Ultralytics YOLO11 font progresser l’analyse des performances au basketball grâce à la détection et au suivi d’objets en temps réel. L’IA visuelle facilite l’analyse du jeu en direct et permet de mieux comprendre ce qui se passe.

Dans cet article, nous examinons de plus près comment l’AI et la vision par ordinateur transforment le basketball. Nous verrons comment ces technologies aident les équipes à suivre les joueurs en temps réel, à analyser les données de performance avec plus de précision, à prendre de meilleures décisions d’entraînement et à offrir une meilleure expérience aux fans.

L’essor de l’IA dans l’analyse sportive#

Avant d’examiner comment l’IA contribue à améliorer les matchs de basketball, voyons comment l’IA dans le sport a évolué au fil des ans.

À ses débuts, l’analyse sportive reposait surtout sur des statistiques de base et la tenue manuelle de registres. La situation a commencé à changer en 1997, lorsque des systèmes de suivi des joueurs fondés sur l’IA, comme Prozone, ont commencé à recueillir des données sur leurs déplacements.

En 2009, la NBA a franchi une étape importante avec le système SportVU, basé sur l’IA, pour suivre les ballons et les joueurs. Cette avancée a marqué une nouvelle étape et permis des analyses détaillées, riches en données, qui ont changé la façon dont les équipes évaluaient les performances des joueurs et la stratégie de jeu.

Fig. 1. L’évolution de l’IA dans le sport.

Ces dernières années, nous avons vu une grande variété de techniques d’IA utilisées dans le sport : de l’apprentissage automatique pour l’analyse prédictive à la vision par ordinateur pour l’analyse en temps réel, en passant par la robotique d’assistance à l’entraînement.

À mesure que ces technologies évoluent, l’analyse basée sur l’IA se généralise lors des compétitions et des entraînements. Elle aide les équipes à prendre l’avantage et permet aux supporters de mieux comprendre les matchs qu’ils aiment.

Des utilisations innovantes de l’IA par la NBA#

L’une des façons les plus passionnantes dont l’AI a fait son entrée dans la NBA cette saison est la robotique. Les Golden State Warriors montrent la voie avec leur initiative d’AI physique, un système de robots alimentés par l’AI qui assistent l’équipe pendant les séances d’entraînement.

Ces robots interviennent dans de nombreux exercices, des rebonds et des passes à la simulation de phases défensives, permettant aux joueurs d’obtenir un retour immédiat sur leurs performances.

Dans une vidéo publiée par l’équipe, le meneur des Golden State Warriors Steph Curry a expliqué que, même si la situation lui avait semblé étrange au début, les robots étaient rapidement devenus un élément essentiel de leur routine d’entraînement.

Fig. 2. Des équipes de basketball utilisent des robots pour se préparer aux matchs.

Voici d’autres utilisations fascinantes de l’IA par la NBA :

• Suivi des joueurs en temps réel : la ligue utilise la vision par ordinateur pour suivre les déplacements des joueurs et leurs positions en temps réel. Les entraîneurs obtiennent ainsi des informations immédiates et peuvent ajuster leurs stratégies à la volée.
• Optimisation du calendrier des matchs : la NBA utilise des outils d’AI pour analyser les données historiques, les performances des joueurs et la logistique afin d’établir des calendriers qui renforcent l’engagement des téléspectateurs et fluidifient la saison.
• Renforcement de l’engagement sur les réseaux sociaux : l’IA sert à générer automatiquement des résumés des temps forts et des clips personnalisés à partir des images des matchs, ce qui permet à la NBA de communiquer plus facilement avec les supporters du monde entier.

Prédire l’issue des matchs : modèles d’IA pour une analyse approfondie de la NBA#

Le sommet technologique NBA All-Star 2025 était principalement consacré aux innovations en matière d’IA. En fait, dans un podcast récent, Daryl Morey, président des opérations basketball des Philadelphia 76ers, a expliqué comment l’IA, et notamment les grands modèles de langage (LLMs), fait désormais partie intégrante du processus de prise de décision.

Morey a fait remarquer : « Nous utilisons absolument les modèles comme une voix dans chaque décision », soulignant que l’IA joue maintenant un rôle dans l’évaluation de tout, des choix de recrutement aux stratégies de jeu. Ces modèles combinent des données en temps réel, les performances historiques et d’autres informations pour prédire les tendances et les résultats, ajoutant un nouveau niveau de précision à la planification de l’avenir des équipes.

Morey a ensuite expliqué le rôle des LLMs dans ce processus : « Il s’avère que les LLMs sont assez performants en prédiction. Ils ne surpassent toujours pas les humains, notamment les superprévisionnistes… Ils apportent tout de même un signal supplémentaire par rapport aux recruteurs et à ce genre de choses. Nous les traiterons donc presque comme un recruteur. »

Avec le temps, à mesure que ces modèles s’améliorent, ils pourraient jouer un rôle encore plus important dans l’avenir de la NBA.

Comment Ultralytics YOLO11 peut suivre les joueurs et les déplacements du ballon au basketball#

Alors, comment fonctionnent les applications d’IA visuelle comme le suivi des joueurs en temps réel au basketball ? Prenons du recul et examinons les détails techniques.

