Post by Président LPHS on Sept 1, 2019 9:16:32 GMT -4
Je vous partage un peu de lecture pertinente que seuls les membres d'Athletic peuvent lire:
Les données localisées s’en viennent et vont changer radicalement notre perception des joueurs… et leur salaire (The Athletic, par Tyler Dellow)
Un des meilleurs livres sur le sport qu’il m’ait été donné de lire au cours des 10 dernières années a été Big Data Baseball: Math, Miracles, and the End of a 20-Year Losing Streak par Travis Sawchik. Il raconte l’histoire des Pirates de Pittsburgh de 2013-14 et comment ils ont utilisé des tonnes de données que le baseball a commencé à produire au milieu de la dernière décennie pour mettre fin à une séquence de 20 saisons perdantes – et ce, en dépit du fait qu’ils devaient composer avec une problématique qui n’était pas anodine: ils n’avaient pas beaucoup d’argent.
De part sa nature même, le baseball a toujours eu un avantage sur le hockey quand on analyse le sport à l’aide de données. Ce n’est pas seulement parce que le jeu s’arrête continuellement, bien que c’est en partie attribuable à cela. La nature du sport permettait au baseball de suivre à la trace les scénarios qui menaient à la production de points. À quelle fréquence évitez-vous les retraits? À quelle fréquence frappez-vous des coups sûrs pour plus d’un but ? Une fois que vous saviez tout ça, vous pouviez estimer de façon fiable le nombre de points que vous alliez marquer. Ou bien, vous pouviez prendre le tout par l’autre bout de la lorgnette et penser en fonction d’empêcher l’adversaire de marquer des points.
Le hockey ne fonctionne pas vraiment comme ça. Il ne permet pas de suivre les éléments qui débouchent sur des buts ou qui vous permettent de les empêcher. Au fil des ans, les ligues de hockey ont tenu compte des buts et des mentions d’aide. Bien qu’il s’agisse là de renseignements utiles, ça ressemble un peu aux points marqués et aux points produits au baseball, en ce sens qu’il s’agit d’une tentative de donner le crédit après coup, et non un moyen de localiser à la trace la façon dont a été bâtie la séquence qui a mené à un but. Les données sur les tentatives de tirs et les modèles axés sur les buts attendus sont utiles, mais il y a aussi des carences importantes en ce sens que nous n’avons pas les renseignements souhaités quant à la façon dont la rondelle a circulé et l’endroit où se trouvaient les joueurs qui n’ont pas tiré au moment où la rondelle a été tirée. Ce sont là les renseignements qui sont à peu près l’équivalent de la moyenne de présence sur les buts et de la moyenne de puissance au baseball.
Quand le baseball majeur a commencé à faire la transition vers un suivi plus sophistiqué des joueurs vers le milieu de la dernière décennie, ç’a amené le niveau d’analyse à un niveau supérieur. Les équipes et les analystes pouvaient désormais regarder au-delà de ce que les présences au bâton donnaient comme résultats, et étudier les processus exacts qui menaient à ces résultats. Ces nouvelles avenues d’analyse ont joué un rôle important dans l’histoire que Sawchik a racontée dans Big Data Baseball, alors que les Pirates ont utilisé les données pour guider leur prise de décision concernant la façon de placer les joueurs en défensive, l’embauche de joueurs qui avaient des habiletés qui n’étaient pas reconnues à leur juste valeur tels que Russell Martin et l’embauche de lanceurs qui avaient des qualités qu’on pouvait identifier, mais qui n’avaient pas encore commencé à obtenir les résultats qui sont normalement associés à ces qualités. (Ces lanceurs ont aussi bénéficié tout à coup de la présence d’un des meilleurs receveurs du baseball pour les guider.)
On peut donc considérer que le hockey est, en quelque sorte, en retard de deux cycles d’analyse sur le baseball. Nous n’avons pas vraiment l’équivalent de la moyenne de présence sur les buts et de la moyenne de puissance (et les données de ce genre n’ont certes pas le même niveau d’utilité) et nous n’avons certainement pas le genre de données sur le processus dont les équipes du baseball majeur profitent maintenant, où chaque geste posé par les joueurs peut être suivi. Mais si la LNH réussit à bien mettre en pratique son système de localisation des joueurs et de la rondelle, ces deux niveaux d’analyse deviendront tout à coup accessibles.
