Va2 Fleureau Antoine

Caractérisation de la charge d’entraînement en Handball
élite par comparaison avec les situations de compétitions

Antoine Fleureau
To cite this version:

Antoine Fleureau. Caractérisation de la charge d’entraînement en Handball élite par comparaison avec
les situations de compétitions. Physiologie [q-bio.TO]. Université Paris Cité, 2021. Français. �NNT :
2021UNIP5259�. �tel-04341068�
HAL Id: tel-04341068

https://theses.hal.science/tel-04341068v1
Submitted on 13 Dec 2023
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
Université de Paris
École doctorale 566 : Sciences du sport, de la motricité et du mouvement humain
Laboratoire : Institut de recherche biomédicale et d'épidémiologie du sport, Sport, Expertise
et Performance - EA 7370
CARACTÉRISATION DE LA CHARGE
D’ENTRAINEMENT EN HANDBALL ÉLITE
PAR COMPARAISON AVEC LES
SITUATIONS DE COMPÉTITIONS.
Par Antoine Fleureau
Thèse de doctorat en Sciences du Sport et du Mouvement Humain
Présentée et soutenue publiquement le vendredi 10 Décembre 2021
Devant un jury composé de :
Président : Jacques PRIOUX, PU, ENS, Université de Rennes
Jacques PRIOUX, PU, ENS, Université de Rennes

Rapporteurs : Frédérique HINTZY, MCU-HDR, Université Savoie-Mont-Blanc
Laurent BOSQUET, PU, Université de Poitiers

Examinateurs : Claire THOMAS-JUNIUS, PU, Université d’Évry
Martin BUCHHEIT (Directeur), Université de Paris, Laboratoire

Direction de Thèse : SEP - INSEP ; Directeur de la performance, LOSC Lille ; Head of
Performance Intelligence Research at Kitman Labs
Giuseppe RABITA (Co-directeur), Université de Paris, Chercheur,
HDR, Laboratoire SEP - INSEP
Susana POVOAS, Associate Professor, University of Maia, Portugal

Membres Invités : Mathieu LACOME (Co-encadrant), Université de Paris, Laboratoire
SEP - INSEP ; Chief Performance & Analytics Officer chez Parma
Calcio 1913, INSEP
2
3
AVANT-PROPOS
Ce manuscrit est l’aboutissement d’un parcours entamé en août 2018. Ces trois années de
doctorat représentent une part importante de ma vie et je souhaite, par ces quelques lignes,
remercier les personnes qui ont contribué à ce travail.
En premier lieu, je tenais à remercier Mr Jacques Prioux et Mme Frédérique Hintzy d’avoir
accepté de rapporter ce travail de thèse. Je remercie également Mr Laurent Bosquet, Mmes
Claire Thomas-Junius et Susana Póvoas pour votre participation en tant membres du jury. C’est
un honneur de pouvoir compter sur votre présence et vous présenter mon travail. Je suis
impatient d’échanger avec vous lors de la soutenance.
Je souhaiterais remercier le Club du Paris Saint-Germain Football Club, et en particulier sa

section Handball, pour son soutien matériel et financier sans lequel je n’aurais pu réaliser cette
thèse. En particulier je souhaite remercier Arthur Yapo et Bruno Martini qui ont permis la mise
en place de ce travail de recherche. Merci pour votre aide précieuse et au plaisir de partager
avec vous les résultats de ces travaux auxquels vous êtes pleinement associés.
Au même titre je souhaite remercier l’Institut National du Sport, de l’Expertise et de la

Performance, et en particulier le laboratoire Sport, Expertise et Performance. En particulier je
souhaite remercier Gaël Guilhem, directeur du laboratoire, d’avoir accepté de soutenir ce projet
de recherche. Merci pour ton aide et ton accompagnement. Je serais ravi d’échanger avec toi au
sujet de mes travaux auxquels tu es également pleinement associé.
Dans ces quelques lignes, je souhaiterais remercier ma direction de thèse, un trio d’experts qui
m’a offert l’opportunité, il y a trois ans (et demi presque), de me lancer dans ce projet. J’espère
que vous êtes fiers de l’aboutissement de notre travail et de l’étudiant que je suis devenu. C’est
la fin d’une belle collaboration que j’espère terminer comme il se doit le 10 décembre prochain.
Merci infiniment. Giuseppe, merci pour ta confiance et ta rigueur, tes remarques et
commentaires toujours pertinents. Je suis très heureux d’avoir pu partager cette thèse avec toi.
Martin, merci également pour ta confiance et la justesse de tes propos. Je retiendrai la pertinence
de tes remarques pour l’ensemble des questions de recherche. Je suis honoré de t’avoir eu
comme directeur de thèse. Mathieu, je te remercie d’avoir accepté de Co-encadrer ce travail et
de t’être tant investi dans ce projet. J’ai énormément appris à tes côtés. Merci pour ta
4
disponibilité. Tu as été, au-delà de tes qualités humaines, une source d’inspiration dans mon
quotidien de doctorant. Un immense merci.
Je tiens également à remercier tout particulièrement Antoine Couturier et Cédric Leduc pour
vos expertises respectives qui m’ont permis de m’enrichir personnellement et d’enrichir mon
travail. Merci Antoine pour ton aide, plus que précieuse, sur mes questions méthodologiques
en début de thèse. Merci à toi aussi Cédric pour ton aide précieuse pendant la rédaction des
articles scientifiques. À tous les deux, ces quelques lignes ne suffiront pas à vous remercier à
la juste valeur de votre apport dans ce travail de recherche.
J’associe les membres du laboratoire SEP à ces remerciements, tout particulièrement Alexis et
Antonio. Il m’est impossible de ne pas citer mes collègues doctorants dans ces remerciements.
Ces collègues qui partagent chaque jour les mêmes angoisses et doutes qui nous rapprochent.
Merci à Enzo, Robin, Jérôme, Mathilde et Anis pour nos échanges toujours enrichissants. Vous
faites partie de ces belles rencontres que nous offrent une thèse. Je suis impatient de recroiser
vos chemins en France ou à l’étranger. Bien évidemment merci aux autres doctorants pour tous
ces bons moments, particulièrement Benjamin Adèle, Allison, Mildred, Mathilde, Valentine.
Je remercie chaleureusement l’ensemble des personnes du PSG Handball pour tout le travail
réalisé avec vous durant ces trois saisons. Merci à Arthur et Saïd pour toutes ces heures passées
à échanger. Promis on finira par boire un coup ensemble. Merci à Régis, Kiki, Nico, Jonas, Flo
et Fab pour tous ces échanges. Je suis heureux de vous avoir rencontrés et j’espère bien pouvoir
vous retrouver pour continuer à échanger. Merci à Jota et Raúl pour votre considération envers
mon travail, et l’ensemble des moments partagés ensemble. Merci à Thierry, PA, Denis, Franck
pour tous ces moments partagés. Nos échanges plus ou moins sérieux du vendredi soir me
manqueront. Ces remerciements ne sauraient être complets sans un mot pour l’ensemble des
joueurs de l’équipe professionnelle qui ont tous accepté mes sollicitations. Je ne saurais vous
remercier pour tous ces moments passés ensemble et toutes ces émotions que vous m’avez
permis de vivre. Merci également aux joueurs du Centre de Formation dont j’ai pu suivre
l’évolution et à qui je souhaite de réussir dans leurs projets. Enfin un merci spécial pour Abdoul,
ta bonne humeur et ton accompagnement dans le quotidien du club, de l’ouverture du gymnase
à sa fermeture, m’auront aidé bien plus que tu ne voudrais l’admettre. Merci pour tous nos
échanges et pour ta générosité.
5
Un merci tout spécial pour toi Mariia sans qui cette thèse n’aurait certainement pas été la même.
Merci d’être là pour moi au quotidien. Je remercie mes amis de toujours Clément, Aurélie, Zoé,
Laëtitia. Merci pour tout. Vous êtes les meilleurs, et ce depuis toujours. Je garde un peu de
pudeur pour vous exprimer toute l’amitié et l’amour que j’ai pour vous.
Enfin, ces dernières lignes s’adressent à ma famille, mes grands-parents, mon frère et mes
parents. Vous avez été mes premiers supporters, ceux avec qui j’ai partagé mes nombreux
doutes. Vous avez été d’un soutien inestimable de chaque instant. Je suis tellement fier de
partager ce travail avec vous. Ces quelques lignes ne suffiront pas à exprimer mes sentiments
les plus forts envers vous. Merci pour tout et plus encore.
6
CONTEXTE
Ce travail de thèse a été réalisé dans le cadre d'une Convention Industrielle de Formation par la
Recherche (CIFRE) entre le Paris-Saint-Germain Football Club et le laboratoire Sport,
Expertise et Performance (SEP) de l’Institut National du Sport, de l'Expertise et de la
Performance (INSEP). Le club s’est historiquement doté d’une cellule performance ayant pour
ambition de permettre un accompagnement scientifique de la performance des différentes
équipes afin de contribuer à l'optimisation de leurs performances. C’est dans ce cadre que mon
travail a pu être mis en place, auprès de la section Handball du Club, et plus précisément de
l’équipe professionnelle et de celle du centre de formation. J’ai ainsi pu être embauchée par le
club en tant que Sport Scientist, avec le double objectif de fournir des informations, relative à
l’activité des joueurs sur le terrain, aux staffs des équipes et de mener un travail de recherche
sur l’activité Handball. Une part importante de mon travail de recherche a consisté en la collecte
des données de performance physique des joueurs à l’aide d’un nouvel outil de suivi instantanée
de la position sur le terrain. Cette collecte se faisait à la fois durant les entrainements et les
matchs, durant l’ensemble de la présaison et de la saison des deux équipes. Le système utilisé
étant installé à demeure au stade Pierre de Coubertin, site d’entrainement et de compétition des
équipes du club, seuls les séances effectuées à domicile ont pu être mesurées. Elle donnait lieu
à des comptes-rendus quotidiens et hebdomadaires en direction des membres du staff,
Entraineurs, Préparateurs Physiques, Kinésithérapeutes et Médecins. J’étais présent au club
80% de mon temps de travail, ce qui m’a permis d’être pleinement assimilé au staff des deux
équipes et me permettait d’échanger avec l’ensemble de celui-ci pour répondre aux besoins
personnels de chacun. Les 20% restant était passé à l’INSEP, au sein du laboratoire SEP, pour
effectuer l’analyse des données en vue de répondre aux enjeux de ce travail de recherche qui
étaient de caractériser la charge d'entrainement en Handball à partir de comparaison avec les
situations de compétition.
7
Ce travail a fait l’objet des publications et communications suivantes
Publications dans des revues scientifiques internationales à comité de lecture
Fleureau A., Lacome M., Buchheit M., Couturier A., & Rabita G. (2020). Validity of an
ultra-wideband local positioning system to assess specific movements in handball. Biology of
Sport, 37(4), 351-357. https://doi.org/10.5114/biolsport.2020.96850
Fleureau A., Lacome M., Buchheit M., Couturier A., & Rabita G. Peak locomotor intensity
in Elite Handball players: a first insight into player position differences and training practices.
Journal of Strength and Conditioning Research (Accepté).
Fleureau A., Lacome M., Buchheit M., Couturier A., & Rabita G. The effect of congested
fixtures on training load periodization in elite Handball players. PlosOne (soumis).
Communications dans des congrès internationaux
Présentation d’un Poster non débattu, au format PowerPoint pré-enregistré :

