La médaille dépend autant du laboratoire que de l'athlète

La médaille dépend autant du laboratoire que de l’athlète

Quatre-vingt-quatorze pour cent. C’est le taux d’accord entre des réseaux neuronaux et des experts internationaux lorsqu’il s’agit d’évaluer la technique d’un athlète. Ce chiffre, issu d’une revue systématique de 73 études publiée en 2025 dans Bioengineering (MDPI), ne dit pas que l’IA remplace le regard des entraîneurs. Il dit quelque chose de plus dérangeant : que la performance sportive est désormais aussi le produit d’un pipeline de données, d’algorithmes et d’investissements en infrastructure que les fédérations les plus riches accumulent discrètement depuis une décennie.

Avant Los Angeles 2028, la question n’est plus de savoir si la technologie change le sport de haut niveau. Elle l’a déjà changé. La question est de savoir qui en bénéficie, comment elle est gouvernée, et ce qu’elle fait à la valeur des records.

L’essentiel

• Une revue systématique de 73 études publiée en 2025 montre que les réseaux neuronaux atteignent 94 % d’accord avec des experts internationaux pour l’évaluation de la technique sportive.
• Les modèles d’IA prédictive réduisent de 23 % les rechutes après blessure et atteignent 85 % de précision pour anticiper les blessures aux ischio-jambiers.
• Les grandes fédérations nationales du football, du cyclisme et de l’athlétisme ont intégré ces outils dans leurs programmes élite, creusant l’écart avec les fédérations qui n’ont pas les moyens de suivre.
• L’absence de standards communs rend difficile toute comparaison des records entre générations et soulève une question de gouvernance que le CIO n’a pas encore tranchée.

94 % d’accord : ce que ça veut dire concrètement

Pour comprendre ce chiffre, il faut d’abord savoir ce qu’on mesure. L’évaluation technique en sport de haut niveau, qu’il s’agisse de la phase d’appel d’un saut en hauteur, de l’angle d’attaque d’un rameur ou de la posture d’un lanceur de javelot, repose historiquement sur l’œil expérimenté d’entraîneurs formés pendant des années. Ces jugements ne sont pas arbitraires. Ils sont le résultat d’une expertise tacite difficile à formaliser.

Ce que la revue systématique publiée sur NCBI révèle, c’est que des réseaux neuronaux entraînés sur des séquences vidéo annotées arrivent à reproduire ce jugement dans neuf cas sur dix. Non pas en devinant, mais en capturant des micro-patterns biomécaniques que l’œil humain ne tient pas toujours en compte simultanément : la position du centre de gravité à l’instant T, la synchronisation des chaînes musculaires, l’asymétrie gauche-droite sur plusieurs cycles de mouvement. Ces algorithmes ne remplacent pas l’entraîneur. Ils lui fournissent une couche d’information que l’entraîneur seul ne peut pas produire en temps réel.

Ce qui a changé entre 2020 et aujourd’hui, c’est la maturité du pipeline technique. Les capteurs inertiels portables, qui mesurent l’accélération et la rotation à plusieurs centaines d’hertz, coûtent désormais une fraction de ce qu’ils valaient dix ans plus tôt. La vision par ordinateur embarquée dans des caméras standard permet une analyse tridimensionnelle sans combinaison à marqueurs. Et les modèles d’apprentissage profond, entraînés sur des bases de données de plus en plus larges, gagnent en généralisation. Le résultat, c’est un système d’analyse biomécanique qui était réservé il y a vingt ans aux laboratoires universitaires et qui s’intègre aujourd’hui dans les routines d’entraînement de plusieurs dizaines de fédérations nationales.

Prédire les blessures avant qu’elles surviennent

L’application la plus avancée de ces outils n’est pas l’optimisation de la performance. C’est la prévention des blessures. Et c’est là que les données sont les plus solides.

La même revue systématique rapporte que des modèles d’apprentissage automatique atteignent 85 % de précision pour prédire les blessures aux ischio-jambiers, le groupe musculaire le plus touché dans les sports de sprint et de changement de direction. Plus significatif encore : les protocoles intégrant ces prédictions réduisent de 23 % les rechutes après blessure. Ce dernier chiffre mérite qu’on s’y arrête. Une rechute n’est pas seulement une mauvaise performance. C’est souvent une carrière raccourcie, une douleur chronique, une sortie prématurée du circuit. Réduire les rechutes d’un quart, c’est changer concrètement la trajectoire de vie d’athlètes.

