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

Traducteur: Elisabeth Buffard Relecteur: Lison Hasse

My colleagues and I are fascinated by the science of moving dots.

Mes collègues et moi sommes fascinés par la science des « points mobiles ».

So what are these dots?

Alors, c'est quoi ces points ?

Well, it's all of us.

Eh bien, c'est nous tous.

And we're moving in our homes, in our offices, as we shop and travel

Nous nous déplaçons chez nous, au bureau, au magasin, en voyage

à travers les villes et autour du monde.

throughout our cities and around the world.

And wouldn't it be great if we could understand all this movement?

Ça ne serait pas génial si on pouvait comprendre tous ces mouvements ?

If we could find patterns and meaning and insight in it.

Si on pouvait trouver des schémas, leur sens et mieux les comprendre ?

Nous avons la chance de vivre à une époque

And luckily for us, we live in a time

where we're incredibly good at capturing information about ourselves.

où nous excellons à capturer des informations sur nous-mêmes.

So whether it's through sensors or videos, or apps,

Donc que ce soit par des capteurs, des vidéos ou des applications,

we can track our movement with incredibly fine detail.

on peut suivre nos mouvements d'une façon incroyablement détaillée.

So it turns out one of the places where we have the best data about movement

En fait, un des secteurs dans lequel nous avons les meilleures données

sur le mouvement est le sport.

is sports.

So whether it's basketball or baseball, or football or the other football,

Que ce soit le basket, le baseball, le foot ou le football américain,

we're instrumenting our stadiums and our players to track their movements

nous équipons nos stades et nos joueurs afin de suivre leurs mouvements

à chaque fraction de seconde.

every fraction of a second.

So what we're doing is turning our athletes into --

En fait nous transformons nos athlètes en –

you probably guessed it --

vous avez surement deviné,

moving dots.

des points mobiles.

So we've got mountains of moving dots and like most raw data,

Nous avons donc des tonnes de points mobiles ; comme toutes les données brutes,

it's hard to deal with and not that interesting.

c'est difficile à traiter et pas vraiment intéressant.

But there are things that, for example, basketball coaches want to know.

Mais il y a des choses que les entraîneurs de basket, par exemple, veulent savoir.

And the problem is they can't know them because they'd have to watch every second

Le problème, c'est que pour les obtenir, il faudrait qu'ils regardent

of every game, remember it and process it.

chaque seconde de chaque match, s'en rappellent et les analysent.

And a person can't do that,

Personne n'est capable de le faire,

but a machine can.

mais une machine le peut.

The problem is a machine can't see the game with the eye of a coach.

Le problème, c'est qu'elle ne peut pas voir avec les yeux de l'entraîneur.

At least they couldn't until now.

Du moins pas jusqu'à maintenant.

So what have we taught the machine to see?

Alors qu'a-t-on appris à la machine pour qu'elle voie ?

So, we started simply.

On a commencé simplement.

We taught it things like passes, shots and rebounds.

On lui a d'abord appris des choses comme les passes, les tirs et les rebonds –

Things that most casual fans would know.

que la plupart des fans devraient connaître.

And then we moved on to things slightly more complicated.

Et puis on est passé à des choses un peu plus compliquées.

Events like post-ups, and pick-and-rolls, and isolations.

Des choses comme des post-ups, des pick and rolls et des isolements.

And if you don't know them, that's okay. Most casual players probably do.

Peut-être ne les connaissez-vous pas, mais la plupart des joueurs les connaissent.

Now, we've gotten to a point where today, the machine understands complex events

De nos jours, les machines comprennent des événements complexes

like down screens and wide pins.

comme orienter et poser des écrans.

Basically things only professionals know.

Des choses que seuls les professionnels connaissent.

So we have taught a machine to see with the eyes of a coach.

Nous avons appris à une machine à voir avec les yeux d'un entraîneur.

So how have we been able to do this?

Alors, comment y sommes-nous parvenus ?

If I asked a coach to describe something like a pick-and-roll,

Si je demandais à un entraîneur de décrire un pick and roll,

they would give me a description,

ils me donneraient une description.

and if I encoded that as an algorithm, it would be terrible.

Et si je l'encodais en un algorithme, ce serait très mauvais.

