Analyse et modélisation de la performance en Boccia

La boccia est un sport paralympique qui s’apparente à la pétanque que n’importe quelle personne peut pratiquer, qu’elle ait un handicap ou non. Malheureusement, en raison du caractère spécifique de ce sport et de sa popularité relativement limitée par rapport à d’autres disciplines, il y a peu de recherches scientifiques qui lui sont consacrées. Cela signifie que les informations disponibles sont souvent limitées et fragmentaires, surtout dans le domaine de la performance sportive. L’équipe de Boccia Canada a pris l’initiative de collecter des données de matchs dans le but de les exploiter afin d’améliorer les performances de ses équipes. En recueillant certaines données, les entraîneurs peuvent commencer à identifier des tendances et des schémas récurrents. Ces données pourraient potentiellement révéler des stratégies gagnantes, des faiblesses spécifiques à corriger ou des domaines d’amélioration pour les joueurs. En intégrant l’analyse des données dans le processus d’entraînement, les entraineurs de Boccia Canada espèrent pouvoir prendre de meilleures décisions et fournir des conseils plus précis à ses athlètes. C’est donc dans le domaine de l’analyse et de l’exploitation de données que s’inscrit ce mémoire. En effet, l’objectif est de poursuivre le travail commencé par les entraîneurs dans le but d’améliorer les performances des équipes de Boccia. La première partie du projet consiste à nettoyer les données de manière à les rendre exploitables, puis à les analyser en profondeur de manière à en apprendre plus sur ce sport qui a été jusqu’à maintenant peu étudié, ce qui va permettre de fournir des résultats intéressants aux équipes de Boccia Canada qui vont pouvoir les exploiter pour améliorer les performances de leurs athlètes. La suite de projet consiste à exploiter ces données dans le but de créer un outil d’aide à la décision permettant de prédire le meilleur lancer à effectuer dans une situation donnée. Pour réaliser cet outil, nous avons conçu un algorithme de type expectiminimax, une variante de l’algorithme minimax issu de la théorie des jeux. L’avantage de cet algorithme est qu’il permet d’introduire une notion de probabilité à un algorithme qui est habituellement déterministe, ce qui permet de modéliser facilement le fait que les joueurs professionnels ne sont pas infaillibles et qu’ils leur arrivent de manquer des tirs. Cependant, la faible quantité de données nous a forcé à faire des concessions au niveau de la précision de la recommandation. Après une évaluation de l’outil sur six matchs réels par l’entraîneur en chef de Boccia Canada, les résultats obtenus ont été jugés comme pertinents, mais le manque de précision fait qu’ils sont parfois difficiles à exploiter.