Une équipe de chercheurs a développé SwiMe, un système capable d’analyser automatiquement le mouvement d’un nageur à partir d’une vidéo sous-marine.
L’IA suit notamment les épaules, les coudes, les poignets, les hanches, les genoux et les chevilles. À partir de leurs trajectoires, elle peut reconnaître certaines phases du crawl, mesurer la cadence des bras et des jambes et calculer certains angles articulaires.
Dans l’étude, certaines mesures de cadence présentent moins de 1 % d’erreur.
Et le matériel utilisé n’a rien d’exotique : les chercheurs ont filmé leurs tests avec des GoPro en 1080p à 60 images par seconde.
La caméra ne sert donc plus seulement à revoir sa nage. Elle commence à devenir un véritable instrument de mesure.
Le système permet d’automatiser l’analyse de la technique de nage sans nécessiter d’équipement complexe de capture de mouvement ni une importante annotation humaine.Coifman et al., Sports Biomechanics, 2026 — traduction libre
Reconnaître un corps humain dans une photo est aujourd’hui assez facile pour une IA. Sous l’eau, c’est une autre histoire : bulles, éclaboussures, membres cachés derrière le corps, bras qui sortent et rentrent dans l’eau.
Le modèle utilisé par les chercheurs fonctionnait d’ailleurs très mal lorsqu’il était appliqué tel quel aux vidéos de natation : moins de 1 % de précision moyenne selon leur métrique.
Après avoir été réentraîné sur des milliers d’images de nageurs annotées, il atteint environ 92 %.
Il ne suffisait pas d’apprendre à l’IA à reconnaître un humain. Il fallait lui apprendre à reconnaître un humain qui nage.
YOLO pas juste le wesh de 2012
YOLO est une famille de modèles d’intelligence artificielle - dont plusieurs versions sont disponibles en open source - capables d’analyser très rapidement une image et d’y repérer ce qu’ils ont appris à reconnaître. Certaines versions peuvent aussi localiser les principales articulations du corps humain.
Et l’idée d’adapter YOLO à la natation n’est pas complètement nouvelle. Un projet précédent, YOLOv7-Swim-Pose-Recognition, avait déjà modifié YOLOv7 pour mieux reconnaître les poses et les différents styles de nage. Les auteurs rapportaient une amélioration de plus de 30 % de la confiance de détection et environ 80 % de précision pour leur système de reconnaissance des styles.
Pour aller plus loin
Itay Coifman, May Hakim, Gera Weiss et Raziel Riemer, Human pose estimation for automated biomechanical swimming analysis, Sports Biomechanics, 2026. DOI : 10.1080/14763141.2026.2715647.