The pick-and-roll happens to be this dance in basketball between four players,

Il se trouve que le pick and roll est cette danse au basket entre 4 joueurs,

two on offense and two on defense.

deux à l'attaque et deux à la défense.

And here's kind of how it goes.

Et voilà à peu près comment ça se passe.

So there's the guy on offense without the ball

Du côté de l'attaque, il y a ce type sans le ballon

the ball and he goes next to the guy guarding the guy with the ball,

et il se met près du type qui couvre le type qui a le ballon,

and he kind of stays there

et il reste là

and they both move and stuff happens, and ta-da, it's a pick-and-roll.

et tous les deux bougent et le jeu continue,

et voilà : un pick and roll.

(Laughter)

(Rires)

So that is also an example of a terrible algorithm.

C'est aussi un exemple d'un très mauvais algorithme.

So, if the player who's the interferer -- he's called the screener --

Donc si le joueur interférant, celui qu'on appelle le garde--

goes close by, but he doesn't stop,

s'approche mais ne s'arrête pas,

it's probably not a pick-and-roll.

il ne s'agit sans doute pas d'un pick and roll.

Or if he does stop, but he doesn't stop close enough,

Ou bien s'il s'arrête, mais pas assez près,

it's probably not a pick-and-roll.

il ne s'agit sûrement pas d'un pick and roll.

Or, if he does go close by and he does stop

Ou, s'il s'approche vraiment et il s'arrête

but they do it under the basket, it's probably not a pick-and-roll.

mais ça se passe sous le panier, ce n'est sans doute pas un pick and roll.

Or I could be wrong, they could all be pick-and-rolls.

Ou alors je me trompe

et tous ces exemples sont des pick and roll.

It really depends on the exact timing, the distances, the locations,

Tout dépend du timing, des distances et des emplacements,

and that's what makes it hard.

et c'est ça qui est difficile à apprécier.

So, luckily, with machine learning, we can go beyond our own ability

Mais heureusement, on peut apprendre aux machines à décrire les choses

qu'on connaît, bien au-delà de nos capacités.

to describe the things we know.

So how does this work? Well, it's by example.

Alors comment ça marche ?

Eh bien, on utilise des exemples.

So we go to the machine and say, "Good morning, machine.

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.

Here are some pick-and-rolls, and here are some things that are not.

Please find a way to tell the difference."

S'il te plaît, trouve un moyen de faire la différence. »

And the key to all of this is to find features that enable it to separate.

Il s'agit de trouver les caractéristiques permettant la séparation.

So if I was going to teach it the difference

Alors pour lui enseigner la différence

between an apple and orange,

entre une pomme et une orange,

pourquoi ne pas utiliser les couleurs et les formes ?

I might say, "Why don't you use color or shape?"

And the problem that we're solving is, what are those things?

Et le problème à résoudre c'est, quelles sont ces choses ?

What are the key features

Quelles sont les caractéristiques

that let a computer navigate the world of moving dots?

permettant à l'ordinateur de naviguer

dans le monde des points mobiles ?

So figuring out all these relationships with relative and absolute location,

Comprendre toutes ces relations

avec des positions relatives et absolues,

la distance, le temps, les vélocités –

distance, timing, velocities --

that's really the key to the science of moving dots, or as we like to call it,

c'est vraiment le cœur de la science des points mobiles,

ou bien, comme on l'appelle :

spatiotemporal pattern recognition, in academic vernacular.

schéma spatio-temporel de reconnaissance en langage académique.

Because the first thing is, you have to make it sound hard --

Parce que tout d'abord, il faut que ça sonne compliqué.

because it is.

Parce que ça l'est.

The key thing is, for NBA coaches, it's not that they want to know

Mais, pour les entraîneurs, le problème n'est pas de savoir

whether a pick-and-roll happened or not.

s'il s'agit d'un pick and roll ou non.

It's that they want to know how it happened.

Ils veulent savoir comment le pick and roll a pu avoir lieu.

And why is it so important to them? So here's a little insight.

Et pourquoi c'est important pour eux ? Je vous explique.

It turns out in modern basketball,

Il se trouve que dans le basketball moderne,

this pick-and-roll is perhaps the most important play.

ce pick and roll est peut-être le type de jeu le plus important.

And knowing how to run it, and knowing how to defend it,

Savoir comment l'initier et en assurer sa défense,

is basically a key to winning and losing most games.

est ce qui détermine la plupart des victoires et des défaites.