Comment ces modèles fonctionnent-ils ? Ils agrègent des signaux hétérogènes : données de charge d’entraînement sur plusieurs semaines, asymétries biomécaniques captées par les capteurs inertiels, historique des blessures antérieures, indicateurs de fatigue neuromusculaire issus de tests de saut. Aucun de ces signaux, pris isolément, ne prédit grand-chose. C’est leur combinaison, traitée par des algorithmes d’ensemble, qui révèle les patterns précurseurs.

Plusieurs clubs de football européens utilisent ces systèmes depuis 2022. Le FC Barcelone, via son département de sciences du sport, publie depuis 2023 des résultats internes montrant une réduction des jours d’absence pour blessure musculaire. Un nombre croissant de fédérations nationales d’athlétisme ont déployé des protocoles similaires, notamment en partenariat avec leurs instituts nationaux du sport. Ces exemples ne sont pas des cas isolés : ils signalent une tendance structurelle dans les fédérations qui ont les moyens d’investir.

Les grandes fédérations ont pris une longueur d’avance

Le football, le cyclisme, le tennis et l’athlétisme ont été les premiers à industrialiser ces outils, pour des raisons simples : revenus télévisuels élevés, intérêt des sponsors pour la performance mesurable, et culture déjà ancrée des statistiques avancées. Dans ces disciplines, les staff techniques des équipes nationales et des clubs professionnels intègrent désormais des spécialistes en science des données aux côtés des préparateurs physiques et des médecins du sport.

Le cyclisme est peut-être l’exemple le plus abouti. L’équipe INEOS Grenadiers, qui a dominé le Tour de France pendant plusieurs saisons, est connue pour son usage intensif de la modélisation aérodynamique et des algorithmes d’optimisation de puissance. Son directeur sportif décrit publiquement leur approche comme une “gestion en temps réel des contraintes physiologiques individuelles”. En pratique, cela signifie que chaque étape est planifiée à partir de modèles qui tiennent compte des courbes de fatigue personnalisées de chaque coureur, actualisées nuit par nuit.

L’athlétisme suit la même logique, mais avec une contrainte supplémentaire : la comparabilité des records. Quand Mondo Duplantis améliore son propre record du monde à la perche, la performance est-elle strictement comparable à celle de Sergueï Bubka trente ans plus tôt, qui évoluait sans modélisation biomécanique personnalisée ? La question n’est pas rhétorique. Elle est au cœur des réflexions actuelles à World Athletics, même si l’organisation n’a pas encore produit de cadre formel pour y répondre.

L’IA dans le sport suit la même logique d’exclusion que dans l’économie

Les gains de productivité liés à l’IA ne se distribuent pas uniformément. C’est vrai dans l’industrie et dans les services, comme le montrent les données sur la transformation du travail par les agents IA. C’est vrai aussi dans le sport.

Les fédérations des pays à revenus faibles ou intermédiaires ne peuvent pas absorber le coût d’un pipeline biomécanique complet. Un système de capture de mouvement sans marqueurs de qualité professionnelle coûte entre 15 000 et 50 000 euros à l’installation. Un data scientist spécialisé en sciences du sport coûte entre 60 000 et 120 000 euros par an selon les marchés. Un programme national de prévention des blessures intégrant l’IA suppose une infrastructure médicale et analytique que la plupart des comités olympiques africains, d’Asie centrale ou d’Amérique latine ne peuvent pas financer.

Le résultat est une bifurcation qui se creuse. D’un côté, des athlètes préparés dans des environnements technologiquement denses, avec une surveillance biomécanique quasi-continue et des modèles prédictifs personnalisés. De l’autre, des athlètes tout aussi talentueux qui s’entraînent avec les mêmes méthodes qu’il y a vingt ans, exposés aux mêmes risques de blessure non anticipés, sans accès aux outils d’optimisation technique.

Ce fossé n’est pas nouveau dans le sport de haut niveau. Le financement inégal des délégations olympiques est aussi ancien que les Jeux modernes. Mais la dimension technologique lui donne une nouvelle profondeur. Avant, l’avantage comparatif d’une fédération riche portait principalement sur les installations physiques, les médecins, les entraîneurs qualifiés. Aujourd’hui, il porte aussi sur un avantage informationnel structurel que l’athlète individuel ne peut pas combler par le seul entraînement.

Le CIO a jusqu’ici abordé cette question sous l’angle de l’équipement matériel, avec des règles strictes sur les chaussures de course ou les combinaisons de natation. Il ne s’est pas encore doté d’un cadre équivalent pour les outils d’analyse de la performance. C’est une lacune de gouvernance, pas une omission accidentelle : les lobbys des fédérations riches n’ont aucun intérêt à voir leurs avantages technologiques réglementés.

