Le livre qui a révolutionné le sport arrive en Espagne et s’invite en entreprise !

Il y a presque 50 ans, un agent de sécurité dans une usine de conditionnement de viande au New Jersey a entrevu l’avenir du baseball. Obsédé par les ressorts qui permettent à une équipe de remporter des matchs, Bill James passait de longues nuits à analyser des almanachs et des feuilles de match à la recherche de motifs. Ses analyses, qu’il publiait à la fin de chaque saison, incluaient des catégories qui rompaient avec les normes du jeu, qui se concentraient généralement sur les meilleurs frappeurs et lanceurs. James, en revanche, préférait identifier les lanceurs permettant de nombreux vols de base ou expliquer pourquoi certains joueurs étaient constamment sous-évalués tout au long de leur carrière.

Au fil des ans, James a affiné ses analyses pour aboutir à un ensemble de métriques connu sous le nom de Sabermetrics, capables de déceler la valeur cachée d’un joueur. Selon ses postulats, les équipes de baseball cherchaient souvent à recruter des frappeurs capables de frapper des home runs, alors qu’avec un investissement moindre, un meilleur résultat pouvait être obtenu. En résumé, James explique que pour atteindre un nombre X de points, il est souvent plus sûr et moins coûteux de recruter plusieurs frappeurs de second ou troisième niveau capables de marquer des bases, plutôt que de dépendre d’une étoile qui pourrait se blesser ou connaître une mauvaise saison.

Avec ces idées, le directeur général de l’une des équipes les moins performantes de la ligue, les A’s d’Oakland, a failli remporter les séries mondiales de baseball. L’exploit de Billy Beane et des A’s a été immortalisé dans le livre de 2003, Moneyball: The Art of Winning an Unfair Game, qui est publié ce mois-ci pour la première fois en espagnol, et a également inspiré un film mettant en vedette Brad Pitt et Jonah Hill, acclamé par la critique et le public.

Depuis la parution de Moneyball, plus rien n’est resté inchangé. Aujourd’hui, l’analyse de données occupe une place prépondérante dans la structure de tout club sportif et peut influencer chaque décision, du choix de la longueur de la pelouse aux recrutements de joueurs venus d’autres continents. Les données dominent, mais pas de la même manière dans tous les sports. Alors que des disciplines comme le cyclisme, l’athlétisme ou le football américain sont entièrement régies par les statistiques, d’autres, comme le football, restent difficiles à appréhender uniquement avec des chiffres.

VOUS POURRIEZ ÊTRE INTÉRESSÉ

La leçon de Brentford : cet équipe ne changera pas seulement le football ; elle pourrait aussi transformer votre entreprise

Héctor G. Barnés

Ainsi donc, vingt ans après, quel est l’héritage des idées véhiculées par Moneyball ?

“Il est évident que Moneyball est le point de départ de tout, c’est le film qui place les données au cœur du sport“, déclare Jesús Lagos, un expert en football et en analytics ayant collaboré avec plusieurs clubs de premier plan. “Cependant, il se peut que nous ayons tenté d’introduire les Sabermetrics de Bill James dans le football de manière excessive. Ces métriques ont fonctionné et fonctionnent bien dans le baseball et le football américain, car ce sont des jeux à tours. Le football, quant à lui, consiste à conquérir des espaces, ce qui rend toute prédiction beaucoup plus complexe. Si le football se jouait uniquement en tirs au but, le système de James serait sans doute efficace”.

Lagos poursuit : “Encore plus, je pense que certaines métriques créées ne servent réellement à rien. Par exemple, l’AG Plus, qui tente d’évaluer le dangerosité d’un joueur sur la base d’historique de passes et de centres dans une base de données. Cependant, le football étant imprévisible, un joueur pourrait tirer au but et marquer, même si les métriques indiquent qu’il n’est pas très dangereux. Ce serait même possible que le joueur le plus dangereux de l’équipe soit le gardien, car il effectue des dégagements de 60 mètres qui pourraient aboutir à des occasions.”