So it turns out that this dance has a great many variations

Si bien que cette danse a beaucoup de formes différentes

and identifying the variations is really the thing that matters,

et pouvoir identifier ces variations est vraiment ce qui compte,

and that's why we need this to be really, really good.

et c'est pour ça qu'il faut que ce système soit vraiment bon.

So, here's an example.

Un exemple :

2 joueurs en attaque, 2 en défense,

There are two offensive and two defensive players,

getting ready to do the pick-and-roll dance.

prêts à interpréter la danse du pick and roll.

Celui qui a le ballon peut prendre ou laisser.

So the guy with ball can either take, or he can reject.

Son coéquipier peut se diriger vers une zone de terrain libre ou poser un écran.

His teammate can either roll or pop.

The guy guarding the ball can either go over or under.

Celui qui défend le ballon peut passer au dessus ou en dessous.

His teammate can either show or play up to touch, or play soft

Son coéquipier peut se tenir à distance ou jouer « soft »

et ensemble ils peuvent passer le ballon ou détruire le pick and roll

and together they can either switch or blitz

and I didn't know most of these things when I started

et je ne connaissais pas tout ça quand j'ai commencé.

Ça serait super si tout le monde pouvait suivre les flêches.

and it would be lovely if everybody moved according to those arrows.

It would make our lives a lot easier, but it turns out movement is very messy.

Ça rendrait notre vie bien plus simple, mais les mouvements sont désordonnés.

Les gens gigotent beaucoup et identifier ces variations

People wiggle a lot and getting these variations identified

avec une grande netteté,

with very high accuracy,

both in precision and recall, is tough

quant à la précision et au recalcul, est difficile

because that's what it takes to get a professional coach to believe in you.

parce que c'est ce qui est nécessaire pour que l'entraîneur croit en vous.

And despite all the difficulties with the right spatiotemporal features

Malgré toutes les difficultés à trouver les traits spatiotemporels corrects,

we have been able to do that.

on a réussi.

Coaches trust our ability of our machine to identify these variations.

Les entraineurs font confiance à nos machines pour identifier les variations.

We're at the point where almost every single contender

Nous sommes au point où presque toutes les équipes

for an NBA championship this year

en NBA cette année

is using our software, which is built on a machine that understands

utilisent notre logiciel, construit sur une machine qui comprend

the moving dots of basketball.

les points mobiles du basketball.

So not only that, we have given advice that has changed strategies

Nous avons même fourni des conseils qui ont changé les stratégies

qui ont aidé des équipes à gagner des matchs très importants,

that have helped teams win very important games,

and it's very exciting because you have coaches who've been in the league

et c'est vraiment passionnant parce qu'il y a des entraîneurs qui sont en NBA

for 30 years that are willing to take advice from a machine.

depuis 30 ans, qui acceptent les avis d'une machine.

And it's very exciting, it's much more than the pick-and-roll.

Et c'est passionnant, c'est bien plus que le pick and roll.

Our computer started out with simple things

Nos ordinateurs sont partis de choses simples

and learned more and more complex things

et ont appris des choses plus complexes

and now it knows so many things.

et maintenant ils savent tant de choses.

Frankly, I don't understand much of what it does,

Franchement, je ne comprends pas tout ce qu'il fait,

and while it's not that special to be smarter than me,

et bien que ça ne soit pas si étonnant d'être plus intelligent que moi,

we were wondering, can a machine know more than a coach?

on s'est demandé, est-ce qu'une machine peut en savoir plus qu'un entraîneur ?

Can it know more than person could know?

Peut-elle en savoir plus qu'une personne ?

And it turns out the answer is yes.

Et il se trouve que la réponse est oui.

The coaches want players to take good shots.

On veut que les joueurs fassent de bons tirs.

So if I'm standing near the basket

Donc si je suis près du panier

and there's nobody near me, it's a good shot.

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.

If I'm standing far away surrounded by defenders, that's generally a bad shot.

Mais avant, on ne savait pas quantifier le bon et le mauvais

But we never knew how good "good" was, or how bad "bad" was quantitatively.

jusqu'à maintenant.

Until now.

So what we can do, again, using spatiotemporal features,

Donc, ce qu'on peut faire, c'est utiliser les traits spatio-temporels,

we looked at every shot.

on a étudié tous les tirs.

