G IL D ENIS
A LAIN P IZZINATO
Formalisation des connaissances pour la simulation du service-retour en tennis : le système lift
Mathématiques et sciences humaines, tome 121 (1993), p. 5-21
<http://www.numdam.org/item?id=MSH_1993__121__5_0>
© Centre d’analyse et de mathématiques sociales de l’EHESS, 1993, tous droits réservés.
L’accès aux archives de la revue « Mathématiques et sciences humaines » (http://
msh.revues.org/) implique l’accord avec les conditions générales d’utilisation (http://www.
numdam.org/conditions). Toute utilisation commerciale ou impression systématique est consti- tutive d’une infraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
FORMALISATION DES CONNAISSANCES POUR LA SIMULATION DU SERVICE-RETOUR EN TENNIS : LE
SYSTÈME LIFT. 1
Gil DENIS et Alain PIZZINATO 2
RÉSUMÉ2014 Dans cet article, nous présentons les aspects essentiels de la modélisation du processus décisionnel des joueurs de tennis dans une phase particulière de ce jeu sportif: le service - retour. Notre démarche se focalise
sur la
représentation
des connaissancess’exerçant
dans un continuumtemporel
scindé en micro-cycles et sur laconstruction de structures permettant
d’envisager
l’auto-apprentissage des caractéristiques technico-tactiques des joueurs par lesystème.
Elles’appuie
sur la mise en oeuvre d’une expertise du domaine constitué par unentraîneur-formateur.
La modélisation envisagée est entièrement conditionnée par le souci de rendreopérationnel
un outil informatique de simulation de la phase de service -retour à
des fins
d’évaluation sportive.ABSTRACT - Knowledge representation for the simulation of the serve-return phase in tennis : "LIFT"
System.
In this article we are
disclosing
the main aspects of tennisplayers’ decision-making modelling
in a specific phase of game : serve and return. Our approach is focusing onknowledge
representation throughout a continuous operatingperiod
divided inmicro-cycles
and onknowledge
structurationallowing
us to conceive anyplayer’s self-learning
process through the system as far as tactical decision making features are concerned. It isrelying
onan expert
probation
of thefield by
a coachlteacher. The conceived formal model isthoroughly subjected
to oneconcern
enabling
a computer simulator to becomeoperational during
the phase serve - return of serve in order toprovide
sport assessment.1. INTRODUCTION ET MOTIVATIONS
Le
système
LIFT(Logique Informatique
pour la Formalisation des connaissances enTennis)
apour but de
représenter
et de simuler le processus deprise
de décision dejoueurs
de tennis dans laphase
de service - retour.Fondamentalement,
ils’agit
dereproduire
l’estimation descaractéristiques
duservice,
lastratégie employée (service gagnant,
service sur coupfaible,
serviceexcentré,
effet desurprise),
la zone visée(centrée, croisée,
sur lejoueur)
et la nature duservice utilisé
(slice, lift,
coupplat).
Sa vocation est derenseigner l’entraîneur,
à la fin d’unerencontre ou
pendant
sondéroulement,
sur les écarts entre les solutionstactiques
de sonjoueur
et celles d’un modèle
optimal.
Sa définition a donc étéprécédée
de deuxétapes : acquisition
desconnaissances
puis
formalisation au sein du modèleoptimal.
Notre démarche est fondée sur une
méthodologie
detype "intelligence
artificielle"jugée complémentaire
à d’autresapproches,
notammentchronométrique, probabiliste
etopératoire
1 Ce travail s’est inscrit dans le cadre d’une thèse de Doctorat en Sciences et Techniques des Activités Physiques et Sportives.
2 Service d’Etudes et de Recherche en Informatique Appliquée aux Activités Physiques et Sportives (SERIA)
Laboratoire d’Analyses Diversifiées des Activités Physiques et Sportives (LADAPS)
Université de NANCY 1.
[Denis
& Pizzinato92a].
Elle se situe dans lalignée
des travaux visant àexploiter
laconnaissance humaine dans la résolution de
problèmes
d’ordresportif,
notamment ceux réalisésen natation
sportive [Denis 88] [Payen 89] [Denis 92],
enjudo [Calmet
& Matet89] [Calmet 91] [Calmet
& Matet92],
enrugby [Singer
&Villepreux 91] [Singer
et al.91] [Singer
&Villepreux 92] [Singer
et al.92a] [Singer
et al.92b],
envolley [Parlebas 88] [Kraemer
&Predine
91],
en basket[Grosgeorges 86] [Grosgeorges
et al.91]
ainsiqu’en
voile avec lessystèmes experts
d’aide à lanavigation [Gouard 93].
Elles’appuie
donc sur un cadreconceptuel
lié à
l’expertise
d’un entraîneur[Pizzinato 89].
Cedernier,
bien que non intervenant dans la situation motrice réelle(la rencontre),
est considéré commeexpert.
