The Math Behind Basketball's Wildest Moves | Rajiv Maheswaran | TED Talks

1,106,478 views

2015-07-06 ・ TED


New videos

The Math Behind Basketball's Wildest Moves | Rajiv Maheswaran | TED Talks

1,106,478 views ・ 2015-07-06

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Elisabeth Buffard Relecteur: Lison Hasse
00:12
My colleagues and I are fascinated by the science of moving dots.
0
12954
3583
Mes collègues et moi sommes fascinés par la science des « points mobiles ».
00:16
So what are these dots?
1
16927
1150
Alors, c'est quoi ces points ?
00:18
Well, it's all of us.
2
18101
1287
Eh bien, c'est nous tous.
00:19
And we're moving in our homes, in our offices, as we shop and travel
3
19412
5085
Nous nous déplaçons chez nous, au bureau, au magasin, en voyage
à travers les villes et autour du monde.
00:24
throughout our cities and around the world.
4
24521
2066
00:26
And wouldn't it be great if we could understand all this movement?
5
26958
3669
Ça ne serait pas génial si on pouvait comprendre tous ces mouvements ?
00:30
If we could find patterns and meaning and insight in it.
6
30918
2890
Si on pouvait trouver des schémas, leur sens et mieux les comprendre ?
Nous avons la chance de vivre à une époque
00:34
And luckily for us, we live in a time
7
34259
1785
00:36
where we're incredibly good at capturing information about ourselves.
8
36068
4497
où nous excellons à capturer des informations sur nous-mêmes.
00:40
So whether it's through sensors or videos, or apps,
9
40807
3663
Donc que ce soit par des capteurs, des vidéos ou des applications,
00:44
we can track our movement with incredibly fine detail.
10
44494
2809
on peut suivre nos mouvements d'une façon incroyablement détaillée.
00:48
So it turns out one of the places where we have the best data about movement
11
48092
5032
En fait, un des secteurs dans lequel nous avons les meilleures données
sur le mouvement est le sport.
00:53
is sports.
12
53148
1208
00:54
So whether it's basketball or baseball, or football or the other football,
13
54682
5333
Que ce soit le basket, le baseball, le foot ou le football américain,
01:00
we're instrumenting our stadiums and our players to track their movements
14
60039
4402
nous équipons nos stades et nos joueurs afin de suivre leurs mouvements
à chaque fraction de seconde.
01:04
every fraction of a second.
15
64465
1313
01:05
So what we're doing is turning our athletes into --
16
65802
4382
En fait nous transformons nos athlètes en –
01:10
you probably guessed it --
17
70208
1959
vous avez surement deviné,
01:12
moving dots.
18
72191
1396
des points mobiles.
01:13
So we've got mountains of moving dots and like most raw data,
19
73946
4934
Nous avons donc des tonnes de points mobiles ; comme toutes les données brutes,
01:18
it's hard to deal with and not that interesting.
20
78904
2502
c'est difficile à traiter et pas vraiment intéressant.
01:21
But there are things that, for example, basketball coaches want to know.
21
81430
3769
Mais il y a des choses que les entraîneurs de basket, par exemple, veulent savoir.
01:25
And the problem is they can't know them because they'd have to watch every second
22
85223
3810
Le problème, c'est que pour les obtenir, il faudrait qu'ils regardent
01:29
of every game, remember it and process it.
23
89057
2589
chaque seconde de chaque match, s'en rappellent et les analysent.
01:31
And a person can't do that,
24
91804
1930
Personne n'est capable de le faire,
01:33
but a machine can.
25
93758
1310
mais une machine le peut.
01:35
The problem is a machine can't see the game with the eye of a coach.
26
95661
3410
Le problème, c'est qu'elle ne peut pas voir avec les yeux de l'entraîneur.
01:39
At least they couldn't until now.
27
99363
2261
Du moins pas jusqu'à maintenant.
01:42
So what have we taught the machine to see?
28
102228
2103
Alors qu'a-t-on appris à la machine pour qu'elle voie ?
01:45
So, we started simply.
29
105569
1787
On a commencé simplement.
01:47
We taught it things like passes, shots and rebounds.
30
107380
3799
On lui a d'abord appris des choses comme les passes, les tirs et les rebonds –
01:51
Things that most casual fans would know.
