La numérisation des activités humaines s’est récemment étendue aux pratiques sportives, mettant à disposition des chercheurs de grandes quantité de données. Ces données sont utiles pour aider à l’arbitrage, améliorer la performance et le suivi des athlètes ou fournir des analyses stratégiques, mais également développer l’expérience du spectateur.

Tandis que l’analyse des données sportives a plus relevé au cours des décennies passées de l’artisanat (pratiqué par des entraîneurs ou journalistes sportifs) que d’une science, cette situation a récemment évolué. De plus en plus de techniques mathématiques et computationnelles sont rentrées dans le domaine et sont exploitées pour soutenir le travail des experts en science du mouvement et du sport, des entraîneurs et dirigeants d’équipes professionnelles, mais aussi des acteurs de la santé.

La plupart des grandes équipes dans les sports américains et dans le football européen embauchent déjà des analystes de données ; l’analyse de données est devenue une industrie florissante et le CNRS a récemment lancé un GDR “Sport et activité physique” dans le but de faciliter les interactions entre chercheurs en différents domaines.

Aujourd’hui, de grandes masses de données sont générées régulièrement, pas seulement par des sportifs professionnels, mais aussi, avec l’arrivée des capteurs de haute qualité à prix bas (p.ex. dans des smartphones) par des individus privés.

Malgré l’existence de ces sources des données, de techniques pour les analyser et l’intérêt de le faire, les trois groupes impliqués - propriétaires de données, analystes et experts/utilisateurs - ne sont pas forcément en contact ou en collaboration.

Cette école thématique est soutenue par le CNRS et organisée par François Rioult et Albrecht Zimmermann.