A. Fleureau, G. Rabita, C. Leduc, M. Buchheit, M. Lacome (2020). Peak locomotor
intensity in elite Handball matches: effect of players positions and training practice. Abstr-ID:
638, Presentation format: Mini-Oral, Session name: CP-AP03 - Training and testing II -
Cross - sectional 26th Virtual Congress of the European College of Sport Science
Communications dans des congrès nationaux
Présentation orale de 10 minutes, avec support visuel :

Fleureau A., Lacome M., Buchheit M., Couturier A., and Rabita G. (2019). "Validity of an
Ultra-Wideband Local Positioning System to Assess Specific Movements in Handball."
À la Recherche de la Performance - La performance, terrain d'innovation. INSEP
8
9
Table des matières
AVANT-PROPOS ............................................................................................................................................... 4
TABLE DES MATIÈRES ..................................................................................................................................... 10
LISTE DES FIGURES ......................................................................................................................................... 13
LISTE DES TABLEAUX ...................................................................................................................................... 16
LISTE DES ABRÉVIATIONS ............................................................................................................................... 18
INTRODUCTION GÉNÉRALE ............................................................................................................................ 19
REVUE DE LITTÉRATURE ................................................................................................................................. 22
1 L’ACTIVITÉ HANDBALL.................................................................................................................................... 22
2. OUTILS DE QUANTIFICATION DE L’ACTIVITÉ ................................................................................................. 26
2.1 L’Analyse vidéographique ...................................................................................................................... 27
2.1.1 Analyse par notation .......................................................................................................................... 27
2.1.2 Les méthodes de suivi semi-automatique ........................................................................................... 28
2.2 Les outils GPS & LPS ............................................................................................................................... 30
2.2.1 Principe de fonctionnement ................................................................................................................ 31
2.2.2 Validité et Reproductibilité de la mesure ............................................................................................ 34
2.3 Bilan ....................................................................................................................................................... 38
3. ANALYSE DE L’ACTIVITÉ DES JOUEURS LORS DES COMPÉTITIONS ÉLITES ..................................................... 40
3.1 Temps de jeu effectif des joueurs .......................................................................................................... 41
3.2 Volume de l’activité ............................................................................................................................... 42
3.3 Distribution du volume de l’activité ....................................................................................................... 45
3.4 Actions de haute intensité ..................................................................................................................... 49
3.5 Intensité de l’activité.............................................................................................................................. 53
3.6 Pics d’intensité ....................................................................................................................................... 54
3.7 Bilan ....................................................................................................................................................... 58
4. DÉFINITION DE LA CHARGE D’ENTRAINEMENT EN SPORTS COLLECTIFS ....................................................... 60
4.1 Mesures internes ................................................................................................................................... 61
4.1.1 Mesures subjectives ............................................................................................................................ 61
4.1.2 Mesures objectives ............................................................................................................................. 63
4.2 Mesures externes ................................................................................................................................... 66
4.2.1 Mesures instantanées de la position .................................................................................................. 66
4.2.2 Mesures accélérométriques ................................................................................................................ 68
4.3 Bilan ....................................................................................................................................................... 71
10
5 PÉRIODISATION DE LA CHARGE D’ENTRAINEMENT EN SPORT COLLECTIF ..................................................... 73
5.1 Organisation de l’entrainement en Handball ........................................................................................ 73
5.2 Les jeux réduits ...................................................................................................................................... 76
5.2 L’enchainement des matchs .................................................................................................................. 79
5.3 Bilan ....................................................................................................................................................... 83
OBJECTIFS EXPERIMENTAUX .......................................................................................................................... 85
ÉTUDE 1 : VALIDITÉ DU SYSTÈME DE POSITIONNEMENT LOCAL À BANDE ULTRA-LARGE KINEXON™ POUR

ÉVALUER LES MOUVEMENTS SPÉCIFIQUES AU HANDBALL ............................................................................. 87
OBJECTIF DE L’ÉTUDE ............................................................................................................................................. 88

MÉTHODOLOGIE ................................................................................................................................................... 88
Participants .................................................................................................................................................. 88
Protocole expérimental................................................................................................................................ 88
Matériel ....................................................................................................................................................... 89
Traitement des données .............................................................................................................................. 91
Analyse statistique ....................................................................................................................................... 92
RÉSULTATS ........................................................................................................................................................... 93
DISCUSSION ......................................................................................................................................................... 93
Limites.......................................................................................................................................................... 96
Conclusion .................................................................................................................................................... 96
Applications pratiques ................................................................................................................................. 96
.......................................................................................................................................................................... 97
ARTICLE ............................................................................................................................................................... 97
ÉTUDE 2 : INTENSITÉ LOCOMOTRICE MAXIMALE CHEZ LES JOUEURS DE HANDBALL D'ÉLITE : UN PREMIER
APERÇU DES DIFFÉRENCES DE POSTES DE JEU ET DES PRATIQUES D'ENTRAINEMENT .................................. 104
OBJECTIF DE L’ÉTUDE ........................................................................................................................................... 105

MÉTHODOLOGIE ................................................................................................................................................. 105
Approche expérimentale du problème ...................................................................................................... 105
Participants ................................................................................................................................................ 106
Protocole expérimental.............................................................................................................................. 107
Traitement des données ............................................................................................................................ 108
Analyse statistique ..................................................................................................................................... 109
RÉSULTATS ......................................................................................................................................................... 110
DISCUSSION ....................................................................................................................................................... 111
Limites........................................................................................................................................................ 113
Conclusion .................................................................................................................................................. 114
11
Applications pratiques ............................................................................................................................... 114
ARTICLE ............................................................................................................................................................. 115
ÉTUDE 3 : EFFET DE L’ENCOMBREMENT DU CALENDRIER SUR LA PÉRIODISATION DE LA CHARGE

D'ENTRAINEMENT CHEZ LES JOUEURS DE HANDBALL ÉLITE ......................................................................... 125
OBJECTIF DE L’ÉTUDE ........................................................................................................................................... 126

MÉTHODOLOGIE ................................................................................................................................................. 126
Approche expérimentale du problème ...................................................................................................... 126
Participants ................................................................................................................................................ 127
Matériel ..................................................................................................................................................... 128
Traitement des données ............................................................................................................................ 129
Analyse statistique ..................................................................................................................................... 129
RÉSULTATS ......................................................................................................................................................... 130
DISCUSSION ....................................................................................................................................................... 130
Limites........................................................................................................................................................ 132
Conclusion .................................................................................................................................................. 133
Applications pratiques ............................................................................................................................... 133
ARTICLE ............................................................................................................................................................. 134
DISCUSSION GÉNÉRALE ................................................................................................................................ 156
APPORTS DES TRAVAUX EXPÉRIMENTAUX ................................................................................................................. 156

Système de suivi instantanée de la position : validation du Kinexon™ ...................................................... 156
Organisation et structuration des entrainements de Handball ................................................................. 158
LIMITES ET CONSIDÉRATIONS MÉTHODOLOGIQUES .................................................................................................... 161
Système de suivi instantané de la position : Kinexon™ .............................................................................. 161
CONCLUSION GÉNÉRALE ET APPLICATIONS PRATIQUES ............................................................................... 163
Système de suivi instantanée de la position : Kinexon™ ............................................................................ 163

PERSPECTIVES DE RECHERCHES .................................................................................................................... 165
BIBLIOGRAPHIE ............................................................................................................................................ 167
12
Liste des Figures
Figure 1 : Représentation d'un terrain de Handball. ................................................................. 24
Figure 2 : Description des postes en Handball. ........................................................................ 25
Figure 3 : Vitesse instantanée mesurée en sprint avec les systèmes Vicon (cercles noirs) et
ClearSky (cercles blancs) avant filtrage (gauche) et après filtrage équivalent (droite), d’après
Serpiello et al. (2018). .............................................................................................................. 35
Figure 4 : Graphique en boîte et moustaches avec les différences (m) des deux systèmes (UWB
et GPS) dans les variables Gis Longueur et Gis Surface analysées lors de jeux réduits d’après
Bastida-Castillo et al. (2019). ................................................................................................... 36
Figure 5 : Exemple typique des signaux d'accélération (en m·s-²) en fonction du temps (en s)
mesurés avec les accéléromètres MinimaxX situés dans le haut du dos (UBMXX) et le bas du dos
(LBMXX) et avec le système de plateformes de force (COMPFF) pendant les déplacements,
d’après (Hollville, et al. 2021). ................................................................................................ 38
Figure 6 : Évolution de la répartition du temps de jeu en Handball......................................... 42
Figure 7 : DTp ± SD (en m) par poste d’après Šibila et al. (2004) et Luig et al. (2008). ........ 44
Figure 8 : DTp ± SD (en m) par poste d’après Michalsik et al. (2016), Cardinale et al. (2017) et
Manchado et al. (2021). ............................................................................................................ 44
Figure 9 : DTp ± SD (en m) par postes, différenciés par latéralité, d’après Cardinale et al. (2017)
et Manchado et al. (2021). ........................................................................................................ 45
Figure 10 : DTp ± SD (en m) par type de déplacement selon Al-Lail et al. (2001) et Póvoas et
al. (2012). ................................................................................................................................. 46
Figure 11 : Temps passé ± SD (en s) dans les différentes catégories de déplacements selon les
postes d’après Póvoas et al. (2012). ......................................................................................... 47
Figure 12 : DTp ± SD (en m) dans les différentes catégories de déplacements selon les postes
d’après Póvoas et al. (2012). .................................................................................................... 47
13
Figure 13 : Intensités de déplacements, DTp ± SD (en m) par postes d'après Manchado et al.
(2021). ...................................................................................................................................... 48
Figure 14 : DTp ± SD (en m) durant les matchs selon les postes et leurs latéralités d'après
Manchado et al. (2021). ............................................................................................................ 49
Figure 15 : Actions de Haute Intensité ± SD (Nombre) d'après Póvoas et al. (2009) et Michalsik
et al. (2015.c). ........................................................................................................................... 50
Figure 16 : Intensité de l'activité des joueurs selon leur poste, DTp par minutes ± SD
(en m·min‑1) d'après Šibila et al. (2004), Luig et al. (2008), Póvoas et al. (2009) et Michalsik et
al. (2015.a)................................................................................................................................ 54
Figure 17 : Intensité de l'activité, DTp par minutes ± SD (en m·min-1) des joueurs selon leur
poste et leur latéralité d’après Cardinale et al. (2017) et Manchado et al. (2021). .................. 54
Figure 18 : Répartition de l'activité moyenne, DTp ± SD par périodes de 5 minutes d'après

