L’IA et le Sport : Une Réalité à Réévaluer
Les amateurs de sport et les diffuseurs peuvent se réjouir d’une réalité rassurante : l’intelligence artificielle (IA) n’a pas encore maîtrisé les subtilités des analyses sportives.
Une Étude Déconcertante
Une recherche menée par des universitaires de l’Université de Caroline du Nord à Chapel Hill et de l’Université Northeastern a révélé que les principaux modèles d’IA montrent de grandes lacunes dans l’analyse des sports professionnels. Cette étude, qui n’a pas encore été revue par des pairs, visait à évaluer les aptitudes des modèles d’IA populaires dans des domaines tels que la perception, le raisonnement, la simulation et l’agence, qui sont difficiles à mesurer avec des méthodes de test actuelles.
L’Expérience dans l’Univers du Sport
Pour analyser les performances de l’IA, les chercheurs ont créé un test inédit appelé intelligence vidéo stratégique (ou “SVI-bench”). Celui-ci a intégré 35 000 heures d’images de matchs de basketball, de football et de hockey, ainsi que 15 millions de jeux annotés et d’autres données pertinentes.
Performances Variées
Dans le domaine de la perception, l’IA a affiché une performance correcte en identifiant quel joueur exécutait quelle action pendant le match. Toutefois, même dans ce champ, les résultats laissent à désirer, avec un taux de réussite d’environ 74 %. Cela serait suffisant pour écarter un annonceur amateur de baseball !
Des Lacunes en Raisonnement
Pour ce qui est du raisonnement causal, notamment pour expliquer pourquoi certaines actions se produisent, le taux de réussite des modèles ne dépasse guère les 40 %. Par exemple, quand les chercheurs ont demandé ce qui était inhabituel sur un tir à trois points de Cody Martin, l’IA a simplement indiqué que c’était « son premier tir réussi du match », omettant l’élément essentiel du rebond qui a précipité le tir.
Simulation et Prédictions
En ce qui concerne la simulation—demander à l’IA de prédire le mouvement d’un joueur—les résultats étaient désastreux. Le meilleur modèle a essentiellement deviné les mouvements en lançant une pièce de monnaie. Les performances se sont encore détériorées lorsque des mouvements plus complexes vers un but ont été envisagés.
Une Conclusion Révélatrice
Comme l’a noté Lorenzo Torresani, chercheur en informatique à Northeastern et co-auteur de l’étude, l’IA « ne peut pas expliquer les causes des événements ni prédire ce qui va se passer ensuite ». Lorsque les chercheurs ont testé la capacité de l’IA à effectuer des analyses post-match complexes comme le ferait un commentateur humain, son exactitude est tombée à seulement 5 %.
Un bon commentateur sportif va bien au-delà d’une simple description : il explique ce qui fonctionne, anticipe les prochaines actions et décide des moments clés. Bien que l’IA trouve encore un certain succès dans la description, elle trébuche gravement sur les autres aspects.
Répercussions pour le Marché du Travail
Alors que les commentateurs peuvent souffler, les résultats de cette étude apportent également une note d’espoir pour d’autres travailleurs du savoir, en ces temps où l’angoisse liée à l’automatisation par l’IA plane sur le marché de l’emploi. Lorsqu’on évalue les professions, le même écart de compétence est observable dans des métiers où la valeur ne réside pas seulement dans la description de ce qui est visible, mais dans la compréhension des dynamiques derrière les événements.
FAQ
H4: Quels types de sports ont été analysés dans l’étude?
L’étude a porté sur des échantillons provenant principalement de basketball, football et hockey.
H4: Que signifie “SVI-bench”?
Il s’agit d’un test d’intelligence vidéo stratégique qui évalue les capacités de l’IA à comprendre et analyser des séquences sportives complexes.
H4: Comment les modèles d’IA se comparent-ils aux commentateurs humains?
Les modèles d’IA excellent dans la description basique, mais échouent souvent sur les analyses complexes que réaliseraient des commentateurs expérimentés.
H4: Quelles autres implications l’étude pourrait-elle avoir?
Cette recherche peut rassurer de nombreux secteurs face à la crainte d’une automatisation extensive, montrant que les compétences humaines demeurent essentielles.
H4: Quels sont les domaines où l’IA performe le mieux selon l’étude?
L’IA se montre plus compétente dans la perception, mais même ici, ses performances sont loin d’être parfaites.
