La dernière semaine de la saison régulière de la NFL voit une poignée d’équipes se battre pour une place en séries éliminatoires. Une seule défaite surprise peut faire passer une équipe d’un match de premier tour à un début d’intersaison.
Dans des compétitions très disputées, une décision manquée d’un arbitre peut faire une grande différence. Étant donné que l’intelligence artificielle est devenue omniprésente dans la société et continue de croître, a-t-elle sa place sur le terrain de football ou, plus précisément, peut-elle remplacer les arbitres pour que chaque décision soit correcte ?
Avant de répondre à cette question, une revue des règles du football de la NFL donne un aperçu de la problématique.
Les règles officielles de la NFL sont un document de 79 pages qui couvre les moindres détails de la façon dont les jeux sont joués. Le document décrit 19 règles spécifiques, avec des diagrammes et des explications détaillés pour aider chaque équipe d’arbitres à prendre chaque décision correctement, dans chaque match, à chaque jeu.
Il existe 17 équipes d’arbitres de la NFL, chacune composée de neuf arbitres, arbitres, juges et officiels, dont deux qui gèrent les rediffusions instantanées. Chacun suit une formation approfondie pour garantir que les règles sont traduites en appels corrects. Les joueurs et les supporters comptent sur ces arbitres pour s’assurer que le résultat de chaque match est cohérent avec le jeu sur le terrain. Étant donné que chaque coup de balle implique 22 joueurs (11 dans chaque équipe) en mouvement, les équipes d’arbitres doivent non seulement comprendre toutes les règles, mais doivent également être capables de les appliquer en temps réel.
Pourtant, les systèmes d’IA sont excellents en matière d’apprentissage. Étant donné que le livre des règles officielles de la NFL contient des procédures bien définies et des violations des règles, il semble raisonnable de conclure que l’IA devrait être capable d’apprendre les règles et de les appliquer, peut-être même mieux que les officiels sur le terrain. La première conclusion est sans aucun doute vraie. La seconde est plus problématique, étant donné la nécessité de traduire immédiatement ces règles en appels concrets.
Certaines violations des règles sont faciles à détecter. Lorsqu’un joueur de ligne défensive franchit la ligne de mêlée avant que le ballon ne soit cassé, un système d’IA serait capable d’identifier une telle infraction. La question devient plus délicate lorsque la violation n’est pas une simple violation quantifiable d’une règle mais implique un certain degré de jugement.
Par exemple, l’interférence d’une passe défensive nécessite non seulement d’évaluer si le joueur défensif empêche le joueur offensif d’attraper la passe, mais aussi comment il l’a fait. La liste des façons dont cela peut se produire est longue et variée. Un système d’IA peut être capable d’identifier de nombreux cas de ce type. La question est de savoir si un tel système recevrait la bonne décision plus fréquemment qu’une équipe d’arbitres.
L’idéal serait que la NFL investisse dans un système d’IA qui surveille les matchs et apprend comment les équipes d’arbitres signalent les infractions aux règles. Avec suffisamment de temps, le système d’IA reproduirait idéalement ce que les équipes d’arbitres peuvent accomplir.
Étant donné qu’une équipe d’arbitres comprend neuf personnes, y compris les officiels de révision vidéo, il est très peu probable qu’un système d’IA puisse égaler leurs performances. Cependant, un système d’IA peut servir de 10e membre de l’équipage, appelant tranquillement le jeu. Après le jeu, ces informations peuvent ensuite être comparées à ce que l’équipe de terrain a appelé, fournissant ainsi un exercice d’apprentissage non seulement pour l’équipage, mais aussi pour le système d’IA lui-même.
Cependant, les équipes d’arbitres sont plus qu’un simple groupe de personnes supervisant les règles de la NFL. Lorsque des appels sont effectués, les supporters peuvent soutenir ou s’offusquer de l’appel sur le terrain, ajoutant ainsi une dimension supplémentaire d’intensité aux matchs. Les critiques vidéo offrent également une brève période de suspense, alors que les fans attendent la résolution finale. Ces dernières années, les critiques vidéo ont annulé plus de la moitié de tous les appels. Il ne s’agit pas d’une critique des compétences de l’équipe arbitrale, mais d’un indicateur de la difficulté de prendre des décisions correctes.
La probabilité que les systèmes d’IA remplacent prochainement les équipes d’arbitres de la NFL est très faible. La même chose peut être dite pour les officiels de la NBA et de la LNH. Le seul sport dans lequel l’IA pourrait avoir l’opportunité de percer est la Major League Baseball. Étant donné que le baseball implique d’appeler des balles et des strikes, des retraits et des balles en jeu ou en faute, sans que les joueurs n’interagissent généralement, il est raisonnable de s’attendre à l’ajout d’un cinquième arbitre IA dans un avenir pas trop lointain.
Les systèmes d’IA peuvent apprendre efficacement. Un tel apprentissage peut fournir des informations et même simuler un jugement. Pourtant, le sport est un domaine où le jugement fait souvent la différence entre une bonne ou une mauvaise décision. Compte tenu du bon fonctionnement du système actuel, l’IA continuera pour le moment de passer au second plan lorsqu’il s’agira d’arbitrer des sports de football professionnel. Pourtant, son rôle futur devrait rester ouvert à la discussion.
Sheldon H. Jacobson, Ph.D., est professeur d’informatique au Grainger College of Engineering de l’Université de l’Illinois à Urbana-Champaign. Il a utilisé son expertise en analyse basée sur les risques pour résoudre des problèmes de politique publique./Tribune News Service
