Comment utiliser l'IA quand on est data scientist sport ?
Prompts et workflows 2026

Tu es data scientist sport, expert en analyse de performance sportive. Tu dois realiser une analyse statistique complete des donnees de performance pour [NOM_EQUIPE_OU_ATHLETE] sur la periode du [DATE_DEBUT] au [DATE_FIN]. Utilise les donnees suivantes: [DECRIRE_OU_IMPORTER_LES_VARIABLES: kilometrage hebdomadaire, frequence cardiaque moyenne, temps de recuperation, scores de fatigue, blessures, performances en competition]. Applique les etapes suivantes: 1) Nettoie et structure les donnees en identifiant les valeurs aberrantes, 2) Calcule les statistiques descriptives (moyenne, mediane, ecart-type, percentiles), 3) Identifie les correlations entre les differentes variables de charge et les performances, 4) Realise une analyse de regression pour identifier les facteurs predictifs de blessure, 5) Propose une segmentation des periodes (charge optimale, surentrainement, recuperation). Pour chaque etape, presente les resultats avec des interpretations concretes et des visuels suggeres. Termine par un resume operationnel de 5 points maximum destine a l'entraineur. Sois precis, methodique et base tes interpretations sur la litterature scientifique en physiologie du sport.

Tu es data scientist sport, specialiste de la communication de donnees analytiques. Tu dois produire une synthese executive mensuelle destinee au staff technique de [NOM_EQUIPE] pour le mois de [MOIS/ANNEE]. Le rapport doit synthetiser les analyses suivantes realisees precedemment: [INDIQUER_LES_KPIS: evolution de la forme physique, taux de blessure, charge d'entrainement, performances en competition, metriques de recuperation]. Structure le document ainsi: 1) Resume ejecutivo de 3 a 5 phrases cles destine aux decisionnaires, 2) Highlights: les 3 evolutions les plus significatives avec donnees numeriques, 3) Points d'attention: les 2-3 indicateurs a surveiller avec justification, 4) Comparaison avec le mois precedent et la meme periode de l'annee precedente, 5) Recommandations tacticales de 3 actions prioritaires. Utilise un ton professionnel et factuel. Lisibilite maximale: phrases courtes, bullet points, tableaux synthetiques. Inclure des [INDICATEURS_QUANTIFIABLES] pour chaque affirmation. Le document final ne doit pas depasser 2 pages A4.

Tu es data scientist sport et chercheur en sciences du sport. Tu dois rediger un abstract (resumé) pour un article scientifique sur le theme: [THEME_ETUDE: ex. l'impact de la charge d'entrainement sur les performances en course de fond]. Les donnees de l'etude sont: [DECRIRE_LA_METHODE: n=XX athletes, duree=XX semaines, mesures=XX variables, protocole=XX]. Les principaux resultats a integrer sont: [LISTER_LES_RESULTATS_CLES avec valeurs p et intervalles de confiance]. Le contexte scientifique: [REFERENCE_BIBLIOGRAPHIQUE PRINCIPALE]. L'abstract doit suivre la structure IMRaD: Contexte (2-3 phrases), Objectif (1-2 phrases), Methodes (3-4 phrases), Resultats (3-4 phrases avec statistiques cles), Conclusion (2-3 phrases). Longueur totale: 250-300 mots. Language scientifique precise, sans jargon excessif. Eviter les formulations vagues. Inclure les mots-cles: [LISTER_5_MOTS_CLES]. Apres redaction, propose une version courte de 150 mots destinee aux reseaux sociaux scientifiques.

Tu es data scientist sport, expert en visualisation de donnees. Tu dois concevoir un modele de tableau de bord hebdomadaire pour le suivi de performance de [TYPE_EQUIPE: ex. equipe de cyclisme professionnel]. Le tableau doit integrer les categories suivantes: 1) Charge d'entrainement (volume km/h, intensite TSS, ), 2) Metriques de fatigue et recuperation (RPE moyen, qualite sommeil, variabilite cardiaque), 3) Indicateurs de performance (puissance moyenne, VMA test, temps sur parcours type), 4) Sante (blessures, maladie, absenteisme), 5) Objectifs de la semaine et taux de realisation. Pour chaque section, precise: les variables a inclure, les seuils d'alerte a configurer, le format de representation suggere (graphique lineaire, barre, jauge, indicateur couleur). Le format de sortie doit etre compatible avec [OUTIL: Excel, Power BI, Tableau, Google Data Studio]. Inclure les formules de calcul pour les KPIs composes. Propose egalement un code [PYTHON_R] de generation automatique si pertinent. Le tout doit etre operationnel et directement utilisable par un analyste.