Résultats de recherche

JLB DATA FOOTBALL : transformer la donnée en véritables profils de joueurs Une nouvelle façon d'aborder le scouting et le recrutement Le football professionnel produit aujourd'hui une quantité considérable de données. Chaque match génère des centaines d'informations sur les joueurs : passes, duels, tirs, récupérations, courses, interventions défensives, actions offensives, activité physique… Mais disposer de beaucoup de données ne signifie pas nécessairement mieux recruter. La véritable difficulté consiste à transformer cette masse d'informations en une analyse simple, pertinente et exploitable. C'est dans cette logique qu'est né JLB DATA FOOTBALL : une application conçue pour accompagner le travail de scouting et de recrutement en permettant d'identifier rapidement les profils correspondant à un besoin précis. La donnée au service du scouting JLB DATA FOOTBALL ne cherche pas à remplacer le recruteur. Au contraire, l'objectif est de lui permettre de gagner du temps dans les premières étapes de son travail. Lorsqu'un club recherche un joueur, la question n'est généralement pas simplement : « Quels sont les meilleurs joueurs à ce poste ? » La véritable question est plutôt : « Quels joueurs correspondent au profil dont mon équipe a besoin ? » Un milieu défensif capable de récupérer beaucoup de ballons n'aura pas nécessairement le même profil qu'un milieu capable de faire progresser le jeu. Un ailier très performant dans les duels offensifs ne répondra pas forcément au besoin d'une équipe recherchant un joueur capable d'attaquer la profondeur. Un défenseur central performant dans les duels ne présentera pas nécessairement les mêmes caractéristiques qu'un défenseur capable de défendre haut et de couvrir de grandes espaces. Le niveau de performance est important. Mais l'adéquation au profil recherché l'est tout autant. Aller au-delà des statistiques brutes L'une des particularités de JLB DATA FOOTBALL est de ne pas se limiter à afficher une succession de statistiques. Les données sont mises en perspective afin de faire ressortir les caractéristiques principales d'un joueur. Les radars permettent notamment de visualiser rapidement les forces et les faiblesses relatives d'un profil. Mais l'objectif va plus loin. Les performances statistiques peuvent être traduites en adjectifs et caractéristiques de profil, permettant d'obtenir une lecture beaucoup plus intuitive du joueur. Un joueur peut ainsi être identifié comme particulièrement : intense ; explosif ; endurant ; agressif défensivement ; performant dans les duels ; créatif ; progressif dans ses passes ; à l'aise dans la conservation ; actif dans le pressing ; capable d'attaquer la profondeur. Cette approche permet de passer progressivement de la donnée au profil footballistique. Des radars pour visualiser immédiatement le profil La représentation graphique occupe une place importante dans JLB DATA FOOTBALL. Les radars permettent en quelques secondes de comprendre la structure statistique d'un joueur. Ils permettent notamment de répondre rapidement à plusieurs questions : Quelles sont ses principales qualités ? Dans quels domaines se situe-t-il au-dessus de la moyenne ? Quelles sont ses limites ? Quel type de joueur représente-t-il ? Correspond-il au profil recherché par le club ? Cette représentation facilite également la comparaison entre plusieurs joueurs. Plutôt que de parcourir plusieurs dizaines de statistiques individuellement, le recruteur dispose d'une lecture synthétique du profil. Comparer des joueurs qui évoluent dans des contextes différents Comparer deux joueurs uniquement à partir de leurs statistiques brutes peut être trompeur. Le nombre de passes, de tirs, de duels ou d'interceptions dépend notamment du temps de jeu, du poste, du style de l'équipe et du contexte dans lequel le joueur évolue. JLB DATA FOOTBALL s'appuie notamment sur une logique de performance relative, permettant de mieux situer un joueur par rapport à une population de référence. L'utilisation des percentiles permet ainsi de comprendre rapidement où se situe un joueur dans son environnement statistique. Un joueur situé au 90e percentile sur une variable n'est pas simplement associé à une valeur numérique élevée : cela signifie qu'il se situe parmi les joueurs les plus performants de sa population de référence sur cette caractéristique. Cette approche permet de construire des profils beaucoup plus lisibles. Rechercher un profil plutôt qu'un nom C'est probablement l'une des utilisations les plus intéressantes de JLB DATA FOOTBALL. Le recrutement commence souvent par un nom. L'approche peut également commencer par un profil. Par exemple : « Je recherche un milieu défensif capable de récupérer, de couvrir beaucoup de terrain et de maintenir une forte intensité. » Ou : « Je recherche un ailier capable de provoquer, d'éliminer et d'attaquer régulièrement la profondeur. » Ou encore : « Je recherche un défenseur central capable de défendre dans l'espace et de participer à la première relance. » L'objectif de JLB DATA FOOTBALL est alors de permettre au recruteur de faire émerger des joueurs auxquels il n'aurait pas nécessairement pensé spontanément. La donnée devient ainsi un outil