Dans le sport, la différence entre succès et échec se joue souvent en quelques millisecondes. Un joueur de cricket ajustant la position de ses pieds, un sprinteur perfectionnant sa technique, ou un footballeur peaufinant sa passe : ces petits ajustements peuvent faire la différence entre la victoire et la défaite.
La capture de mouvement traditionnelle a longtemps été la référence pour analyser les gestes sportifs, mais ses limites ont freiné son adoption à grande échelle. Les systèmes conventionnels exigent que les athlètes portent des marqueurs réfléchissants et des combinaisons spécialisées, le tout dans des environnements de laboratoire contrôlés. Ces installations coûtent souvent des dizaines de milliers de dollars, les rendant inaccessibles à tous, sauf aux équipes d’élite et aux centres de recherche bien financés.
L’intelligence artificielle bouleverse radicalement ce paysage. La capture de mouvement sans marqueur, basée sur l’apprentissage profond et la vision par ordinateur, permet de suivre les mouvements directement à partir de vidéos, sans marqueurs physiques. Cette technologie arrive à maturité rapidement, avec des entreprises comme Theia qui ouvrent la voie grâce à leur mise à jour logicielle 2025, « Theia Axiom », compatible avec les nouvelles cartes graphiques NVIDIA RTX 50 Series pour des capacités de traitement améliorées.
« La capture de mouvement sans marqueur offre une alternative pratique, accessible, évolutive et adaptable aux situations réelles », explique le professeur Habib Noorbhai, scientifique de la santé et du sport, co-auteur d’une récente étude sur le sujet. « C’est un changement qui promet de transformer la façon dont les athlètes s’entraînent, se déplacent, dont les blessures sont évaluées et dont les entraîneurs affinent la performance. »
Les applications sont vastes. En rééducation, les kinésithérapeutes peuvent surveiller en temps réel les déficiences de mouvement, permettant aux athlètes en convalescence après une rupture du ligament croisé antérieur, par exemple, de faire contrôler leur démarche et l’angle de leur genou à distance. Pour l’amélioration de la performance, les entraîneurs peuvent analyser la biomécanique dans des environnements naturels plutôt qu’en laboratoire.
Bien que les systèmes sans marqueur rencontrent encore des défis — notamment les problèmes d’occlusion, lorsque certaines parties du corps sont temporairement cachées, ou les variations de luminosité qui affectent la précision du suivi — la technologie progresse rapidement. Les études de validation récentes sont prometteuses, même si les chercheurs soulignent que des améliorations restent nécessaires avant que ces systèmes ne puissent remplacer totalement les dispositifs à marqueurs dans toutes les applications.
Le marché de l’IA dans le sport connaît une expansion spectaculaire, avec des prévisions passant de 7,63 milliards de dollars en 2025 à 26,94 milliards en 2030, soit un taux de croissance annuel composé de 28,69 %. Cette croissance est portée par l’adoption croissante des technologies d’IA dans tous les aspects du sport, de l’analyse de la performance à la prévention des blessures, en passant par l’engagement des fans.
À mesure que les modèles d’IA se perfectionnent et que la technologie des capteurs progresse, la précision des systèmes sans marqueur continuera de s’améliorer. L’avenir reposera probablement sur l’intégration de multiples approches, plutôt que sur le remplacement total d’une technologie par une autre, pour créer un cadre d’analyse du mouvement fluide, adapté à différents contextes et besoins.
Pour les athlètes de tous niveaux, cette révolution technologique signifie que l’analyse sophistiquée de la performance devient de plus en plus accessible. Ce qui était autrefois réservé aux professionnels de l’élite est désormais à la portée des équipes universitaires, des programmes de développement et même des amateurs passionnés — démocratisant la science du sport et nivelant potentiellement le terrain de jeu de manière inédite.