Clear Sky Science · fr

Analyse des mégadonnées de capteurs portables révèle des schémas spatiotemporels de blessures chez les joueurs de tennis professionnels

· Retour à l’index

Pourquoi il est important de suivre les blessures au tennis

Le tennis professionnel paraît élégant à la télévision, mais derrière chaque service et chaque sprint se cachent des contraintes intenses pour le corps. Cette étude utilise des capteurs portables et des techniques modernes d’analyse de données pour poser une question simple aux conséquences majeures pour les joueurs et les entraîneurs : quand, où et comment les blessures surviennent-elles réellement au cours d’une saison, et peut-on repérer des signes précurseurs assez tôt pour les prévenir ?

Transformer les joueurs en données en mouvement

Pour aborder ce problème, les chercheurs ont équipé 45 joueurs professionnels d’un réseau de capteurs légers portés sur le corps pendant une année complète d’entraînement et de compétitions. Des unités légères aux poignets, à l’épaule, au bas du dos et aux chaussures ont enregistré les mouvements et les forces d’impact, tandis que d’autres capteurs suivaient la fréquence cardiaque et la position sur le court. Ensemble, ils ont capturé des milliers d’heures de mouvement, des services explosifs aux longues frappes de fond de court, créant un portrait détaillé des charges subies par le corps en conditions réelles de jeu.

Figure 1. Les capteurs portables et l’analyse de données transforment la saison d’un joueur de tennis en une carte indiquant quand et où les blessures sont les plus probables.
Figure 1. Les capteurs portables et l’analyse de données transforment la saison d’un joueur de tennis en une carte indiquant quand et où les blessures sont les plus probables.

Quand les blessures surviennent au cours de l’année

En suivant ces joueurs pendant la préparation, les périodes de tournois et la saison creuse, l’équipe a constaté que les blessures ne surviennent pas au hasard. Elles augmentent et diminuent selon un rythme saisonnier. Les problèmes ont culminé pendant les blocs d’entraînement intensifs et les périodes de compétition chargées, en particulier lorsque la charge globale augmentait rapidement. Les blessures d’usage, qui se développent progressivement, étaient les plus fréquentes en préparation et lors des semaines d’entraînement à haute intensité, tandis que les blessures aiguës soudaines étaient davantage liées aux compétitions et aux situations de jeu. Ces schémas suggèrent que la façon dont l’entraînement est planifié sur des semaines et des mois joue un rôle crucial dans le risque de blessure.

Où le corps cède le plus

Les données des capteurs ont aussi révélé des zones corporelles clairement exposées. Près de la moitié des blessures se concentraient autour de l’épaule et du coude, les articulations clés pour le service et le coup droit, tandis qu’environ un tiers affectait le bas du dos et les hanches, qui génèrent la rotation du tronc et la couverture du court. En cartographiant les blessures sur un système de coordonnées corporelles simple, l’étude a montré des grappes denses dans ces régions, avec beaucoup moins de problèmes au niveau des genoux et des chevilles. L’analyse a relié ces points chauds à des caractéristiques de mouvement spécifiques, comme des vitesses de rotation très élevées pendant le service et une charge asymétrique entre les deux jambes lors des déplacements latéraux.

Figure 2. Les capteurs mettent en évidence les articulations sollicitées au fil du temps tandis qu’un modèle en couches convertit ces signaux en niveaux de risque de blessure évolutifs.
Figure 2. Les capteurs mettent en évidence les articulations sollicitées au fil du temps tandis qu’un modèle en couches convertit ces signaux en niveaux de risque de blessure évolutifs.

Laisser les algorithmes chercher les signes avant-coureurs

Parce que les flux de données des capteurs sont massifs et complexes, les chercheurs ont utilisé des outils modernes d’apprentissage automatique pour les analyser. Ils ont entraîné des modèles avancés, y compris un réseau de type Transformer similaire à ceux employés en technologie du langage, pour relier les motifs de mouvement, la charge d’entraînement et les signaux cardiaques aux événements de blessure ultérieurs. En combinant l’information sur le moment de la saison où les données ont été enregistrées et l’emplacement corporel des problèmes, le meilleur modèle a correctement identifié les périodes à haut risque dans environ neuf cas sur dix et a capté la plupart des variations subtiles et progressives du risque que des méthodes plus simples manquaient.

Ce que cela signifie pour les joueurs et les entraîneurs

Pour un public non spécialiste, le message clé est que les blessures en tennis professionnel suivent des schémas temporels et spatiaux reconnaissables plutôt que d’être de la pure malchance. La plupart des problèmes se concentrent au niveau du bras de service et de la zone bas du dos–hanches, et ils ont tendance à surgir pendant les phases d’entraînement et de compétition intenses lorsque le stress global n’est pas bien équilibré par la récupération. En utilisant des capteurs portables et des algorithmes intelligents, les entraîneurs et le personnel médical pourraient passer de la réaction aux blessures à des alertes précoces lorsque la qualité des mouvements, la charge de travail ou les signaux corporels indiquent qu’un joueur s’approche d’une zone à risque.

Citation: Han, G., Zhang, Y. & Sun, B. Wearable sensor big data analysis reveals spatiotemporal injury patterns in professional tennis players. Sci Rep 16, 14804 (2026). https://doi.org/10.1038/s41598-026-44199-9

Mots-clés: blessures au tennis, capteurs portables, données sportives, prévision des blessures, apprentissage automatique