Les travaux de[Bouet 83]
nous ont, en
effet,
conduit à renoncer à l’idée initiale d’uneexpertise
entemps
réel sur unjoueur
"en situation". Bien que cette démarche prenne à
contre-pied
«ledécalage
entre les idées reçues et la réalité des faits sur le terrain» observé par Parlebas enVolley [Parlebas 88],
nous pensons que cetangle particulier d’analyse
conduit à une connaissanceplus
riche. C’est toutefois sur le cadre très formeldéveloppé
par cet auteur[Parlebas 81] [Parlebas 86] [Parlebas 90]
que nous situons lesconcepts
dedécision,
de décisiontactique
et destratégie.
La formalisation du cadre
conceptuel
sous la forme d’un modèleoptimal opératoire
a doncconstitué la
phase
laplus importante
duprojet
LIFT. Nous nous focaliserons sur deux de sesaspects
lesplus représentatifs,
à savoir lachronologie
non linéaire des faits(concept
depériodicité)
et les conditions de transformation d’un modèlethéorique pré-établi
en un modèleoptimal (concept d’auto-apprentissage).
Dans ce
qui suit,
nous allons tout d’abordprocéder
à unedescription
descomposants
du cadreconceptuel
avant de proposer une formalisation desprocédures d’interrogation
des faitsmanipulés.
Une courte simulationpermettra également
de mieuxcomprendre
lefonctionnement du
système
LIFT.2. LES COMPOSANTS DU
MODÈLE
CONCEPTUEL.Le choix de l’étude de la
phase
service-retour de service trouve sonorigine
dans le constat del’importance qu’elle prend
actuellement dans legain
d’une rencontre. Cetteproblématique implique
ainsi fortement les deuxjoueurs
dans les deuxrôles,
serveur et relanceur. Lejoueur
enposition
de serveur est dans une situation trèsavantageuse
et doit donc enprofiter
pour gagnersystématiquement
sa mise enjeu.
Lejoueur
en situation de retour de service doit tout d’abordtenter de
poursuivre l’échange, puis envisager
legain
du serviceadverse,
cequi
le conduitgénéralement
augain
de la manche voire de la rencontre si l’on se trouve dans la dernière manche.Si l’on se
place
maintenant du côté durelanceur,
leproblème
décisionnel que nous rencontronspeut
être défini en ces termes :compte
tenu des vitesses de ballesimportantes produites
par lejoueur
au service(notamment
dans le cadre despremiers services)
le relanceur n’a pas lapossibilité
matérielle d’attendre des informationsprovenant
descaractéristiques
destrajectoires
de balles servies pourproduire
saréponse.
Il est dansl’obligation
de mettre enoeuvre toute une
stratégie
de recherche d’informations avant lafrappe
adverse defaçon
àpréorienter
voireanticiper
le coup délivré par le serveur.Dans cet
esprit,
l’observation de l’orientation du lancer de balle(au-dessus
de latête,
devantle
joueur,
vers l’arrière dujoueur
ou vers la droite pour un serveurdroitier)
associée à la connaissancethéorique
destypes
de service réalisables sur tel ou teltype
de lancer(par exemple
un lancer de balle vers l’arrière dujoueur
est associé à un service lifté et un lancer de balle sur la droite d’unjoueur
droitier à un serviceslicé) permet
unepremière possibilité
dedécision.
Cependant, compte
tenu descaractéristiques techniques
individuelles des différentsjoueurs
detennis,
cette liaison n’est paspertinente,
soit parce que le serveur lancesystématiquement
sa balle au même endroit tout en faisant varier la nature de son service(variation
des effets et des zonesatteintes)
soit parcequ’il
réalise des services à effets enutilisant des lancers de balle autres que ceux décrits par la
théorie,
soit enfin parcequ’il
chercheà
produire
des "leurres" afin de provoquer une erreur de décision chez le relanceur. A notercependant
que ce dernier cas reste peufréquent
dans la mesure oùchaque type
de servicepossède
ses contraintes sur leplan
de l’exécutiontechnique (contraintes
essentiellement d’ordrebiomécanique).
Une modification du service dans ce sens seraitdangereuse
pour l’efficacité du coup délivré et il s’avère que dans laplupart
des cas "lejeu
n’en vaut pas la chandelle" si l’on considèrequ’un premier
service réalisé normalement conduit à la mise en difficulté du relanceur même si ce dernier détecte unepartie
des intentions du serveur.Ce constat
impose
donc au relanceur de fonder sa décision sur des éléments autres que ceux saisisgrâce
à laprise
d’information visuelle. Sans vouloir àprésent
aborder cequi
seradéveloppé plus précisément
dans la suite de cetravail,
nous pouvonsindiquer
que lapremière
information
pertinente
surlaquelle
onpeut s’appuyer
concerne la connaissanepréalable
descaractéristiques
du service de tel ou teljoueur.