“D’autres métriques sont pertinentes, mais mal utilisées”, ajoute Lagos. “Les expected goals sont en vogue pour indiquer les chances de marquer d’un joueur lorsqu’il tire au but. On voit parfois des analyses indiquant qu’un joueur a eu 5 expected goals mais n’a marqué qu’un seul but, ce qui le ferait passer pour un mauvais joueur. Ce n’est pas aussi simple. Il faut disposer des données sur une demi-saison pour voir s’il est sous-performant ou non, pas seulement sur un ou deux matchs”.

“Il existe des métriques dans le football qui ne servent à rien”

Lagos, qui est en charge de repérer des talents pour des clubs, défend un modèle où les données sont un outil pour prendre des décisions, mais non la décision elle-même. “Ma question est la suivante : est-ce que ce joueur correspond au profil que me demande l’entraîneur ? Bien sûr, j’utilise les données pour les trouver et les analyser, mais je ne me permettrai jamais de dire qu’un joueur va marquer un certain nombre de buts, surtout s’il ne l’a pas fait auparavant à un niveau compétitif similaire. Le football comporte toujours une part d’incertitude et notre devoir est de la minimiser autant que possible, plutôt que de chercher à l’éliminer. Depuis Moneyball, il y a eu une obsession académique pour rendre le jeu mathématique qui, selon moi, n’a pas de sens”.

Pour Carlos G. Urbano, analyste en recrutement et performance chez BeSoccer, l’impact de Moneyball sur le sport dépasse les simples métriques avancées. “Moneyball est le premier livre dont on parle dans les masters consacrés aux sports et aux données. Personnellement, il m’a appris à éliminer les préjugés subjectifs quand il s’agit d’évaluer un athlète. Grâce à ce livre, de nombreux analystes ont appris à mettre de côté des biais comme les antécédents judiciaires, un style vestimentaire excentrique, ou l’origine d’un joueur provenant d’un pays où le football n’est pas répandu”.

Après la parution de l’œuvre originale, un boom des sociétés d’analyse de données sportives s’est produit. Leur valeur réside dans la profondeur de leurs bases de données, ainsi que dans la création de métriques spécifiques permettant de trouver des informations précieuses. Leur travail a pris une telle ampleur qu’il est difficile de trouver un club de premier ou deuxième niveau n’ayant pas recours à ces sociétés. Cependant, des nuances culturelles existent dans cette adoption : “Il est indéniable que les pays comme le Royaume-Uni ou l’Allemagne sont en avance sur l’utilisation des données par rapport à l’Espagne ou à l’Italie. Ce n’est pas une question d’argent, mais de priorités. En Espagne, les clubs confient souvent l’analyse des données à des scouts qui n’ont pas la capacité d’effectuer ce travail. Il s’agit d’un environnement en évolution où il est crucial de rester à jour sur les technologies et les interprétations des données, ce n’est pas quelque chose que tout le monde peut faire”, affirme Urbano.

Pour comprendre à quel point les données se sont intégrées dans le sport, Urbano cite l’exemple du Brighton & Hove Albion F.C. en Premier League. C’est un club de seconde zone qui a réussi à se hisser parmi les meilleurs grâce, entre autres facteurs, à une utilisation intensive de l’information du marché. “Brighton est devenu une machine à générer des profits car ils parviennent à acquérir des talents à bas coûts et à les vendre beaucoup plus cher par la suite. Ils ont réussi cela en licenciant presque tous leurs scouts et en ne gardant qu’un petit groupe qui consulte uniquement les joueurs que les données recommandent. Cependant, cela nécessite une culture de données. Leur président est un entrepreneur qui a fait fortune en pariant… grâce à une analyse fine des données. Cela a permis de trouver un cas comme celui de Julio Enciso, que d’autres clubs n’osaient pas signer car il était très jeune et ne parlait pas anglais…”.