Pour ceux et celles qui ne savent pas ce qu’est la localisation de la rondelle et des joueurs, il s’agit, grosso modo, de l’enregistrement de l’endroit où chaque joueur et la rondelle se trouvent et ce, plusieurs fois par seconde. Il y a plusieurs façons d’y arriver mais, selon Elliotte Friedman de Sportsnet, la ligue étudie présentement un système où l’on place une puce dans la rondelle ainsi que sur les joueurs.
SMT a acheté Sportvision au mois d’octobre 2016 et continue de s’impliquer, ayant écrit le système de pointage HITS pour LNH.com. Cette entreprise a une excellente réputation, elle qui notamment créé la ligne jaune du premier jeu au football et le système de suivi de la zone des prises PITCH/fx. Mais la ligue n’était pas très entichée de cette rondelle incrustée d’une puce au moment de disputer la Coupe du monde. De plus, la LNH a initialement préféré éviter de mettre des puces sur les joueurs durant la saison régulière.
Cela semble être sur le point de changer. Selon plusieurs sources, la ligue met présentement à l’essai un système de puce contrôlé par ondes radio autant pour la rondelle que les joueurs. Bettman a indiqué que l’Institut Fraunhofer en Allemagne pourrait créer une rondelle pour ce faire, et que le projet Jogmo de cette compagnie a pour but de « faire des recherches dans le domaine des systèmes de localisation par ondes radio », selon son site web.
Ce qu’un système du genre va permettre, c’est la création d’un dossier qui vous dira où se trouvait chaque joueur sur la patinoire à différents moments du match. Si l’on a enregistré la localisation des joueurs et de la rondelle 20 fois par seconde et qu’il s’agissait d’un de ces matchs de plus en plus fréquents des Maple Leafs où personne n’a eu droit à d’avantage numérique, vous auriez accès à 20 (points de données par seconde) * 3600 (secondes) * 13 (joueurs et rondelle) = 936 000 lignes de renseignements à propos d’un match. Les dossiers actuels de description jeu par jeu représentent 300 lignes environ, donc il y a une légère différence!
Une fois que les équipes auront accès à ces renseignements, leur capacité à en tirer des leçons ne sera limitée que par les ressources qu’ils y consacreront. Il y a quelques secteurs qui, je pense, bénéficieront tout particulièrement de l’accès à de telles données. Le premier, ce sera le « pré-dépistage », cette activité mal nommée qui consiste à regarder de la vidéo de l’adversaire afin de se préparer en vue d’un match.
Une des grandes contraintes qu’ont les membres du personnel d’entraîneurs d’une équipe quand vient le temps de se préparer pour les matchs à venir, c’est tout simplement le manque de temps pour étudier de la vidéo, surtout quand on est sur la route, qu’il y a deux matchs en deux soirs ou trois en quatre. Les équipes qui chercheront à exploiter ces données pourront tout simplement remettre à leurs entraîneurs des dossiers de vidéo leur montrant les tendances de l’adversaire et ce qui a permis aux autres équipes de les freiner. Cela libérera le personnel d’entraîneurs, qui passera moins de temps à faire le tri de séquences vidéo, à la recherche de sorties de zone ou peu importe, et plus de temps à tenter de trouver des solutions aux problèmes que posent un adversaire donné.
En dehors de la patinoire, un des grands défis du hockey est d’attribuer la quantité appropriée de crédit ou de blâme à chaque joueur. C’est particulièrement vrai dans les cas de joueurs qui sont jumelés à des superstars – tous les partenaires de Nicklas Lidstrom ont affiché d’excellentes statistiques – ou de ceux qui s’alignent avec des équipes particulièrement bonnes ou particulièrement mauvaises. La capacité de mieux isoler ce que les joueurs font de leur équipe ou de leurs coéquipiers permettra de mieux évaluer les joueurs qui évoluent dans des circonstances particulières. Cela pourrait potentiellement changer les choses en profondeur au niveau de l’évaluation des joueurs, mais surtout en ce qui a trait aux salaires qu’on leur consentira. Une prédiction que je me permets déjà de vous faire ici : je soupçonne que d’ici 10 ans, nous aurons réalisé que la structure salariale qui existe dans la LNH à l’heure actuelle n’a pas beaucoup de sens, étant donné que les salaires qu’empochent plusieurs joueurs sont avant tout attribuables à des circonstances extérieures.