31
111203
2541
que la plupart des fans devraient connaître.
01:53
And then we moved on to things slightly more complicated.
32
113768
2832
Et puis on est passé à des choses un peu plus compliquées.
01:56
Events like post-ups, and pick-and-rolls, and isolations.
33
116624
4588
Des choses comme des post-ups, des pick and rolls et des isolements.
02:01
And if you don't know them, that's okay. Most casual players probably do.
34
121377
3543
Peut-être ne les connaissez-vous pas, mais la plupart des joueurs les connaissent.
02:05
Now, we've gotten to a point where today, the machine understands complex events
35
125560
5340
De nos jours, les machines comprennent des événements complexes
02:10
like down screens and wide pins.
36
130924
3073
comme orienter et poser des écrans.
02:14
Basically things only professionals know.
37
134021
2726
Des choses que seuls les professionnels connaissent.
02:16
So we have taught a machine to see with the eyes of a coach.
38
136771
4388
Nous avons appris à une machine à voir avec les yeux d'un entraîneur.
02:22
So how have we been able to do this?
39
142009
1857
Alors, comment y sommes-nous parvenus ?
02:24
If I asked a coach to describe something like a pick-and-roll,
40
144511
3118
Si je demandais à un entraîneur de décrire un pick and roll,
02:27
they would give me a description,
41
147653
1640
ils me donneraient une description.
02:29
and if I encoded that as an algorithm, it would be terrible.
42
149317
2856
Et si je l'encodais en un algorithme, ce serait très mauvais.
02:33
The pick-and-roll happens to be this dance in basketball between four players,
43
153026
4278
Il se trouve que le pick and roll est cette danse au basket entre 4 joueurs,
02:37
two on offense and two on defense.
44
157328
1912
deux à l'attaque et deux à la défense.
02:39
And here's kind of how it goes.
45
159486
1618
Et voilà à peu près comment ça se passe.
02:41
So there's the guy on offense without the ball
46
161128
2533
Du côté de l'attaque, il y a ce type sans le ballon
02:43
the ball and he goes next to the guy guarding the guy with the ball,
47
163685
3209
et il se met près du type qui couvre le type qui a le ballon,
02:46
and he kind of stays there
48
166918
1257
et il reste là
02:48
and they both move and stuff happens, and ta-da, it's a pick-and-roll.
49
168199
3317
et tous les deux bougent et le jeu continue,
et voilà : un pick and roll.
02:51
(Laughter)
50
171540
2215
(Rires)
02:53
So that is also an example of a terrible algorithm.
51
173779
2508
C'est aussi un exemple d'un très mauvais algorithme.
02:56
So, if the player who's the interferer -- he's called the screener --
52
176913
4204
Donc si le joueur interférant, celui qu'on appelle le garde--
03:01
goes close by, but he doesn't stop,
53
181278
2872
s'approche mais ne s'arrête pas,
03:04
it's probably not a pick-and-roll.
54
184174
1765
il ne s'agit sans doute pas d'un pick and roll.
03:06
Or if he does stop, but he doesn't stop close enough,
55
186560
3945
Ou bien s'il s'arrête, mais pas assez près,
03:10
it's probably not a pick-and-roll.
56
190529
1761
il ne s'agit sûrement pas d'un pick and roll.
03:12
Or, if he does go close by and he does stop
57
192642
3237
Ou, s'il s'approche vraiment et il s'arrête
03:15
but they do it under the basket, it's probably not a pick-and-roll.
58
195903
3324
mais ça se passe sous le panier, ce n'est sans doute pas un pick and roll.
03:19
Or I could be wrong, they could all be pick-and-rolls.
59
199462
2524
Ou alors je me trompe
et tous ces exemples sont des pick and roll.
03:22
It really depends on the exact timing, the distances, the locations,
60
202010
4568
Tout dépend du timing, des distances et des emplacements,
03:26
and that's what makes it hard.
61
206602
1495
et c'est ça qui est difficile à apprécier.
03:28
So, luckily, with machine learning, we can go beyond our own ability
62
208579
4944
Mais heureusement, on peut apprendre aux machines à décrire les choses
qu'on connaît, bien au-delà de nos capacités.