Pourcompléter
cet élément décisionnel ou pour leremplacer
si les deuxjoueurs
considérés ne se sontjamais
rencontrésauparavant,
nous devons faire référence à laprincipale
source d’informationspertinentes
pour lesjoueurs,
celleque constitue
l’analyse
des événementsqui
se déroulent tout aulong
de la rencontre. Lesjoueurs
mettent ainsi en oeuvre une recherche de caractérisation des actions de chacun d’entreeux en situation de serveur ou de relanceur et
qui porte
parexemple
sur les zones lesplus fréquemment
atteintes ou sur lestypes
de service couramment délivrés en fonction du côté de service(droit
etgauche).
Enfin,
cetteanalyse
nepeut
faire l’économie d’uneprise
en considération d’un élément trèsimportant
de toute confrontation duelle que constitue leproblème
de lapression
subie par lesjoueurs
en fonction de l’état du score. Mené 5jeux
à 4 par le serveur dans la manche décisiveavec un score de 40 à 30 dans ce dixième
jeu,
le relanceur nepeut
sepermettre
la mêmeprise
de décision
approximative (ce qui peut
se traduire en termesprobabilistes
par uneoption
décisionnelle choisie pour une valeur de p
égale
à.7)
que cellequ’il
réaliserait à 40 à 30 pour leserveur en début de
partie.
C’est donc ce
type
de fonctionnement "habituellement"repéré
chez lesjoueurs
de tennisdans la
phase
service - retour de service que nous avons tenté decomprendre,
dereprésenter puis
de simuler. Lesrègles
utilisées matérialisent cetobjectif.
La
prise
de décision d’unjoueur
est essentiellementguidée
par desrègles tactiques
relativement universelles pour le niveau que nous étudions. Ces
règles
sont alimentées soit par des données stables relevant d’une connaissancepréalable
descaractéristiques morphologiques
du
joueur adverse,
soit par des données instables essentiellement fondées sur des informations visuelles maiségalement
sur des connaissances sur le niveautechnique
ettactique
del’adversaire. Nous sommes amenés à
distinguer
troisgrandes
classes de facteurscomplémentaires [Denis &
Pizzinato92a] [Denis &
Pizzinato92b] :
- les conditions
spatiales
du coup : laposition
du serveur au moment de lafrappe
parrapport
à laligne
médiane du court, letype
de lancer de balleutilisé,
la latéralité des deuxjoueurs,
ainsi
qu’une
estimation de larapidité
de la surface.- l’état des différents scores, du
jeu,
du set et de la rencontre, ainsi que les conditions de"pression" qu’ils engendrent
sur lejoueur.
- le niveau de certitude lié à la connaissance du
point
faible du retoumeur.Globalement il
s’agit
de déterminer letype
destratégie auquel
vaprobablement
recourir leserveur
(stratégie) pour l’échange
considéré. Deux facteurs sont alorsprépondérants.
S’ils’agit
d’une
première
balle de service(balle),
laprobabilité
d’un service gagnant est forte alorsqu’une
deuxième balle de service verra
plutôt
un servicejoué
sur le coup faible du retoumeur. La connaissance de cepoint
faiblejoue
alors un rôleimportant.
Les autrescaractéristiques
duservice,
à savoir la zone du carré de servicequi
sera visée(zone cible),
et letype
d’effetqui
sera utilisé
(type_balle)
découlent de la résolution de la variablestratégie,
ainsi que de la combinaison d’autres facteurs tel que la latéralité desjoueurs (Lat R ; Lat S).
Ce cadre trèsgénéral
ne rend pascompte
del’impact
dutemps. Pourtant,
deux situationsayant
les mêmescaractéristiques spatiales
ne seront pasinterprétées
de la même manière selon leurplace
dans larencontre. A
priori,
unjoueur n’ayant
pas de réussite sur des servicesrapides
ne choisira pas leservice
gagnant
même surpremière balle,
ou dumoins,
laprobabilité
seraplus
faible. Il nousfaut donc
repérer
la structuretemporelle qui préside
àl’organisation
des faits.3. UNE DOUBLE STRUCTURE TEMPORELLE.
L’échange
est donc l’unité detemps.
Nous avons affaire àl’analyse
de néchanges
formant unerencontre. Toute
analyse
Ae d’unéchange repéré
dans letemps
d’une rencontreagit
sur lesanalyses
suivantes :Aet = flae t- i À Toutefois,
cette action n’est pastoujours possible.
Elle nepeut
être efficace quelorsque
le nombre de données caractérisant leséchanges
antérieurs estsuffisant. Si nous indexons la variable t au nombre
d’échanges
réussis(CEr),
nous pouvons poser :Ae t
=f(Ae t-1)
pour CEr > 6.Il existe donc une
période pendant laquelle
laprise
de décision est entièrement fondée sur unmodèle
pré-établi.
