EVS et l'Université de Liège lancent une chaire académique dédiée à l'intelligence artificielle dans le sport

EVS, l'entreprise spécialisée dans les technologies de production vidéo en direct, et l'Université de Liège annoncent la création de la chaire académique "Computer Vision and Data Analysis for Sports Understanding", portée par le professeur Anthony Cioppa, spécialiste en vision par ordinateur et analyse de données appliquées au sport.

Cette chaire vise à développer des approches de pointe en intelligence artificielle (IA) pour la compréhension automatique des images et vidéos sportives. Créée avec le soutien d'EVS, elle marque une étape importante dans l'alliance entre recherche académique et industrie dans le domaine de l'IA appliquée aux images de sport. Le professeur Anthony Cioppa, spécialiste reconu de la vision par ordinateur appliquée au sport et désormais chargé de cours au sein de l'Insitut Montefiore de la Faculté des Sciences Appliquées de l'ULiège, assurera le pilotage scientifique de cette chaire.

Un partenariat stratégique au croisement du sport, de l'IA et de l'innovation

EVS, qui s’impose comme une référence mondiale grâce à la qualité de ses images diffusées lors des événements les plus emblématiques, intègre des techniques d’IA dans ses solutions depuis près de 10 ans. Parmi les innovations phares :

• Xeebra^®, outil d’assistance vidéo à l’arbitrage (VAR) utilisant l’IA pour le placement de la ligne de hors-jeu,
• XtraMotion^®, technologie d’interpolation d’images permettant la création de super ralentis (plus de 300 images par secondes) sans caméras haute fréquence.

Fort de cette expérience, EVS renforce sa collaboration avec l’ULiège pour anticiper les usages futurs de l’IA dans le sport.

Une recherche à fort impact

Dans un contexte où la quantité de contenu sportif audiovisuel croît de façon exponentielle, les outils d’analyse automatique deviennent cruciaux. La chaire développera des solutions innovantes basées sur les domaines suivants :

1. Perception sur des données à hautes dimensions: Être capable d’extraire et d’interpréter des informations sémantiques à partir de données riches et complexes, telles que la vidéo, qui combine dimensions spatiales, temporelles et espace de couleurs.
2. Long form video understanding: Concevoir des modèles d’IA capables de gérer efficacement l’intégralité de la temporalité d’une vidéo afin d’en extraire des informations sémantiques pertinentes, même sur de très longues durées (par exemple 1h30, la durée d’un match de football). Ce domaine reste encore largement sous-exploité.
3. Mémoire dans les réseaux neuronaux pour la vidéo: Face à la croissance massive des flux de données, il devient essentiel de développer des modèles d’IA capables de modéliser, organiser et exploiter efficacement la mémoire temporelle, pour conserver le contexte pertinent sur de longues séquences.
4. Combinaisons multimodales: Les environnements sportifs offrent de multiples modalités de données. Exploiter conjointement la vidéo, l’audio, et les signaux issus de capteurs permet d’enrichir la compréhension du sport.
5. IA générative: Générer de manière plausible des informations manquantes, comme de nouvelles vues, afin d’offrir une expérience spectateur inédite, par exemple, une immersion au cœur du jeu via un casque de réalité virtuelle depuis son salon.

SoccerNet : un catalyseur scientifique et communautaire

Anthony Cioppa est également cofondateur de SoccerNet, la plus grande base de données open-source dédiée à l’analyse vidéo du sport. Ce projet, lancé en 2018, est devenu un standard international, réunissant chaque année les meilleures équipes de recherche à travers les SoccerNet Challenges.

Des bouleversements majeurs à venir grâce à l’intelligence artificielle

L’essor de l’intelligence artificielle promet une révolution complète de la manière dont le sport est capté, analysé, arbitré et vécu. La vision par ordinateur devient capable de reconnaître les mouvements des joueurs sans balises ni GPS, d’estimer la profondeur ou la position du ballon avec une simple vidéo, de générer automatiquement des statistiques ou des résumés en langage naturel, ou encore répondre à des questions sur des décisions d’arbitrage controversées.