03:33
to describe the things we know.
63
213547
1743
03:35
So how does this work? Well, it's by example.
64
215314
2280
Alors comment ça marche ?
Eh bien, on utilise des exemples.
03:37
So we go to the machine and say, "Good morning, machine.
65
217759
2830
On va voir la machine et on lui dit : « Bonjour, machine.
Voila des exemples de pick and roll, et voici des choses qui n'en sont pas.
03:41
Here are some pick-and-rolls, and here are some things that are not.
66
221077
3359
03:44
Please find a way to tell the difference."
67
224720
2252
S'il te plaît, trouve un moyen de faire la différence. »
03:47
And the key to all of this is to find features that enable it to separate.
68
227076
3707
Il s'agit de trouver les caractéristiques permettant la séparation.
03:50
So if I was going to teach it the difference
69
230807
2109
Alors pour lui enseigner la différence
03:52
between an apple and orange,
70
232940
1381
entre une pomme et une orange,
pourquoi ne pas utiliser les couleurs et les formes ?
03:54
I might say, "Why don't you use color or shape?"
71
234345
2375
03:56
And the problem that we're solving is, what are those things?
72
236744
2943
Et le problème à résoudre c'est, quelles sont ces choses ?
03:59
What are the key features
73
239711
1247
Quelles sont les caractéristiques
04:00
that let a computer navigate the world of moving dots?
74
240982
3499
permettant à l'ordinateur de naviguer
dans le monde des points mobiles ?
04:04
So figuring out all these relationships with relative and absolute location,
75
244505
4823
Comprendre toutes ces relations
avec des positions relatives et absolues,
la distance, le temps, les vélocités –
04:09
distance, timing, velocities --
76
249352
1909
04:11
that's really the key to the science of moving dots, or as we like to call it,
77
251440
4928
c'est vraiment le cœur de la science des points mobiles,
ou bien, comme on l'appelle :
04:16
spatiotemporal pattern recognition, in academic vernacular.
78
256392
3344
schéma spatio-temporel de reconnaissance en langage académique.
04:19
Because the first thing is, you have to make it sound hard --
79
259925
2898
Parce que tout d'abord, il faut que ça sonne compliqué.
04:22
because it is.
80
262847
1278
Parce que ça l'est.
04:24
The key thing is, for NBA coaches, it's not that they want to know
81
264410
3141
Mais, pour les entraîneurs, le problème n'est pas de savoir
04:27
whether a pick-and-roll happened or not.
82
267575
1922
s'il s'agit d'un pick and roll ou non.
04:29
It's that they want to know how it happened.
83
269521
2076
Ils veulent savoir comment le pick and roll a pu avoir lieu.
04:31
And why is it so important to them? So here's a little insight.
84
271621
2986
Et pourquoi c'est important pour eux ? Je vous explique.
04:34
It turns out in modern basketball,
85
274631
1771
Il se trouve que dans le basketball moderne,
04:36
this pick-and-roll is perhaps the most important play.
86
276426
2539
ce pick and roll est peut-être le type de jeu le plus important.
04:39
And knowing how to run it, and knowing how to defend it,
87
279065
2620
Savoir comment l'initier et en assurer sa défense,
04:41
is basically a key to winning and losing most games.
88
281709
2670
est ce qui détermine la plupart des victoires et des défaites.
04:44
So it turns out that this dance has a great many variations
89
284403
3801
Si bien que cette danse a beaucoup de formes différentes
04:48
and identifying the variations is really the thing that matters,
90
288228
3648
et pouvoir identifier ces variations est vraiment ce qui compte,
04:51
and that's why we need this to be really, really good.
91
291900
2529
et c'est pour ça qu'il faut que ce système soit vraiment bon.
04:55
So, here's an example.
92
295228
1176
Un exemple :
2 joueurs en attaque, 2 en défense,
04:56
There are two offensive and two defensive players,
93
296428
2379
04:58
getting ready to do the pick-and-roll dance.
94
298831
2152
prêts à interpréter la danse du pick and roll.
Celui qui a le ballon peut prendre ou laisser.
05:01
So the guy with ball can either take, or he can reject.
95
301007
2683
Son coéquipier peut se diriger vers une zone de terrain libre ou poser un écran.
05:04
His teammate can either roll or pop.