Par lasuite,
ce modèle de base se transforme sous l’effet des nanalyses
mémorisant les conditions
particulières qui
les ontengendrées.
Toutefois,
la linéarité dutemps
estprise
en défaut par ledécoupage réglementaire
de larencontre en sets et
en jeux. Rythmé
par le score, cedécoupage impose
une instabilité des faits.L’échange
numéro 23 auCompteur
desEchanges
Réussis(CEr
=23) peut
être aussil’échange
numéro 1 du
cinquième jeu
et/oul’échange
numéro 2 dupremier
set. Aurepérage
absolu sur uncontinuum
normé,
nous devons doncjuxtaposer
unrepérage
en terme depériode (figure 1).
Lavaleur attribuée à un facteur aura alors une durée de vie
égale
à lapériode
pourlaquelle
ildemeure constant. Un facteur est donc lié à un statut
préalablement
déterminé fixant sapériodicité.
Certains facteurs ont unepériodicité égale
à celle de la rencontre. Ils sont donc invariants. C’est le cas deSurf ter
caractérisant larapidité
de la surface du terrain. D’autres sontcréés
pendant
unéchange
et sont inhibés à la fin dechaque jeu
ou dechaque
set. Parexemple,
le fait
score_set-part
caractérisant ledegré
depression
du score de set sur l’un desjoueurs
verra sa
valeur
remise en causeuniquement
à la fin dechaque
set. Laplupart,
ont unepériodicité égale
à celle del’échange.
Lechapitre
suivantévoquera
la manière degérer
ceprincipe
depériodicité.
Nous avons là l’essentiel de la double structure
temporelle
dusystème
LIFT : d’unepart
un indicateur divisant le continuum en deuxtemps fondamentaux,
et d’autrepart
desrepères
rendant
compte
decycles spécifiques (ou périodes)
à l’intérieur du continuum.Figure
1 : Continuum etpériodicité
de la rencontre4. LA FORMALISATION DES CONNAISSANCES DANS LIFT.
LIFT
manipule
des faitsqu’il
déduit de fonctions dont lesalgorithmes
décrivent desopérations particulières.
Une fonction marque ladépendance
d’un fait avec d’autres faits.Fondamentalement,
elleprésente
les mêmescaractéristiques
que lesrègles
deproduction
dessystèmes experts puisqu’elle
contient les conditions de déclenchement et les effets del’opération qu’elle supporte.
La fonctionSurf ter : = flterrain),
parexemple, stipule
que le faitSurf ter
est conditionné par unerègle manipulant
le fait terrain(ou argument
de lafonction).
Ce
fait, après
activation de safonction,
est soitrenseigné
par une valeur reconnue, soit conservesa valeur d’initialisation IND
signifiant qu’il
est inconnu dans lapseudo
base de faits.Systématiquement,
la valeur d’un fait estaccompagnée
d’un coefficient de vraisemblancep-fait..
Lafigure
2 donne unexemple
de lareprésentation
de la fonctionévoquée
ici.Figure
2 :Représentation
de la fonctionSurf_Ter
=f(terrain)
Une fonction est activée par une autre fonction d’un niveau
plus général
ouplus
élevé. Leprocessus de déclenchement de la recherche des
caractéristiques
d’uneanalyse
est lui-mêmeune fonction. Nous
disposons
donc des fonctions de base suivantes :stratégie := ifballe,
pos-serveur,phase-attente, PtFa) zone_cible : _ ~’stratégie, phase attente)
type-balle : = flstratégie, zone-Cible, RapLat).
Notons que ces trois fonctions sont hiérarchisées dans la mesure ou il existe un effet de
dépendance
descendant. Cette hiérarchisation estrégie
par la fonctionayant
leplus
haut niveaudans LIFT :
conclusion_analyse : =,~’stratégie, zone-cible, type-balle).
A côté de ces fonctions décrivant des
opérations spécifiques
sur lesfaits,
existent des fonctionsplus générales comportant
desalgorithmes
degestion
de listes. Ces fonctions reposent sur unprincipe important
dusystème
LIFT : aucun fait nepeut
comporter une valeur inhabituelle. Celasignifie qu’en
l’absence d’informations déduites lesystème procède
à unedemande à l’utilisateur par l’intermédiaire d’une liste
comportant
l’ensemble despossibles (y compris
la valeur’indéterminé’)
du domaine du fait. Le recours à la valeur ’indétermine" conduit d’abord à une diminution de laprobabilité
liée aufait, puis
à une nonanalyse lorsque
l’ensemble des faits "déclencheurs" d’une fonction de base sont inférieurs à
0,5 (sur
une échelleallant de 0
à 1).
Un troisième
type
de fonctions estimplanté
dans LIFT. Ils’agit
des fonctionsd’interrogation
de matrices. Elles rendentcompte
de la nécessité de moduler l’effet desrègles
pour tenir
compte
desanalyses précédentes.
