Les maths derrière les mouvements fous du basket
-
0:01 - 0:05Mes collègues et moi sommes fascinés
par la science des « points mobiles ». -
0:05 - 0:06Alors, c'est quoi ces points ?
-
0:06 - 0:07Eh bien, c'est nous tous.
-
0:07 - 0:12Nous nous déplaçons chez nous,
au bureau, au magasin, en voyage -
0:12 - 0:15à travers les villes et
autour du monde. -
0:15 - 0:19Ça ne serait pas génial si on pouvait
comprendre tous ces mouvements ? -
0:19 - 0:22Si on pouvait trouver des schémas,
leur sens et mieux les comprendre ? -
0:22 - 0:24Nous avons la chance de vivre à une époque
-
0:24 - 0:29où nous excellons à capturer
des informations sur nous-mêmes. -
0:29 - 0:33Donc que ce soit par des capteurs,
des vidéos ou des applications, -
0:33 - 0:36on peut suivre nos mouvements
d'une façon incroyablement détaillée. -
0:36 - 0:41En fait, un des secteurs dans lequel
nous avons les meilleures données -
0:41 - 0:43sur le mouvement est le sport.
-
0:43 - 0:48Que ce soit le basket, le baseball,
le foot ou le football américain, -
0:48 - 0:52nous équipons nos stades et nos joueurs
afin de suivre leurs mouvements -
0:52 - 0:54à chaque fraction de seconde.
-
0:54 - 0:58En fait nous transformons
nos athlètes en – -
0:58 - 1:00vous avez surement deviné,
-
1:00 - 1:02des points mobiles.
-
1:02 - 1:07Nous avons donc des tonnes de points
mobiles ; comme toutes les données brutes, -
1:07 - 1:09c'est difficile à traiter
et pas vraiment intéressant. -
1:09 - 1:13Mais il y a des choses que les entraîneurs
de basket, par exemple, veulent savoir. -
1:13 - 1:17Le problème, c'est que pour les obtenir,
il faudrait qu'ils regardent -
1:17 - 1:20chaque seconde de chaque match,
s'en rappellent et les analysent. -
1:20 - 1:22Personne n'est capable de le faire,
-
1:22 - 1:24mais une machine le peut.
-
1:24 - 1:27Le problème, c'est qu'elle ne peut
pas voir avec les yeux de l'entraîneur. -
1:27 - 1:30Du moins pas jusqu'à maintenant.
-
1:30 - 1:33Alors qu'a-t-on appris
à la machine pour qu'elle voie ? -
1:34 - 1:36On a commencé simplement.
-
1:36 - 1:39On lui a d'abord appris des choses comme
les passes, les tirs et les rebonds – -
1:39 - 1:42que la plupart des fans
devraient connaître. -
1:42 - 1:44Et puis on est passé à des choses
un peu plus compliquées. -
1:44 - 1:49Des choses comme des post-ups,
des pick and rolls et des isolements. -
1:49 - 1:53Peut-être ne les connaissez-vous pas, mais
la plupart des joueurs les connaissent. -
1:54 - 1:59De nos jours, les machines comprennent
des événements complexes -
1:59 - 2:02comme orienter et poser des écrans.
-
2:02 - 2:05Des choses que seuls
les professionnels connaissent. -
2:05 - 2:09Nous avons appris à une machine à voir
avec les yeux d'un entraîneur. -
2:10 - 2:12Alors, comment y sommes-nous parvenus ?
-
2:13 - 2:16Si je demandais à un entraîneur
de décrire un pick and roll, -
2:16 - 2:17ils me donneraient une description.
-
2:17 - 2:20Et si je l'encodais en un algorithme,
ce serait très mauvais. -
2:21 - 2:25Il se trouve que le pick and roll est
cette danse au basket entre 4 joueurs, -
2:25 - 2:27deux à l'attaque et deux à la défense.
-
2:27 - 2:29Et voilà à peu près comment ça se passe.
-
2:29 - 2:32Du côté de l'attaque,
il y a ce type sans le ballon -
2:32 - 2:35et il se met près du type qui
couvre le type qui a le ballon, -
2:35 - 2:36et il reste là
-
2:36 - 2:38et tous les deux bougent
et le jeu continue, -
2:38 - 2:40et voilà : un pick and roll.
