Jeux de passes entre le football et la finance : la data au cœur de leur métier !

Plongez dans les coulisses du match parfait entre le monde du foot et de la finance ! 

Dans cet article, découvrez comment les données font vibrer le terrain et la bourse. Rencontrez le stratège DATA de l'AS Monaco et Olivier, le maestro des Investissements chez Yomoni.

C'est comme une passe en retrait à la 90e minute : juste au bon endroit, au bon moment ! Explorez les secrets de la collecte et de l'analyse des données dans le foot pro. De la frappe enroulée aux données financières, tout est décortiqué !

Première Partie : Comprendre les Données

• Yann, comment collectez-vous et analysez-vous les données dans le milieu du football au sein de l’équipe ASM ? 

Les sources de données collectées sont multiples. Au sein du Département Performance, elles se concentrent principalement sur le suivi de l’état de forme des joueurs, de leur charge d’entraînement et l’identification des facteurs de risque de blessure via des tests reproduits régulièrement au cours de la saison. Les outils de collecte et les types de données récoltées sont multiples : collecte du ressenti des joueurs (intensité et localisation des courbatures, fatigue, qualité du sommeil, pénibilité perçue de l’entraînement), utilisation de trackers d’activité GPS (pour évaluer les distances parcourues en match et à l’entraînement, les sprints, les changements de direction) et objectivation des performances lors des tests réalisés sur différents ergomètres (permettant par exemple de mesurer la force des différents groupes musculaires).

Parallèlement, de nombreuses autres données sont collectées par d’autres départements pour analyser les matchs sur le plan technico-tactique et recruter les joueurs en fonction de leur profil particulier et de leurs performances.

• Olivier, quel type de données est le plus crucial dans la gestion d'actifs ?

D’une manière générale, nous allons toujours chercher à appréhender les opportunités d’investissement en fonction du risque observé sur les marchés. Typiquement, les données utilisées pour mesurer le risque vont être la volatilité des actifs (l’ampleur des variations qu’ils peuvent connaître) et la corrélation entre ces actifs. Cela peut être vu comme une approche stratégique.

Ensuite les données cruciales pour l’approche tactique vont dépendre des circonstances. L’économie et les marchés financiers fonctionnent par cycle. Les données les plus cruciales vont donc dépendre de l’endroit du cycle où l’on se situe.Nous allons regarder des données liées à l’inflation, l’activité économique, les résultats d’entreprise, le chômage… En ce moment, c’est l’inflation qui focalise notre attention et notamment les décisions et actions des banques centrales qui cherchent à lutter contre celle-ci. Notre équipe va donc se concentrer sur les chiffres d’inflation, sur les augmentations salariales. Mais cela ne sera plus nécessairement le cas dans plusieurs mois…

Deuxième Partie : Application de la pratique des données

• Yann, pouvez-vous donner un exemple concret de la manière dont les données ont influencé une décision importante pour l'équipe ?

Les contraintes physiques imposées par l’entraînement et les matchs sont quantifiés de manière quotidienne et systématique. Croiser ces données objectives avec le ressenti du joueur en termes de fatigue ou de douleurs localisées permet au jour le jour d’individualiser les contenus d’entraînement au plus près. L’analyse de ces données permet de limiter le risque de blessure tout en contribuant à ce que le joueur puisse toujours rester un maximum actif pour préserver son niveau de performance et de condition physique.

• Olivier, comment utilisez-vous les données pour prédire les tendances du marché et ajuster vos stratégies d'investissement ?

Nous ne pouvons malheureusement pas prévoir les tendances du marché. Nous allons utiliser les données pour calibrer et suivre le risque dans nos portefeuilles d’une part. Ensuite, nous allons nous interroger sur les scénarios et les prévisions faites par les investisseurs, sur ce que “pense le marché”. Et si cela ne nous paraît pas justifié, nous allons chercher à en tirer bénéfice.

Troisième Partie : Les défis

• Yann, quels sont les principaux défis que vous rencontrez dans l'analyse des données sportives ?

Le plus gros défi est de donner aux données collectées au quotidien une juste place. Leur analyse permet de mettre en lumière des tendances parfois complexes à percevoir. Pour autant, il convient de toujours rester lucide sur le fait que l’on ne peut pas mesurer tout ce qui est important et que l’essentiel réside souvent dans les relations qu’il existe entre différentes données. Il est donc indispensable d’éviter les interprétations hâtives ou trop simplistes en faisant preuve de recul pour prendre les bonnes décisions. Pour cette raison, notre parti-pris à l’AS Monaco est toujours d’agir de manière data-informed et non data-driven.

Le second défi consiste à s’assurer que la collecte des données ne nuit pas à la qualité des relations avec les joueurs. Le fait d’équiper les joueurs de systèmes de tracking GPS peut par exemple leur donner l’impression d’être robotisés si l’intérêt de ce type de mesure n’est pas expliqué ou régulièrement débriefé. Il convient ainsi d’impliquer le joueur acteur dans l’analyse des données pour leur donner du sens. Ces données peuvent dès lors constituer un levier pédagogique très intéressant pour stimuler l’engagement et l’auto-détermination du joueur lorsque leur usage est bien pensé. 

• Olivier, quels défis spécifiques la gestion d'actifs rencontre-t-elle dans l'interprétation des données financières ?

Nos principaux défis sont le traitement des données et l’analyse du sentiment de marché. En effet, l’analyse que nous devons faire des chiffres dépend du cycle de marché. Effectivement, par moment, les bonnes nouvelles économiques (augmentation de l’activité ou du PIB par exemple) sont analysées par le marché comme étant des bonnes nouvelles et vont avoir un effet positif sur les actions, alors que dans d’autres moments, cela aura l’effet inverse. C’est notamment le cas lorsque le marché anticipe que les banques centrales réduiront leurs actions ou la liquidité par exemple, si la situation économique s’améliore. 

Quatrième Partie : L'avenir des données

• Yann, comment voyez-vous l'évolution de l'analyse de données dans le football dans les prochaines années ?

Il est très probable que de nouveaux outils de mesure vont continuer à se développer. Par exemple, des ballons connectés commencent actuellement à être produits pour permettre de reconstruire les patterns de mouvement des joueurs autour de celui-ci pour mieux combiner l’analyse des données athlétiques et des données tactiques. Dans les prochaines années, de nouveaux capteurs permettront probablement de mieux quantifier les contraintes mécaniques et physiologiques liées à la pratique du football à haut niveau. Le défi sera de mettre à profit ces nouvelles technologies pour enrichir les prises de décision tout en veillant à ne pas se perdre dans trop d’informations. Si tout ce qui est important n’est pas forcément mesurable, il est important de garder à l’esprit que tout ce qui est mesurable n’est pas forcément important.

• Olivier, quelles innovations technologiques pourraient transformer la gestion d'actifs à l'avenir ?

L’intelligence artificielle devrait transformer la gestion d’actifs à l’avenir en nous aidant à analyser plus vite des données et en nous permettant d’analyser plus de données. Cela pourrait rendre les marchés financiers encore plus efficients en aidant les gérants d’actifs à prendre les meilleures décisions pour leurs clients.