Fortementimpliquées
dans lephénomène
d’auto-apprentissage,
nous les étudierons dans lechapitre
suivant.Enfin,
le derniertype
de fonction concerne lagestion
de lapériodicité
des faits. Ce processus nécessite la mise enplace
de structures aptes à situer les moments de rupture despériodes (fin de l’échange, fin
dujeu, fin
duset).
Parexemple,
la fin d’unjeu
sera évaluée par la fonctionFin Jeu : _ ifscore.Jeu, gagnant) (figure 3) interrogeant
le score dujeu
ainsi que lestatut du
gagnant.
Ces fonctionspermettent
donc de détecter les fins depériodes significatives
et de
procéder
à l’inhibition des faits en fonction de leurpériodicité particulière.
Cette manière deprocéder s’inspire
desprincipes
de la méthode REMORA degestion
dessystèmes
d’informations
incluant la notion detemps [Rolland
et al.88]. Paradoxalement,
la fonction de destruction du fait se nomme initialise. Celaprovient
du faitqu’utilisant
unlangage
algorithmique,
nousprocédons,
endéfinitive,
à une initialisation de variable. Parexemple, lorsque
la fin d’unéchange
seradétecté,
le faitstratégie
sera initialisé de la sorte :stratégie :=
initialise(IND).
Recevant la valeurIND,
sa fonction serainterrogée,
créant ainsi le moteur dusystème. Toutefois,
certains faits ne suivent pas cettelogique,
soit parce que leur valeur d’initialisation doit tenircompte
de leur anciennevaleur,
c’est le cas de tous lescompteurs
d’échanges,
soit parce que lerèglement
du tennisimpose
une alternance de leur valeur commepour le côté de service. Dans ce
cas, le
fait n’est pas initialisé mais mis àjour
par une fonctionmise_aJour.
Nous comprenons alors quechaque
fait est non seulement lié à un statut depériodicité,
maiségalement
à une valeur d’initialisation et à un statut de mise àjour.
Lafonction
mise - a-jour
n’est niplus
ni moinsqu’un algorithme
donnant la valeur suivante dans la liste caractérisant le fait avec un effet de boucle dans le cas d’un domaine limité. Parexemple,
le fait CEr
(compteur
deséchanges réussis)
verra sa valeur incrémentée d’une unité parce queson domaine
correspond
aux entiersinfinis,
alors que le faitCote_s (caractérisant
le côté duservice) prendra
ses valeurs alternativement dans un ensemble délimitécomposé
des éléments’droite’ et
’gauche’.
Notons
également
que la valeur de certains faits est mémorisée dans des tableaux de données avant d’être initialisée. Il est doncpossible d’interroger
leur histoire récente(seuls
lesvaleurs des trois derniers
échanges
sontconservées)
pour en déduire une certaine permanence.Cette
interrogation
repose sur la tendance desjoueurs
àrépéter
un coupgagnant
maiségalement
à le faire varieraprès
xrépétitions
pour ne pas habituer l’adversaire.L’analyse systématique
des trois dernierséchanges permet
derenseigner
sur l’existence d’une continuité des coups. Dans ce cas, le modèlegénéral
sera court-circuité par un modèleplus simple proposant
directement une solution soit decontinuité,
soit derupture.
Cetteprocédure porte
lenom de
sur_analyse.
Elle estreprésentée
par une fonction nomméeconclusion_sur _analyse
demême niveau que la fonction
conclusion-analyse .
Nous avons là un
système capable
de raisonnerponctuellement
sur une situation donnée(conclusion-analyse)
et à court terme sur la continuité descomportements
(conclusion_sur _analyse).
Il nous manque alors une structuresusceptible
de déduire des informationssur les comportements
àlong
terme.Figure
3 :Représentation
d’une des fonctionsrepérant
la fin d’unepériode.
5. LES
OPÉRATIONS ASSOCIÉES
AUX MATRICES.L’originalité
dusystème
LIFT et certainement sapertinence, reposent
sur sapossibilité
derelativiser le modèle
théorique
de base en fonction desanalyses
antérieures. Le mécanisme de raisonnement est doncfigé
tant que l’indicateurphase attente (booléen) stipule
que le nombre de données recueillies estinsuffisant, puis
se libère desrègles prédéterminées. L’expert
définitdonc des situations
typiques qu’ils
souhaite voir mémoriser et la manièred’interroger
cettemémoire. Par
exemple,
àchaque
fois que le serveur utilise unestratégie
detype service_gagnant,
une structure conserve en mémoire les éléments caractérisant cette situationprécise,
à savoir la zonequi
a été visée(zone-cible)
et le côté du service(Cote_s).
La structureest une matrice à n dimensions
qui
rendcompte
de la situationprécisée
parl’expert
par l’intermédiaire des dimensionsqui
la composent. Commelangage
dereprésentation,
nousfaisons
appel
au formalisme de lalogique
desprédicats (ou logique
dupremier ordre).