-
2:40 - 2:42(Rires)
-
2:42 - 2:44C'est aussi un exemple
d'un très mauvais algorithme. -
2:45 - 2:49Donc si le joueur interférant,
celui qu'on appelle le garde-- -
2:49 - 2:52s'approche mais ne s'arrête pas,
-
2:52 - 2:55il ne s'agit sans doute pas
d'un pick and roll. -
2:55 - 2:59Ou bien s'il s'arrête,
mais pas assez près, -
2:59 - 3:01il ne s'agit sûrement pas
d'un pick and roll. -
3:01 - 3:04Ou, s'il s'approche vraiment
et il s'arrête -
3:04 - 3:07mais ça se passe sous le panier,
ce n'est sans doute pas un pick and roll. -
3:07 - 3:08Ou alors je me trompe
-
3:08 - 3:11et tous ces exemples
sont des pick and roll. -
3:11 - 3:15Tout dépend du timing,
des distances et des emplacements, -
3:15 - 3:17et c'est ça qui est difficile à apprécier.
-
3:17 - 3:21Mais heureusement, on peut apprendre
aux machines à décrire les choses -
3:21 - 3:23qu'on connaît, bien au-delà
de nos capacités. -
3:23 - 3:25Alors comment ça marche ?
-
3:25 - 3:26Eh bien, on utilise des exemples.
-
3:26 - 3:29On va voir la machine et on lui dit :
« Bonjour, machine. -
3:29 - 3:33Voila des exemples de pick and roll,
et voici des choses qui n'en sont pas. -
3:33 - 3:35S'il te plaît, trouve un moyen
de faire la différence. » -
3:35 - 3:38Il s'agit de trouver les caractéristiques
permettant la séparation. -
3:38 - 3:40Alors pour lui enseigner
la différence -
3:40 - 3:42entre une pomme et une orange,
-
3:42 - 3:44pourquoi ne pas utiliser
les couleurs et les formes ? -
3:44 - 3:47Et le problème à résoudre c'est,
quelles sont ces choses ? -
3:47 - 3:49Quelles sont les caractéristiques
-
3:49 - 3:51permettant à l'ordinateur de naviguer
-
3:51 - 3:53dans le monde des points mobiles ?
-
3:53 - 3:54Comprendre toutes ces relations
-
3:54 - 3:56avec des positions relatives et absolues,
-
3:56 - 3:59la distance, le temps, les vélocités –
-
3:59 - 4:03c'est vraiment le cœur de la science
des points mobiles, -
4:03 - 4:04ou bien, comme on l'appelle :
-
4:04 - 4:08schéma spatio-temporel de reconnaissance
en langage académique. -
4:08 - 4:11Parce que tout d'abord,
il faut que ça sonne compliqué. -
4:11 - 4:12Parce que ça l'est.
-
4:12 - 4:15Mais, pour les entraîneurs,
le problème n'est pas de savoir -
4:15 - 4:17s'il s'agit d'un pick and roll ou non.
