Lerebourg L, Saboul D, Clémençon M, Coquart JB. Prediction of Marathon Performance using Artificial Intelligence. Int J Sports Med 2023, 44(5):352-360. doi: 10.1055/a-1993-2371.
Résumé : Cette étude visait à tester la validité et à comparer la précision et l’exactitude des prédictions des performances sur marathon en utilisant 2 techniques : un réseau de neurones artificiels (ANN) et la méthode du cas plus proche voisin (KNN).
Les performances sur marathon ont été prédites à partir de ces 2 méthodes (ANN et KNN) en utilisant les données personnelles (genre, âge, indice de masse corporelle et performance sur 10 km) de 820 athlètes, puis elles ont été comparées à leur performance réelle sur marathon.
Les résultats ne révélaient aucune différence significative entre les performances réelles et prédites pour les 2 méthodes. De plus, les performances prédites étaient significativement corrélées avec les performances réelles, avec des coefficients de corrélation très élevés (p < 0,001 ; r > 0,90). Toutefois, les prédictions étaient meilleures pour KNN en comparaison à ANN (erreur moyenne : 2,4 vs 5,6%).