96
304086
3001
05:07
The guy guarding the ball can either go over or under.
97
307111
2986
Celui qui défend le ballon peut passer au dessus ou en dessous.
05:10
His teammate can either show or play up to touch, or play soft
98
310121
4565
Son coéquipier peut se tenir à distance ou jouer « soft »
et ensemble ils peuvent passer le ballon ou détruire le pick and roll
05:14
and together they can either switch or blitz
99
314710
2618
05:17
and I didn't know most of these things when I started
100
317352
2659
et je ne connaissais pas tout ça quand j'ai commencé.
Ça serait super si tout le monde pouvait suivre les flêches.
05:20
and it would be lovely if everybody moved according to those arrows.
101
320035
3920
05:23
It would make our lives a lot easier, but it turns out movement is very messy.
102
323979
3905
Ça rendrait notre vie bien plus simple, mais les mouvements sont désordonnés.
Les gens gigotent beaucoup et identifier ces variations
05:28
People wiggle a lot and getting these variations identified
103
328047
5484
avec une grande netteté,
05:33
with very high accuracy,
104
333555
1303
05:34
both in precision and recall, is tough
105
334882
1868
quant à la précision et au recalcul, est difficile
05:36
because that's what it takes to get a professional coach to believe in you.
106
336774
3618
parce que c'est ce qui est nécessaire pour que l'entraîneur croit en vous.
05:40
And despite all the difficulties with the right spatiotemporal features
107
340416
3380
Malgré toutes les difficultés à trouver les traits spatiotemporels corrects,
05:43
we have been able to do that.
108
343820
1474
on a réussi.
05:45
Coaches trust our ability of our machine to identify these variations.
109
345318
3927
Les entraineurs font confiance à nos machines pour identifier les variations.
05:49
We're at the point where almost every single contender
110
349478
3533
Nous sommes au point où presque toutes les équipes
05:53
for an NBA championship this year
111
353035
1623
en NBA cette année
05:54
is using our software, which is built on a machine that understands
112
354682
4408
utilisent notre logiciel, construit sur une machine qui comprend
05:59
the moving dots of basketball.
113
359114
1634
les points mobiles du basketball.
06:01
So not only that, we have given advice that has changed strategies
114
361872
5153
Nous avons même fourni des conseils qui ont changé les stratégies
qui ont aidé des équipes à gagner des matchs très importants,
06:07
that have helped teams win very important games,
115
367049
3352
06:10
and it's very exciting because you have coaches who've been in the league
116
370425
3732
et c'est vraiment passionnant parce qu'il y a des entraîneurs qui sont en NBA
06:14
for 30 years that are willing to take advice from a machine.
117
374181
3067
depuis 30 ans, qui acceptent les avis d'une machine.
06:17
And it's very exciting, it's much more than the pick-and-roll.
118
377874
2906
Et c'est passionnant, c'est bien plus que le pick and roll.
06:20
Our computer started out with simple things
119
380804
2076
Nos ordinateurs sont partis de choses simples
06:22
and learned more and more complex things
120
382904
2064
et ont appris des choses plus complexes
06:24
and now it knows so many things.
121
384992
1561
et maintenant ils savent tant de choses.
06:26
Frankly, I don't understand much of what it does,
122
386577
2835
Franchement, je ne comprends pas tout ce qu'il fait,
06:29
and while it's not that special to be smarter than me,
123
389436
3715
et bien que ça ne soit pas si étonnant d'être plus intelligent que moi,
06:33
we were wondering, can a machine know more than a coach?
124
393175
3644
on s'est demandé, est-ce qu'une machine peut en savoir plus qu'un entraîneur ?
06:36
Can it know more than person could know?
125
396843
2055
Peut-elle en savoir plus qu'une personne ?
06:38
And it turns out the answer is yes.
126
398922
1745
Et il se trouve que la réponse est oui.
06:40
The coaches want players to take good shots.
127
400691
2557
On veut que les joueurs fassent de bons tirs.
06:43
So if I'm standing near the basket
128
403272
1651
Donc si je suis près du panier
06:44
and there's nobody near me, it's a good shot.
129
404947
2166
et qu'il n'y a personne autour, c'est un bon tir.