Michalsik et al. (2015.b). ......................................................................................................... 55
Figure 19 : Exemple d'analyse de loi de puissance modélisant la relation entre l'intensité de

l'exercice d’après Delaney et al. (2015). Á gauche : vitesse moyenne (m·min-1) tracée pour
chaque durée d'exercice moyenne mobile de 5 - 600 secondes. À droite : Régression
logarithmique permettant d’obtenir une relation linéaire. ........................................................ 58
Figure 20 : Cadre théorique du processus d’entrainement d’après Impellizzeri et al. (2019). 61
Figure 21 : Échelle RPE de Borg (CR-10), d’après Borg (1987). ........................................... 62
Figure 22 : Exemple de suivi de la CEe à partir des données de distance parcourue d’après
Dubois et al. (2020). ................................................................................................................. 67
Figure 23 : Exemple de suivi de la CEe à l’aide du PlayerLoad™ d’après Robineau et al. (2020).
.................................................................................................................................................. 70
Figure 24 : Syndrome Général d’Adaptation d’après Selye (1956). ........................................ 75
14
Figure 25 : Résultats des tests pré- et post- période de matchs enchainés ; vitesse en sprint sur
17 m (Vert), sprint en courbe pour le « bon » côté (CSGS, Rouge), sprint en courbe pour le «
mauvais » côté (CSWS, Bleu), vitesse en course en zigzag (Jaune), déficit de changement de
direction (Orange), et puissance propulsive moyenne en demi-squat (HS MPP, Gris) ; d’après
Freitas et al. (2021). .................................................................................................................. 80
Figure 26 : Tacles et interceptions sur les 7 matches analysés (Moyenne ± SD) ; † différence
significative par rapport aux 1er et 7e matches (p>0,05) ; * différence significative par rapport
aux 4e et 5e matches (p>0,05) ; TTI = Total des Tacles/interceptions ;
STI = Tacles/interceptions réussis ; d'après Moreira et al. (2016). .......................................... 81
Figure 27 : Mesures salivaires au repos, à jeun (moyenne ± SD), a = différent de J1, b = différent
de J2, c = différent de J3, d'après Moreira et al. (2016). .......................................................... 82
Figure 28 : Étude 1 : Figure 1. A: Position of the Vicon® camera on configuration for sprints (
); B: Position of the Vicon® camera on configuration for lateral and specific movements ( ··
); C: Schematic position of the Kinexon™ antennas and position of testing zones on the field;
D: Position of Kinexon™ antennas; E: Position of the Vicon® reflective marker on the
Kinexon™ tag. ......................................................................................................................... 98
Figure 29 : Étude 1 : Figure 2. Synchronized position data of the two systems (Kinexon™ and
Vicon®) both in the centre and on the side of the court, for each type of movements. ........... 99
Figure 30 : Étude 2 : Figure 1. Peak locomotor intensity during match, SSGs and HIIT as a
function of each rolling average period for playing position. ................................................ 119
Figure 31 : Étude 3 : Figure 1: Variables related to external and internal training load volume:
TD, HS, AR, sRPE. The horizontal black line represents the mean, while the vertical black line
represents ± SD, and each grey point represents the data of a player during a training session.
................................................................................................................................................ 152
Figure 32 : : Étude 3 : Figure 2: Variables related to external and internal training load intensity:
TD/min, HS/min, AR/min, RPE. The horizontal black line represents the mean, while the
vertical black line represents ± SD, and each grey point represents the data of a player during a
training session. ...................................................................................................................... 152
15
Liste des Tableaux
Tableau 1 : Exemple de critères d’efficacité d’analyse vidéographique notationnelle d’après
Lacome (2013). ........................................................................................................................ 27
Tableau 2 : Erreurs de position, de vitesse et d'accélération mesurées pour le parcours sportif

(SSC) et les matchs de Football à effectif réduit (SSG). Pour chaque catégorie, l'erreur
quadratique moyenne (RMSE) et l'erreur absolue moyenne (MAE) ainsi que leur écart-type
(SD) sont indiquées. CEP indique l'erreur de position médiane, CE95 le 95ème percentile des
valeurs d'erreur ; d’après Blauberger et al. (2021). .................................................................. 37
Tableau 3 : Récapitulatif des DTp par postes selon les différentes études. ............................. 43
Tableau 4 : Pourcentage de Différence entre le LPS testé et le Système de Référence. .......... 94
Tableau 5 : Étude 1 : Table I: Comparison of peak speed, peak acceleration, and peak
deceleration between Kinexon™ and Vicon® during three different locomotion activities
performed in the centre of an indoor court. ............................................................................ 100
Tableau 6 : Étude 1 : Table II: Comparison of peak speed, peak acceleration, and peak
performed on the side of an indoor court. .............................................................................. 101
Tableau 7 : Coefficients de Corrélation entre les données réelles et les modèles de loi de
puissance. ............................................................................................................................... 110
Tableau 8 : Étude 2 : Table 1. Description of Small-sided games used the study. ................ 117
Tableau 9 : : Étude 2 : Table 2. Peak locomotor intensity per position and locomotor variables.
Data are presented as mean ± SD. † Difference from Back players. ‡ Difference from Pivots.
Only effect sizes > 0.6 with likely chances (>75%) that the differences are true are reported.
................................................................................................................................................ 119
Tableau 10 : Étude 2 : Table 3. Peak locomotor intensity comparisons between match and small-
sided games. Intercepts and slopes are presented as mean ± SD. SEE stands for standard error
of estimate. ............................................................................................................................. 120
16
Tableau 11 : Étude 2 : Matériel Supplémentaire, Table 1. Rolling Average during matches per
position and locomotor variables. Data are presented as mean ± SD. ................................... 122
Tableau 12 : Étude 2 : Matériel Supplémentaire, Table 2. Rolling Average during 6v6FF per
Tableau 13 : Étude 2 : Matériel Supplémentaire, Table 3. Rolling Average during 6v6HF per
Tableau 14 : Étude 2 : Matériel Supplémentaire, Table 4. Rolling Average during 4v4 per
Tableau 15 : Étude 2 : Matériel Supplémentaire, Table 5. Rolling Average during HIIT per
Tableau 16 : Description des schémas hebdomadaires analysés. Les jours de match sont mis en
exergue en rouge, en noirs les entrainements non étudiés, en vert les Entrainements présentant
une diminution du volume et de la charge d’entrainement, en bleu les entrainements équivalent
en intensité et en volume et en blanc les entrainements sans caractéristique notable. ........... 130
Tableau 17 : Étude 3 : Table 1: Weekly turnover descriptions. ............................................. 153
Tableau 18 : Étude 3 : Table 2: Descriptive and inferential statistics for MD-3. Number of * is
for qualitative inference: * possibly, ** likely, *** very likely, and **** almost certain
difference. SEE stands for standard error of estimate. ........................................................... 153
17
Liste des Abréviations
Par ordre alphabétique :
AFL : Australian Football League (Ligue de Football Australien)
AlD : Ailier Droit
AlG : Ailier Gauche
AR : Accel’Rate
ArD : Arrière Latéral Droit
ArG : Arrière Latéral Gauche
CE : Charge d’entrainement
CEe : Charge d’entrainement externe
CEi : Charge d’entrainement interne
CV : Coefficient de Variation
DC : Demi-Centre
DHV : Distance à Haute Vitesse
DT : Distance Totale
DTp : Distance Totale parcourue
EHF : European Handball Federation (Fédération Européenne de Handball)
FC : Fréquence Cardiaque
FCmax : Fréquence Cardiaque Maximale
GB : Gardien de But
GPS : Global Positioning System (Système de Positionnement Global)
HIIT : High Intensity Interval Training (Entraînement par Intervalles de Haute Intensité)
IHF : International Handball Federation (Fédération Internationale de Handball)
LPS : Local Positioning System (Système de Positionnement Local)
P: Pivot
r: Coefficient de corrélation de Pearson
RPE : Rating of Perceived Exertion (Évaluation de l'Effort Perçu)
sRPE : Session Rating of Perceived Exertion (Évaluation de l'Effort Perçu sur la Séance)
SSGs : Small Sided Games (Jeux Réduits)
TEE : Typical Error of Estimate (Erreur Type d’Estimation / de Mesure)
UWB : Ultrawideband (Bande Ultra-large)
𝑉̇ 𝑂2 : Consommation d’oxygène
𝑉̇ 𝑂2 𝑚𝑎𝑥 : Consommation maximale d’oxygène
18
INTRODUCTION GÉNÉRALE
Le Handball est un sport collectif professionnel et olympique (dans sa forme actuelle, depuis
1972) qui a connu une popularité croissante au cours des dernières décennies. À titre d'exemple,
en janvier 2020, le Championnat d'Europe de Handball EHF EURO masculin a réuni 500 000
spectateurs au global et a été diffusé dans 175 pays pour une audience totale cumulée de 1,1
milliard de téléspectateurs. Son pendant féminin a quant à lui généré une audience TV cumulée
de 574 millions de téléspectateurs dans près de 60 pays en décembre 2020. La fédération
internationale de Handball (IHF) a maintenant répertorié environ 20 millions de joueurs dans
le monde. En Europe, les ligues professionnelles sont présentes dans plus de 15 pays
(Allemagne, Espagne, France, Croatie, Serbie, Danemark), avec plus de 200 joueurs employés
par ligue.
L’organisation actuelle du Handball de compétition en fait un sport d'équipe de haute intensité