Dans cette veine, et si l’on regarde le cheminement des Pirates de Pittsburgh, les équipes qui réussiront le mieux à identifier les joueurs qui n’obtiennent pas des résultats à la mesure de leurs habiletés – que ce soit attribuable à des circonstances particulières ou à une carence qui peut être corrigée – se donneront un avantage compétitif énorme. Les Pirates ont connu beaucoup de succès avec des lanceurs comme A.J. Burnett et Francisco Liriano en parvenant à obtenir beaucoup de valeur pour le salaire que l’équipe leur accordait parce que les dirigeants avaient déniché des joueurs dotés d’habiletés qui n’étaient pas encore exploitées à pleine capacité. Bien que je ne pense pas que notre perception des superstars du hockey changera beaucoup (peut-être plus pour les défenseurs que les attaquants), je m’attends à ce que, dans une décennie, les équipes et les partisans aient une perception bien différente des joueurs de la classe moyenne comparée à celle qu’ils ont aujourd’hui.
Pour que tout ceci arrive vraiment, la façon dont les dirigeants et les entraîneurs fonctionnent devra changer en partie. Il y a un dicton qu’on entend dans le hockey: « Les gestionnaires gèrent, les entraîneurs entraînent et les joueurs jouent ». Cela n’a pas beaucoup de sens en l’absence de vraies bonnes données. Si le gestionnaire bâtit une équipe d’une certaine façon, ça n’a pas de sens si l’entraîneur veut fonctionner d’une autre façon… Et si un entraîneur ou un joueur a une bonne observation que la direction peut intégrer à son approche du hockey, pourquoi ne pas y recourir? Un des thèmes récurrents dans Big Data Baseball ainsi que chez les équipes du baseball majeur qui connaissent du succès à notre époque, c’est la collaboration étroite qu’il y a entre la direction, le personnel d’entraîneurs et le secteur des statistiques avancées. Le modèle traditionnel du hockey où on a un directeur général qui bâtit une équipe et remet les clés à l’entraîneur n’aura pas le dessus sur les équipes qui préconisent une approche plus collaborative afin de maximiser la valeur des nouveaux renseignements qui sont désormais à leur disposition.
Si ce que nous avons vu au baseball est une bonne indication de ce qui s’en vient, les partisans vivront des moments intéressants parce que les équipes vont essayer toutes sortes de nouvelles choses. De nouvelles idées qui sont mises en pratique sur la patinoire et dans les bureaux de direction, ça signifie que les amateurs qui suivent le hockey auront plus de choses à surveiller, à digérer et à débattre. Cet aspect-là du hockey, à tout le moins, ne changera pas.
Les données localisées s’en viennent et vont changer radicalement notre perception des joueurs… et leur salaire (The Athletic, par Tyler Dellow)
Un des meilleurs livres sur le sport qu’il m’ait été donné de lire au cours des 10 dernières années a été Big Data Baseball: Math, Miracles, and the End of a 20-Year Losing Streak par Travis Sawchik. Il raconte l’histoire des Pirates de Pittsburgh de 2013-14 et comment ils ont utilisé des tonnes de données que le baseball a commencé à produire au milieu de la dernière décennie pour mettre fin à une séquence de 20 saisons perdantes – et ce, en dépit du fait qu’ils devaient composer avec une problématique qui n’était pas anodine: ils n’avaient pas beaucoup d’argent.
De part sa nature même, le baseball a toujours eu un avantage sur le hockey quand on analyse le sport à l’aide de données. Ce n’est pas seulement parce que le jeu s’arrête continuellement, bien que c’est en partie attribuable à cela. La nature du sport permettait au baseball de suivre à la trace les scénarios qui menaient à la production de points. À quelle fréquence évitez-vous les retraits? À quelle fréquence frappez-vous des coups sûrs pour plus d’un but ? Une fois que vous saviez tout ça, vous pouviez estimer de façon fiable le nombre de points que vous alliez marquer. Ou bien, vous pouviez prendre le tout par l’autre bout de la lorgnette et penser en fonction d’empêcher l’adversaire de marquer des points.
Le hockey ne fonctionne pas vraiment comme ça. Il ne permet pas de suivre les éléments qui débouchent sur des buts ou qui vous permettent de les empêcher. Au fil des ans, les ligues de hockey ont tenu compte des buts et des mentions d’aide. Bien qu’il s’agisse là de renseignements utiles, ça ressemble un peu aux points marqués et aux points produits au baseball, en ce sens qu’il s’agit d’une tentative de donner le crédit après coup, et non un moyen de localiser à la trace la façon dont a été bâtie la séquence qui a mené à un but. Les données sur les tentatives de tirs et les modèles axés sur les buts attendus sont utiles, mais il y a aussi des carences importantes en ce sens que nous n’avons pas les renseignements souhaités quant à la façon dont la rondelle a circulé et l’endroit où se trouvaient les joueurs qui n’ont pas tiré au moment où la rondelle a été tirée. Ce sont là les renseignements qui sont à peu près l’équivalent de la moyenne de présence sur les buts et de la moyenne de puissance au baseball.
