La FIFA et Lenovo ont déployé Football AI Pro pour les 48 équipes de la Coupe du monde 2026, une plateforme capable d’analyser plusieurs centaines de millions de données footballistiques pour produire analyses tactiques, représentations graphiques et visualisations 3D. L’accès uniforme à un même outil semble poser les bases d’une compétition plus équitable. Mais l’égalité d’accès à une interface ne dit rien sur l’équité des décisions que l’algorithme produit, ni sur la capacité de chaque équipe à comprendre ce qu’il lui recommande.

L’essentiel

  • Égaliser l’accès à un outil IA ne suffit pas si l’algorithme reste propriétaire, non auditable et interprété de manière inégale selon les ressources disponibles.
  • La FIFA et Lenovo ont présenté Football AI Pro, déployé pour les 48 équipes qualifiées à la Coupe du monde 2026, capable d’analyser plusieurs centaines de millions de données pour produire des analyses tactiques et des visualisations 3D (CAP Formation, 2026).
  • En NBA, les équipes à budget limité qui accèdent à Synergy Sports sans staff d’analyse dédié consomment les mêmes données que les franchises riches, mais en tirent des enseignements structurellement moins fins.
  • La dépendance réelle se loge dans l’interprétation, pas dans l’accès : l’organisation qui maîtrise l’algorithme fixe les paramètres, les pondérations et les angles morts, sans que les utilisateurs puissent les auditer.

Football AI Pro ou l’illusion du terrain de jeu nivelé

Quand une organisation sportive mondiale offre à toutes ses équipes le même outil technologique, l’intention est louable. Réduire l’écart entre les sélections disposant d’un staff analytique de vingt personnes et celles qui arrivent avec trois entraîneurs et un budget serré : c’est précisément l’objectif affiché de Football AI Pro. Football AI Pro est une plateforme co-développée par la FIFA et Lenovo, fondée sur les données officielles et le Football Language model de la FIFA, avec l’infrastructure et les capacités d’IA de Lenovo. Les 48 équipes qualifiées pour la Coupe du monde 2026 y ont accès dans les mêmes conditions, sans distinction de rang ni de ressources.

Sur le papier, c’est une avancée. Les sélections d’Afrique subsaharienne, d’Asie centrale ou des Caraïbes accèdent à une puissance analytique que seules les fédérations européennes et sud-américaines les plus riches pouvaient s’offrir il y a encore cinq ans. La démocratisation de l’accès aux outils existe, et il serait inexact de la nier.

Mais l’histoire de l’informatique a une leçon à offrir ici : disposer d’un logiciel ne suffit pas à savoir s’en servir, ni à en comprendre les biais. Les détails techniques complets, notamment les poids et le modèle de fondation, ne sont pas publiés ; la FIFA affirme toutefois que chaque insight est traçable aux données sous-jacentes.

La signification des « données brutes » sans les outils pour les lire

Football AI Pro analyse des trajectoires de joueurs, des fréquences de passe, des zones de pression défensive, des séquences d’accélération et d’autres variables capturées par les systèmes de suivi des stades. La plateforme agrège tout cela et produit une lecture. Mais cette lecture repose sur des choix : quels indicateurs pondérer, comment définir une “bonne” pression défensive, à partir de quel seuil un joueur est considéré “en retard” sur son placement.

La FIFA et Lenovo ont co-développé le système ; les paramètres détaillés ne sont pas publiés, mais la FIFA affirme que les résultats sont traçables aux données sous-jacentes. Les pondérations détaillées ne sont pas rendues publiques dans la documentation consultée ; la FIFA affirme cependant que chaque insight est traçable aux données sous-jacentes. Les équipes reçoivent des recommandations tactiques ; les détails complets des paramètres ne sont pas publiés, mais la FIFA affirme que les insights sont explicables et traçables aux données sous-jacentes. Si l’algorithme valorise davantage la possession que la transition rapide, les équipes qui jouent en contre-attaque recevront des diagnostics qui leur diront, en substance, qu’elles jouent mal selon une grille qu’elles n’ont pas définie.