avec une forte dimension physique notamment du fait des nombreux contacts corporels entre
les joueurs. La pratique de ce sport met particulièrement l’accent sur la course en général et le
sprint en particulier, mais aussi sur le saut et le tir. C’est pourquoi ce sport requiert une
combinaison de capacités aérobies et anaérobies pour être performant. Les études portant sur
des sports d'équipe intermittents ont mis en évidence que la performance des joueurs est
dépendante à la fois de leur agilité et de leur puissance (vitesse et force). D’ailleurs, la capacité
des joueurs à performer dans les sports intermittents est plus spécifiquement liée à leur aptitude
à répéter des efforts courts de haute intensité tout au long du match qu’à celle de maintenir un
rythme d’exercice sous-maximal mais constant (Aughey 2011b, Bradley, et al. 2011, Couderc,
et al. 2019, Harper, et al. 2019, Pernigoni, et al. 2021).
Par son développement récent, et sa professionnalisation, le nombre de matchs joués dans une
saison de Handball au niveau élite, et l’intensité à laquelle ceux-ci sont pratiqués ont augmenté
parallèlement et de façon tout à fait notable. La conjugaison de ces deux évolutions rend
nécessaire l’organisation de la préparation physique et de la récupération de manière optimale
afin de permettre aux joueurs professionnels de maintenir leur niveau de performance tout au
long de la saison. Dans ce contexte, la recherche en physiologie appliquée au Handball s’est
considérablement développée au cours des quinze dernières années, en particulier en ce qui
concerne l’activité des joueurs durant les matchs et les entrainements. L’évolution des
19
technologies de mesure de l’activité a en effet, permis de mettre au point des systèmes de
positionnement locaux (LPS, Local Positioning System) portables offrant la possibilité d'étudier
les exigences physiques dans différents sports d'équipe de salle, comme ce fut le cas auparavant
dans les sports d'équipe d’extérieur, à l’aide de GPS (Global Positioning System). Ces
dispositifs facilitent l'analyse détaillée des mouvements et offrent une alternative au codage
vidéo, long et fastidieux.
La recherche dans de nombreux sports d'équipe a déjà intégré l'utilisation du GPS ou du LPS,
comme dans le Football, le Rugby ou le Basketball, mais le Handball n’en est qu’aux prémices
de ces analyses. Les études consacrées à l’analyse de la tâche lors de compétitions en Handball
quantifient pour chaque joueur la Distance Totale parcourue (DTp), ainsi que la distance, la
durée et la fréquence d’activité dans des zones d’intensité différentes. Ces études ont permis de
mettre en évidence la nature intermittente de l’activité mais également la spécificité par poste.
La compréhension des exigences techniques et physiques du jeu est essentielle pour la
connaissance de l’activité, elle-même nécessaire à la conception d'exercices d'entrainement
spécifiques au Handball chez les joueurs professionnels.
Toutefois, les études actuelles présentent plusieurs limites :
1. Les technologies utilisées pour mesurer l’activité des joueurs de Handball en match et
en entrainement n’ont été que partiellement étudiées. En effet, bien que l’offre
technologique se diversifie, notamment avec l’arrivée des LPS, leur validité et leur
reproductibilité n’est pas pour autant toujours assurée et mérite donc d’être testée.
2. Bien qu’un certain nombre d’études présentent l’activité des joueurs de Handball durant
les matchs, elles s’attardent encore trop généralement sur le volume d’activité des
joueurs et ne permettent donc pas encore de comprendre les variations d’intensité de
cette activité, inhérente à sa nature intermittente.
3. Enfin, en dehors des études sur l’activité de match et d’entrainement, aucune n’a, à ce
jour, porté sur la dynamique de charge d’entrainement (CE) en Handball. Il n’est donc
pas encore possible de comprendre dans quelle mesure l’activité des joueurs durant les
entrainements est la plus adaptée possible pour leur permettre de performer durant les
20
matchs. De plus cela ne permet pas de savoir dans quelle mesure l’activité des joueurs
est adaptée en fonction du rythme des matchs.
Le but de cette thèse est donc d'améliorer notre compréhension des exigences physiologiques
et locomotrices des matchs et des entrainements typiques de Handball, au niveau élite, en
utilisant une nouvelle technologie de suivi des joueurs. Plus précisément, ce travail aura pour
premier objectif d'examiner la validité d'un nouveau système de suivi des joueurs en salle
(Kinexon™, Kinexon GMBH, Munich, Germany). À partir de cette connaissance établie des
capacités de l’outil de mesure, nous chercherons à caractériser les exigences locomotrices
maximale en match, selon les postes, dans le Handball d'élite. Nous comparerons également ces
exigences locomotrices maximales de matchs à celles produites lors des jeux réduits classique
d’entrainements. Enfin, nous nous attacherons à décrire la périodisation de la CE au Handball
élite, en fonction du type de microcycle, selon le rythme des matchs hebdomadaire.
Ce manuscrit se compose de trois chapitres principaux. Le premier est consacré à une revue de
littérature relative aux outils de quantification de l’activité sportive, à l’analyse de l’activité
Handball lors des compétitions élites et finalement à la gestion de la CE et à l’organisations des
entrainements en sports collectifs. Dans le second chapitre, nous présenterons les trois études
réalisées dans le cadre de ce travail de thèse. Enfin, dans un dernier chapitre, nous discuterons
de manière générale les apports scientifiques de nos recherches.
21
REVUE DE LITTÉRATURE
Cette revue de littérature sera organisée en cinq parties. La première concernera la définition
du Handball, activité support de cette thèse, et chacune des trois suivantes aura pour but de
présenter l’étendue des connaissances concernant un aspect spécifique de ce travail de
recherche. Ainsi, après la présentation de l’activité Handball, nous analyserons les outils
permettant une quantification de l’activité sportive que cela soit en match ou en entrainement,
et leur évolution, de l’analyse vidéographique manuelle aux systèmes de localisation locale. À
la suite de cette partie nous chercherons à mieux comprendre l’étendue des connaissances sur
l’activité des joueurs de Handball lors des compétitions élites à la fois en termes de volume et
d’intensité d’activité. Les deux dernières parties seront respectivement consacrées à la mesure
de la CE en sports collectifs et à sa gestion notamment autour de la question de la périodisation
des entrainements.
1 L’ACTIVITÉ HANDBALL
Les origines du Handball sont à chercher du côté du Danemark à la toute fin du XIXème siècle
lorsque le danois Holger Nielsen créa les premières règles du Handball moderne (appelé alors
håndbold) en 1898. Vingt ans plus tard, en 1919, en Allemagne, le professeur Carl Schelenz,
de l'École normale germanique d'éducation physique de Leipzig, proposa une adaptation du
torball (un jeu pratiqué par les femmes allemandes) et définit les principes du Handball à onze.
Cette forme de Handball, se jouant en extérieur sur un terrain de Football, à 11 joueurs contre
11, est officiellement reconnue comme sport en 1926 lorsque la Fédération Internationale
d’Athlétisme nomme une commission en charge d’établir un règlement sportif pour la pratique
du « Jeu à la main ». Par la suite, en 1928, la Fédération Internationale de Handball Amateur
est créée permettant à la discipline d’apparaitre en tant que sport de démonstration aux Jeux
Olympiques d’Amsterdam de la même année et de devenir une discipline Olympique à part
entière dès les Jeux de Berlin en 1936, sous sa forme à 11 contre 11 en extérieur. Les premiers
championnats du monde ont lieu en 1938 en Allemagne et confrontent 4 équipes européennes
(Allemagne, Autriche, Danemark, Suède). Dans le cas de la France, le Handball reste
anecdotique jusqu’à la Seconde Guerre Mondiale, mais le régime de Vichy aide à la création
d’une fédération française de Handball autonome et introduit l’activité dans les programmes du
22
sport scolaire. Au sortir de la guerre, en 1946, huit fédérations nationales, dont la France,
fondent la Fédération Internationale de Handball. Dès les années 1950-1960, la version actuelle
du Handball, se jouant à 7 joueurs contre 7 prend de plus en plus d’importance, notamment
avec le premier championnat du monde en Suède en 1954. En 1966 a lieu le dernier
championnat du monde de Handball à 11 et l’activité investit de plus en plus les gymnases
même si certaines compétitions continuent de se jouer en extérieur. Le Handball, tel que nous
le connaissons aujourd’hui, pratiquée à 7 contre 7 en intérieur, a ensuite connu une popularité
croissante pour finalement faire son apparition aux Jeux Olympiques en 1972 pour les hommes
et 1976 pour les femmes marquant ainsi la concrétisation de son développement européen et
international. Toutefois, en France, le Handball a longtemps été considéré comme une activité
de complément servant à maintenir une activité durant la saison hivernale lorsque les sports
d’extérieurs ne pouvaient plus être pratiqués. Pour autant, l’importance prise par l’activité dans
le milieu scolaire et universitaire a permis son développement rapide jusqu'à ce qu'il devienne
un sport pleinement professionnel en 2007. Aujourd’hui, le Handball représente la 6ème
fédération sportive française en termes d’effectifs tous sports confondus et la 3ème fédération
de sport collectif derrière le Football et le Basketball. Les performances des équipes nationales,
féminines comme masculines réalisées depuis plus d’une décennie et de nouveau confirmées
par les deux titres olympiques lors des Jeux d'été de Tokyo, conjointement à une forte
médiatisation, participent sans doute de la popularité et de l’engouement croissant pour ce sport.
Le Handball actuel consiste en une opposition de 2 équipes, médiée par un ballon manipulable
uniquement avec les mains, sur un terrain de 40m de long par 20m de large (cf. Figure 1). Le
temps de jeu officiel est de 60 minutes effectives, réparti en 2 périodes de 30 minutes
entrecoupées de 15 minutes de pause. Pour remporter la victoire, chacune des deux équipes
cherche à marquer plus de buts que l’adversaire. Dans ce cadre, la pratique actuelle du Handball
est spécifique en trois points. Tout d’abord le nombre de remplacements de joueurs au cours
d’un match est illimité, et depuis les Jeux Olympique de Rio 2016, il est possible de remplacer
le gardien par un joueur de champ, ce qui offre la possibilité de jouer en supériorité numérique.
Cela fait de la gestion de l’effectif un élément clé des matchs mais aussi des saisons. De plus,
depuis l’année 2000, l’engagement après un but, peut se faire sans attendre que l’ensemble des
joueurs de l’équipe adverse ait regagné leur moitié de terrain. L’introduction de cette règle a
accentué la notion de jeu de transition au Handball puisque les joueurs passent sans cesse, et
très rapidement, du statut d’attaquant à celui de défenseur. Enfin, la dernière spécificité du
23
Handball relève de ses actions prépondérantes, à savoir les passes, les tirs et les duels offensifs
et défensifs qui exigent des qualités physiques de force et de puissance ainsi que de vitesse et
d’endurance (Gorostiaga, et al. 2006).
Figure 1 : Représentation d'un terrain de Handball.
Une équipe est composée de 7 joueurs sur le terrain et de 9 remplaçants, chacun évoluant à un
poste précis. Ces postes se divisent en trois groupes en attaque et se répartissent en numéros en
défense (cf. Figure 2) :
- Une base arrière constituée de trois joueurs : 1 arrière latéral droit (ArD), 1 arrière latéral
gauche (ArG) et 1 demi-centre (DC), le plus souvent meneur de jeu. Dans le Handball
d’aujourd’hui, ce dernier se transforme de plus en plus souvent en un arrière central
pouvant permuter facilement avec les deux arrières latéraux.
- Une base avant également constituée de trois joueurs : 1 ailier droit (AlD), 1 ailier
gauche (AlG), se positionnant dans les angles du terrain et 1 pivot (P) positionné au sein
de la défense adverse.
- Un gardien de but (GB), isolé dans une zone qui lui est réservée, complète l’équipe. Il
est le seul joueur à pouvoir toucher le ballon avec ses pieds, du moment qu’il reste dans
sa zone dédiée.
24
- Les défenseurs extérieurs sont appelés les numéros 1, puis en se rapprochant du centre
du terrain se trouvent les numéros 2 et enfin les deux défenseurs centraux sont appelés
les numéros 3. Ces derniers peuvent être distingués en numéros 3 bas et 3 haut dans le
cas de défenses étagées avec un joueur évoluant devant les 5 autres.
Figure 2 : Description des postes en Handball.
Ainsi la formation et l’entrainement des joueurs de Handball ont pour but de les préparer, à
travers l’acquisition de compétences technico-tactiques et l’amélioration de leurs capacités
physiques, à performer spécifiquement à un poste. Toutefois, l’évolution du Handball,
notamment sa professionnalisation, amène les joueurs à être de plus en plus performants et à
être polyvalents sur différents postes. Cela offre de nouvelles opportunités tactiques et
stratégiques pour les équipes avec la possibilité de construire leur jeu en organisant des
changements de postes entre certains joueurs. Ainsi, il est de plus en plus fréquent d’organiser
les trois joueurs de la base arrière sans un demi-centre spécifique ni des arrières totalement
latéralisés mais plutôt sous la forme de trois joueurs pouvant évoluer ponctuellement à chacun
des trois postes. De même, il n’est plus rare aujourd’hui de voir des joueurs, ailier de formation,
jouer au poste d’arrière latéral. Néanmoins, afin de rendre ces permutations les plus efficaces
possibles, il est nécessaire que les entraineurs et les préparateurs physiques puissent avoir la
meilleure connaissance possible à la fois des exigences des différents postes et des capacités
des joueurs. Ce n’est qu’à cette condition qu’il sera possible de mettre en place des projets de
jeu en adéquation avec le potentiel de l’équipe, et donc d’obtenir les meilleures performances
25
individuelles et collectives possibles. C’est pourquoi, il est nécessaire de maitriser des outils
permettant d’appréhender le plus précisément possible l’activité réelle des joueurs en matchs
selon leur poste mais aussi celle produite en entrainement.
2. OUTILS DE QUANTIFICATION DE L’ACTIVITÉ
Afin de pouvoir améliorer les performances des athlètes, il est important de bien comprendre
l’activité sportive pratiquée et d’en établir les exigences physiques, quelle que soit la discipline.
Cela est d’autant plus vrai lorsqu’il s’agit de sports collectifs pour lesquels l’activité diffère
selon les postes.
Depuis un peu plus de soixante-dix ans maintenant, les encadrements techniques des équipes
professionnelles de sports collectifs sont à la recherche de solutions permettant d’obtenir, le
plus précisément possible, une mesure de l’activité physique individuelle des joueurs durant les
compétitions. Les avancées technologiques ont permis de faire émerger différentes solutions,
depuis l’analyse vidéo manuelle aux systèmes de mesure de position instantanée, et chacune
d’entre-elles ont été plus ou moins étudiées et/ou exploitées en Handball. En effet, ce sport est
relativement récent dans sa forme actuelle avec une cinquantaine d’année d’existence officielle
et une professionnalisation datant de moins de 20 ans. Il n’est donc pas étonnant de constater
que la littérature scientifique portant sur ce sport est bien moins dense (1309 résultats sur
PubMed) que pour d’autres sports comme le Football (29704 résultats sur PubMed) ou le Rugby
(15627 résultats sur PubMed), tous sujets de recherches confondus. D’ailleurs le Handball ne
fait effectivement l’objet d’étude sur ses exigences physiques en compétition que depuis le
début des années 2000, et ce, de manière parcimonieuse, même si une certaine augmentation
des publications scientifiques est à noter ces dernières années. Nous n’avons, en effet, recensé
que 8 études entre 2001 et 2013 (Al-Lail 2001, Chelly, et al. 2011, Dott 2002, Luig P. 2008,
Michalsik, et al. 2013, Pori 2003, Šibila 2004, Tanaka, et al. 2002) et 9 études entre 2014 et
2019 (Cardinale, et al. 2017, Karcher and Buchheit 2014, Kniubaite, et al. 2019, Luteberget and
Spencer 2017, Michalsik, et al. 2014, 2015, Póvoas 2014, Wagner, et al. 2018, Wik, et al. 2017)
portant sur les exigences physiques de la compétition en Handball. La plupart de ces études
sont basées sur des enregistrements vidéographiques, analysés avec diverses méthodes mais les
études les plus récentes utilisent des systèmes LPS en s’appuyant sur les méthodes ayant fait
leurs preuves dans le Football et/ou le Rugby avec les GPS et adaptées au Handball.
26
2.1 L’Analyse vidéographique
Historiquement, les premières analyses de l’activité des joueurs en situation de compétition ont
été effectuées à l’aide d’analyses vidéo avant d’être supplantées, dans certains sports, par des
analyses de données GPS ou LPS. Le Handball ne fait pas exception à cette logique puisque la
majorité des études de quantification de l’activité des joueurs de Handball en compétition ont
été menées avec ces technologies, et seules les études de ces cinq dernières années se sont
appuyées sur les solutions LPS. Bien que nous n’ayons pas travaillé sur ces technologies, il
nous semble important de présenter leur fonctionnement afin de mieux comprendre les résultats
de ces études.
2.1.1 Analyse par notation
L’analyse vidéographique notationnelle est historiquement la toute première méthode de suivi