We can see: Where is the shot? What's the angle to the basket?

On peut voir : Où est le tir ? Quel est l'angle avec le panier ?

Where are the defenders standing? What are their distances?

Où se tiennent les défenseurs ? A quelle distance ?

What are their angles?

Quels sont leurs angles ?

For multiple defenders, we can look at how the player's moving

Quand il y a plusieurs défenseurs, on peut regarder comment les joueurs se déplacent

and predict the shot type.

We can look at all their velocities and we can build a model that predicts

et prédire le type de tir.

On peut étudier leur vélocité et construire un modèle qui prédit

what is the likelihood that this shot would go in under these circumstances?

les chances que ce tir réussisse dans ces circonstances.

So why is this important?

Alors, pourquoi c'est important ?

We can take something that was shooting,

On peut prendre le tir,

which was one thing before, and turn it into two things:

qui était une seule chose et qui en devient deux :

the quality of the shot and the quality of the shooter.

la qualité du tir et la qualité du tireur.

So here's a bubble chart, because what's TED without a bubble chart?

Voici un graphique à bulles, indispensable dans une conférence TED.

(Laughter)

(Rires)

Voici des joueurs du NBA.

Those are NBA players.

The size is the size of the player and the color is the position.

Cette taille est la taille du joueur et la couleur, sa position.

On the x-axis, we have the shot probability.

En abscisse, on a la probabilité du tir.

People on the left take difficult shots,

Les gens sur la gauche font des tirs difficiles

on the right, they take easy shots.

sur la droite, des tirs faciles.

En ordonnée, on trouve leur habileté au tir.

On the [y-axis] is their shooting ability.

People who are good are at the top, bad at the bottom.

Ceux qui sont bons sont en haut et les mauvais en bas.

So for example, if there was a player

Par exemple, s'il y avait un joueur

who generally made 47 percent of their shots,

qui réussissait généralement 47% de ses tirs,

that's all you knew before.

c'était tout ce qu'on savait avant.

But today, I can tell you that player takes shots that an average NBA player

Mais maintenant, ce joueur fait des tirs qu'un joueur du NBA moyen

would make 49 percent of the time,

réussirait 49% du temps,

and they are two percent worse.

donc il est moins bon de 2 points.

And the reason that's important is that there are lots of 47s out there.

La raison pour laquelle c'est important: il y a beaucoup de 47 sur le marché.

And so it's really important to know

Donc, c'est vraiment important de savoir

if the 47 that you're considering giving 100 million dollars to

si le 47 à qui vous envisagez de donner 100 millions de dollars

is a good shooter who takes bad shots

est un bon tireur qui fait de mauvais tirs

or a bad shooter who takes good shots.

ou un mauvais tireur qui fait de bons tirs.

La compréhension de la machine ne change pas comment nous voyons les joueurs,

Machine understanding doesn't just change how we look at players,

it changes how we look at the game.

ça change la manière de voir le jeu.

So there was this very exciting game a couple of years ago, in the NBA finals.

Il y a deux ans, il y a eu une finale passionnante.

Miami was down by three, there was 20 seconds left.

Miami perdait par trois points et il restait 20 secondes.

Ils étaient sur le point de perdre le titre de champion.

They were about to lose the championship.

A gentleman named LeBron James came up and he took a three to tie.

Un homme nommé Lebron James a tiré pour essayer d'égaliser le score.

He missed.

Il a manqué.

Son coéquipier Chris Bosh a eu le rebond,

His teammate Chris Bosh got a rebound,

passed it to another teammate named Ray Allen.

l'a passé à un autre coéquipier, Ray Allen.

Il a marqué 3 points. Il y a eu prolongation.

He sank a three. It went into overtime.

They won the game. They won the championship.

Ils ont gagné le match et le championnat.

It was one of the most exciting games in basketball.

C'était un des meilleurs matchs de l'histoire du basketball.

And our ability to know the shot probability for every player

Et notre capacité à connaître la probabilité des tirs

at every second,

pour chaque joueur à chaque seconde,

et les chances qu'ils ont d'avoir un rebond à chaque seconde

and the likelihood of them getting a rebound at every second

peut éclairer ce moment comme jamais auparavant.

can illuminate this moment in a way that we never could before.

Now unfortunately, I can't show you that video.