Si je suis loin du panier entouré de défenseurs, c'est un mauvais tir.
06:47
If I'm standing far away surrounded by defenders, that's generally a bad shot.
130
407137
3940
Mais avant, on ne savait pas quantifier le bon et le mauvais
06:51
But we never knew how good "good" was, or how bad "bad" was quantitatively.
131
411101
4876
jusqu'à maintenant.
06:56
Until now.
132
416209
1150
06:57
So what we can do, again, using spatiotemporal features,
133
417771
3058
Donc, ce qu'on peut faire, c'est utiliser les traits spatio-temporels,
07:00
we looked at every shot.
134
420853
1374
on a étudié tous les tirs.
07:02
We can see: Where is the shot? What's the angle to the basket?
135
422251
3005
On peut voir : Où est le tir ? Quel est l'angle avec le panier ?
07:05
Where are the defenders standing? What are their distances?
136
425280
2762
Où se tiennent les défenseurs ? A quelle distance ?
07:08
What are their angles?
137
428066
1331
Quels sont leurs angles ?
07:09
For multiple defenders, we can look at how the player's moving
138
429421
2977
Quand il y a plusieurs défenseurs, on peut regarder comment les joueurs se déplacent
07:12
and predict the shot type.
139
432422
1433
07:13
We can look at all their velocities and we can build a model that predicts
140
433879
4074
et prédire le type de tir.
On peut étudier leur vélocité et construire un modèle qui prédit
07:17
what is the likelihood that this shot would go in under these circumstances?
141
437977
4052
les chances que ce tir réussisse dans ces circonstances.
07:22
So why is this important?
142
442188
1500
Alors, pourquoi c'est important ?
07:24
We can take something that was shooting,
143
444102
2803
On peut prendre le tir,
07:26
which was one thing before, and turn it into two things:
144
446929
2680
qui était une seule chose et qui en devient deux :
07:29
the quality of the shot and the quality of the shooter.
145
449633
2651
la qualité du tir et la qualité du tireur.
07:33
So here's a bubble chart, because what's TED without a bubble chart?
146
453680
3262
Voici un graphique à bulles, indispensable dans une conférence TED.
07:36
(Laughter)
147
456966
1014
(Rires)
Voici des joueurs du NBA.
07:38
Those are NBA players.
148
458004
1311
07:39
The size is the size of the player and the color is the position.
149
459339
3120
Cette taille est la taille du joueur et la couleur, sa position.
07:42
On the x-axis, we have the shot probability.
150
462483
2132
En abscisse, on a la probabilité du tir.
07:44
People on the left take difficult shots,
151
464639
1953
Les gens sur la gauche font des tirs difficiles
07:46
on the right, they take easy shots.
152
466616
2229
sur la droite, des tirs faciles.
En ordonnée, on trouve leur habileté au tir.
07:49
On the [y-axis] is their shooting ability.
153
469194
2057
07:51
People who are good are at the top, bad at the bottom.
154
471275
2562
Ceux qui sont bons sont en haut et les mauvais en bas.
07:53
So for example, if there was a player
155
473861
1760
Par exemple, s'il y avait un joueur
07:55
who generally made 47 percent of their shots,
156
475621
2097
qui réussissait généralement 47% de ses tirs,
07:57
that's all you knew before.
157
477718
1389
c'était tout ce qu'on savait avant.
07:59
But today, I can tell you that player takes shots that an average NBA player
158
479345
4850
Mais maintenant, ce joueur fait des tirs qu'un joueur du NBA moyen
08:04
would make 49 percent of the time,
159
484219
1961
réussirait 49% du temps,
08:06
and they are two percent worse.
160
486204
1684
donc il est moins bon de 2 points.
08:08
And the reason that's important is that there are lots of 47s out there.
161
488266
4515
La raison pour laquelle c'est important: il y a beaucoup de 47 sur le marché.
08:13
And so it's really important to know
162
493714
2549
Donc, c'est vraiment important de savoir
08:16
if the 47 that you're considering giving 100 million dollars to
163
496287
3956
si le 47 à qui vous envisagez de donner 100 millions de dollars
08:20
is a good shooter who takes bad shots
164
500267
3055
est un bon tireur qui fait de mauvais tirs
08:23
or a bad shooter who takes good shots.