de l’activité des joueurs en compétition à avoir vu le jour. Il s’agit d’un procédé permettant de
définir des critères d’efficacité de la performance mais ceux-ci sont construits de manière
subjective ce qui ne la rend pas généralisable (cf. Tableau 1).
Catégorie Description
Marche en avant ou en arrière, doucement. Un pied est toujours en
Marche
contact avec le sol.
Jogging Courir en avant doucement, afin de changer de position.
Courir avec un but manifeste et avec effort, accélérant avec de
Course à haute vitesse
longues foulées, mais pas de manière maximale.
Course dont l’effort est maximal, avec des mouvements de bras
Sprint
amples et des mouvements de tête.
Tableau 1 : Exemple de critères d’efficacité d’analyse vidéographique notationnelle d’après Lacome (2013).
La plus ancienne référence, à notre connaissance, faisant état de cette méthode d’analyse
remonte à l’étude effectuée par Winterbottom W. en 1952 portant sur le Football professionnel
anglais (Winterbottom 1952). Toutefois, ce type d’analyse n’a pas été souvent reproduite dans
le cadre d’étude scientifique jusqu’à ce qu’en 1976, Reilly et Thomas proposent une solution
permettant d’optimiser cette méthode d’analyse de la tâche en sport collectif, en la rendant plus
objective (Reilly 1976). Leur travail, qui portait aussi sur des données de Football professionnel
anglais, consistait à utiliser une reproduction du terrain codifiée par zone afin d’estimer les
positions et les distances parcourues par les joueurs. L’activité de chacun des joueurs devait
27
ensuite être codée subjectivement à partir de l’analyse vidéo du match puis chacune des
périodes d’activités de chacun des joueurs devait être chronométrée, ce qui rendait évidemment
l’analyse très chronophage.
Par la suite, les avancées technologiques en informatique ont permis d’optimiser ce type
d’analyse, notamment en offrant la possibilité d’effectuer le séquençage des évènements
directement lors de l’enregistrement vidéo ou à posteriori. Malgré cela, Duthie et al. (2003) ont
mis en évidence une problématique majeure de cette méthode, à savoir la faible reproductibilité
des mesures effectuées. En effet, en demandant à un même opérateur de réaliser deux fois
l’analyse d’un même match de Rugby à un mois d’intervalle, les auteurs ont conclu que cette
méthode d’analyse ne peut être considérée que comme modérément reproductible pour l’étude
de l’activité physique en Rugby. Cette étude a mis en évidence une reproductibilité des mesures
pauvre à modérée, que cela concerne la durée moyenne des mouvements (7.1 – 9.3 % Typical
Error of Measurement pour erreur type de mesure, TEE), le calcul du temps passé dans les
différentes catégories d’intensité (5.8 - 11.1 % TEE), ou le nombre d’actions discrètes
(4.3 - 13.6 % TEE), toujours par catégories d’intensité. C’est pourquoi cette méthode est
aujourd’hui très peu utilisée dans le cadre de la quantification de l’activité physique en sport
collectif en compétition ou en entrainement. D’autres technologies d’analyses, en partie
automatisées, ont été mises au point dans l’objectif de quantifier, en temps réel ou presque,
l’activité physique des joueurs lors des compétitions et/ou des entrainements.
2.1.2 Les méthodes de suivi semi-automatique
Les évolutions technologiques en informatique ont permis de passer d’une analyse manuelle à
des analyses automatisées. Ceci permet à la fois de supprimer la problématique de la
subjectivité des analyses et d’améliorer à la fois la précision, la validité et la reproductibilité
des mesures (Dawson, et al. 2004, Roberts, et al. 2008). De ce fait, les technologies de suivi
semi-automatique sont à présent très largement utilisées pour détailler la nature et le nombre
des actions de chacun des joueurs individuellement, en sport collectif. D’ailleurs, les progrès
réalisés dans ces technologies permettent des mesures très fines de l’activité physique
individuelle des joueurs tant en situation de match que d’entrainement (Carrilho, et al. 2020,
Linke, et al. 2020). Ceci a favorisé la création de nombreux outils de ce type tel que Second
Spectrum (Los Angeles, USA), Track160 (Israël), ReSpo.Vision (Varsovie, Pologne),
28
SportsCode Game Breaker (Sportstec, Australie), Inmotio (Zeist, Hollande), Digital Soccer
(Italie), Game Breaker (Sportstec, Australie) Utilius VS (CCC-Software, Allemagne) ou encore
Dartfish (Fribourg, Suisse) qui est largement utilisé dans le Handball. Ces outils bien qu’étant
en mesure de caractériser l’activité des joueurs sur le terrain, sont essentiellement utilisés dans
le cadre de l’analyse technico-tactique. Ce travail est rendu possible par la catégorisation des
actions en temps réel, à partir de la vidéo à l’aide de touches préalablement définies, ce qui en
fait une solution efficace et peu coûteuse en matériel. Pour être opérationnel, ces systèmes de
suivi semi-automatique de l’activité physique s’appuient sur plusieurs caméras disposées autour
de l’espace de jeu servant à assurer un suivi dit « passif » des joueurs, car sans marqueurs.
Cependant ils nécessitent une intervention humaine pour identifier initialement chacun d’eux.
Le nombre de ces caméras, ainsi que leur positionnement dépendent à la fois du lieu et du sport
(Barris and Button 2008). Le suivi des joueurs est rendu possible par une calibration préalable
du système permettant de créer un plan bidimensionnel (coordonnées x, y) du terrain dans
lequel les sportifs évoluent ainsi que le suivi de leurs trajectoires. Toutefois, ce dernier point
reste problématique malgré l’intégration de technologies de reconnaissance optique de la
couleur, du numéro du maillot et de prédiction des trajectoires de courses aux logiciels de
traitement des images. En effet, des phénomènes d’occlusions peuvent apparaître lorsque les
joueurs sont trop proches les uns des autres dans un petit périmètre, ce qui fait perdre
l’identification des joueurs au système et rend nécessaire une intervention humaine pour y
remédier.
Dans le cadre spécifique de l’analyse de l’activité Handball, deux principaux outils ont été
utilisés lors de précédentes études. Tout d’abord le système SAGIT (Sagit system, Ljubljana,
Slovénie), créé par une entreprise américaine et développé par Perš et collaborateurs à partir de
2002, qui s’appuie sur deux caméras, chacune placée à la verticale d’une moitié de terrain, et
un logiciel de traitement des données. Le second système, utilisé pour la première fois en 2015
lors des championnats du monde de Handball au Qatar, est une adaptation du système Prozone®
pour le Handball dénommé Prozone®Handball V.1.2 (Prozone, Leeds, Angleterre). Ce dernier
s’appuie sur 3 caméras indépendantes (Baumer TXG13c) qui assurent le suivi des trajectoires
et des différents évènements du match pour l’ensemble des joueurs présents sur le terrain. Bien
qu’ils aient été grandement exploités dans le but de quantifier l’activité des joueurs de Handball
en compétition, ces deux outils ne sont pas utilisables pour effectuer un suivi quotidien de
l’activité des joueurs de Handball, que ce soit en entrainement ou en match. En effet, l’outil
29
SAGIT n’est pas commercialisé et son utilisation à des fins scientifiques est extrêmement
compliquée en raison de la complexité du recueil des informations et de la nécessité de se
déplacer régulièrement en Slovénie afin d’analyser les données. De même, la technologie
Prozone®Handball n’est pas non plus commercialisée car elle est encore en développement. Il
est donc nécessaire de rechercher d’autres solutions pour effectuer un suivi quotidien de
l’activité physique des joueurs de Handball, à l’entrainement et en compétition.
Par ailleurs, d’autres solutions vidéographiques semi-automatiques ont été mises au point, tels
que les systèmes de capture du mouvement basés sur des caméras infrarouges et des marqueurs
passifs portés par les sujets. Ces systèmes, bien qu’ayant été démontrés comme étant
particulièrement efficaces pour mesurer précisément l’activité des joueurs (Chiari, et al. 2005,
Jensenius, et al. 2012, Merriaux, et al. 2017, Windolf, et al. 2008) restent trop lourd à utiliser
au quotidien pour décrire et suivre l’activité des athlètes. Les sports collectifs présentent
également le problème des contacts entre les joueurs qui limitent l’utilisation de ces outils. En
effet, les marqueurs passifs portés par les sujets lors des sessions d’enregistrement sont placés
sur le corps des sujets et doivent rester visibles d’au moins deux caméras simultanément pour
pouvoir en mesurer la position instantanée. Or, lors des contacts, d’une part il n’est plus possible
de conserver cette double visibilité mais la présence même des capteurs peut être source de
risques pour les sujets. Ainsi, malgré la validité assurée des mesures de ces outils, ceux-ci ne
sont pas exploitables pour la quantification de l’activité des joueurs de sport collectif durant les
matchs et les entrainements.
2.2 Les outils GPS & LPS
Les outils de mesure de l’activité physique en sport collectif basés sur la technologie GPS ont
commencé à apparaitre au début du XXIème siècle mais leur utilisation restait cantonnée aux
sports d’extérieur du fait de leur principe de fonctionnement. Il aura fallu attendre la fin des
années 2010 pour que des solutions technologiques adaptent les procédés des GPS aux
installations intérieures à travers les LPS. C’est pourquoi nous commencerons par détailler le
fonctionnement des GPS avant de préciser les spécificités des technologies LPS.
30
2.2.1 Principe de fonctionnement
Bien que nous n’utilisions pas le système GPS dans le cadre de cette thèse, il nous parait
important de décrire son principe de fonctionnement puisque certains aspects sont communs
avec ceux des LPS. Aujourd’hui la technologie GPS/LPS est certainement la solution la plus
répandue en sport collectif pour mesurer la position instantanée des joueurs en compétition
et/ou à l’entrainement. Cela est notamment dû au fait qu’elle permet une mesure l’activité des
joueurs sans pour autant entraver leur pratique de l’activité, ce qui est un avantage en
comparaison avec les autres technologies citées précédemment.
La problématique des sports de salle tels que le Handball est que les données quantitatives
recueillies d’une manière scientifique pendant l’activité sont limitées par l’environnement
fermé des gymnases. En effet, la qualité des mesures GPS est principalement dépendante de la
qualité du signal reliant les balises sur Terre aux satellites en orbite, or celui-ci est presque
inexistant une fois à l’intérieur d’un bâtiment (Butte, et al. 2012, Malone, et al. 2017, Rainham,
et al. 2008, Witte and Wilson 2004). Pour fonctionner, ces systèmes GPS ont besoin d’établir
une connexion entre une balise relais, positionnée à proximité des balises GPS individuelles
portées par les joueurs et servant à la synchronisation des signaux de ceux-ci, et les satellites en
orbites géostationnaires. Ainsi cette technologie GPS ne peut être exploitée en intérieur du fait
de l’impossibilité de communiquer avec les satellites sous un toit. Afin de palier à cette
incapacité de nombreuses autres solutions technologiques sont désormais disponibles pour
surveiller les mouvements des joueurs. Toutefois, nombre d'entre elles (l'identification par
radiofréquence, le réseau local sans fil ou Bluetooth) ne sont malheureusement pas adaptées à
la mesure de la position en sport collectif en raison d'un manque de précision, d'instabilité ou
de problèmes d'interférences. Récemment, de nouveaux outils, les systèmes de positionnement
local (LPS) basés sur la technologie à bande ultra-large (UWB) ont été développés, permettant
le suivi de la position des joueurs de sport collectif en l'intérieur. Dans le cadre des LPS, les
satellites sont remplacés par des antennes placées autour du terrain. Ces dernières permettent
alors de déterminer un espace délimité dans lequel la position des capteurs individuels peut être
mesurée. C’est pourquoi l’on parle de positionnement local, en comparaison au positionnement
global des GPS, pour lesquels tout lieu extérieur est susceptible de pouvoir servir d’espace de
mesure. Le fonctionnement est, en dehors de cela, identique entre les GPS et les LPS, puisqu’un
minimum de quatre récepteurs (antennes pour les LPS, satellites pour les GPS) est nécessaire
31
pour établir une mesure précise de la position des différentes balises individuelles : trois pour
la position et une pour la synchronisation (Aughey 2011a, Larsson 2003). Afin de mesurer
précisément cette position, le principe est de calculer le temps nécessaire au signal émis pour
parcourir le trajet aller-retour entre l’émetteur et le récepteur. Puisque la vitesse de l’onde émise
est connue, il est possible de connaitre la position par simple intégration. De même il est
possible de mesurer la vitesse de déplacement à partir de l’effet Doppler, en mesurant le
décalage de fréquence d’une onde observé entre son émission et sa réception. Ce décalage se
crée dès lors que la distance entre l'émetteur et le récepteur varie au cours du temps. Puisque la
fréquence de l’onde émise est connue, il est possible de mesurer la vitesse de déplacement du
récepteur en comparant la fréquence de l’onde reçue avec celle de l’onde émise. Cette solution
