Clustering et classification de courbes : Application à la détection de potentiel en natation

Abstract

Comme beaucoup d’autres structures, les fédérations sportives ont collecté un important volume de données ces dernières années. Une problématique essentielle pour ces fédérations est la détection des jeunes sportifs à fort potentiel pour intégrer le haut niveau en vue des grandes échéances à venir (Paris 2024 notamment). L’exposé sera basé sur les données de la fédération française de natation, qui nous donne accès à toutes les performances des licenciés français depuis 2002 en fonction de leurs âges. Considérant le phénomène de progression du niveau sportif comme intrinsèquement fonctionnel, nous choisissons d’associer à chaque nageur une fonction qui représentera sa trajectoire de progression personnelle. Cette fonction sera construite à partir des points d’observations par un lissage à l’aide d’une base de B-splines. Nous étudions ensuite les coefficients des B-splines, qui contiennent l’information des trajectoires de progression. Dans un premier temps, nous utilisons des méthodes de clustering sur ces coefficients pour identifier d’éventuelles structures importantes dans la population de nageurs. Dans un deuxième temps, la classification supervisée de ces courbes fournira un premier outil pratique d’aide à la détection des jeunes nageurs. Une partie importante du travail se concentrera sur l’étude des dynamiques de progressions à travers l’étude des dérivées. Ces informations permettront de définir des patterns généraux d’évolution de la performance durant les jeunes années, ainsi que des outils utiles pour l’aide à la détéction.