Ceformalisme,
fondé sur laquantification
despropositions,
est muni des deuxopérateurs
de baseque sont les
quantificateurs
universel V et existentiel 3. Soient x,y,z trois élémentsquelconques
des
ensembles X, Y,
Zrespectivement
associés aux dimensions de la matrice M. Il vient au sein du formalisme de lalogique
d’ordre 1 :(Vxe X) (dy
EY) (Vz e Z) le prédicat M(x,y,z)
modélise le
comportement
d’un ou des deuxjoueurs
via les conditions dujeu
ou les habilitésmotrices x,
y, z. Parexemple,
si X =Liste_cote_service,
Y=Llste-/JointJaible
et Z =Liste-valeur service,
alorsMAT PTFA(x,y,z)
a poursémantique
derepérer
lepoint
faible y du relanceur parrapport
au côté x du terrain où s’est déroulé un service de valeur z.Chaque
cellulede cette matrice
comporte
donc uncompteur
mémorisant le recours à untype
de serviceparticulier (pointé
dansliste-Point faible),
en fonction du côté de service(pointé
dansliste-cote-service)
et son résultat(pointé
dansliste_valeur _service).
Lafigure
4 donne lareprésentation mathématique
de cette matrice.Figure
4 : Matrice despoints
faiblesAvec la définition même de la structure de la
matrice, l’expert
livre son moded’emploi.
Ilcherchera à connaître la
configuration (une
modalité pardimension) correspondant
à la cellulecontenant la
plus petite
valeur(fonction Min),
laplus grande
valeur(fonction Max)
ou la valeurla
plus fréquente (fonction Mode).
Il pourraégalement disposer
d’un indice rendantcompte
de larépartition
des informations dans la matrice(fonction répartition)
pour savoir si une valeurse
dégage
de lamatrice,
ou siplusieurs
valeurs fortes sontégales
ou avec un écartinsignifiant.
Ces fonctions ne sont pas
spécifiques
àchaque
matrice et forment unlangage
commund’analyse
de ces structures.Toutefois,
elles sontaccompagnées
de conditions limitant leurportée
dans la matrice. C’est ainsi que nous pouvonsinterroger
la matrice despoints
faiblesMA T PTFA(x,y,z)
en luispécifiant
quel’opération
doit être menée pour tout élément de Yet deZ mais pour x = 1. Par
exemple,
lesystème peut
chercher à déterminer lepoint
faible yayant
le nombre depositions
favorables(z =1)
leplus
élevé pour un côté de service connu(x = 1).
Dans ce cas, le fait
strategie_P F qui
contiendra l’indice de yrépondant
àl’interrogation
seraobtenu par
l’opération
suivante :(b’y E Y ) strategie PF : = MAX(Mat Ptfa(Cote s,y,1 ))
De
même,
lesystème
pourra obtenir un indice reflétant larépartition
des données dans la matrice(mais
limité à un côté deservice)
en posantl’opération
suivante :(ey
EY) (Vz
EZ) repart_mLlt-Ptfa:= REPARTITION(Mat PtFa(Cote S, y,z))
Cette fonction renvoie :
1 : si une cellule est
significativement supérieure
aux autres;n : si
plusieurs
cellules sont de forces similaires etsignificatives;
0 : autrement.
6. L’EFFET D’AUTO-APPRENTISSAGE.
Paradoxalement,
la matrice cherchant à rendrecompte
de l’évolution ou de la stabilité descomportements
dans letemps,
n’est fiable quelorsque
le match est bien avancé. Cetaspect,
outre
qu’il
simuleparfaitement
les conditions réelles dujeu,
renvoie à la notiond’apprentissage.
En
effet,
les matrices utilisées couvrent l’ensemble des situationstypiques qu’analysent
unjoueur
dans le processus deprise
de décision. En rendant des valeurscaractéristiques,
ellesmodifient les associations de bases
qui
forment le cadre de référencethéorique.
Parexemple,
sur une deuxième balle de service avec un relanceur
gaucher,
lesystème
proposera un service peurapide
à effet favorisant l’excentration du coup, cequi correspond
à la volonté dejouer
surle revers de l’adversaire. Par la
suite, l’interrogation
des matrices révèlera le taux de réussite decette
stratégie
dans les différentscompartiments
dujeu (une stratégie
peut êtrepayante
sur le côté droit du service et se révéler désastreuse sur le côtégauche)
et orientera éventuellementune autre solution conforme aux données en
présence.
En somme, ces structures et leurlangage d’interrogation
simulentl’auto-apprentissage
descaractéristiques
des deuxjoueurs
par lesystème.