est plus précise que de diviser la distance entre deux positions connues par le temps mis pour
parcourir cette distance, c’est pourquoi la très grande majorité des systèmes GPS/LPS la
privilégie aujourd’hui. Ainsi la précision d’un tel système peut se caractériser par sa capacité à
mesurer la position et la vitesse.
Bien que la diversité des actions des sports collectifs rende complexe l’analyse des différents
efforts inhérents à l’activité en match et en entrainement, les micro-technologies, et en
particulier les GPS/LPS, permettent de quantifier et de qualifier les différents déplacements
et/ou actions lors des différentes sessions. Pour cela, les balises sont portées dans le dos entre
les scapulas à l’aide d’une brassière ajustée au corps afin de limiter les mouvements parasites.
Ces balises contiennent différents capteurs tels que des accéléromètres triaxiaux, des
gyroscopes, des magnétomètres et des systèmes de positionnement 3D. L’objectif conjoint à
l'ensemble de ces outils est d’assurer à chaque instant la mesure et la transmission de la position
et de l’orientation de la balise. À l’aide de ces dispositifs il est alors possible de déterminer la
DTp, la distance parcourue à différentes vitesses (i.e., haute intensité > 14,5 km·h-1, très haute
intensité > 19,8 km·h-1). Ce choix de palier de vitesse est le plus répandu dans la littérature
scientifique pour étudier l’activité des joueurs, notamment en Football (Castellano, et al. 2014,
Di Mascio and Bradley 2013). Ces paliers de vitesses présentent également l’avantage de
pouvoir être comparés avec la grande majorité des études sur le Handball bien que dans ce sport
aucun consensus n’ait pour le moment été fait sur les paliers de vitesse à utiliser (Karcher and
Buchheit 2014). Il est également possible de mesurer le nombre et l’intensité des accélérations,
décélérations et des impacts, les différentes vitesses en fonction des déplacements ainsi que le
nombre et la durée des sprints, tout comme le pourcentage de temps passé dans différentes
32
zones d’effort. Ces données permettent de comparer l’activité en compétition et à
l’entrainement, et d’analyser les différences existantes en fonction des postes (Izzo, et al. 2018).
Il est important de préciser que l’intensité des déplacements à laquelle nous nous référons
correspond à la vitesse des déplacements comme précisé ci-avant (i.e., haute intensité >
14,5 km·h-1, très haute intensité > 19,8 km·h-1). De même lorsque nous discutons de l’intensité
des accélérations et décélérations, cela correspond aux différentes valeurs de ces paramètres.
Cela correspond donc, dans les deux cas, à la définition de l’intensité donnée par les
dictionnaires puisqu’il s’agit de la magnitude d'une quantité (ici la distance en mètre ou en
kilomètre) par unité de temps (ici la seconde ou l’heure).
Aujourd’hui la grande majorité des GPS et LPS commercialisés pour mesurer l’activité
physique en sport collectif sont multi-capteurs avec des accéléromètres triaxiaux, des
gyroscopes et des magnétomètres. Cet ensemble permet la mesure d’autres paramètres
représentatifs de l’activité physique des joueurs sur le terrain. L’ajout de ces accéléromètres
permettent alors de mesurer de nouveaux paramètres permettant d’affiner l’analyse de l’activité.
Notamment, l'accéléromètre intégré dans la balise GPS ou LPS permet de recueillir les
accélérations du joueurs mesurés au niveau des scapulas. Ainsi il est possible d’enregistrer le
mouvement selon les trois axes de l’espace et d’obtenir des indications sur la fréquence, la durée
et l’intensité de l’activité physique étudiée (Chen and Bassett 2005, Corder, et al. 2008,
Kavanagh and Menz 2008). Cette capacité à mesurer les accélérations selon les trois axes de
l’espace a développé l’utilisation des accéléromètres dans le domaine de la recherche
scientifique de manière exponentielle depuis la fin des années quatre-vingt (Bassett, et al. 2015)
mais en a aussi fait le capteur de mouvement le plus utilisé pour l’évaluation de l’activité
physique (Chen, et al. 2012). Parmi ces nouveaux paramètres, le plus répandu est celui mesurant
la CE individuelle au cours de l’exercice. Cette nouvelle variable permet d’approfondir
l’analyse de l’activité, en s’appuyant sur la somme des variations instantanées d’accélération
selon les trois axes de l’espace. Cela permet de mieux appréhender les exigences de l’activité
en renseignant sur l’activité des joueurs en dehors de leurs déplacements. Nous détaillerons ce
processus dans une partie ultérieure (cf. 4.2.2 Mesures accélérométriques)
33
2.2.2 Validité et Reproductibilité de la mesure
La validité des systèmes GPS utilisés dans l’analyse de l’activité en sport collectif a fait l’objet
de nombreuses études durant les dix dernières années (Akenhead, et al. 2014, Beato, et al. 2018,
Coutts and Duffield 2010, Gray, et al. 2010, Hoppe, et al. 2018, Jennings, et al. 2010a, Jennings,
et al. 2010b, Johnston, et al. 2014, Johnston, et al. 2012, Malone, et al. 2017, Nagahara, et al.
2016, Petersen, et al. 2009, Rampinini, et al. 2014, Rawstorn, et al. 2014, Scott, et al. 2015,
Varley, et al. 2012b, Vickery, et al. 2014). D’une manière générale, il ressort de ces études que
la validité des mesures GPS est dépendante de la vitesse de déplacement et de la linéarité des
déplacements. En effet, plus la vitesse est élevée et plus les déplacements présentent des
changements de directions, plus la fiabilité de la mesure est limitée. Il ressort de l’ensemble de
ces études que plus la vitesse de déplacement est élevée, plus la qualité de la mesure se détériore.
En effet, la TEE de la vitesse de déplacement est inférieure à 5 % lors de la course lente (vitesse
inférieure à 14 km·h-1) et devient supérieure à 15 % pour les sprints au-delà de 20 km·h-1
(Beato, et al. 2018, Scott, et al. 2015). De même, des études ont mis en évidence une TEE de la
mesure de la distance parcourue passant de 2 % en ligne droite à 7-9 % en cas de changements
de directions (Johnston, et al. 2014, Vickery, et al. 2014). Nous pouvons donc considérer qu’il
en va de même dans le cas des LPS puisque, comme nous l’avons vu, leurs fonctionnements
sont similaires. La validité des différents outils LPS est encore sujette à caution puisque peu
d’études ont été menées sur ce sujet. Deux groupes de chercheurs ont examiné, en gymnase, la
validité d’un système LPS ClearSky basé sur la technologie UWB (utilisant une fréquence
d'échantillonnage de 10 ou 20 Hz) en utilisant un dispositif de capture de mouvement (systèmes
Vicon® et Qualisys®, chacun à 100 Hz) comme critère de référence. L’évaluation de cet outil
LPS a porté sur des mouvements linéaires à différentes vitesses et des changements de direction
successifs de 45°. D’une part, l’étude de Serpiello et al. (2018) a montré que le LPS avait une
validité acceptable pour évaluer les schémas locomoteurs des sports en salle en comparaison du
système de capture de mouvement (cf. Figure 3). En effet, les différences moyennes de mesure
de la Distance Totale (DT), de la vitesse moyenne et maximale, et des accélérations moyenne
et maximale entre le Vicon® et le système ClearSky étaient de l'ordre de 0,2 à 12,0 %, avec
une TEE comprise entre 1,2 et 9,3 %.
34
Figure 3 : Vitesse instantanée mesurée en sprint avec les systèmes Vicon (cercles noirs) et ClearSky (cercles
blancs) avant filtrage (gauche) et après filtrage équivalent (droite), d’après Serpiello et al. (2018).
D’autre part, Luteberget et al. (2018b) ont montré que les mesures du LPS étaient plus
représentatives de la position et des déplacements du joueur au centre du terrain que sur les
côtés. Il y avait des différences substantielles par rapport au système de capture du mouvement
utilisé comme critère de référence, tant pour les distances parcourues que pour la vitesse
moyenne, qui étaient dix fois plus importantes au bord du terrain (15 - 30 %) qu’au centre
(1 – 3 %). Pour autant, ces études ont toutes deux conclu que le système ClearSky pouvait être
considéré comme valable pour la mesure des déplacements en sport collectif en gymnase.
Un autre système LPS, WIMUPRO™, a fait l’objet d’études sur la validité de ses mesures. La
première étude a établi la précision des mesures de distance parcourue en comparaison de la
distance réelle et de la vitesse moyenne en comparaison avec des portes de chronométrage.
Celle-ci a conclu à une validité suffisante des mesures avec des biais de Bland-Altman
suffisamment petits pour la distance parcourue (-1.38 - 1.51) et la vitesse moyenne (-0.56 -
0.57). Cette étude a également montré une bonne fiabilité test – re test (% TEM : 1.19 ± 0.25)
ainsi qu’une bonne fiabilité inter-unités (biais : -2.65 - 2.06) pour le LPS (Bastida Castillo, et
al. 2018). Ce même système LPS a par la suite été testé à nouveau lors de deux autres études
pour lesquelles le système de référence utilisé était un Système d'information géographique. Ce
type d’outil permet crée, gère, analyse et cartographie tous les types de données de créer, gérer,
analyser et cartographier tous les types de données avec une précision allant jusqu’au
millimètre. Lors de ces deux études les variables analysées étaient la surface (Gis Area) et le
périmètre de la zone (Gis Length). Celles-ci ont été rapportés pour le suivi des deux types de
technologie de suivi, GPS et LPS (cf. Figure 4). Les résultats de la comparaison de la précision
"x" et "y" étaient significativement plus faibles pour le LPS dans tous les cas (p < 0,05, et un
35
coefficient de variation <1%) avec un ES de 0,78 et 0,95, respectivement. Les résultats ont
permis de montrer qu'il s'agit d'un système valide pour mesurer la locomotion et le
positionnement (Bastida-Castillo, et al. 2019, Pino-Ortega, et al. 2020).
Figure 4 : Graphique en boîte et moustaches avec les différences (m) des deux systèmes (UWB et GPS) dans les
variables Gis Longueur et Gis Surface analysées lors de jeux réduits d’après Bastida-Castillo et al. (2019).
Un autre système LPS, Kinexon (Kinexon GMBH, Munich, Allemagne) est aujourd’hui utilisé
dans le Handball et le Basketball. La validité de celui-ci, étudié par Hoppe et al. (2018), s'est
révélée meilleure que celle de deux autres systèmes GPS, précédemment considérés comme
"valides". Cette étude menée en extérieur, sur un terrain de Football sec en gazon artificiel, dans
des conditions météorologiques appropriées, s’appuie sur un circuit conçu pour imiter les
mouvements fondamentaux de la plupart des sports d'équipe de manière standardisée. Le
principal résultat de cette étude a été une TEE pour la distance parcourue de 1,0 - 6,0 % pour le
système LPS contre 1,6 - 8,0 % et 3,0 - 12,9 % pour les deux systèmes GPS. Dans cette dernière
étude, aucun système de référence tel qu’un outil de capture de mouvement, n’était utilisé afin
de tester la validité des mesures effectuées avec les différents systèmes GPS et LPS. De plus,
les schémas locomoteurs (y compris les vitesses, accélérations et décélérations) n'ont été
examinés qu'à l'aide de la DTp et des temps de passages entre des cellules photoélectriques.
Nous n’avons donc pas d’information sur la qualité de la mesure de la vitesse et de
l’accélération/décélération. En outre, l'effet de la position sur le terrain (centre ou bord) n’a pas
36
été testé concernant ce système LPS. Une nouvelle étude, menée par Blauberger et al., en 2021,
a porté sur la capacité du système Kinexon™ à mesurer la position, la distance parcourue, les
vitesses de déplacements, les accélérations et les décélérations notamment lors de courses
spécifiques et de jeux réduits de Football (cf. Tableau 2). Les résultats de cette étude ont montré
une erreur de mesure de la position de l’ordre de 9 ± 2 cm durant les courses spécifiques, et de
8 ± 1 cm durant les jeux réduits. Ces résultats sont tout à fait corrects au regard l’activité devant
être mesurée par cet outil (i.e., 80 cm la longueur moyenne d’un pas humain). La légère
détérioration de la mesure durant les courses spécifiques peut tout à fait s’expliquer par le fait
que celles-ci contiennent plus d’événements critiques (i.e., fortes accélérations et décélérations,
changements de directions, vitesses de déplacements plus élevées). Les distances parcourues
présentent une légère surestimation de la part du système Kinexon par rapport à un système de
capture du mouvement (Qualisys®). Durant les six exercices de courses spécifiques aux sports
testés, l’erreur de mesure de la distance restait entre 0,7 et 1,7 %. Cette fourchette d’erreur était
plus grande dans le cadre de la mesure de la décélération (0,3 - 4,3 %) et encore plus importante
pour les accélérations (1,3 - 10,2 %). Cependant, ces résultats sont considérés comme suffisant
pour estimer que le système Kinexon™ est fiable dans ces mesures de position instantanée, de
vitesse, d’accélération et de décélération dans le cadre d’activité sportive. Nous noterons tout
de même que la qualité de la mesure effectuée par ce système Kinexon™ n’a pas non plus été
testée en bord de terrain lors de cette étude, or, comme l’ont montré Malone et al. (2017) et
Luteberget et al. (2018), c’est dans cette configuration que les systèmes GPS et LPS sont les
moins performants.
Position (m) Speed (m·s-1) Accélération (m·s-²)

