ArticleInfrastructure & Cloud
La NFL prédit les actions des matchs avec l'apprentissage machine
La National Football League fournit de plus en plus de statistiques avancées à ses fans. Et elle vient de compléter sa panoplie avec une toute nouvelle statistique de « probabilité de réussite » conçue à l'aide des outils d'apprentissage machine d'AWS.

La Ligue nationale de football (NFL) s’appuie de plus en plus sur les outils d'apprentissage SageMaker d'Amazon Web Services pour offrir à ses fans des statistiques en temps réel plus complexes et les partager avec les équipes après les matchs. Chaque saison, des centaines de millions de personnes partout dans le monde suivent les matchs de la fameuse association d'équipes professionnelles de football américain. Ils suivront aussi les quatre matches qui seront joués l’an prochain au Royaume-Uni. La ligue utilise les statistiques pour s'engager un peu plus avec les fans. C’est en 2015, quand la NFL a commencé à équiper les ballons de football et les pads des joueurs de puces RFID de Zebra Technologies, collectant 1 To de données GPS par saison, qu’elle a créé le service Next Gen Stats (NGS).
« C'est notre responsabilité de trouver des moyens d'améliorer le jeu et de le rendre plus accessible aux fans, et c’est ce que nous permettent de faire les données de Next Gen Stats », a déclaré Michael Chi, directeur de l'ingénierie de NFL Next Gen Stats lors de la conférence AWS re:Invent 2018 organisée à Las Vegas (2 au 6 décembre). Pour aller plus loin, mais aussi pour permettre à ses ingénieurs qui ne sont pas nécessairement des scientifiques des données, de livrer des statistiques plus avancées, NGS a décidé d’utiliser les outils d'apprentissage machine d’AWS comme SageMaker. C’est le cas des stats de couverture, qui consiste à suivre les actions de couverture des joueurs pendant un match donné, ou encore de cette toute dernière statistique qui évalue les chances de bonne réception d’une passe par le destinataire du ballon. Ces données sont partagées en temps réel avec des diffuseurs comme ESPN, le principal site web sportif américain qui enrichit sa retransmission des matches avec des statistiques avancées. Celui-ci peut également partager ces stats sur les médias sociaux ou avec les médias. Enfin, après le match, les entraîneurs et les équipes ont accès à un outil de recherche pour consulter des mesures de performance.
Des statistiques de plus en plus complexes voulues par les fans
Mais, Next Gen Gen Stats veut des statistiques encore plus complexes à partager avec les fans. C’est pour cette raison que le service s’est tourné vers les techniques d'apprentissage machine et plus exactement la plateforme entièrement gérée SageMaker d’AWS. Annoncée lors du précédent re:Invent 2017, SageMaker aide les clients à développer, entrainer et déployer facilement des modèles d'apprentissage machine sans avoir nécessairement les compétences d’un expert. Michael Chi a expliqué que son équipe devait traiter deux types principaux de statistiques : les métriques dérivées et les statistiques basées sur des règles. Par exemple, les Airs Yards, qui désignent la distance parcourue par la balle dans les airs après qu'elle ait quitté la main du Quarterback (le quart-arrière) – se calcule par simple mesure dérivée. « Si l’on dispose des données de suivi et que l’on sait où se trouvent le récepteur et la ligne de mêlée, cette statistique est simple à suivre ».
Par contre, les statistiques basées sur des règles sont plus difficiles à obtenir. C’est le cas des algorithmiques qui cherchent à mesurer la « couverture », c’est à dire avec quel degré d’efficacité un défenseur couvre le récepteur. Michael Chi a expliqué précisément pourquoi cette statistique était plus complexe à élaborer. « Il faut commencer par identifier le receveur et le défenseur positionné contre lui. Ensuite, un peu plus loin dans le jeu, il faut définir quel défenseur était le plus proche en moyenne. Puis se demander quel défenseur était le plus proche au moment du lancer. « Si les trois types de données correspondent, alors on peut considérer que ces statistiques sont fiables ». Mais, « ça ne se passe pas toujours comme ça », a-t-il ajouté. Imaginons qu'un récepteur est aligné près d'un autre récepteur, ou que la défense est dans une zone de jeu, et non en couverture. Alors ces algorithmes « ne sont plus pertinents ». Par contre, en utilisant les techniques d'apprentissage machine de SageMaker, Michael Chi et son équipe ont pu « utiliser des données et entrainer un modèle pour intégrer ces variantes dans les données d'apprentissage, et aborder ces problèmes différemment dans les situations limites », a-t-il encore expliqué.
Un modèle ML entrainé avec 35 000 passes des 2 dernières saisons
Mais, Next Gen Stats fournit une autre statistique, tout à fait nouvelle : la probabilité de réussite d’une passe. En prenant 10 caractéristiques clés - y compris la distance entre le receveur et le défenseur, le temps de lancer, le plaquage du quart-arrière par un coureur, les mêlées, les Airs Yards, la distance, etc. - le NGS a entraîné son modèle sur 35 000 passes des deux saisons précédentes. « En utilisant l'algorithme open source XGBoost d'amélioration du gradient, selon la méthodologie dite de training/validation/test 70-20-10, l'équipe a pu valider un modèle plus performant en utilisant SageMaker », a déclaré le directeur de l'ingénierie de NFL Next Gen Stats. En théorie, cela permet à la NFL de donner la probabilité qu'une passe soit complétée à mesure que le receveur s'éloigne du quart-arrière, selon que ce dernier est mieux couvert par son défenseur ou selon que le quart-arrière est bloqué par un défenseur, réduisant son temps de lancer. Si l’on repense à l’incroyable rattrapage de balle d'Odell Beckham (ci-dessous) en 2015 lors d’un match contre les Cowboys, on peut avancer que personne, avant que Next Gen Stats n'existe, n’aurait parié sur la réussite de cette passe !


