Analyse d'une compétition mondiale de football féminin par Process Mining
Laly Lacroix  1@  , Julie Treilhou  1@  , Sébastien Déjean  2@  , Emmanuelle Claeys  3, *@  
1 : Institut National des Sciences Appliquées - Toulouse
Institut National des Sciences Appliquées, Université de Toulouse
2 : Institut de Mathématiques de Toulouse UMR5219
Université Toulouse Capitole, Institut National des Sciences Appliquées - Toulouse, Université Toulouse - Jean Jaurès, Université Toulouse III - Paul Sabatier, Centre National de la Recherche Scientifique
3 : Institut de recherche en informatique de Toulouse
Université Paul Sabatier - Toulouse III, CNRS : UMR5505
* : Auteur correspondant

Cet article présente un retour d'expérimentation d'analyse statistique sur
des données issues de la FIFA Women's World Cup 2023, coupe du monde de football.
Contrairement aux indicateurs traditionnels développés en statistique sportive, notre ap-
proche intègre l'utilisation d'outils de process mining, une méthodologie rarement ex-
plorée dans le domaine du sport jusqu'à présent. Cette démarche nous permet d'analyser
les processus sous-jacents de manière approfondie, offrant ainsi une perspective nouvelle
pour analyser la performance d'une équipe. Les données présentées ici proviennent de
la Coupe du monde féminine 2023 représentant des équipes de haut niveau et donnant
une visibilité au football féminin. L'intégralité des données sont disponibles sur le site
StatsBomb 1 , l'une des principales source dans l'open data sportif. Les résultats obtenus
ont permis une cartographie des trajectoires des tirs ainsi qu'une mise en évidence des
schémas tactiques, grâce aux méthodes de process mining. Ils offrent également la pos-
sibilité d'observer l'évolution tactique de l'équipe victorieuse, en l'occurrence l'Espagne,
depuis son premier jusqu'au dernier.



  • Poster
Personnes connectées : 3 Vie privée
Chargement...