AI4BI de Raft : un analyste IA pour les entraîneurs et les recruteurs en football, hockey et basket-ball

En 2026, Raft a retracé l'évolution d'AI4BI, une plateforme d'intelligence artificielle pour l'analytique sportive. Créée en 2017 pour le cricket, elle est devenue en neuf ans un outil généraliste destiné aux clubs de cinq sports et au marché grand public du fitness.

Comment AI4BI a atteint son envergure actuelle

Raft a construit le premier prototype d'AI4BI en 2017, spécifiquement pour le cricket, un sport pratiquement exotique sur le marché russe. Selon l'équipe elle-même, la solution de l'époque ressemblait à « un vaisseau spatial » : le marché n'était pas encore habitué à l'analytique sportive par IA.

En neuf ans, la plateforme est passée d'une seule discipline à un produit complet :

• 2017 : lancement du premier prototype, sport concerné : le cricket
• 2026 : prise en charge du football, du hockey, du volley-ball, du basket-ball et du bandy
• Bases de connaissances RAG pour intégrer une expertise métier sans réentraîner le modèle
• Module AI/ML pour la prévision, l'analyse de motifs (patterns) et les recommandations
• Nouvelle branche : analytique fitness « civile » pour le marché non professionnel

Pour quels rôles AI4BI est-il conçu ?

AI4BI n'est pas conçu comme un tableau de bord universel unique, mais comme un système par rôles : chaque utilisateur dispose de sa propre couche de données et de sa propre logique de travail. L'entraîneur visualise les charges de travail et les schémas tactiques, le recruteur dispose d'outils de comparaison de candidats, l'analyste sportif accède à des coupes approfondies par match. Le directeur sportif et le propriétaire du club travaillent avec une vision financière et stratégique reliée aux résultats.

La principale particularité technique : le mécanisme RAG permet de charger des informations propres à un club ou à une ligue (règlements tactiques, matchs historiques, protocoles médicaux), et le modèle répond alors aux questions en tenant compte de ce contexte, sans réentraînement. D'après Raft, cela abaisse le seuil d'adoption : l'expertise du domaine peut être intégrée sans l'intervention d'ingénieurs ML.

«

Aujourd'hui, c'est un outil accessible aux organisations sportives, des équipes professionnelles aux clubs de fitness », indique le blog d'entreprise de Raft.

Trois cas d'usage : trois sports, trois rôles

Le cœur de la présentation d'AI4BI repose sur trois cas de démonstration, chacun couvrant un sport et un rôle d'utilisateur distincts. Cette combinaison montre à quel point l'interface et la logique de la plateforme changent selon le contexte : l'analytique d'un recruteur de hockey s'articule autour de métriques radicalement différentes de l'outillage d'un entraîneur de volley-ball.

La branche fitness d'AI4BI repose sur la même architecture, mais avec d'autres données : non pas des statistiques de match, mais des indicateurs biométriques et la dynamique individuelle des clients. L'entraîneur du club de fitness reçoit des recommandations pour ajuster les programmes, tandis que le client obtient une visualisation de sa propre progression.

Ce que cela signifie

AI4BI illustre concrètement la « domainisation » de l'IA via le RAG : plutôt qu'un LLM sportif entraîné séparément, la plateforme s'appuie sur un moteur d'IA généraliste enrichi de bases de connaissances métier. Cette approche permet de passer à l'échelle horizontalement, du cricket de 2017 à n'importe quel sport et au fitness en 2026, sans supporter le coût d'un réentraînement pour chaque discipline.