Intelligence artificielle NBA : ce que les front offices en font déjà

Trente-cinquième choix de la draft 2012 : les 34 sélections passées avant Draymond Green en disent long sur ce que la ligue voyait en lui. Un modèle de machine learning, nourri de 26 000 transcriptions d'interviews de joueurs universitaires, l'a pourtant signalé après coup comme une réussite probable, aux côtés d'un certain Kawhi Leonard (15e choix) et de Danny Green (46e). La machine lit entre les lignes, au sens propre. Avant le guide qui refermera notre série sur les stats avancées, dernier volet thématique : ce que l'intelligence artificielle fait déjà, vraiment, dans les front offices NBA.

Précision utile avant de commencer : l'IA n'arrive pas en terrain vierge. Elle irrigue déjà la moitié des métriques croisées dans cette série, l'EPM marie box score et tracking par apprentissage automatique, DARKO empile filtre de Kalman et gradient boosting pour projeter les carrières. Ce qui change depuis deux ou trois ans, c'est le périmètre : la machine ne se contente plus de noter les joueurs, elle lit des rapports de scouts, regarde des vidéos universitaires et analyse des IRM.

« Presque comme un scout de plus »

Commençons par l'équipe la plus avancée sur le sujet, et son visage ne surprendra personne : Daryl Morey, le père du Moreyball qui a vidé la mi-distance, dirige aujourd'hui Philadelphie. Les Sixers font tourner des grands modèles de langage entraînés sur leurs propres notes de scouting et leurs données de tracking. « Nous utilisons les modèles comme un vote dans chaque décision. Nous les traitons presque comme un scout de plus », expliquait Morey à The Ringer. La formule est plus subtile qu'elle en a l'air : le modèle n'a pas remplacé la salle des scouts, il y a pris une chaise. Son vote pèse en fonction de son bilan passé, au même titre que celui d'un recruteur humain qu'on écoute davantage quand ses derniers avis se sont vérifiés.

Traquer sans caméras d'aréna : le scouting hors NBA

Le tracking a un angle mort embarrassant : ses caméras équipent les salles NBA, pas les gymnases universitaires ni les salles européennes où jouent les prospects. C'est là que l'IA change la donne, en extrayant les positions des joueurs depuis la simple vidéo diffusée, sans le moindre capteur en salle. Orlando a fait figure de pionnier avec AutoStats dès 2019, puis est passé après la draft 2024 chez SkillCorner : plus de 55 000 matchs couverts sur 18 ligues, un historique qui remonte à 2017, et des détails qu'aucun scout ne peut noter à l'œil, la vitesse de déclenchement d'un tir, la distance du défenseur à la réception, la manière dont un porteur réagit à un écran. « Nos prédictions sont devenues bien plus précises », résume David Bencs, l'assistant GM du Magic. Un recruteur voit trente matchs d'un prospect ; le modèle les voit tous, et il compare le gamin de Vilnius à celui de Gonzaga dans le même référentiel.

Prédire une carrière avec des mots

La partie la plus étonnante du dossier ne regarde pas les jambes des joueurs, mais leurs phrases. Le chercheur Sean Farrell a entraîné un modèle sur 26 000 transcriptions d'interviews de joueurs universitaires pour prédire leur avenir professionnel. Le langage seul prédit la réussite NBA avec 63 % de précision ; ajoutez l'âge, la taille, les statistiques et la conférence, et le modèle grimpe à 87 %. Les marqueurs positifs ? Des mots comme « realize », « believe », « understand » (se rendre compte, croire, comprendre), le vocabulaire de ceux qui réfléchissent à leur propre jeu. Contre-intuitif : les phrases trop complexes, elles, pointent dans le mauvais sens. Le modèle prédit aussi la longévité, avec 69 % de précision pour identifier les carrières de plus de 250 matchs et 68 % pour les joueurs qui deviendront titulaires réguliers. Testé sur les drafts passées, il signalait Kawhi, Draymond et Danny Green bien au-delà de leur rang de sélection. Il a en revanche raté Jimmy Butler, 30e choix devenu superstar. Retenez ce raté, on y revient plus bas. Selon The Ringer, plusieurs franchises se sont penchées sur ces travaux, dont Miami, les Lakers, Phoenix et Cleveland.

Jusqu'au scanner musculaire

Dernier front, le corps lui-même. Springbok Analytics fournit à plusieurs franchises (Utah, Chicago, Memphis, Detroit) des reconstructions 3D de la musculature des joueurs à partir d'IRM, analysées par IA : volume muscle par muscle, asymétries invisibles à l'examen classique, suivi de la récupération après blessure. C'est le prolongement logique de ce que le pose tracking d'Hawk-Eye amorce en match : après le jeu et les mots, la donnée s'invite dans les tissus. Avec la même promesse, prévenir les blessures, et la même prudence à garder : pour l'instant, la prévention par la donnée reste un chantier, pas un acquis.

Pour fixer le paysage, un état des lieux de ce qui est documenté à ce jour :

Les limites, et le piège du troupeau

• Le modèle linguistique de Farrell ne fonctionne qu'en anglais : un prospect interviewé dans sa langue échappe au radar. Pour une ligue où Giannis et Jokić ont remporté cinq des dix derniers titres de MVP, l'angle mort n'est pas anecdotique.
• Les interviews d'après-match n'ont rien d'un protocole : questions différentes, contextes différents, joueurs plus ou moins médiatisés. Le matériau d'entraînement est biaisé par construction.
• L'IA excelle à interpoler, à retrouver des motifs déjà vus. Jimmy Butler, trajectoire hors norme partie de nulle part, est exactement le profil qui déborde du cadre. Les modèles ratent ce qui ne ressemble à rien.
• Et le piège du troupeau : si les trente franchises finissent par consulter les mêmes modèles nourris des mêmes données, l'avantage compétitif s'évapore et tout le monde rate les mêmes Butler, pour les mêmes raisons.

On retrouve, au bout de la chaîne technologique, la conviction qui traverse toute cette série : les modèles trient, hiérarchisent, dégrossissent des montagnes de données qu'aucun humain ne peut avaler. La décision, elle, appartient encore à ceux qui savent reconnaître ce que la machine n'a jamais vu.

La suite : le guide complet

Du Pace aux LLM de Morey, la série a couvert tout le spectre des stats avancées NBA. Prochaine et dernière étape : le guide complet, un index de toutes les métriques avec leurs forces, leurs pièges et où les consulter, pour naviguer dans la série selon votre profil de fan. En attendant, aucun algorithme ne shootera à votre place : notre matériel de basket reste le seul outil dont la courbe d'apprentissage vous appartient.

Sources : The Ringer (« DraftGPT », juin 2025, citations de Daryl Morey et David Bencs, travaux de Sean Farrell), NBA Communications et SkillCorner (partenariat Orlando Magic, 2024), Forbes (Orlando Magic et AutoStats, 2019).