165
503346
2397
ou un mauvais tireur qui fait de bons tirs.
La compréhension de la machine ne change pas comment nous voyons les joueurs,
08:27
Machine understanding doesn't just change how we look at players,
166
507130
3333
08:30
it changes how we look at the game.
167
510487
1858
ça change la manière de voir le jeu.
08:32
So there was this very exciting game a couple of years ago, in the NBA finals.
168
512369
3755
Il y a deux ans, il y a eu une finale passionnante.
08:36
Miami was down by three, there was 20 seconds left.
169
516148
3207
Miami perdait par trois points et il restait 20 secondes.
Ils étaient sur le point de perdre le titre de champion.
08:39
They were about to lose the championship.
170
519379
2025
08:41
A gentleman named LeBron James came up and he took a three to tie.
171
521428
3341
Un homme nommé Lebron James a tiré pour essayer d'égaliser le score.
08:44
He missed.
172
524793
1198
Il a manqué.
Son coéquipier Chris Bosh a eu le rebond,
08:46
His teammate Chris Bosh got a rebound,
173
526015
1837
08:47
passed it to another teammate named Ray Allen.
174
527876
2159
l'a passé à un autre coéquipier, Ray Allen.
Il a marqué 3 points. Il y a eu prolongation.
08:50
He sank a three. It went into overtime.
175
530059
1919
08:52
They won the game. They won the championship.
176
532002
2096
Ils ont gagné le match et le championnat.
08:54
It was one of the most exciting games in basketball.
177
534122
2444
C'était un des meilleurs matchs de l'histoire du basketball.
08:57
And our ability to know the shot probability for every player
178
537438
3429
Et notre capacité à connaître la probabilité des tirs
09:00
at every second,
179
540891
1188
pour chaque joueur à chaque seconde,
et les chances qu'ils ont d'avoir un rebond à chaque seconde
09:02
and the likelihood of them getting a rebound at every second
180
542103
2956
peut éclairer ce moment comme jamais auparavant.
09:05
can illuminate this moment in a way that we never could before.
181
545083
3443
09:09
Now unfortunately, I can't show you that video.
182
549618
2668
Malheureusement, je ne peux pas vous montrer cette vidéo.
09:12
But for you, we recreated that moment
183
552310
4493
Mais nous avons reconstruit ce moment pour vous
09:16
at our weekly basketball game about 3 weeks ago.
184
556827
2336
lors de notre match hebdomadaire il y a 3 semaines.
09:19
(Laughter)
185
559279
2167
(Rires)
09:21
And we recreated the tracking that led to the insights.
186
561573
3410
Et nous avons recréé ce moment de révélation.
09:25
So, here is us. This is Chinatown in Los Angeles,
187
565199
4255
Alors, nous voilà. Nous sommes à Chinatown à Los Angeles,
09:29
a park we play at every week,
188
569478
1564
dans un parc où nous jouons toutes les semaines,
09:31
and that's us recreating the Ray Allen moment
189
571066
2231
et nous voilà recréant le moment de Ray Allen
09:33
and all the tracking that's associated with it.
190
573321
2229
et tout le pistage qui va avec.
09:36
So, here's the shot.
191
576772
1517
Voilà le tir.
09:38
I'm going to show you that moment
192
578313
2516
Je vais vous montrer cette partie
09:40
and all the insights of that moment.
193
580853
2587
et les coulisses de ce moment.
09:43
The only difference is, instead of the professional players, it's us,
194
583464
3730
La seule différence : au lieu de joueurs professionnels, c'est nous,
09:47
and instead of a professional announcer, it's me.
195
587218
2618
et à la place d'un commentateur professionnel, c'est moi.
09:49
So, bear with me.
196
589860
1477
Alors accrochez-vous.
09:53
Miami.
197
593153
1150
Miami.
09:54
Down three.
198
594671
1150
Trois points de retard.
09:56
Twenty seconds left.
199
596107
1150
20 secondes restantes.
09:59
Jeff brings up the ball.
200
599385
1198
Jeff apporte le ballon.
10:02
Josh catches, puts up a three!
201
602656
1535
Josh l'attrape, et marque 3 points.