Quand le baseball majeur a commencé à faire la transition vers un suivi plus sophistiqué des joueurs vers le milieu de la dernière décennie, ç’a amené le niveau d’analyse à un niveau supérieur. Les équipes et les analystes pouvaient désormais regarder au-delà de ce que les présences au bâton donnaient comme résultats, et étudier les processus exacts qui menaient à ces résultats. Ces nouvelles avenues d’analyse ont joué un rôle important dans l’histoire que Sawchik a racontée dans Big Data Baseball, alors que les Pirates ont utilisé les données pour guider leur prise de décision concernant la façon de placer les joueurs en défensive, l’embauche de joueurs qui avaient des habiletés qui n’étaient pas reconnues à leur juste valeur tels que Russell Martin et l’embauche de lanceurs qui avaient des qualités qu’on pouvait identifier, mais qui n’avaient pas encore commencé à obtenir les résultats qui sont normalement associés à ces qualités. (Ces lanceurs ont aussi bénéficié tout à coup de la présence d’un des meilleurs receveurs du baseball pour les guider.)
On peut donc considérer que le hockey est, en quelque sorte, en retard de deux cycles d’analyse sur le baseball. Nous n’avons pas vraiment l’équivalent de la moyenne de présence sur les buts et de la moyenne de puissance (et les données de ce genre n’ont certes pas le même niveau d’utilité) et nous n’avons certainement pas le genre de données sur le processus dont les équipes du baseball majeur profitent maintenant, où chaque geste posé par les joueurs peut être suivi. Mais si la LNH réussit à bien mettre en pratique son système de localisation des joueurs et de la rondelle, ces deux niveaux d’analyse deviendront tout à coup accessibles.
Pour ceux et celles qui ne savent pas ce qu’est la localisation de la rondelle et des joueurs, il s’agit, grosso modo, de l’enregistrement de l’endroit où chaque joueur et la rondelle se trouvent et ce, plusieurs fois par seconde. Il y a plusieurs façons d’y arriver mais, selon Elliotte Friedman de Sportsnet, la ligue étudie présentement un système où l’on place une puce dans la rondelle ainsi que sur les joueurs.
SMT a acheté Sportvision au mois d’octobre 2016 et continue de s’impliquer, ayant écrit le système de pointage HITS pour LNH.com. Cette entreprise a une excellente réputation, elle qui notamment créé la ligne jaune du premier jeu au football et le système de suivi de la zone des prises PITCH/fx. Mais la ligue n’était pas très entichée de cette rondelle incrustée d’une puce au moment de disputer la Coupe du monde. De plus, la LNH a initialement préféré éviter de mettre des puces sur les joueurs durant la saison régulière.
Cela semble être sur le point de changer. Selon plusieurs sources, la ligue met présentement à l’essai un système de puce contrôlé par ondes radio autant pour la rondelle que les joueurs. Bettman a indiqué que l’Institut Fraunhofer en Allemagne pourrait créer une rondelle pour ce faire, et que le projet Jogmo de cette compagnie a pour but de « faire des recherches dans le domaine des systèmes de localisation par ondes radio », selon son site web.
Ce qu’un système du genre va permettre, c’est la création d’un dossier qui vous dira où se trouvait chaque joueur sur la patinoire à différents moments du match. Si l’on a enregistré la localisation des joueurs et de la rondelle 20 fois par seconde et qu’il s’agissait d’un de ces matchs de plus en plus fréquents des Maple Leafs où personne n’a eu droit à d’avantage numérique, vous auriez accès à 20 (points de données par seconde) * 3600 (secondes) * 13 (joueurs et rondelle) = 936 000 lignes de renseignements à propos d’un match. Les dossiers actuels de description jeu par jeu représentent 300 lignes environ, donc il y a une légère différence!
Une fois que les équipes auront accès à ces renseignements, leur capacité à en tirer des leçons ne sera limitée que par les ressources qu’ils y consacreront. Il y a quelques secteurs qui, je pense, bénéficieront tout particulièrement de l’accès à de telles données. Le premier, ce sera le « pré-dépistage », cette activité mal nommée qui consiste à regarder de la vidéo de l’adversaire afin de se préparer en vue d’un match.
