{"id":6289,"date":"2026-06-01T12:21:21","date_gmt":"2026-06-01T12:21:21","guid":{"rendered":"https:\/\/campus.hesge.ch\/blog-master-is\/?p=6289"},"modified":"2026-06-01T12:21:52","modified_gmt":"2026-06-01T12:21:52","slug":"donnees-ouvertes-formats-et-modeles-que-faire-concretement-avec-les-donnees-du-football","status":"publish","type":"post","link":"https:\/\/campus.hesge.ch\/blog-master-is\/donnees-ouvertes-formats-et-modeles-que-faire-concretement-avec-les-donnees-du-football\/","title":{"rendered":"Donn\u00e9es ouvertes, formats et mod\u00e8les : que faire concr\u00e8tement avec les donn\u00e9es du football ?"},"content":{"rendered":"\n

Article \u00e9crit par Fonseca Francisco.<\/p>\n\n\n\n

Introduction<\/h2>\n\n\n\n

Dans le premier billet, nous avons pr\u00e9sent\u00e9 les principales familles de donn\u00e9es du football et quelques jeux de donn\u00e9es ouverts accessibles \u00e0 tous (Fonseca 2025)<\/a>. Dans celui-ci, nous nous int\u00e9ressons davantage \u00e0 ce qu\u2019on fait concr\u00e8tement avec ces donn\u00e9es : comment elles sont captur\u00e9es, transform\u00e9es puis int\u00e9gr\u00e9es dans des workflows d\u2019analyse.<\/p>\n\n\n\n

Comment sont capt\u00e9es les donn\u00e9es de match (et par qui) ?<\/h2>\n\n\n\n

Dans le football professionnel, une question pr\u00e9c\u00e8de l\u2019open data : qui collecte les donn\u00e9es sur un match, et comment ? Pour les grands championnats et comp\u00e9titions internationales, les ligues mandatent un fournisseur officiel de tracking vid\u00e9o<\/strong> qui installe un syst\u00e8me multi-cam\u00e9ras, suit automatiquement tous les joueurs et le ballon, puis fournit un flux de positions plusieurs dizaines de fois par seconde. En parall\u00e8le, de nombreux clubs collectent leurs propres donn\u00e9es \u00e0 l\u2019aide de gilets \u00e9quip\u00e9s d\u2019un capteur GPS<\/strong> port\u00e9s par les joueurs, surtout \u00e0 l\u2019entra\u00eenement mais aussi pendant les matchs : distance parcourue, acc\u00e9l\u00e9rations, charge de travail, tests physiques, etc. Les figures 1 et 2 illustrent ces deux familles de syst\u00e8mes EPTS utilis\u00e9s aujourd\u2019hui.<\/p>\n\n\n

\n
\"\"
Figure 1 – Syst\u00e8mes de cam\u00e9ras optiques
<\/em>Source\u00a0: (FIFA 2025)<\/a><\/figcaption><\/figure><\/div>\n\n
\n
\"\"
Figure 2 – Syst\u00e8mes GPS\/GNSS <\/em>
Source : (FIFA 2025)<\/a><\/figcaption><\/figure><\/div>\n\n\n

Les clubs combinent ensuite ces sources avec des donn\u00e9es d\u2019\u00e9v\u00e9nements et de vid\u00e9o fournies par des prestataires sp\u00e9cialis\u00e9s (Opta\/Stats, Wyscout, StatsBomb, etc.)(AGBrief Editorial 2023)<\/a>. Lorsqu\u2019ils pr\u00e9parent un match, ils n\u2019ont pas acc\u00e8s aux capteurs de l\u2019\u00e9quipe adverse, mais peuvent analyser ses comportements \u00e0 partir des flux officiels de la ligue et des plateformes vid\u00e9o\/statistiques.<\/p>\n\n\n\n

Que font les chercheurs avec ces donn\u00e9es ouvertes ?<\/h2>\n\n\n\n

Parmi les jeux de donn\u00e9es ouverts, \u00ab A public data set of spatio-temporal match events in soccer competitions \u00bb (Pappalardo et al. 2019)<\/a> publie, pour une saison compl\u00e8te de sept grandes comp\u00e9titions, tous les \u00e9v\u00e9nements de match au format JSON. Chaque action (passe, tir, faute, etc.) est d\u00e9crite par un type, un temps, une position sur le terrain, un joueur et un r\u00e9sultat. Les auteurs montrent comment organiser ces fichiers pour reconstruire les matchs, produire des cartes de tirs ou des r\u00e9seaux de passes. Autrement dit, ce n\u2019est pas l\u2019ouverture en soi, mais la combinaison d\u2019un format clair et d\u2019outils de lecture<\/strong> qui rend ces donn\u00e9es r\u00e9ellement exploitables.<\/p>\n\n\n

\n
\"\"
Figure 3 – \u00ab Processus de marquage des \u00e9v\u00e9nements footballistiques \u00e0 partir d’une vid\u00e9o de match. (a) Capture d’\u00e9cran du logiciel de marquage. Une action est marqu\u00e9e par un op\u00e9rateur \u00e0 l’aide d’un clavier sp\u00e9cial personnalis\u00e9, cr\u00e9ant ainsi un nouvel \u00e9v\u00e9nement sur la chronologie du match. (b) Une fois la position de l’\u00e9v\u00e9nement sur le terrain d\u00e9finie, le module de saisie sp\u00e9cifique au tir appara\u00eet (en haut). Des modules de saisie li\u00e9s \u00e0 l’\u00e9v\u00e9nement apparaissent \u00e9galement pour d\u00e9finir des attributs suppl\u00e9mentaires de l’\u00e9v\u00e9nement qui se produit (en bas). \u00bb. <\/em>
Source :(Pappalardo et al. 2019)<\/a><\/figcaption><\/figure><\/div>\n\n\n