RMSE ± SD MAE ± SD CEP CE 95 RMSE ± SD MAE ± SD RMSE ± SD MAE ± SD
Total 0.09 ± 0.02 0.08 ± 0.01 0.07 0.15 0.07 ± 0.01 0.05 ± 0.01 0.20 ± 0.05 0.12 ± 0.01
Sprint 0.13 ± 0.03 0.12 ± 0.02 0.12 0.19 0.11 ± 0.04 0.09 ± 0.03 0.18 ± 0.07 0.14 ± 0.05
405-Agility 0.08 ± 0.03 0.07 ± 0.02 0.07 0.13 0.07 ± 0.03 0.06 ± 0.02 0.25 ± 0.17 0.15 ± 0.05
SSC Zig-Zag 0.07 ± 0.02 0.06 ± 0.02 0.06 0.10 0.04 ± 0.01 0.03 ± 0.01 0.10 ± 0.02 0.08 ± 0.02
SJ + sharp turns 0.08 ± 0.01 0.07 ± 0.01 0.07 0.13 0.07 ± 0.02 0.05 ± 0.01 0.18 ± 0.05 0.12 ± 0.03
Lunges 0.08 ± 0.02 0.07 ± 0.02 0.07 0.12 0.06 ± 0.02 0.05 ± 0.02 0.28 ± 0.14 0.19 ± 0.09
Curved sprints 0.11 ± 0.03 0.10 ± 0.03 0.07 0.17 0.10 ± 0.03 0.07 ± 0.02 0.31 ± 0.14 0.16 ± 0.05
Player 0.08 ± 0.01 0.07 ± 0.01 0.6 0.13 0.06 ± 0.02 0.04 ± 0.01 0.18 ± 0.04 0.10 ± 0.02
SSG
Ball 0.15 ± 0.03 0.12 ± 0.02 0.11 0.22 1.61 ± 0.75 0.86 ± 0.09 36.06 ± 14.57 19.22 ± 2.21
Tableau 2 : Erreurs de position, de vitesse et d'accélération mesurées pour le parcours sportif (SSC) et les matchs
de Football à effectif réduit (SSG). Pour chaque catégorie, l'erreur quadratique moyenne (RMSE) et l'erreur
absolue moyenne (MAE) ainsi que leur écart-type (SD) sont indiquées. CEP indique l'erreur de position médiane,
CE95 le 95ème percentile des valeurs d'erreur ; d’après Blauberger et al. (2021).
37
Concernant les accéléromètres embarqués dans les systèmes LPS et GPS, les différentes études
ayant testé leur validité s’accordent à dire qu’ils peuvent être considérés comme valides pour
mesurer l’activité des joueurs durant les matchs et les entrainements (Barrett, et al. 2014, Crang,
et al. 2021, Hollville, et al. 2015, Hoppe, et al. 2018, Kelly, et al. 2015, Nicolella, et al. 2018).
La comparaison des données des accéléromètres avec celles issues de plateformes de forces ou
autre système de références, démontre un coefficient de corrélation de Pearson entre 0.74 et
0.93, et un coefficient de variation allant de 2.5 à 20 % selon les accéléromètres. L’utilisation
des plateformes de force comme outil de référence est possible du fait que celles-ci permettent
de déterminer, comme leur nom l’indique, la force appliquée au sol par un sujet lors de son
déplacement. Or, une force est le produit d’une accélération par une masse (ici la masse du
sujet), d’après la formule 𝐹 = 𝑚𝑎(Cavagna 1975). Il ressort de ces études que plus les
déplacements se font à vitesse élevée, plus les erreurs de mesures sont importantes (cf. Figure
5). Ce qui est similaire à ce que l’on peut observer pour les systèmes de suivi de la position.
Figure 5 : Exemple typique des signaux d'accélération (en m·s-²) en fonction du temps (en s) mesurés avec les
accéléromètres MinimaxX situés dans le haut du dos (UBMXX) et le bas du dos (LBMXX) et avec le système de
plateformes de force (COMPFF) pendant les déplacements, d’après (Hollville, et al. 2021).
2.3 Bilan
Pour conclure ce chapitre nous proposons un bilan rapide sur les différents systèmes décrits
ci‑avant et sur les problématiques nécessitant encore d’être approfondies. En premier lieu nous
pouvons rappeler que les systèmes de notation vidéographique ne sont pas suffisants pour
effectuer l’analyse de l’activité des joueurs en entrainement et en match, particulièrement du
fait de leur aspect chronophage et parce qu’ils sont très sensibles à l’opérateur effectuant les
mesures. C’est pourquoi il leur sera préféré les systèmes semi-automatiques. Toutefois, ces
38
derniers présentent encore plusieurs problématiques, la première étant la nécessité
d’intervention humaine pour vérifier leur bon fonctionnement, ce qui reste encore très
chronophage. C’est pourquoi ces outils ne sont plus tant utilisés pour l’analyse de l’activité
déployée par les joueurs en match et en entrainement. Néanmoins, ces systèmes présentent de
réels intérêts pour les encadrements des équipes en ce qu’ils permettent de procéder rapidement
et efficacement à des analyses technico-tactiques. Enfin, il est important de différencier les
systèmes vidéographiques semi-automatiques classiques, s’appuyant sur des caméras
classiques ne nécessitant aucun matériel spécifique porté par les joueurs, et les systèmes de
capture du mouvement qui eux s’appuient sur des caméras infrarouges et des marqueurs
particuliers portés par les joueurs. Dans le cadre de ces derniers, ils ne sont pas exploitables
pour l’analyse de l’activité des joueurs en match et en entrainements car leur utilisation est
conditionnée à la détection de marqueurs passifs porté par les joueurs, généralement plusieurs
placés sur les membres, ce qui est contraignant pour la pratique sportive. Ces outils étant
néanmoins extrêmement précis, ils restent des systèmes de références particulièrement adapté
pour tester la validité des autres systèmes lors de situations standardisées. Enfin, la dernière
technologie que nous avons pu abordée précédemment sont les GPS et LPS. Ces deux types
d’outils sont similaires dans leur fonctionnement, à la différence près que les GPS sont
utilisables dans n’importe quel espace ouvert, et que les LPS définissent un espace précis dans
lequel les mesures peuvent être effectuées. Ces derniers présentent également l’intérêt de
pouvoir être utilisés en salle, là où les GPS ne sont pas exploitables. L’ensemble de ces solutions
qui ont pu être testées jusqu’à présent ont montré des précisions de mesure pouvant être
considérées comme valides pour l‘analyse de l’activité sportive. Toutefois, en particulier pour
les LPS, des différences ont pu être mis en évidence quant à leurs validités en fonction de la
configuration de ceux-ci. C’est pourquoi, pour l’outil Kinexon™, il nous semble important de
procéder à une validation plus avancée des mesures effectuées, en termes de distance parcourue,
vitesse maximale et accélérations et décélérations maximales.
39
3. ANALYSE DE L’ACTIVITÉ DES JOUEURS LORS DES
COMPÉTITIONS ÉLITES
L’utilisation d’outils de quantification de l’activité, tels que ceux présentés précédemment,

