SmartSport : le comptage de foule rencontre les grands modèles de langage pour une gestion intelligente des équipements

Pourquoi des espaces sportifs plus intelligents comptent

Dans de nombreuses villes, de nouveaux parcs, terrains et parcours de fitness apparaissent sans cesse, et pourtant les gens constatent que les terrains de basket sont souvent bondés tandis que des sentiers piétonniers proches restent vides. Ce décalage gaspille l’argent public et frustre les résidents qui souhaitent simplement avoir une chance équitable de faire de l’exercice. L’étude SmartSport présente une méthode qui utilise des caméras et une IA avancée pour mesurer l’utilisation réelle des équipements sportifs publics, puis transforme ces chiffres en recommandations concrètes pour les responsables municipaux. L’objectif est simple : aider les communautés à tirer davantage de santé et de plaisir des espaces dont elles disposent déjà.

Du clipboard à la détection continue

Aujourd’hui, la plupart des villes s’appuient encore sur du personnel avec des clipboards ou des enquêtes ponctuelles pour estimer l’affluence d’un terrain ou d’une piste de course. Ces méthodes ne fournissent que des instantanés, omettent de nombreux lieux et sont trop lentes pour guider les décisions quotidiennes. Elles peinent aussi à expliquer pourquoi certaines infrastructures sont surchargées tandis que d’autres sont quasiment vides. SmartSport remplace ces efforts dispersés par un système automatisé qui surveille les installations via des caméras fixes, compte le nombre de personnes présentes au fil du temps et combine ces informations avec des cartes, des données de population et d’autres contextes.

Apprendre aux ordinateurs à voir les personnes équitablement

La première partie de SmartSport, appelée CrowdVision, se concentre sur la détection et le comptage des personnes dans des espaces sportifs ouverts tels que terrains extérieurs, stades et parcours de fitness. Plutôt que de suivre des visages ou des identités, elle recherche les petits indices visuels qui signalent une personne dans une scène large, comme de minuscules silhouettes au loin ou partiellement masquées par d’autres. Les chercheurs ont conçu un réseau de vision compact capable d’analyser des images depuis différentes directions, d’assembler des motifs sur l’ensemble de la scène et de gérer des personnes de tailles très différentes dans le même cadre. Chaque personne est représentée par un point plutôt que par une boîte englobante, ce qui facilite la localisation précise des individus en milieu encombré tout en restant suffisamment rapide pour fonctionner sur des appareils embarqués peu coûteux proches de la caméra.

Transformer des comptages bruts en meilleures décisions

La deuxième partie, LLM-Advisor, joue le rôle de consultant numérique pour les gestionnaires d’équipements. Elle prend les séries temporelles de comptages produites par CrowdVision et les fusionne avec d’autres informations : l’emplacement de chaque équipement dans la ville, qui habite à proximité, l’accessibilité par les transports en commun et le type d’équipements disponibles. En utilisant des grands modèles de langage — le même type d’IA qui alimente les chatbots modernes — le système est guidé par des prompts soigneusement conçus pour suivre un raisonnement étape par étape. Il identifie des motifs journaliers et hebdomadaires, repère des signes de surcharge ou de sous-utilisation, puis propose des actions pratiques, comme ajuster les horaires d’ouverture, améliorer certains terrains ou ajouter de nouvelles installations dans des quartiers sous-desservis. Une base de connaissances regroupant des bonnes pratiques et des politiques du monde réel aide à ancrer ces recommandations dans des standards professionnels.

Faire la preuve sur le terrain

Pour tester SmartSport, l’équipe a évalué CrowdVision sur des jeux de données standards de comptage de foule et sur sa propre collection d’images provenant de 15 installations sportives publiques. Le module de vision a atteint une précision de comptage d’environ 94 % dans ces contextes sportifs réels, surpassant plusieurs méthodes de recherche récentes tout en étant suffisamment efficace pour la surveillance en temps réel. Pour l’aspect recommandations, les auteurs ont demandé à 12 experts en gestion d’équipements sportifs d’évaluer à l’aveugle plus de 250 rapports générés par l’IA. En moyenne, les experts ont noté les conseils 4,2 sur 5 pour la qualité globale, saluant leur exhaustivité et leur raisonnement logique tout en notant que des propositions très détaillées et spécifiques au site restent difficiles. Ensemble, ces résultats suggèrent que SmartSport peut à la fois mesurer l’utilisation de manière fiable et offrir des orientations de gestion que les professionnels jugent réellement utiles.

Ce que cela signifie pour les usagers quotidiens

Pour les résidents, la promesse de SmartSport n’est pas davantage d’écrans ou de gadgets, mais des parcs et terrains mieux gérés. En comptant discrètement combien de personnes utilisent chaque équipement et quand, sans tracer leur identité, le système aide les élus et les services municipaux à repérer les espaces qui manquent d’investissements et ceux qui constituent des opportunités sous-exploitées. Avec le temps, cela pourrait se traduire par des temps d’attente réduits pour les terrains populaires, des parcours et stations d’exercice mieux situés et des horaires adaptés aux routines locales. Les auteurs notent que des travaux futurs devront traiter des conditions d’éclairage extrêmes, des garanties de confidentialité et d’une compréhension comportementale plus poussée, mais leur étude montre que l’association de la vision par ordinateur et du raisonnement basé sur le langage peut faire passer la gestion des équipements sportifs du simple empirisme à une planification urbaine fondée sur des preuves.

Citation: Li, P., Xu, C. SmartSport: crowd counting meets large language models for smart facility management. Sci Rep 16, 13991 (2026). https://doi.org/10.1038/s41598-026-44145-9

Mots-clés: équipements sportifs publics, comptage de foule, IA urbaine, planification de villes intelligentes, gestion des installations