de découverte. Une aide pour élargir le marché des joueurs L'un des risques du recrutement est de rester concentré sur les joueurs déjà identifiés par le marché. Les joueurs les plus connus sont également ceux qui sont le plus facilement repérables. Une approche data permet au contraire d'explorer plus largement les championnats et les profils disponibles. JLB DATA FOOTBALL peut ainsi contribuer à : identifier des joueurs moins médiatisés ; explorer de nouveaux championnats ; constituer des shortlists ; rechercher des profils similaires ; comparer plusieurs candidats ; détecter des profils correspondant à un besoin spécifique ; préparer un travail de visionnage plus ciblé. L'objectif n'est pas de dire au recruteur qui recruter. L'objectif est de lui permettre de savoir qui regarder. La data ne remplace pas le recruteur C'est un principe essentiel de JLB DATA FOOTBALL. Une statistique ne raconte jamais toute l'histoire d'un joueur. Le contexte tactique, le niveau de l'équipe, le rôle demandé, le temps de jeu, les qualités techniques, la personnalité, l'adaptabilité, l'environnement ou encore le potentiel d'évolution doivent être étudiés. La donnée permet de détecter. La vidéo permet d'observer. Le recruteur permet d'interpréter. Et la décision finale appartient au club. JLB DATA FOOTBALL se situe précisément à cette première étape : transformer des milliers de joueurs potentiels en une sélection de profils qui méritent d'être étudiés. Des données de performance aux données physiques L'analyse peut également intégrer une dimension physique afin d'aller plus loin dans la caractérisation des profils. Distance parcourue, intensité de course, haute intensité, sprint, vitesse maximale, accélérations, décélérations ou changements de direction permettent d'apporter une dimension supplémentaire à l'analyse. Ces informations peuvent notamment être utiles lorsqu'un club recherche un profil répondant à des exigences physiques particulières. L'intérêt est alors de ne plus analyser uniquement ce que fait le joueur avec le ballon, mais également comment il se déplace et travaille sans ballon. Cela permet de construire une vision plus complète du joueur. Un outil pour le scouting, mais aussi pour le recrutement JLB DATA FOOTBALL peut être utilisé à différents moments du processus de recrutement. 1. Définir un profil Avant même de chercher un joueur, le club peut définir les caractéristiques recherchées. 2. Explorer le marché L'application permet ensuite d'explorer les joueurs correspondant aux caractéristiques recherchées. 3. Construire une shortlist Les profils les plus intéressants peuvent être sélectionnés pour constituer une première liste de candidats. 4. Approfondir l'analyse Le recruteur peut ensuite confronter les données à la vidéo, au contexte du joueur et à son analyse personnelle. 5. Préparer la décision La data devient alors un élément supplémentaire permettant de documenter et de sécuriser le processus de recrutement. Une approche pensée pour les professionnels du football JLB DATA FOOTBALL s'adresse naturellement aux différents acteurs impliqués dans l'identification et le recrutement des joueurs : clubs professionnels ; cellules de recrutement ; analystes ; scouts ; responsables du recrutement ; directeurs sportifs ; agents et intermédiaires. L'application peut également être utilisée par toute personne souhaitant développer une approche plus structurée du scouting. Pourquoi JLB DATA FOOTBALL ? Parce que le problème du football moderne n'est plus d'avoir accès à la donnée. Le problème est de savoir quoi en faire. Les bases de données permettent aujourd'hui d'accéder à une quantité considérable d'informations. JLB DATA FOOTBALL cherche à apporter une couche supplémentaire : une lecture footballistique de la donnée. L'objectif est de rendre les statistiques plus compréhensibles, plus visuelles et surtout plus directement utilisables dans une démarche de scouting. De la donnée au joueur JLB DATA FOOTBALL repose finalement sur une idée simple : ne pas chercher uniquement les meilleurs joueurs, mais rechercher les joueurs qui correspondent le mieux au besoin. Un recrutement réussi n'est pas nécessairement celui qui permet de recruter le joueur affichant les meilleures statistiques. C'est celui qui permet de trouver le bon joueur, pour le bon rôle, dans le bon contexte et au bon moment. La data peut contribuer à identifier ces opportunités. Mais elle doit rester au service du football. JLB DATA FOOTBALL : un outil pour mieux chercher, mieux comparer et mieux décider Le scouting restera toujours une combinaison entre observation, expérience, connaissance du football et analyse. La donnée ne remplace pas cette expertise. Elle permet simplement de lui donner un champ de recherche plus large, une méthodologie plus structurée et des arguments supplémentaires. JLB DATA FOOTBALL a été conçu dans cette perspective : partir de la donnée pour faire émerger des profils, des idées et des opportunités de recrutement. Parce qu'au final, la question n'est pas seulement : « Que disent les statistiques ? » Mais plutôt : « Quel joueur se cache derrière les statistiques ? » Découvrez JLB DATA FOOTBALL et explorez le marché des joueurs autrement.

