Prédiction de la position à partir d’indicateurs de performance et anthropométriques chez de jeunes footballeurs : une approche par apprentissage automatique

Pourquoi bien choisir sa place sur le terrain compte

Pour tout adolescent rêvant d’une carrière professionnelle, trouver le poste qui correspond le mieux à son corps et à ses compétences peut faire une grande différence. Les entraîneurs s’en remettent généralement à leur expérience et à leur instinct pour décider qui jouera en défense, au milieu ou en attaque. Cette étude se demande si les données et les algorithmes informatiques peuvent apporter une couche objective à ces choix en utilisant des caractéristiques mesurables — telles que la taille, le poids et les compétences balle au pied — pour prédire où un jeune joueur a le plus de chances de réussir.

Des données corporelles de base aux compétences avec le ballon

Les chercheurs ont travaillé avec 200 footballeurs masculins de 15 à 17 ans issus de clubs du Kazakhstan. Chaque joueur avait déjà un poste principal — défenseur, milieu ou attaquant — attribué par son entraîneur. Les scientifiques ont mesuré des caractéristiques corporelles simples telles que l’âge, la taille, le poids et l’indice de masse corporelle (IMC), ainsi que des compétences spécifiques au football : jongler de la tête et des pieds, slalomer entre des cônes en dribble, sprinter en dribblant sur 20 mètres et tirer sur des cibles marquées dans le but. Ces tests ont été choisis parce qu’ils reflètent des actions quotidiennes sur le terrain — contrôler le ballon, se déplacer rapidement avec celui-ci et conclure les attaques.

Repérer les différences entre les postes

Dans un premier temps, l’équipe a utilisé des tests statistiques standard pour voir en quoi défenseurs, milieux et attaquants différaient en moyenne. Ils ont trouvé des différences significatives dans plusieurs domaines. Les milieux avaient tendance à être légèrement plus âgés que les défenseurs. Les attaquants étaient en général plus grands et présentaient un IMC plus faible que les défenseurs et les milieux, suggérant une corpulence plus élancée. Les attaquants jonglaient aussi mieux de la tête et ont réalisé le test de slalom plus rapidement que les défenseurs. Fait surprenant, il n’y avait pas de différences nettes en termes de poids de base, de jonglage aux pieds, de scores de tir ou du temps simple de dribble sur 20 mètres selon les postes, ce qui laisse entendre que certaines compétences se développent de manière similaire quel que soit le poste d’alignement d’un jeune joueur.

Laisser les machines deviner le rôle de chaque joueur

Ensuite, les chercheurs se sont tournés vers l’apprentissage automatique — des programmes informatiques qui apprennent des motifs à partir des données. Ils ont fourni toutes les mesures corporelles et de compétences à plusieurs algorithmes et leur ont demandé de prédire le poste de chaque joueur. Après entraînement sur la majeure partie des données et test sur le reste, une méthode, nommée Machines à vecteurs de support (Support Vector Machines), s’est distinguée. Elle a prédit correctement le poste pour 86 % des joueurs au total. Le modèle était particulièrement précis pour les attaquants, identifiant correctement tous les attaquants dans les données de test. Il a été un peu moins performant pour les défenseurs et les milieux, souvent confondus entre eux, reflétant leurs profils physiques et techniques qui se chevauchent dans cette tranche d’âge.

Quelles capacités ont le plus compté

Pour comprendre ce qui guidait les décisions du modèle, l’équipe a testé la perte d’exactitude lorsque chaque mesure était brouillée. Les plus fortes baisses provenaient des performances liées à la vitesse avec le ballon et à la finition : le temps de dribble sur 20 mètres, le score de tir, le poids corporel et le test général de dribble étaient les plus influents. En revanche, le jonglage — par exemple en faisant rebondir le ballon sur la tête ou en alternant touches de tête et de pied — avait beaucoup moins d’importance pour la prédiction du poste. Cela suggère que, du moins pour ces adolescents, des compétences pratiques proches du match comme sprint avec le ballon et tirs précis véhiculent plus d’information positionnelle que des exercices de contrôle spectaculaires.

Ce que cela signifie pour les jeunes joueurs et les entraîneurs

Pour les parents, les joueurs et les entraîneurs, l’étude montre que des tests relativement simples peuvent fournir des signaux utiles sur l’endroit où un adolescent pourrait être le mieux adapté sur le terrain, et que l’apprentissage automatique peut transformer ces signaux en prédictions de poste raisonnablement précises. Cependant, le chevauchement entre défenseurs et milieux, et le fait que de nombreuses capacités se développent encore entre 15 et 17 ans, signifie que les chiffres doivent compléter, et non remplacer, l’œil de l’entraîneur et les préférences du joueur. La principale conclusion est que les outils fondés sur les données peuvent aider à orienter les choix de position tôt — en particulier pour des rôles nettement distincts comme attaquant — mais qu’ils sont plus efficaces lorsqu’ils sont combinés à des évaluations plus larges du sens du jeu, de la prise de décision et de la compréhension tactique.

Citation: Izhanov, Z., Seisenbekov, Y., Marchibayeva, U. et al. Position prediction from performance and anthropometric indicators in young footballers: a machine learning approach. Sci Rep 16, 6766 (2026). https://doi.org/10.1038/s41598-026-37957-2

Mots-clés: football des jeunes, poste de jeu, apprentissage automatique, tests de performance, identification des talents