Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : LITIS / GREYC
Durée : 6 mois
Contact : francois.rioult@unicaen.fr
Date limite de publication : 2020-01-31

Contexte :
Depuis quelques années, des chercheurs se sont penchés sur l’analyse des stratégies dans les sports collectifs les plus pratiqués : football, basket-ball, hand-ball en particulier. Cet intérêt récent s’explique par le constat qu’une équipe correspond parfaitement aux définitions les plus utilisées pour les systèmes complexes. Cette admission est fortement liée à la notion de performance collective. La performance d’une équipe est en effet loin de se réduire à la somme des performances des individus, ce qui fait tout le succès de ces sports. Il est donc naturel d’appliquer les méthodes d’analyse des systèmes complexes aux stratégies des équipes. Dans le champ des recherches cognitives, les sports collectifs permettent d’observer l’émergence d’une intelligence collective, permettant la mise en œuvre de stratégies complexes.
En parallèle, les moyens d’observation se sont considérablement accrus ces dernières années (films, positionnement par balises GPS, capteurs divers sur les joueurs,..) permettant un accès plus facile à de nombreuses données.

Mais jusqu’à maintenant, les méthodes d’analyse étaient essentiellement issues des statistiques et de l’analyse des données. Ces méthodes (comme l’analyse de séries chronologiques) permettent de
mettre en évidence certains types de comportements. Elles sont cependant surtout dévouées à l’analyse de comportements individuels (e.g. positions sur le terrain, kilomètres parcourus, …) et prennent difficilement en compte la double dimension spatiale/temporelle nécessaire à l’analyse.

Les approches focalisant sur les aspects collectifs sont rares.
Des études récentes utilisent l’approche par réseau social et construisent un réseau statique modélisant les inter-relations entre les joueurs, interactions pouvant être liées à leurs positions respectives. Elles ne capturent pas la dimension temporelle.

Sujet :
L’objectif est d’explorer une nouvelle voie pour caractériser les stratégies d’équipe : les graphes dynamiques.
Un graphe dynamique peut être vu comme un graphe dont la structure, par exemple les arêtes, évolue dans le temps. On peut également y voir une succession de graphes statiques, étiquetés par des dates successives. Ce concept est utile dans de nombreux contextes, comme la circulation des biens ou des personnes, les réseaux de communication, les réseaux sociaux. On peut étudier les problèmes classiques dans ce nouveau contexte. En particulier, la recherche de motifs dans un graphe s’étend dans un graphe dynamique : le motif cherché a une composante temporelle. On peut par exemple le définir comme une succession de motifs statiques.

La question posée est celle-ci : comment peut-on construire un graphe dynamique à partir des données de positionnement des joueurs (et de la balle) durant un match, de manière à faire apparaître des motifs caractérisant la stratégie de cette équipe ?
Cette question comporte plusieurs volets :
1. la nature du graphe à construire : quels sommets, quelles arêtes ? Doit-on attacher aux sommets, aux arêtes des caractéristiques (attributs) différents? De manière triviale on peut définir qu’un sommet est un joueur ou un ballon, ou un panier de basket-ball. Cependant, la
nature de la relation attachée à une arête est plus délicate à définir, entre par exemple deux joueurs (mais aussi les relations entre les autres objets), sachant qu’ils peuvent être de la même équipe ou non, proches ou non, visibles ou non, …
2. le type de motif à chercher : la compétence sportive est ici indispensable pour valider les motifs, qui doivent avoir une dimension relative aux graphes et une dimension spatiale.
3. volet méthodologique : comment mettre en évidence ces motifs ?
4. validation : application des résultats obtenus sur les données disponibles pour le basket-ball et le handball.
Les deux premiers volets sont liés et nécessitent de mettre en commun des expertises sportives et de modélisation par les graphes. On voit également qu’il est nécessaire d’enrichir les graphes, c’est à dire de considérer des graphes dynamiques sémantiques. Le troisième volet nécessite des compétences algorithmiques particulières de recherche de motifs.

Profil du candidat :
Le stagiaire de Master 2 recruté sera associé au travail d’un stagiaire STAPS qui amènera une expertise dans le domaine sportif, ainsi que par plusieurs stagiaires en informatique (L3). Il participera au volet 1 et 2 de construction du graphe et de caractérisation des motifs, et ensuite son
travail se focalisera sur la recherche et la validation de motifs graphiques (volet 3 et 4). Des données issues de basket-ball et de handball sont disponibles pour pouvoir mener à bien ces travaux.

Formation et compétences requises :
Science des données, fouille des données.

Adresse d’emploi :
Caen, Rouen ou Le Havre

Document attaché : 20191208-sujetMasterGraphesSports.pdf