Vous trouverez ci-après le lien de mon application: https://mon-app-react-pi.vercel.app/

https://claude.ai/public/artifacts/0c3a7d07-fb28-4703-8236-08a0faf42259

Les statistiques sont utilisées de plus en plus dans le process de recrutement. Je communique régulièrement sur une notation que j’ai créée à l’instar de certains sites (sofascore, whoscored, MPG…). Ce type de note est certainement utilisé par certains recruteurs. Pourtant, il existe certains biais non maîtrisés des observateurs qui peuvent conduire à des erreurs de recrutement que je développerais par la suite : Le biais de qualité de donnée Le biais de complétude de l’information Le biais de la notation du site ou de l’analyste Le biais du niveau du championnat Le biais d’interprétation de la note et le risque d’erreur de jugement Le biais d’adéquation du profil Le biais de qualité de donnée En effet, les fournisseurs de données (ex : Wyscout) peuvent introduire un biais car la donnée peut être aberrante, il peut y avoir des valeurs extrêmes à l’origine des vidéos/actions répétées plusieurs fois.   La signification de ces indicateurs peut aussi être en écart avec la réalité et notre compréhension de l’action. Une interception qui est en réalité un contre et le ballon part en touche… Un duel jugé perdu alors que le ballon sort en 6 mètres Une perte de balle car c'est un joueur adverse qui touche le ballon en premier, bien que le ballon soit récupéré par l'équipe par la suite… Une passe longue peut être en réalité un dégagement en catastrophe, un long ballon perdu au lieu de repartir plus simplement au sol… Le duel offensif peut être en réalité un duel en position basse d'un défenseur…   Mon avis: La qualité de donnée reste acceptable et  permet de dégager des tendances mais non définitives, l’analyse vidéo doit être utilisée pour venir confirmer l’analyse.   Le biais de complétude de l’information   Les indicateurs pourraient être plus complets et encore mieux expliquer la performance Le jeu sans ballon n'est par exemple pas pris en compte, faire le bon appel, avoir le bon positionnement, le bon repli défensif…   Mon avis :  Le jeu avec ballon doit permettre de capter environ 80% de l’information, le jeu de corrélations permet de réduire significativement l’apport de nouvelles informations pour évaluer la performance.   Le biais de la notation du site ou de l’analyste   Les modèles de notation sont toujours perfectibles, attention aux ratios (un joueur peut avoir 100% de dribbles réussis mais dribbler une fois par match), on n’a pas toujours connaissance des algorithmes se cachant derrière la note. Un joueur remplaçant rentrant en cours de jeu peut être largement pénalisé sur certains sites.   Mon avis :  Mon modèle est perfectible au dizième près mais le gain de performance n'est pas intéressant comparé à l’usage réalisé sur la détection, le tri et le premier aperçu de la performance.     Le biais d’interprétation du lecteur et de l’analyste L’analyste va orienter vers des profils de joueurs qu’il aura sélectionnés, combien de temps a-t-il consacré au ciblage et à l’identification ? La compréhension du lecteur peut aussi être altérée si le profil du joueur ne lui est pas expliqué oralement. Comme en entreprise, il y a souvent besoin d’une réunion pour s’assurer de la bonne compréhension des interlocuteurs.   Mon avis : Il faudrait que les analystes soient mieux intégrées au process de recrutement en renforçant les compétences des clubs en interne.   