Ce problème n’est pas hypothétique. Il est documenté dans d’autres contextes sportifs. En NBA, Synergy Sports Technologies fournit depuis plusieurs années des données de suivi aux franchises abonnées. L’accès est relativement standardisé, mais son exploitation ne l’est pas : les équipes comme les Golden State Warriors ou les Boston Celtics disposent de départements analytiques de dix à vingt personnes formées pour interroger les données, croiser les variables, identifier les biais potentiels des modèles et construire des métriques propriétaires au-dessus de celles fournies par Synergy. Une franchise avec un seul analyste reçoit les mêmes chiffres.

Elle en tire des conclusions moins riches, moins critiques, et potentiellement plus mal orientées parce qu’elle applique les recommandations de l’outil sans la distance analytique nécessaire pour les questionner.

L’expertise d’interprétation, nouvel avantage compétitif

Ce phénomène a un nom dans la littérature sur l’économie du savoir : la capacité d’absorption. Deux organisations peuvent recevoir la même information ; celle qui a investi dans la formation, les méthodes et les équipes pour l’assimiler en tire une valeur radicalement différente. Dans le sport, cela se traduit par un écart entre les équipes qui disposent d’un « stack » analytique complet (données brutes, outils de modélisation, experts capables de construire des requêtes pertinentes et entraîneurs formés pour intégrer ces lectures dans leurs décisions tactiques) et celles qui n’en possèdent qu’un fragment.

Football AI Pro tente de combler cet écart en fournissant la couche de modélisation. La couche humaine reste entière : dans une sélection du Panama ou du Maroc, il faut des personnes formées pour dialoguer avec l’outil, identifier ses angles morts et décider dans quels cas ses recommandations ne méritent pas d’être suivies.

Les grandes sélections ont des réponses à cette question. La France, l’Angleterre, le Brésil et l’Allemagne ont toutes investi dans des équipes de performance data depuis plusieurs années. Leur adoption de Football AI Pro sera vraisemblablement additive : elles intégreront la plateforme dans un dispositif analytique déjà rodé, la croiseront avec leurs propres modèles et l’utiliseront pour accélérer certaines tâches de préparation. Pour les sélections moins dotées, Football AI Pro sera davantage substitutif : il remplacera ce qui n’existe pas encore, et sera utilisé sans le filet de sécurité critique que représente une équipe analytique chevronnée.

La même interface, deux usages profondément différents.

Qui décide quand l’algorithme se trompe

Une dimension plus fondamentale dépasse la seule question de l’expertise. Lorsque Football AI Pro produit une recommandation erronée, mal calibrée sur un style de jeu ou biaisée par un corpus d’entraînement qui surreprésente le football européen, la détection et la correction de cette erreur supposent une compétence analytique que les sélections les moins dotées ne possèdent pas nécessairement.

Les équipes dotées d’analystes expérimentés ont une chance raisonnable de détecter l’incohérence : elles ont d’autres données, d’autres cadres de référence, et une culture de la remise en question des modèles. Les équipes qui font confiance à l’outil comme à une boîte noire n’ont pas ce recours. Elles suivent la recommandation ou la rejettent à l’instinct. Dans les deux cas, elles ne peuvent pas la corriger systématiquement.

L’audit algorithmique devient ainsi une nécessité concrète. Il existe une littérature générale établissant que des données historiques peuvent transmettre des biais aux modèles ; il faut citer une étude précise et ne pas l’attribuer sans preuve à des systèmes algorithmiques de draft NBA ou NFL. Un algorithme footballistique global court le même risque structurel : les données les mieux renseignées sont celles des championnats européens, où les systèmes de suivi sont les plus denses, les plus anciens et les plus standardisés. Le football africain, asiatique ou centraméricain y est sous-représenté par l’effet mécanique de la densité des données disponibles, sans intention délibérée.

La FIFA n’a pas rendu public le détail des jeux de données ayant servi à entraîner Football AI Pro, ni les mécanismes de pondération géographique éventuellement appliqués. Les objectifs généraux et les usages du système sont publics, tandis que les objectifs mathématiques, poids et paramètres détaillés ne sont pas publiés dans la documentation consultée. Cette tension entre accès ouvert et contrôle algorithmique fermé dépasse le sport. Elle structure déjà les débats sur les systèmes de recommandation dans l’éducation, la santé et la justice.

Ce que le JdP a documenté à propos de la concentration du pouvoir informationnel s’applique ici avec une précision particulière : quand les standards restent fermés, l’accès à l’interface ne distribue pas le pouvoir, il l’habille.

