Par Pesach Benson • 7 juin 2026 Jérusalem, 7 juin 2026 (TPS-IL) — Alors que la Coupe du Monde 2026 doit débuter jeudi, des chercheurs israéliens alertent sur un changement technologique plus discret qui redéfinit déjà l'avenir du football : l'utilisation croissante de systèmes d'intelligence artificielle pour classer, analyser et prédire le potentiel athlétique des enfants.
Une étude israélienne a examiné comment l'IA dépasse l'analyse des performances pour façonner les jugements à long terme sur les capacités humaines dès la petite enfance. Les conclusions, publiées dans la revue à comité de lecture Big Data and Cognitive Computing, avertissent qu'à mesure que les algorithmes traitent de plus en plus de données sur les performances des jeunes, ils pourraient non seulement évaluer le talent plus efficacement, mais aussi commencer à le définir prématurément — potentiellement en introduisant des biais et en limitant les opportunités bien avant que les joueurs n'atteignent le niveau professionnel.
Avant le tournoi, la FIFA a annoncé un partenariat avec la société technologique Lenovo pour développer la plateforme Football AI Pro, un système avancé d'analyse tactique et d'évaluation des performances basé sur des millions de points de données, d'analyse vidéo, de visualisations 3D et de simulations d'apprentissage automatique.
Des développements similaires ont lieu dans le cadre d'initiatives parallèles, telles que la collaboration d'Intel avec le Comité International Olympique sur des systèmes d'identification des talents basés sur l'IA. Si certains de ces outils sont déjà testés ou déployés dans des pays comme Israël, le Japon et El Salvador, d'autres en sont encore aux premières étapes de mise en œuvre.
Selon l'étude, dirigée par le professeur Ofer Ezer de l'Université Ben-Gourion et le Dr Ilya Morgolev du Kay Academic College de Beer-Sheva, le changement le plus significatif n'est pas simplement une amélioration des analyses, mais l'émergence d'un suivi continu et basé sur les données des jeunes athlètes. Les systèmes de tournage automatisés, les capteurs portables et les vidéos d'entraînement auto-enregistrées permettent désormais de capturer, stocker et analyser les performances des enfants au fil du temps, créant ainsi un enregistrement numérique permanent dès le plus jeune âge.
Dans les sports olympiques, le basketball, le baseball et le tennis, l'IA est de plus en plus utilisée pour identifier et évaluer les talents athlétiques dès le plus jeune âge. Les programmes de développement olympique utilisent le profilage biométrique et les simulations de performance pour orienter les athlètes vers les disciplines appropriées, tandis que les systèmes de basketball et de tennis s'appuient sur les données de suivi, l'analyse vidéo et les métriques de mouvement pour évaluer le potentiel à long terme. Le baseball applique également des modèles basés sur les données pour évaluer les prospects dans ses filières de développement, en s'appuyant sur de vastes ensembles de données historiques sur les performances des joueurs.
Dans tous ces sports, le schéma commun est un passage de l'évaluation à court terme des performances à la prédiction algorithmique à long terme du potentiel, basée sur des données collectées en continu auprès d'athlètes de plus en plus jeunes.
Lutter contre le « déterminisme numérique »
Les chercheurs décrivent ce développement comme un « déterminisme numérique », où les données de performance précoces commencent à façonner et à contraindre les opportunités futures. Une fois stockées, les métriques de l'enfance peuvent influencer quels joueurs reçoivent une attention de coaching, des opportunités de recrutement ou un financement, transformant ainsi efficacement les mesures précoces en filtres à long terme pour les carrières athlétiques.
Une conclusion clé de l'étude est la manière dont les biais peuvent s'introduire indirectement dans ces systèmes. Même lorsque les algorithmes excluent des attributs sensibles tels que l'origine ethnique ou le revenu, ils peuvent néanmoins reproduire les inégalités par le biais de variables substituts comme l'école, la localisation géographique ou la structure familiale. Ces signaux, tirés des schémas de succès historiques, peuvent intégrer des disparités socio-économiques dans des systèmes qui semblent objectifs.
Les plateformes de recrutement agrègent déjà des séquences vidéo, des événements de match et des statistiques de performance sur plusieurs groupes d'âge et ligues. Les systèmes d'apprentissage automatique identifient ensuite les schémas associés aux performances d'élite, tandis que les analystes appliquent des filtres tels que l'âge, le poste et le niveau de compétition. Cependant, étant donné que ces systèmes sont entraînés sur des « succès » historiques, ils héritent souvent des biais intégrés dans les décisions de coaching et de sélection passées, ont déclaré les scientifiques.
L'étude met également en évidence une boucle de rétroaction positive : les athlètes identifiés précocement par les algorithmes sont plus susceptibles de recevoir une formation et une exposition supérieures, ce qui améliore leurs données de performance, ce qui à son tour renforce la prédiction initiale du système. Avec le temps, cette dynamique pourrait réduire plutôt qu'élargir l'accès aux opportunités.
Au-delà des métriques de performance, les chercheurs avertissent que la collecte de données pourrait éventuellement s'étendre au-delà du terrain. Les systèmes d'IA pourraient intégrer l'activité sur les réseaux sociaux, la couverture médiatique et d'autres informations publiquement disponibles pour construire des profils plus larges de jeunes athlètes, soulevant des préoccupations en matière de confidentialité et des questions sur l'utilisation à long terme des données de l'enfance.
« La réalité montre que les sports de compétition sacralisent la réussite compétitive avant tout, même au détriment d'autres valeurs », déclare le Dr Morgolev. « Les sports de compétition sont une arène unique et extrême qui repose sur des données physiques exceptionnelles, ainsi que sur la détermination, la résilience et la motivation. Une combinaison qui, au mieux, ne caractérise qu'environ un pour cent de la population. »
Le professeur Ezer ajoute : « Il est temps de réfléchir ensemble en tant que société à la place et au degré d'autonomie que nous sommes prêts à accorder aux algorithmes pour photographier, classer, prédire et déterminer le parcours de développement de la génération future, alors que les sports de compétition sont sans importance pour la grande majorité d'entre eux », avertissant que les enfants devraient se développer dans un cadre humain de soutien plutôt qu'être définis prématurément par des scores algorithmiques.