Le biais du niveau du championnat   Les joueurs peuvent ressortir indépendamment du niveau du championnat. Il existe un indicateur comparatif clubelo pour les championnats européens qui permet d'avoir un premier aperçu de la variation de niveau, il est aussi possible d'analyser spécifiquement les transferts comparables d’un championnat à un autre sur une même période, mais le niveau des championnats et des équipes évoluent. Un joueur aura de meilleures statistiques dans un championnat plus facile. En écosse, par exemple, Glasgow Rangers et le Celtic dominent régulièrement très largement leur championnat et sont régulièrement confrontés à de plus grands clubs en coupe d'Europe. Un autre biais du même ordre est celui du biais du niveau de l’équipe dans son championnat.     Mon avis : C’est le biais le plus important. Avec du temps et des études statistiques approfondies, il est possible de se faire un avis qualitatif sur le niveau attendu du joueur dans un nouveau championnat. On peut aussi introduire quantitativement la différence de division. Par exemple, j’ai déjà pu montrer que la différence entre la Ligue 1, la Ligue 2 et le National est en moyenne de 2 dixièmes (0,2) par division, càd qu’un très bon joueur de national à 7,2 peut espérer être un bon joueur en Ligue 2 à 7 et être un joueur moyen de Ligue 1 à 6,8 à condition de bien sûr d’être recruté et de jouer.     Le biais d’interprétation de la note et le risque d’erreur de jugement   Plus il y a des minutes observées, plus l'évaluation est robuste et gomme la volatilité.   Mon avis : C’est aussi un biais important même s’il permet de détecter des joueurs qui jouent peu mais qui sont performants. il faut être prudent et critique dans l’analyse et prendre en compte l’intervalle de confiance. Un joueur classé 10ème est-il réellement plus fort que le 20ème ? Non, l’écart entre les 2 n’est pas suffisant, c’est l’analyse vidéo et l’approfondissement de la valeur du joueur qui permettra de choisir un joueur plutôt qu’un autre.   Biais d’adéquation du profil Tout dépend du profil recherché, le joueur correspond-il au projet de jeu ? Y a-t-il déjà ce type de joueur dans l’effectif ?   Mon avis : Il y a la possibilité d’adapter la recherche en fonction des critères quantitatifs pour mieux cibler les profils. Ensuite, il y surtout une dimension « management »  et qualitative. Les clubs devront garder un certain équilibre dans la constitution de l’effectif, postes doublés, jeunes formés au club ou non, joueurs expérimentés et connaissance du championnat, joueurs sur une bonne dynamique et un bon état d’esprit...   En conclusion , le recrutement des joueurs doit faire intervenir un maximum d’intervenants (statistiques, vidéos, avis de recruteurs et avis d’entraineurs) pour éviter les biais d'analyse car les résultats sportifs, la santé financière des clubs peuvent en dépendre.

En cliquant sur le lien https://claude.ai/public/artifacts/9b86e909-f689-4640-9e4d-fc106a188153 Et en téléchargeant le fichier à insérer dans l'pplication

Mon application est disponible sous Claude.AI https://claude.ai/public/artifacts/ae24bab9-5f63-43f4-8578-13943b4f5b42 Le fichier hébergé sous GITHUB n'est pas accessible avec Claude.AI Télécharger le fichier ici, ou sur GITHUB pour pouvoir le charger sur l'application Il s'agit d'une version test sur les 3 championnats Français (Ligue 1, Ligue 2 et National 1)

National 2 sur les clubs filmés National 2 sur ceux qui ne sont pas filmés entièrement National 1 Ligue 2 Ligue 1 Gardien National 1 Gardien Ligue 2