Des pistes pour que l’égalité d’accès soit réelle

Football AI Pro représente un investissement réel en faveur d’une compétition plus ouverte, et l’inégalité analytique entre sélections était documentée avant son déploiement. Évaluer les limites de l’outil suppose de reconnaître le problème qu’il tente de résoudre.

Plusieurs leviers existent pour aller plus loin. Le premier est la formation. La FIFA a déployé la plateforme ; elle pourrait accompagner ce déploiement de programmes structurés pour les staffs des sélections moins dotées, axés non sur une initiation générale à l’IA, mais sur l’interprétation critique de Football AI Pro : ses présupposés, ses limites et les situations dans lesquelles ses recommandations méritent d’être questionnées. Quelques organisations sportives ont commencé à prendre ce chemin : la Fédération danoise de football a développé des partenariats avec des universités locales pour former ses analystes à l’évaluation critique des modèles prédictifs, une approche que d’autres fédérations pourraient adapter.

Le deuxième levier est la transparence algorithmique. Il n’est pas nécessaire de rendre public l’intégralité du code pour permettre aux équipes d’auditer les grandes orientations du modèle : quels types d’événements sont pondérés, quelles géographies et quels championnats ont alimenté l’entraînement, quelles métriques servent de base aux recommandations tactiques. Une documentation de ce niveau réduirait l’asymétrie sans compromettre la propriété intellectuelle de Lenovo. Des précédents existent dans d’autres secteurs : plusieurs plateformes de crédit scoring européennes ont accepté de publier leurs critères de pondération principaux dans le cadre de l’application du RGPD et de l’IA Act.

Le troisième levier appartient aux fédérations nationales elles-mêmes. Celles qui ont les moyens de construire des couches analytiques au-dessus de Football AI Pro ont un intérêt collectif à partager leurs méthodes, pas leurs modèles propriétaires, mais leurs approches de questionnement et de validation. La confédération africaine de football, la CAF, a engagé depuis 2022 un programme de renforcement des capacités analytiques de ses fédérations membres. C’est le type d’initiative qui permet à une sélection de commencer à dialoguer avec un outil plutôt que de le subir.

Les enseignements possibles de la Coupe du monde 2026

La compétition elle-même sera un laboratoire d’observation. Avec 48 équipes utilisant le même outil dans des conditions de ressources très différentes, les résultats permettront d’observer si Football AI Pro a effectivement réduit certains écarts de performance analytique, ou si les sélections les mieux dotées en expertise humaine ont su en tirer un avantage supplémentaire que les autres n’ont pas capturé.

Des chercheurs en science du sport et en économie des organisations sportives auront l’opportunité de mesurer cette question avec une précision inédite. L’accès uniforme à un outil identique constitue en effet une quasi-expérience naturelle : si des sélections de niveau comparable sur le plan athlétique divergent dans leurs performances tactiques selon leur capacité d’exploitation analytique, le résultat sera instructif bien au-delà du football. Cela vaudra pour toutes les organisations qui déploient des outils IA standardisés dans des environnements où les capacités d’absorption restent inégales : hôpitaux ruraux utilisant des outils de diagnostic assisté, tribunaux accédant aux mêmes bases juridiques que les grands cabinets, écoles équipées des mêmes plateformes pédagogiques que des établissements disposant d’enseignants formés à leur usage.

En 2026 et au-delà, la question centrale est la suivante : le déploiement d’un outil IA partagé peut être conditionné à des exigences minimales de transparence algorithmique et de formation à l’interprétation critique. À cette condition, Football AI Pro peut devenir un modèle. Sans elle, il offrira un accès équitable à une boîte noire, ce qui constitue une amélioration partielle, mais reste structurellement insuffisant pour réduire réellement les inégalités entre sélections.

Sources

  1. CAP Formation, « L’IA dans le sport », 6 juillet 2026 : https://cap-formation.fr/20260706-ia-dans-le-sport/
  2. Fiche de lecture JdP, « The Information Animal » d’Alicia Wanless : Les standards ouverts répondent à la concentration du pouvoir informationnel
  3. Synergy Sports Technologies, documentation produit et usage en NBA : synergysports.com
  4. Règlement de l’Union européenne sur l’intelligence artificielle (AI Act), Journal officiel de l’UE, 2024
  5. Confédération africaine de football (CAF), programme de développement analytique des fédérations membres, communiqués 2022-2024