\u00ab An integrated dataset of spatiotemporal and event data in elite soccer \u00bb (Bassek et al. 2025)<\/a> propose un jeu plus petit, mais qui combine suivi et \u00e9v\u00e9nements : sept matches de Bundesliga (premi\u00e8re et deuxi\u00e8me division) avec, pour chaque rencontre, trois fichiers XML (informations de match, \u00e9v\u00e9nements, tracking x\/y pour tous les joueurs et le ballon). Les donn\u00e9es sont publi\u00e9es sous licence CC BY 4.0, notamment via la biblioth\u00e8que Python floodlight (floodlight-sports 2025)<\/a>. Comme les \u00e9v\u00e9nements sont annot\u00e9s manuellement alors que les donn\u00e9es de suivi proviennent d\u2019un syst\u00e8me multi-cam\u00e9ras TRACAB (Electronic Arts 2025)<\/a>, les deux horloges ne co\u00efncident pas toujours et la synchronisation fine entre actions et trajectoires devient cons\u00e9quemment un probl\u00e8me de recherche.<\/p>\n\n\n

\n
\"\"
Figure 4 – Illustration de TRACAB Gen5, la cinqui\u00e8me g\u00e9n\u00e9ration du syst\u00e8me de suivi optique de ChyronHego, qui capture en temps r\u00e9el les positions des joueurs et du ballon \u00e0 partir de plusieurs cam\u00e9ras autour du terrain. <\/em>
Source: (Wall Street Communications 2019)<\/a><\/figcaption><\/figure><\/div>\n\n
\n
\"\"
Figure 5 – Exemple d\u2019image promotionnelle du syst\u00e8me TRACAB Optical, illustrant la capture des positions des joueurs \u00e0 partir de cam\u00e9ras autour du terrain.<\/em>
Source: (Electronic Arts 2025)<\/a><\/figcaption><\/figure><\/div>\n\n\n

Enfin, \u00ab OpenSTARLab: Open Approach for Spatio-Temporal Agent Data Analysis in Soccer \u00bb (Yeung et al. 2025)<\/a> s\u2019attaque \u00e0 la diversit\u00e9 des formats entre fournisseurs (StatsBomb, Wyscout, DataStadium, Google Research Football, etc.). Le framework convertit ces fichiers h\u00e9t\u00e9rog\u00e8nes vers des formats unifi\u00e9s<\/strong> comme UIED <\/strong>(Unified and Integrated Event Data) pour les \u00e9v\u00e9nements et SAR <\/strong>(State\u2013Action\u2013Reward) pour les t\u00e2ches d\u2019apprentissage par renforcement. Un module de pr\u00e9traitement harmonise types d\u2019actions et coordonn\u00e9es du terrain, puis des modules de mod\u00e9lisation proposent des mod\u00e8les pour pr\u00e9dire des \u00e9v\u00e9nements ou simuler des d\u00e9cisions de jeu : ce n\u2019est plus seulement la donn\u00e9e qui est ouverte, mais toute une cha\u00eene de traitement.<\/strong><\/p>\n\n\n

\n
\"\"
Figure 6 -Vue d\u2019ensemble du pipeline OpenSTARLab pour le football : conversion de plusieurs formats de donn\u00e9es vers UIED\/SAR, puis mod\u00e9lisation et simulations.<\/em>
Source : (Yeung et al. 2025)<\/a><\/figcaption><\/figure><\/div>\n\n\n

Le\u00e7ons tir\u00e9es d\u2019un prototype \u00e0 petite \u00e9chelle<\/h2>\n\n\n\n

Dans le cadre de ce projet, un prototype \u00e0 petite \u00e9chelle a \u00e9t\u00e9 mis en place pour r\u00e9utiliser le mod\u00e8le BallRadar (Kim et al. 2023)<\/a> sur des donn\u00e9es ouvertes de Metrica Sports (Metrica Sports 2025)<\/a>. Concr\u00e8tement, il s\u2019agissait surtout d\u2019adapter les param\u00e8tres d\u2019un script existant : la librairie Python Kloppy (PySport 2025)<\/a> se charge de lire diff\u00e9rents formats de donn\u00e9es de suivi et d\u2019\u00e9v\u00e9nements et de les convertir dans une repr\u00e9sentation normalis\u00e9e<\/strong>. Voir cette \u00e9tape fonctionner automatiquement rappelle \u00e0 quel point la normalisation des donn\u00e9es est indispensable<\/strong>, m\u00eame avec un simple jeu de donn\u00e9es d\u2019exemple. Comme dans le cas de Bassek et al., il faut ensuite s\u2019assurer que les \u00e9v\u00e9nements et les donn\u00e9es de suivi sont align\u00e9s<\/strong>, que les dimensions du terrain sont coh\u00e9rentes et que les identifiants des joueurs restent compatibles d\u2019un fichier \u00e0 l\u2019autre : autant de d\u00e9tails qui font la diff\u00e9rence entre un mod\u00e8le qui fonctionne et un prototype qui refuse de s\u2019entra\u00eener.<\/strong><\/p>\n\n\n\n

\n