Malheureusement, je ne peux pas vous montrer cette vidéo.

But for you, we recreated that moment

Mais nous avons reconstruit ce moment pour vous

at our weekly basketball game about 3 weeks ago.

lors de notre match hebdomadaire il y a 3 semaines.

(Laughter)

(Rires)

And we recreated the tracking that led to the insights.

Et nous avons recréé ce moment de révélation.

So, here is us. This is Chinatown in Los Angeles,

Alors, nous voilà. Nous sommes à Chinatown à Los Angeles,

a park we play at every week,

dans un parc où nous jouons toutes les semaines,

and that's us recreating the Ray Allen moment

et nous voilà recréant le moment de Ray Allen

and all the tracking that's associated with it.

et tout le pistage qui va avec.

So, here's the shot.

Voilà le tir.

I'm going to show you that moment

Je vais vous montrer cette partie

and all the insights of that moment.

et les coulisses de ce moment.

The only difference is, instead of the professional players, it's us,

La seule différence : au lieu de joueurs professionnels, c'est nous,

and instead of a professional announcer, it's me.

et à la place d'un commentateur professionnel, c'est moi.

So, bear with me.

Alors accrochez-vous.

Miami.

Miami.

Down three.

Trois points de retard.

Twenty seconds left.

20 secondes restantes.

Jeff brings up the ball.

Jeff apporte le ballon.

Josh catches, puts up a three!

Josh l'attrape, et marque 3 points.

[Calculating shot probability]

(Calcul de probabilité du tir)

[Shot quality]

(Qualité du tir)

[Rebound probability]

(Probabilité de rebond)

Won't go!

Il ne rentre pas !

[Rebound probability]

(Probabilité de rebond)

Rebound, Noel.

Rebond, Noel.

Back to Daria.

Passe à Daria.

[Shot quality]

(Qualité de tir)

Her three-pointer -- bang!

Trois points !

Tie game with five seconds left.

Égalité à 5 secondes de la fin !

The crowd goes wild.

La foule est en délire.

(Laughter)

(Rires)

That's roughly how it happened.

C'est à peu près comment ça s'est passé.

(Applause)

Roughly.

A peu près.

(Applause)

(Applaudissements)

Cet instant avait à peu près 9% de chance d'arriver pendant la finale,

That moment had about a nine percent chance of happening in the NBA

and we know that and a great many other things.

et on sait ça et beaucoup d'autres choses.

I'm not going to tell you how many times it took us to make that happen.

Je ne vous dirai pas combien d'essais il nous a fallu pour y arriver.

(Laughter)

(Rires)

Okay, I will! It was four.

Bon d'accord ! Quatre.

(Laughter)

(Rires)

Way to go, Daria.

Bravo Daria.

But the important thing about that video

Mais ce qui est important dans cette vidéo

and the insights we have for every second of every NBA game -- it's not that.

et les connaissances qu'elle apporte sur chaque seconde du match -- n'est pas ça.

It's the fact you don't have to be a professional team to track movement.

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.

You do not have to be a professional player to get insights about movement.

In fact, it doesn't even have to be about sports because we're moving everywhere.

En fait, la technologie s'adapte hors du sport parce qu'on se déplace partout.

We're moving in our homes,

On bouge dans nos maisons,

in our offices,

dans nos bureaux,

as we shop and we travel

quand on fait des courses, quand on voyage

dans les villes

throughout our cities

and around our world.

et autour du monde.

What will we know? What will we learn?

Qu'est-ce qu'on va apprendre à connaître ?

Perhaps, instead of identifying pick-and-rolls,

Peut-être qu'au lieu d'identifier des pick and rolls,

a machine can identify the moment and let me know

une machine peut identifier le moment et me dire

when my daughter takes her first steps.

quand ma fille commence à marcher.

Ce qui pourrait d'ailleurs arriver sous peu.

Which could literally be happening any second now.

Perhaps we can learn to better use our buildings, better plan our cities.

On pourrait apprendre à mieux utiliser nos immeubles, mieux planifier nos villes.

I believe that with the development of the science of moving dots,

Je crois qu'avec le développement de la science des points mobiles,

we will move better, we will move smarter, we will move forward.

on se déplacera mieux, plus intelligemment, on ira de l'avant.

Thank you very much.

Merci beaucoup.

(Applause)

(Applaudissements)