Des modèles comme Ultralytics YOLO11 prennent en charge toute une gamme de tâches de vision par ordinateur, comme la détection d’objets, la segmentation d’instances et le suivi d’objets. Grâce à ces capacités, YOLO11 peut traiter en temps réel chaque image vidéo d’un match de basketball.

Par exemple, si nous voulons suivre le moment où le ballon traverse le panier ou celui où un joueur réalise un dunk, un système de vision par ordinateur intégrant Ultralytics YOLO11, entraîné sur un jeu de données comme Basketball and Hoop Detection, peut détecter et suivre le ballon lorsqu’il quitte la main d’un joueur, traverse les airs et touche la planche puis le panier pour marquer.

Un autre bon exemple est l’utilisation des capacités d’estimation de pose d’Ultralytics YOLO11. L’estimation de pose consiste à identifier et à suivre les points clés du corps d’un joueur, comme les coudes, les genoux et les hanches, dans chaque image de la vidéo. Cette technique permet de créer une carte détaillée des déplacements d’un joueur, qui montre non seulement sa position sur le terrain, mais aussi ses mouvements lors des moments importants. Les informations ainsi recueillies peuvent ensuite servir à analyser les performances, à affiner les techniques d’entraînement et même à réduire le risque de blessures.

Fig. 3. Exemple d’utilisation d’Ultralytics YOLO11 pour détecter la pose d’un joueur.

Utiliser Ultralytics YOLO11 pour aider les arbitres grâce à l’IA#

En plus du suivi des joueurs et de l’analyse des déplacements du ballon, YOLO11 peut être utilisé pour assister les arbitres grâce à l’AI, en les aidant à détecter en temps réel les fautes, les sorties de terrain et d’autres infractions.

En analysant les images vidéo image par image, l’IA visuelle peut fournir aux arbitres des informations supplémentaires afin de réduire les erreurs humaines. Elle peut aussi être intégrée aux systèmes de ralenti instantané pour signaler automatiquement les moments à revoir, rendant le processus plus rapide et plus fiable.

Par exemple, si un joueur sort du terrain, Ultralytics YOLO11 peut détecter la position de ses pieds par rapport aux lignes du terrain et avertir immédiatement les officiels. Le modèle peut également suivre les contacts physiques excessifs entre les joueurs afin d’aider à repérer les fautes.

De même, lorsque le ballon est en mouvement, Ultralytics YOLO11 peut analyser sa trajectoire pour déterminer s’il a complètement franchi la ligne des trois points avant un tir ou si une violation d’interférence a eu lieu. En automatisant ces détections, l’assistance arbitrale par l’AI peut améliorer la précision de l’arbitrage, réduire les décisions controversées et rendre le jeu plus équitable pour les joueurs et les équipes.

Les avantages et les inconvénients de l’IA pour l’entraînement et la stratégie au basketball#

L’utilisation de l’IA au basketball transforme tout, des performances des joueurs à l’engagement des supporters, et ouvre de nouvelles façons d’analyser le jeu et de prendre de meilleures décisions. Voici un aperçu rapide de certains avantages que l’IA offre aux équipes et aux organisations de basketball :

• De meilleures décisions : en prenant en compte plusieurs sources de données, les modèles d’IA peuvent contribuer à des décisions objectives concernant la gestion de l’effectif et les tactiques en cours de match.
• Un entraînement personnalisé : en analysant les données des joueurs, l’IA peut aider à créer des programmes d’entraînement personnalisés qui améliorent les compétences et réduisent les risques de blessure.
• Un recrutement amélioré : les systèmes d’IA peuvent analyser d’énormes volumes de données couvrant plusieurs saisons et ligues, ce qui aide les équipes à repérer les talents prometteurs et à dénicher des perles rares.

Malgré leurs avantages évidents, la mise en œuvre de solutions d’IA peut s’accompagner de difficultés. Voici quelques limites et points essentiels à garder à l’esprit :

• Problèmes de confidentialité des données : la collecte et l’analyse de nombreuses données sur les joueurs soulèvent des préoccupations concernant la sécurité des données et la vie privée de chacun.
• Gérer l’incertitude : les modèles d’IA peuvent avoir du mal à prendre en compte les facteurs spontanés et émotionnels qui caractérisent souvent les sports en direct.
• Dépendance excessive aux données : trop se fier à l’IA peut minimiser l’importance de l’intuition des entraîneurs et de la nature imprévisible du jeu.

Au basketball, l’IA est un vrai panier à trois points#

L’IA redéfinit le basketball de façon passionnante. Du suivi des joueurs en temps réel avec Ultralytics YOLO11 aux modèles prédictifs qui aident les entraîneurs à prendre de meilleures décisions, ces technologies donnent aux équipes de nouveaux outils pour analyser le jeu et améliorer leurs performances.

La NBA utilise déjà l’IA pour optimiser les calendriers des matchs, créer des résumés automatisés des temps forts, affiner les stratégies d’entraînement et renforcer l’engagement des supporters. À mesure que l’IA évolue, nous pouvons nous attendre à des analyses encore plus précises, à une meilleure prévention des blessures et à des informations plus approfondies sur les performances des joueurs.

Pour en savoir plus, consulte notre dépôt GitHub et échange avec notre communauté. Découvre les innovations dans des secteurs comme l’IA appliquée aux voitures autonomes et la vision par ordinateur en agriculture sur nos pages consacrées aux solutions. Consulte nos options de licence et donne vie à tes projets d’IA visuelle.