Sports américains : ma passion pour une culture data-driven

Tout a commencé avec la Dream Team. Barcelone, 1992. Jordan, Magic, Bird, Barkley, Pippen — une équipe de légendes qui écrasait tout sur son passage et que le monde entier regardait bouche bée. J’avais douze ans, et je venais de tomber amoureux du basketball.

Assez rapidement, j’ai commencé à acheter des magazines spécialisés tels que Maxi-Basket ou Mondial Basket. Et très vite, j’ai pris une habitude bizarre : je zappais les articles pour aller directement aux dernières pages — celles consacrées aux stats. PTS, REB, AST, BLK, %PCT… Des colonnes entières de chiffres, un joueur par ligne, toute une ligue disséquée en données. Ce qui me fascinait, c’est que rien n’échappait à la mesure. Chaque joueur, de la star au bout de banc, était suivi, comparé, quantifié. Je n’avais pas le vocabulaire pour le dire à l’époque, mais je venais de découvrir ce qu’était une culture data-driven.

Depuis, la passion n’a pas faibli. Elle a juste pris de l’ampleur.

Le terrain d’abord

Avant les stats, il y a les matchs. Et j’ai eu la chance d’en voir sur place — dans des stades NFL et MLB et des salles NBA aux États-Unis où l’ambiance n’a strictement rien à voir avec ce qu’on vit en Europe. Que ce soit à Chicago, Los Angeles, New York ou Philadelphie, à chaque fois c’est une expérience à part entière : les énormes barbecues organisés par les spectateurs et fans sur les parkings aux alentours du stade, les déambulations loufoques des mascottes sur la pelouse et dans les gradins, la musique assourdissante entre chaque temps mort… mais aussi et surtout ces écrans géants qui affichent en permanence des chiffres, des pourcentages, des tableaux comparatifs. Même les spectateurs dans les tribunes ont une relation intime avec les stats. On est loin du spectateur français qui consulte le classement le lundi matin sur lequipe.fr.

Aujourd’hui je compense via les abonnements — Bein Sports, NBA League Pass, l’app officielle NFL, MLB.tv. Je regarde des matchs en live à des heures impossibles, je suis des résumés le matin avant d’ouvrir mon laptop, je consulte les box scores entre deux tâches. C’est une habitude profondément ancrée.

Les cartes, les jeux, les bouquins

Il y a quelque chose de très particulier dans la collection de cartes sportives. Une carte, c’est un joueur figé dans le temps — ses stats de la saison, son équipe, son numéro de maillot. Quand tu commences à collectionner, tu réalises très vite que la valeur d’une carte repose en grande partie sur la performance statistique du joueur. Un rookie qui explose ses métriques la première saison : sa carte prend de la valeur. Un vétéran dont le WAR chute : sa cote baisse. C’est un marché qui se joue sur des données, ni plus ni moins.

Côté jeux vidéo, NBA 2K et Madden NFL sont des références depuis des années. Ces jeux sont eux-mêmes de véritables bases de données interactives — chaque joueur a des dizaines d’attributs chiffrés, et le gameplay reflète les performances réelles. Pour peu qu’on soit curieux, on finit par passer autant de temps dans les menus de gestion que sur le terrain.

Et les biographies. Je lis beaucoup de biographies de sportifs et de coaches américains. The Mamba Mentality, Shoe Dog, les bouquins sur Phil Jackson, sur Bill Belichick… Ces récits ont presque tous un point commun : la data y occupe une place centrale. L’histoire des Oakland Athletics racontée dans Moneyball en est l’exemple le plus célèbre — une franchise qui a révolutionné le baseball en prenant des décisions sur la base de métriques que personne d’autre ne regardait encore. Ce film (tiré d’un bouquin), je l’ai vu à l’époque où je codais des sites WordPress en pensant que la data, c’était pour les autres. Ironie du sort.

La fantasy league, ou comment transformer du sport en exercice analytique

La fantasy league, c’est le niveau supérieur. Que ce soit en NFL, en NBA ou en MLB, le principe reste le même : tu dresses une liste de joueurs réels, tu t’affrontes à d’autres managers en t’appuyant sur leurs performances statistiques en championnat. Pour gagner, il faut analyser — les tendances, les matchups, les blessures, les projections de fin de saison.

J’y participe depuis des années, et honnêtement, c’est ce qui a le plus développé mon instinct analytique. Avant même de savoir ce qu’était un pipeline de données, je comparais des distributions de points, j’évaluais des valeurs de remplacement, je cherchais des patterns dans des tableurs Excel. En fantasy, soit tu t’appuies sur les données, soit tu perds. Il n’y a pas de troisième option.

Ce que le rugby m’a appris par contraste

J’aime le rugby autant que les sports américains. Peut-être plus, même, d’une certaine façon — c’est viscéral, brutal, collectif d’une manière que peu d’autres sports égalent. Faut dire, je suis né dedans. Grand-père, grands-oncles, oncles, cousins… Quasiment tout le monde dans la famille a pratiqué la balle ovale. J’ai suivi de près le RRC Nice durant toute ma jeunesse, j’ai créé un blog spécialisé dans le rugby de l’hémisphère sud, j’ai assisté à des matches en Nouvelle-Zélande, j’ai même été accrédité presse au WestPac Stadium de Wellington. Ce sport m’a donné beaucoup.

Mais le rugby, sur le plan analytique, a longtemps été à la traîne. Trente ans de professionnalisme, et les stats restaient cantonnées aux plaquages et au pourcentage de possession. Pas de métriques avancées, pas de modèles prédictifs, pas d’équivalent du WAR ou du PER. Pendant des années, j’ai regardé des récaps d’un œil en consultant des box scores NFL de l’autre, et le contraste était saisissant.

C’est en train de changer — doucement. J’ai prévu de lire prochainement Attacking the Space: Inside Rugby’s Tactical and Data Revolution de Sam Lerner, qui semble explorer justement cette évolution. Je vous en parlerai ici dès que je l’aurai terminé.

Et en attendant, je travaille sur RugbyDraft, un projet de jeu fantasy rugby. L’idée : appliquer la logique des grandes fantasy leagues américaines au rugby, avec tout ce que ça implique en termes de collecte et de traitement de données. C’est un projet personnel, en cours de développement — je vous tiendrai informé de l’évolution.

Sports américains et data engineering : un lien naturel

Si je repense à mon parcours, la passion pour les sports américains a probablement planté des graines très tôt. J’ai appris à comparer des cohortes de joueurs avant de savoir ce qu’était une requête SQL. J’ai construit des classements maison dans des tableurs avant de connaître dbt. J’ai cherché des corrélations entre des métriques de performance et des résultats avant d’entendre parler de feature engineering.

La culture data-driven des sports américains, c’est de la data pour tout le monde — accessible, ludique, utile. Elle m’a donné le goût de l’analyse bien avant que je mette le pied dans le domaine professionnellement.

Ce n’est peut-être pas un hasard si je me reconvertis vers l’analytics engineering maintenant. Les fondements étaient là depuis longtemps. Ils sentaient juste le vestiaire et le pop-corn.