10:04
[Calculating shot probability]
202
604631
1849
(Calcul de probabilité du tir)
10:07
[Shot quality]
203
607278
1150
(Qualité du tir)
10:09
[Rebound probability]
204
609048
1785
(Probabilité de rebond)
10:12
Won't go!
205
612373
1173
Il ne rentre pas !
10:13
[Rebound probability]
206
613570
1446
(Probabilité de rebond)
10:15
Rebound, Noel.
207
615777
1256
Rebond, Noel.
10:17
Back to Daria.
208
617057
1150
Passe à Daria.
10:18
[Shot quality]
209
618509
3365
(Qualité de tir)
10:22
Her three-pointer -- bang!
210
622676
1620
Trois points !
10:24
Tie game with five seconds left.
211
624320
2197
Égalité à 5 secondes de la fin !
10:26
The crowd goes wild.
212
626880
1618
La foule est en délire.
10:28
(Laughter)
213
628522
1659
(Rires)
10:30
That's roughly how it happened.
214
630205
1547
C'est à peu près comment ça s'est passé.
10:31
(Applause)
215
631776
1151
10:32
Roughly.
216
632951
1175
A peu près.
10:34
(Applause)
217
634150
1531
(Applaudissements)
Cet instant avait à peu près 9% de chance d'arriver pendant la finale,
10:36
That moment had about a nine percent chance of happening in the NBA
218
636121
5484
10:41
and we know that and a great many other things.
219
641629
2261
et on sait ça et beaucoup d'autres choses.
10:43
I'm not going to tell you how many times it took us to make that happen.
220
643914
3491
Je ne vous dirai pas combien d'essais il nous a fallu pour y arriver.
10:47
(Laughter)
221
647429
1747
(Rires)
10:49
Okay, I will! It was four.
222
649200
1872
Bon d'accord ! Quatre.
10:51
(Laughter)
223
651096
1001
(Rires)
10:52
Way to go, Daria.
224
652121
1165
Bravo Daria.
10:53
But the important thing about that video
225
653647
4263
Mais ce qui est important dans cette vidéo
10:57
and the insights we have for every second of every NBA game -- it's not that.
226
657934
4568
et les connaissances qu'elle apporte sur chaque seconde du match -- n'est pas ça.
11:02
It's the fact you don't have to be a professional team to track movement.
227
662639
3929
C'est le fait qu'on puisse suivre les déplacements de toutes sortes d'équipes.
Il n'est pas nécessaire d'être un joueur professionnel pour étudier les mouvements.
11:07
You do not have to be a professional player to get insights about movement.
228
667083
3657
11:10
In fact, it doesn't even have to be about sports because we're moving everywhere.
229
670764
3858
En fait, la technologie s'adapte hors du sport parce qu'on se déplace partout.
11:15
We're moving in our homes,
230
675654
2369
On bouge dans nos maisons,
11:21
in our offices,
231
681428
1205
dans nos bureaux,
11:24
as we shop and we travel
232
684238
2690
quand on fait des courses, quand on voyage
dans les villes
11:29
throughout our cities
233
689318
1253
11:32
and around our world.
234
692065
1618
et autour du monde.
11:35
What will we know? What will we learn?
235
695270
2295
Qu'est-ce qu'on va apprendre à connaître ?
11:37
Perhaps, instead of identifying pick-and-rolls,
236
697589
2305
Peut-être qu'au lieu d'identifier des pick and rolls,
11:39
a machine can identify the moment and let me know
237
699918
3010
une machine peut identifier le moment et me dire
11:42
when my daughter takes her first steps.
238
702952
2059
quand ma fille commence à marcher.
Ce qui pourrait d'ailleurs arriver sous peu.
11:45
Which could literally be happening any second now.
239
705035
2536
11:48
Perhaps we can learn to better use our buildings, better plan our cities.
240
708140
3697
On pourrait apprendre à mieux utiliser nos immeubles, mieux planifier nos villes.
11:52
I believe that with the development of the science of moving dots,
241
712362
4173
Je crois qu'avec le développement de la science des points mobiles,
11:56
we will move better, we will move smarter, we will move forward.
242
716559
3643
on se déplacera mieux, plus intelligemment, on ira de l'avant.
12:00
Thank you very much.
243
720607
1189
Merci beaucoup.
12:01
(Applause)
244
721820
5045
(Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7