Brighton a signé Enciso pour 11 millions de livres il y a deux ans, lorsqu’il n’avait que 18 ans. En quelques mois, il a remporté le prix Golden Boy du meilleur joueur jeune au monde et sa valeur a doublé par rapport à son prix d’achat.

Une autre application des données dans le football est leur capacité à prédire les blessures. De plus en plus de clubs s’appuient sur des données biologiques et de tracking pour prévenir les blessures des joueurs. Dans les cas de déchirures musculaires ou de fractures de stress, le schéma est clair : plus l’entraînement est intensif, plus le risque de blessure augmente. “Quoi qu’il en soit, la question des données dans le football est gérée avec beaucoup de discrétion”, continue Urbano, “et cela se voit, par exemple, dans la manière dont les clubs limitent les informations relatives aux blessures de leurs joueurs. Ces informations sont très précieuses, tout comme celles concernant les entraînements, car elles peuvent aider les rivaux à comprendre la charge de travail que peut supporter un joueur. Parfois, un entraîneur remplace un joueur qui réalise une bonne performance, ce que le public ne comprend pas, mais les données indiquent que ce joueur est en train de fournir des efforts excessifs et que le risque de blessure est élevé“.

Moneyball au bureau

Javier de Miguel est un psychologue ayant une large expérience dans des centres de haute performance sportive. Au fil du temps, l’idée lui est venue que les processus qui mènent les athlètes au sommet pourraient être appliqués dans le milieu des affaires. Il peaufine son projet quand il découvre Moneyball au cinéma : “J’ai vu le film et j’ai été fasciné. Mon intérêt pour obtenir des résultats au-delà des simples paramètres tels que la motivation ou la formation s’est mélangé à ma passion pour mesurer chaque chose”. De cette collision d’idées est née Mind Company Sport, une société de conseil dédiée à améliorer les flux de travail des entreprises en utilisant des méthodes inspirées du sport.

Sa société a développé des dizaines de métriques utiles pour identifier des problèmes spécifiques. “Par exemple, nous savons détecter les modèles qui font croître vos recettes moyennes ou réduisent le nombre d’appels au service clientèle. Nous identifions les routines efficaces et conseillons de les reproduire pour obtenir des résultats”, explique De Miguel.

“Billy Beane représente la manière dont j’ai compris qu’il faut chercher des variables au-delà du talent propre”

“Pour moi, Billy Beane représente la méthode par laquelle j’ai compris qu’il faut rechercher des variables au-delà du simple talent. Il existe des employés que leurs collègues jugent paresseux, alors qu’ils sont excellents dans leur domaine, ou des entreprises qui continuent d’insister pour enseigner l’anglais à des employés qui n’en ont pas besoin. Nous avons donc créé des indicateurs qui peuvent nous signaler où se trouve le problème, tous basés sur Moneyball”, conclut De Miguel.

Il considère que l’utilisation de métriques avancées dans le monde de l’entreprise est encore à ses débuts, contrairement au sport où les données jouent un rôle plus pertinent. “Je pense que nous progressons lentement en entreprise, et qu’à l’avenir, cela deviendra un outil plus courant dans le monde corporatif. Mais il est indéniable que l’Espagne fait face à un réel problème en matière de ressources humaines. Je dis toujours aux responsables qu’ils sont des entraîneurs qui ne préparent pas leurs équipes à concourir. Le recrutement est effectué sans réelle compréhension des besoins, et la performance n’est que rarement priorisée. Une grande partie de la perte de talents que nous subissons est liée à cela, à des employés de haut niveau qui se trouvent dans des fonctions qui ne leur conviennent pas et n’ont pas l’opportunité d’exploiter leur potentiel. Imaginez un attaquant exceptionnel contraint de jouer gardien… Cela arrive encore en entreprise, mais jamais dans le monde du sport.”