-
4:17 - 4:20Ils veulent savoir comment
le pick and roll a pu avoir lieu. -
4:20 - 4:23Et pourquoi c'est important
pour eux ? Je vous explique. -
4:23 - 4:25Il se trouve que
dans le basketball moderne, -
4:25 - 4:28ce pick and roll est peut-être le type
de jeu le plus important. -
4:28 - 4:30Savoir comment l'initier
et en assurer sa défense, -
4:30 - 4:33est ce qui détermine la plupart
des victoires et des défaites. -
4:33 - 4:36Si bien que cette danse a beaucoup
de formes différentes -
4:36 - 4:40et pouvoir identifier ces variations
est vraiment ce qui compte, -
4:40 - 4:43et c'est pour ça qu'il faut que ce système
soit vraiment bon. -
4:43 - 4:44Un exemple :
-
4:44 - 4:462 joueurs en attaque,
2 en défense, -
4:46 - 4:48prêts à interpréter la danse
du pick and roll. -
4:48 - 4:51Celui qui a le ballon peut
prendre ou laisser. -
4:51 - 4:55Son coéquipier peut se diriger vers une
zone de terrain libre ou poser un écran. -
4:55 - 4:58Celui qui défend le ballon peut passer
au dessus ou en dessous. -
4:58 - 5:02Son coéquipier peut se tenir à
distance ou jouer « soft » -
5:02 - 5:05et ensemble ils peuvent passer le ballon
ou détruire le pick and roll -
5:05 - 5:08et je ne connaissais pas tout ça
quand j'ai commencé. -
5:08 - 5:12Ça serait super si tout le monde
pouvait suivre les flêches. -
5:12 - 5:16Ça rendrait notre vie bien plus simple,
mais les mouvements sont désordonnés. -
5:16 - 5:21Les gens gigotent beaucoup
et identifier ces variations -
5:21 - 5:23avec une grande netteté,
-
5:23 - 5:25quant à la précision et au recalcul,
est difficile -
5:25 - 5:28parce que c'est ce qui est nécessaire
pour que l'entraîneur croit en vous. -
5:28 - 5:32Malgré toutes les difficultés à trouver
les traits spatiotemporels corrects, -
5:32 - 5:33on a réussi.
-
5:33 - 5:37Les entraineurs font confiance à nos
machines pour identifier les variations. -
5:37 - 5:41Nous sommes au point où
presque toutes les équipes -
5:41 - 5:43en NBA cette année
-
5:43 - 5:47utilisent notre logiciel, construit
sur une machine qui comprend -
5:47 - 5:49les points mobiles du basketball.
-
5:50 - 5:55Nous avons même fourni des conseils
qui ont changé les stratégies -
5:55 - 5:58qui ont aidé des équipes à gagner
des matchs très importants, -
5:58 - 6:02et c'est vraiment passionnant parce qu'il
y a des entraîneurs qui sont en NBA -
6:02 - 6:05depuis 30 ans, qui acceptent
les avis d'une machine. -
6:06 - 6:09Et c'est passionnant,
c'est bien plus que le pick and roll. -
6:09 - 6:11Nos ordinateurs sont partis
de choses simples -
6:11 - 6:13et ont appris des choses plus complexes
-
6:13 - 6:15et maintenant ils savent tant de choses.
-
6:15 - 6:17Franchement, je ne comprends
pas tout ce qu'il fait, -
6:17 - 6:21et bien que ça ne soit pas si
étonnant d'être plus intelligent que moi, -
6:21 - 6:25on s'est demandé, est-ce qu'une machine
peut en savoir plus qu'un entraîneur ? -
6:25 - 6:27Peut-elle en savoir plus qu'une personne ?
-
6:27 - 6:29Et il se trouve que la réponse est oui.
-
6:29 - 6:31On veut que les joueurs
fassent de bons tirs. -
6:31 - 6:33Donc si je suis près du panier
-
6:33 - 6:35et qu'il n'y a personne autour,
c'est un bon tir. -
6:35 - 6:39Si je suis loin du panier entouré de
défenseurs, c'est un mauvais tir. -
6:39 - 6:44Mais avant, on ne savait pas
quantifier le bon et le mauvais -
6:44 - 6:45jusqu'à maintenant.
-
6:45 - 6:49Donc, ce qu'on peut faire, c'est utiliser
les traits spatio-temporels, -
6:49 - 6:50on a étudié tous les tirs.
-
6:50 - 6:53On peut voir : Où est le tir ?
Quel est l'angle avec le panier ? -
6:53 - 6:56Où se tiennent les défenseurs ?
A quelle distance ? -
6:56 - 6:57Quels sont leurs angles ?
-
6:57 - 7:01Quand il y a plusieurs défenseurs, on peut
regarder comment les joueurs se déplacent -
7:01 - 7:02et prédire le type de tir.
-
7:02 - 7:06On peut étudier leur vélocité
et construire un modèle qui prédit -
7:06 - 7:10les chances que ce tir réussisse
dans ces circonstances. -
7:10 - 7:12Alors, pourquoi c'est important ?
-
7:12 - 7:15On peut prendre le tir,
-
7:15 - 7:18qui était une seule chose
et qui en devient deux : -
7:18 - 7:20la qualité du tir
et la qualité du tireur. -
7:22 - 7:25Voici un graphique à bulles,
indispensable dans une conférence TED. -
7:25 - 7:26(Rires)
-
7:26 - 7:27Voici des joueurs du NBA.