Mais cette
mécanique
bien huilée peutgripper
si elle neprend
pas encompte
une dimension fondamentale desjeux sportifs
etparticulièrement
du tennis. Eneffet,
dans lessystèmes
à fortesprobabilités,
le salut semble résider dans le bonemploi
d’une arme visant àdéstabiliser l’adversaire : l’effet de
surprise.
Lesrègles
de fonctionnement dusystème, qu’elles
soient liées à un modèle
théorique
ouqu’elles
soientguidées
par les données des matrices nepeuvent
rendrecompte
de cephénomène particulier, puisque
l’effet desurprise
va à l’encontred’une décision
logique.
Ses conditions de déclenchement sont très difficilementrepérables
tantelles sont liées à des
contingences
externes aujeu
lui-même.Toutefois,
dans une certainemesure, il est
possible
deprévoir l’apparition
d’un bluff. Eneffet,
le processus deprise
dedécision en tennis
privilégie
laprise
d’information visuelle sur le lancer de balle au moment du service. Laposition
de la balle au sommet de satrajectoire
parrapport
à unplan
antéro-postérieur
est un indicateur très fiable descaractéristiques probables
du service. Etpuisque
lesconditions
d’auto-apprentissage
dusystème
nouspermettent
de resserrer l’ensemble despossibles
àpartir
d’untype
de lancer de balleobservé,
nous pouvons détecter une contradiction formelle entre ce lancer de balle et les autres éléments déduits par le modèle. A cettefin,
LIFTsoumet
systématiquement
ses déductionsportant
sur lastratégie employée
à un filtre constitué d’une matrice mémorisantl’adéquation
des conditionsstratégiques
avec letype
de lancer de balle. Le mécanisme de "suranalyse"
formalisé par la fonctionconclusion sur analyse évoquée
dans lequatrième chapitre
suit un butidentique :
il vise àsurprendre
l’adversaire.Capable
derepérer
des séries redondantes(caractéristiques
essentielles d’un service sereproduisant lorsque
le coup estgagnant),
il tente deprévoir l’apparition
d’unerupture
irrationnelle(puisque
le bon sens conduit àreproduire
une situation dont le résultat estpositif)
mais
peut-être profitable (puisque
l’adversairepeut
rompre, à sonprofit,
cette série enprévoyant
sarépétition).
Mais cecomportement
nepeut
pas être modélisé àpriori puisqu’il
dépend
à la fois descapacités
du relanceur àrepérer
la permanence descaractéristiques
de cesséries et de celles du serveur à modifier son coup sans alerter le relanceur. Ce mécanisme est
donc bien entendu
intégré
dans lalogique
des matricesd’auto-apprentissage.
L’effet
d’auto-apprentissage
est donc la dimension fondamentale dusystème
parlaquelle
cedernier
s’échappe
du déterminisme desrègles pré-établies correspondant
à une forteprobabilité
connue
d’apparition
d’uncomportement,
pour se construire une structure évolutiverépondant
aux conditions
particulière
de la rencontreanalysée.
C’est ce que veut montrer concrètement ladescription
de certainesphases
d’une rencontre réelleanalysée
par lesystème
LIFT.7. LIFT EN TEMPS
RÉEL.
Pour
imager
le fonctionnement du programmelogique LIFT,
nous nous proposons de mettre en évidence l’évolution de sesanalyses
au cours de la rencontre.7.1. Phase de déclaration des
paramètres
de base.Certains faits sont considérés comme connus par les
joueurs (informations partagées)
avant ledébut de la rencontre. Ces variables nommées
paramètres
de base sont invariants au cours de larencontre. L’utilisateur va déclarer les valeurs :
- des variables de latéralité
(du
serveur et durelanceur) ;
- des variables de connaissance
préalable
dupoint
faible des deuxjoueurs ;
- de la variable caractérisant le
type
de terrain.Admettons que les valeurs suivantes ont été saisies :
Ces éléments sont directement transférés dans la base de faits.
7.2. Phase
d’analyse
d’unéchange
Les
paramètres
de base étantfixés,
lesystème peut
commencer sonanalyse.
Dans unpremier
temps,
la base desrègles
dujeu
a déterminé le côté de service. Ce fait est, eneffet,
lié aurèglement
du tennis.Puis,
il a initialisé les différents scores, ainsi que l’ensemble des variables depériodicité
inférieure à celles de la rencontre. Dans un deuxièmetemps,
lesystème
a tenté dedéclencher la fonction
principale
deconclusion-sur-analyse.
Les conditions n’étant pasrequises,
ce fait a été stocké dans la base de faits et affiché dans la cellule"Sur_Analyse".
Lafonction
conclusion-analyse
est donc activée. En l’absenced’informations,
le revers estconsidéré comme le
point
faible durelanceur, Pt Fa(R).
La base de connaissancesprévoit,
eneffet,
que cette valeur est déterminée par défaut tant que laquantité
d’informations sur le match n’est pas suffisante(CEr6).