Ce que font concrètement les pionniers

Décrire le fossé sans nommer ceux qui tentent de le réduire serait incomplet. Plusieurs initiatives montrent qu’une diffusion plus large de ces outils est possible.

L’Agence mondiale antidopage (AMA) finance depuis 2023 un programme de partage de données biomécaniques entre fédérations nationales, avec l’objectif déclaré de créer des bases de référence communes accessibles aux comités olympiques moins dotés. Le programme est encore modeste : une vingtaine de fédérations participantes, trois sports pilotes (athlétisme, haltérophilie, natation). Mais l’architecture est posée.

Du côté académique, le groupe de recherche en biomécanique de l’université du Queensland a développé des protocoles d’analyse basés sur des smartphones grand public, capables de produire des estimations cinématiques avec une erreur inférieure à 5 % par rapport aux systèmes de laboratoire. Ces méthodes, publiées en open access, sont déjà utilisées par des fédérations au Kenya et en Éthiopie pour l’analyse technique de leurs coureurs de fond.

Aux États-Unis, le programme TeamUSA Data Initiative, lancé par le Comité olympique américain en 2024, agrège les données de 28 sports et met à disposition des entraîneurs nationaux une plateforme commune d’analyse biomécanique. L’approche centralisée permet des économies d’échelle significatives : au lieu que chaque fédération construise son propre pipeline, elles partagent une infrastructure commune. Ce modèle pourrait inspirer des initiatives similaires dans d’autres comités olympiques, à condition que la volonté politique et les financements suivent.

Le problème reste entier pour les fédérations qui n’ont pas les conditions cadres permettant même ces alternatives moins coûteuses. Former un analyste de données sportives suppose une université capable de l’accueillir, un programme sportif national capable de l’employer, et un écosystème institutionnel capable de valoriser ce travail. Ces conditions manquent dans une majorité de pays représentés aux Jeux.

Los Angeles 2028 : une échéance sans gouvernance

Dans les deux ans qui séparent aujourd’hui de Los Angeles, les écarts technologiques entre fédérations ne vont pas se résorber spontanément. Les investissements en cours chez les acteurs les mieux dotés continuent d’accélérer, poussés par la pression concurrentielle et par l’appétit des sponsors pour des narratifs de performance mesurable.

La vraie question que les Jeux de 2028 vont poser n’est pas technique. Elle est politique. Le CIO et les fédérations internationales vont-ils reconnaître que l’infrastructure technologique fait désormais partie de la préparation sportive au même titre que les installations physiques, et que cela justifie un mécanisme de péréquation ? Vont-ils définir des standards communs pour l’analyse biomécanique, de façon à rendre les performances comparables d’une génération d’athlètes à l’autre ?

Ces questions ne trouvent pas encore de porteur institutionnel clairement identifié. World Athletics a lancé en 2025 un groupe de travail sur la technologie et la performance, mais son mandat est limité à l’équipement matériel. Le CIO a constitué une commission sur l’IA dans le sport, dont les premières recommandations sont attendues pour 2027, soit après le début du cycle de qualification pour Los Angeles.

Le problème avec l’absence de gouvernance dans un domaine qui change vite, c’est que les règles implicites se forment quand même. Elles se forment au profit de ceux qui ont les moyens de les façonner. Si le CIO et les fédérations internationales n’agissent pas avant 2028, la conversation sur l’équité technologique dans le sport se tiendra probablement après les Jeux, avec des inégalités déjà plus profondes à corriger.

La médaille dépend depuis longtemps du financement. Elle dépend désormais aussi du laboratoire. La question est de savoir si cette dépendance sera organisée collectivement, ou laissée au jeu du marché.

Sources

1. Revue scoping IA et biomécanique sportive – Souaifi et al. 2025 (PMC/NCBI)
2. World Athletics, groupe de travail technologie et performance, 2025 (worldathletics.org)
3. INSEP, programme de prévention des blessures par modélisation prédictive, 2024 (insep.fr)
4. Université du Queensland, protocoles d’analyse cinématique sur smartphone, open access (uq.edu.au)
5. Comité olympique américain, TeamUSA Data Initiative, 2024 (teamusa.org)
6. Projet ANR FULFILL – INSEP / FFA – biomécanique du sprint
7. INEOS Grenadiers – restructuration performance et aérodynamique (2024)
8. Google / LA28 – partenariat IA pour les JO 2028
9. PMC – Ischio-jambiers : groupe musculaire le plus touché dans les sports de sprint
10. Bioengineering (MDPI) – Publication originale de la revue scoping