-
7:27 - 7:31Cette taille est la taille du joueur
et la couleur, sa position. -
7:31 - 7:33En abscisse,
on a la probabilité du tir. -
7:33 - 7:35Les gens sur la gauche
font des tirs difficiles -
7:35 - 7:37sur la droite, des tirs faciles.
-
7:37 - 7:39En ordonnée, on trouve
leur habileté au tir. -
7:39 - 7:42Ceux qui sont bons sont en haut
et les mauvais en bas. -
7:42 - 7:44Par exemple, s'il y avait un joueur
-
7:44 - 7:46qui réussissait généralement
47% de ses tirs, -
7:46 - 7:47c'était tout ce qu'on savait avant.
-
7:47 - 7:52Mais maintenant, ce joueur fait des tirs
qu'un joueur du NBA moyen -
7:52 - 7:54réussirait 49% du temps,
-
7:54 - 7:56donc il est moins bon de 2 points.
-
7:56 - 8:01La raison pour laquelle c'est important:
il y a beaucoup de 47 sur le marché. -
8:02 - 8:04Donc, c'est vraiment important de savoir
-
8:04 - 8:08si le 47 à qui vous envisagez de donner
100 millions de dollars -
8:08 - 8:11est un bon tireur qui fait de mauvais tirs
-
8:11 - 8:14ou un mauvais tireur qui fait
de bons tirs. -
8:15 - 8:18La compréhension de la machine ne change
pas comment nous voyons les joueurs, -
8:18 - 8:20ça change la manière de voir le jeu.
-
8:20 - 8:24Il y a deux ans, il y a eu
une finale passionnante. -
8:24 - 8:27Miami perdait par trois points
et il restait 20 secondes. -
8:27 - 8:30Ils étaient sur le point de perdre
le titre de champion. -
8:30 - 8:33Un homme nommé Lebron James a tiré
pour essayer d'égaliser le score. -
8:33 - 8:34Il a manqué.
-
8:34 - 8:36Son coéquipier Chris Bosh a eu le rebond,
-
8:36 - 8:38l'a passé à un autre coéquipier,
Ray Allen. -
8:38 - 8:40Il a marqué 3 points.
Il y a eu prolongation. -
8:40 - 8:42Ils ont gagné le match et le championnat.
-
8:42 - 8:45C'était un des meilleurs matchs
de l'histoire du basketball. -
8:45 - 8:48Et notre capacité à connaître la
probabilité des tirs -
8:48 - 8:50pour chaque joueur à chaque seconde,
-
8:50 - 8:53et les chances qu'ils ont d'avoir
un rebond à chaque seconde -
8:53 - 8:57peut éclairer ce moment comme
jamais auparavant. -
8:57 - 9:00Malheureusement, je ne peux pas
vous montrer cette vidéo. -
9:00 - 9:05Mais nous avons reconstruit
ce moment pour vous -
9:05 - 9:07lors de notre match hebdomadaire
il y a 3 semaines. -
9:07 - 9:09(Rires)
-
9:09 - 9:13Et nous avons recréé
ce moment de révélation. -
9:13 - 9:17Alors, nous voilà.
Nous sommes à Chinatown à Los Angeles, -
9:17 - 9:19dans un parc où nous jouons
toutes les semaines, -
9:19 - 9:22et nous voilà recréant
le moment de Ray Allen -
9:22 - 9:24et tout le pistage qui va avec.
-
9:25 - 9:26Voilà le tir.
-
9:26 - 9:29Je vais vous montrer cette partie
-
9:29 - 9:32et les coulisses de ce moment.
-
9:32 - 9:35La seule différence : au lieu de joueurs
professionnels, c'est nous, -
9:35 - 9:38et à la place d'un commentateur
professionnel, c'est moi. -
9:38 - 9:40Alors accrochez-vous.
-
9:41 - 9:42Miami.
-
9:43 - 9:44Trois points de retard.
-
9:44 - 9:4520 secondes restantes.
-
9:47 - 9:49Jeff apporte le ballon.