A un moment de son
analyse,
lesystème requiert
laparticipation
de l’utilisateur pour valuerun fait ne
pouvant
pas être déduit. Laposition
du serveur parrapport
à laligne
centrale estclassée comme un fait résultant d’une
prise
d’information du relanceur. Un message est doncenvoyé
vers l’utilisateur visant àrenseigner
lesystème
sur ce fait. Ce message est d’ordreimpératif,
contrairement à laplupart
de ceux émis par LIFT. Ilprévoit
une liste deréponses possibles
pour valuer avec certitude le fait :Pos_serveur:= CHOIX(liste-Pos-Serveur).
Dansnotre
exemple, Pos_serveur:=
CENTREE(100).
Lesystème
est maintenantcapable
de situerle
joueur
dansl’espace.
Les conditions de score, delatéralité, d’adéquation
de la latéralité avecle côté du service et de
positionnement
du serveur étantfixées,
ilenvisage
la recherche d’unestratégie probable.
L’analyse
sepoursuit
avec unequestion (message
nonimpératif)
sur le lancer de balle. Ce faitest un passage
obligé puisque
cetteprise
d’information conditionne engrande partie
lesdéductions. Il est
renseigné
par la fonctionlancer balle : = CHOIX(liste_lancer balle)
pourp.lancer : =
x.Le message non
impératif permet
à l’utilisateur d’introduire un doute vis-à-vis de cequ’il
observe. Ce doute se traduit par un coefficient de vraisemblance nommé
p.fait...
Nousadmettrons que le lancer de balle observé est de
type
"HAUT".7.3. Phase de
proposition
des déductionsLes deux faits résultant d’une
prise
d’information ont été transférés dans la base de faits. La conditionPhase_attente, indiquant
que lesystème
nedispose
pas de suffisamment de connaissances sur le décours de la rencontre, étantpositive,
LIFT va utiliser lesrègles
du cadrethéorique
pour déterminerchronologiquement :
a)
lastratégie probable :
Considérant que le coupanalysé correspond
à lapremière
balle deservice
(balle : =1),
que laposition
du serveur n’est pascaractéristique (la position
du serveurau centre du terrain
correspond
en effet à uneposition classique)
etqu’aucune
donnée(sur_analyse
ou mémoire dumatch)
ne peut orienter larecherche,
laprobabilité
d’unestratégie
detype "jouer
sur le coup faible du relanceur" estégale
à celle detype "jouer
sur lecoup fort du serveur - service
gagnant".
Lesystème
doit donc activer lesrègles
luipermettant
d’établir uneproposition
fondée sur les autres faits dont ildispose.
Le cadrethéorique permet
de mener cetteinvestigation
en incrémentant lesprobabilités respectives
des deuxstratégies possibles
en fonction des faits liés à la surface du terrain(une
surfacerapide augmente
notablement laprobabilité
d’unestratégie
de type "servicegagnant"),
del’adéquation
entre lalatéralité du serveur et le côté de service
(un
serveur droitier servant à droite vaprobablement
tenter un "ACE" sur sa
première
balle deservice),
dutype
de lancer de balle observé(un
lancer
"HAUT",
comme dans notreexemple,
sera associé à unestratégie
detype "jouer
sur lepoint
faible durelanceur"),
et del’analyse
des conditions depression
résultant de l’état desscores. La
figure
6 met en évidence ce cadre stricte de raisonnement. Dans notre cas, il aboutit à laproposition
d’unestratégie
detype
"servicegagnant"
avec uneprobabilité
relativement faible
(70%
decertitude)
due à laprésence
d’untype
de lancer de balle encontradiction avec les autres faits :
strategie : = SER WCE GAGNANT (70)
b)
la zone visée et letype
de balle : Ces élémentscomplémentaires
sont entièrement conditionnés par la résolutionprécédente.
Dans le cas d’unestratégie
detype
"servicegagnant"
comme celleproposée plus haut,
unerègle prévoit
quezone cible : =
CENTRE(70) et TYPE BALLE : =
IND(100)
L’expert considère,
eneffet,
que sur cetype
destratégie,
lejoueur
cherchera à faire passer sa balle à l’endroit leplus
bas dufilet,
et que letype
de balle utilisé(l’effet qui
seradonné)
n’aaucune
importance
vu lescaractéristiques
de vitesse de ce coup.Il propose donc ses déductions en les
accompagnant
d’unpourcentage
deprobabilité
marquant
sondegré
de confiance vis à vis des informationsqu’il
a pu traiter. Tout aulong
decette
analyse,
les faits traités seront affichés dans leur cellule. Les cellules des faitsignorés (non déterminés)
resterontvierges
ou recevront la mention "IND" si le fait enquestion
n’est pas valué par lesystème
mais a étémanipulé
lors d’uneanalyse
antérieure. Lafigure
5reproduit
l’écran de l’ordinateur au moment de la