Prédictions de performances sportives : le cas de la course à pied.

Dans ce mémoire, nous avons eu recours à l’analyse de données comme outil de prédictions de performances sportives. Nous nous sommes principalement intéressés au cas de la course à pied et plus précisément aux courses de demi-fond et fond, distances allant du 800 mètres au marathon. La première étape de notre travail a été de définir la notion de performance ainsi que d’en déterminer ses indicateurs pour les sports d’endurance. Bien que la performance soit multifactorielle, nous l’avons surtout abordée d’un point de vue bioénergétique, autrement dit nous avons concentré nos recherches sur les facteurs physiologiques influençant la performance sportive, ces derniers étant facilement mesurables que ce soit en laboratoire ou même sur le terrain. Plusieurs indicateurs intéressants ont été pointés parmi lesquels la VO2 max, ou consommation maximale d’oxygène, est l’un des plus utilisés par les scientifiques. Outre la VO2 max sur laquelle nous revenons longuement dans ce mémoire, les seuils lactiques, l’économie de course, l’endurance ou encore la capacité anaérobie ont été abordés et définis dans la revue littéraire. Il nous est également paru intéressant de lister les différents modèles prédictifs existants et d’analyser les évolutions apparues au fil du temps. Le premier à explorer la question de la prédiction de performances sportives fut Kennelly au début du 20ème siècle en établissant une relation logarithmique liant vitesse et temps. Hill, lauréat du prix Nobel de médecine, a quant à lui mis au point une « Running curve », un modèle de puissance basé sur des considérations d’énergie métabolique dans les années 1920. Ward-Smith s’est lui basé sur la première loi de la thermodynamique pour modéliser les performances des athlètes aux Jeux Olympiques dans les années 1960-1970 alors que Keller a mis au point un modèle de prédiction purement mécanique. Plus récemment, les scientifiques québécois Peronnet et Thibault se sont chargés de réaliser la synthèse en la matière et ont mis au point un modèle précis permettant de modéliser les records du monde tandis que le célèbre coach américain Jack Daniels a mis sur pied une méthode pour construire le profil aérobique d’un coureur à l’aide de sa capacité aérobie, de son économie de course et de son seuil lactique. Le modèle le plus récent et le plus complet est toutefois celui développé par Mulligan, Adam et Emig en 2018 qui est bâti à la fois sur des concepts physiologiques de base mais aussi sur la production et l’utilisation de l’énergie métabolique en course à pied. Dans le cadre de nos analyses, nous avons utilisé une base de données reprenant des tests à l’effort réalisés sur une piste d’athlétisme par des athlètes de haut-niveau. Dans les résultats de ces tests, deux indicateurs ont particulièrement retenu notre attention : la VO2 max (ou capacité aérobie) et la VLA max (ou capacité anaérobie). Nous avons couplé cette base de données contenant des paramètres physiologiques à des résultats en compétition dans le but de mesurer l’impact de ces valeurs sur les performances de l’athlète. Grâce à la base de données augmentée d’un volet performance, nous avons pu mettre au point différents modèles de prédictions en réalisant plusieurs régressions linéaires. La VO2 max s’est ainsi révélée un indicateur de performance intéressant, que ce soit pour prédire des résultats à court terme ou même le potentiel d’un athlète. Couplée à la VLA max, nous obtenons même des résultats très précis, reflétant bien la réalité du terrain. Notre mémoire comporte enfin une partie mettant en regard l’analyse de données et différents aspects de la gestion dans laquelle nous avons mis en lumière les apports mais aussi les écueils que pouvait apporter l’analyse de données sportives au monde de l’entreprise.