Une des grandes contraintes qu’ont les membres du personnel d’entraîneurs d’une équipe quand vient le temps de se préparer pour les matchs à venir, c’est tout simplement le manque de temps pour étudier de la vidéo, surtout quand on est sur la route, qu’il y a deux matchs en deux soirs ou trois en quatre. Les équipes qui chercheront à exploiter ces données pourront tout simplement remettre à leurs entraîneurs des dossiers de vidéo leur montrant les tendances de l’adversaire et ce qui a permis aux autres équipes de les freiner. Cela libérera le personnel d’entraîneurs, qui passera moins de temps à faire le tri de séquences vidéo, à la recherche de sorties de zone ou peu importe, et plus de temps à tenter de trouver des solutions aux problèmes que posent un adversaire donné.
En dehors de la patinoire, un des grands défis du hockey est d’attribuer la quantité appropriée de crédit ou de blâme à chaque joueur. C’est particulièrement vrai dans les cas de joueurs qui sont jumelés à des superstars – tous les partenaires de Nicklas Lidstrom ont affiché d’excellentes statistiques – ou de ceux qui s’alignent avec des équipes particulièrement bonnes ou particulièrement mauvaises. La capacité de mieux isoler ce que les joueurs font de leur équipe ou de leurs coéquipiers permettra de mieux évaluer les joueurs qui évoluent dans des circonstances particulières. Cela pourrait potentiellement changer les choses en profondeur au niveau de l’évaluation des joueurs, mais surtout en ce qui a trait aux salaires qu’on leur consentira. Une prédiction que je me permets déjà de vous faire ici : je soupçonne que d’ici 10 ans, nous aurons réalisé que la structure salariale qui existe dans la LNH à l’heure actuelle n’a pas beaucoup de sens, étant donné que les salaires qu’empochent plusieurs joueurs sont avant tout attribuables à des circonstances extérieures.
Dans cette veine, et si l’on regarde le cheminement des Pirates de Pittsburgh, les équipes qui réussiront le mieux à identifier les joueurs qui n’obtiennent pas des résultats à la mesure de leurs habiletés – que ce soit attribuable à des circonstances particulières ou à une carence qui peut être corrigée – se donneront un avantage compétitif énorme. Les Pirates ont connu beaucoup de succès avec des lanceurs comme A.J. Burnett et Francisco Liriano en parvenant à obtenir beaucoup de valeur pour le salaire que l’équipe leur accordait parce que les dirigeants avaient déniché des joueurs dotés d’habiletés qui n’étaient pas encore exploitées à pleine capacité. Bien que je ne pense pas que notre perception des superstars du hockey changera beaucoup (peut-être plus pour les défenseurs que les attaquants), je m’attends à ce que, dans une décennie, les équipes et les partisans aient une perception bien différente des joueurs de la classe moyenne comparée à celle qu’ils ont aujourd’hui.
Pour que tout ceci arrive vraiment, la façon dont les dirigeants et les entraîneurs fonctionnent devra changer en partie. Il y a un dicton qu’on entend dans le hockey: « Les gestionnaires gèrent, les entraîneurs entraînent et les joueurs jouent ». Cela n’a pas beaucoup de sens en l’absence de vraies bonnes données. Si le gestionnaire bâtit une équipe d’une certaine façon, ça n’a pas de sens si l’entraîneur veut fonctionner d’une autre façon… Et si un entraîneur ou un joueur a une bonne observation que la direction peut intégrer à son approche du hockey, pourquoi ne pas y recourir? Un des thèmes récurrents dans Big Data Baseball ainsi que chez les équipes du baseball majeur qui connaissent du succès à notre époque, c’est la collaboration étroite qu’il y a entre la direction, le personnel d’entraîneurs et le secteur des statistiques avancées. Le modèle traditionnel du hockey où on a un directeur général qui bâtit une équipe et remet les clés à l’entraîneur n’aura pas le dessus sur les équipes qui préconisent une approche plus collaborative afin de maximiser la valeur des nouveaux renseignements qui sont désormais à leur disposition.
Si ce que nous avons vu au baseball est une bonne indication de ce qui s’en vient, les partisans vivront des moments intéressants parce que les équipes vont essayer toutes sortes de nouvelles choses. De nouvelles idées qui sont mises en pratique sur la patinoire et dans les bureaux de direction, ça signifie que les amateurs qui suivent le hockey auront plus de choses à surveiller, à digérer et à débattre. Cet aspect-là du hockey, à tout le moins, ne changera pas.