-
9:51 - 9:52Josh l'attrape, et marque 3 points.
-
9:53 - 9:54(Calcul de probabilité du tir)
-
9:55 - 9:56(Qualité du tir)
-
9:57 - 9:59(Probabilité de rebond)
-
10:00 - 10:02Il ne rentre pas !
-
10:02 - 10:03(Probabilité de rebond)
-
10:04 - 10:05Rebond, Noel.
-
10:05 - 10:06Passe à Daria.
-
10:07 - 10:10(Qualité de tir)
-
10:11 - 10:12Trois points !
-
10:12 - 10:15Égalité à 5 secondes de la fin !
-
10:15 - 10:17La foule est en délire.
-
10:17 - 10:18(Rires)
-
10:18 - 10:20C'est à peu près comment
ça s'est passé. -
10:20 - 10:22A peu près.
-
10:22 - 10:24(Applaudissements)
-
10:24 - 10:29Cet instant avait à peu près 9%
de chance d'arriver pendant la finale, -
10:29 - 10:32et on sait ça et
beaucoup d'autres choses. -
10:32 - 10:35Je ne vous dirai pas combien
d'essais il nous a fallu pour y arriver. -
10:35 - 10:37(Rires)
-
10:37 - 10:39Bon d'accord ! Quatre.
-
10:39 - 10:40(Rires)
-
10:40 - 10:41Bravo Daria.
-
10:42 - 10:46Mais ce qui est important dans cette vidéo
-
10:46 - 10:50et les connaissances qu'elle apporte sur
chaque seconde du match -- n'est pas ça. -
10:50 - 10:55C'est le fait qu'on puisse suivre les
déplacements de toutes sortes d'équipes. -
10:55 - 10:59Il n'est pas nécessaire d'être un joueur
professionnel pour étudier les mouvements. -
10:59 - 11:03En fait, la technologie s'adapte hors
du sport parce qu'on se déplace partout. -
11:04 - 11:06On bouge dans nos maisons,
-
11:09 - 11:11dans nos bureaux,
-
11:12 - 11:15quand on fait des courses,
quand on voyage -
11:17 - 11:19dans les villes
-
11:20 - 11:22et autour du monde.
-
11:23 - 11:26Qu'est-ce qu'on va apprendre
à connaître ? -
11:26 - 11:28Peut-être qu'au lieu d'identifier des
pick and rolls, -
11:28 - 11:31une machine peut identifier
le moment et me dire -
11:31 - 11:33quand ma fille commence à marcher.
-
11:33 - 11:36Ce qui pourrait d'ailleurs arriver
sous peu. -
11:36 - 11:40On pourrait apprendre à mieux utiliser
nos immeubles, mieux planifier nos villes. -
11:40 - 11:44Je crois qu'avec le développement
de la science des points mobiles, -
11:44 - 11:48on se déplacera mieux,
plus intelligemment, on ira de l'avant. -
11:49 - 11:50Merci beaucoup.
-
11:50 - 11:55(Applaudissements)
- Title:
- Les maths derrière les mouvements fous du basket
- Speaker:
- Rajiv Maheswaran
- Description:
-
Le basket est un jeu rapide d'improvisation, de contact et de reconnaissance spatio-temporelle. Rajiv Maheswaran et ses collègues analysent les mouvements derrière les moments-clés des matchs, afin d'aider les entraineurs et les joueurs à combiner leur intuition avec de nouvelles données. Bonus : ce qu'ils apprennent pourrait nous aider à comprendre comment les hommes se déplacent en toutes circonstances.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:08
eric vautier edited French subtitles for The math behind basketball's wildest moves | ||
eric vautier approved French subtitles for The math behind basketball's wildest moves | ||
eric vautier edited French subtitles for The math behind basketball's wildest moves | ||
eric vautier edited French subtitles for The math behind basketball's wildest moves | ||
eric vautier edited French subtitles for The math behind basketball's wildest moves | ||
Lison Hasse accepted French subtitles for The math behind basketball's wildest moves | ||
Lison Hasse edited French subtitles for The math behind basketball's wildest moves | ||
Lison Hasse edited French subtitles for The math behind basketball's wildest moves |