permet d’obtenir des données pour analyser l’activité des joueurs durant les compétitions à la
fois en termes de volume et d’intensité. Cette analyse des matchs est d’ailleurs effectuée depuis
de nombreuses années en Football ou en Rugby mais reste encore peu approfondie en Handball.
L’analyse de l’activité en compétitions consiste, dans un premier temps, à calculer le temps de

jeu effectif puis la DTp durant les matchs pour chacun des joueurs et/ou chacun des postes afin
de comprendre le volume d’activité globale des joueurs. Dans un second temps il s’agit de
définir des zones d’intensités selon des critères subjectifs (analyse notationnelle) ou objectifs
(analyse avec les systèmes semi-automatiques et GPS). Pour chacune de ces zones d’intensité
il est mesuré à la fois le temps passé et la distance parcourue par chaque joueur. Cela permet
d’obtenir une première idée de l’intensité de l’activité des joueurs durant les matchs, mais
uniquement de manière globale. Pour aller plus loin dans l’analyse il est possible de s’intéresser
à la quantification des évènements de haute intensité tels que les accélérations, décélérations et
sauts. Ce niveau d’analyse nous renseigne un peu plus précisément sur la nature de l’activité et
son impact physiologique mais n’est pas encore suffisant pour appréhender complètement
l’intensité de l’activité déployée par les joueurs. C’est pourquoi la dernière étape de l’analyse
de l’activité en compétition consiste à étudier l’intensité maximale produite par les joueurs
durant les matchs à travers l’étude des pics d’intensités. L’objectif est alors de comprendre
quelle est l’intensité maximale produite par les joueurs durant des périodes plus ou moins
longues de jeu afin de mieux comprendre les efforts qu’ils sont amenés à devoir fournir par
exemple en match officiel.
Les différences de résultats entre les premières études menées et celles plus récentes, peuvent
en partie s’expliquer par l’évolution de l’activité Handball et de ses règles du jeu ces dernières
années. L’introduction de nouvelles règles mises en place en 2016 aux Jeux Olympiques de Rio
ont engendré des modifications de l’activité des joueurs de champs et bien évidemment du
gardien, qui se retrouve à effectuer plus de courses qu’auparavant, pour rejoindre rapidement
son but dès la fin de la possession de balle. De plus, la professionnalisation du Handball à la fin
des années 2000 a, de fait, engendré une évolution dans le jeu dans les années qui ont suivi.
40
Cela se retrouve particulièrement dans la capacité des joueurs à performer à différents postes,
que cela soit en attaque ou en défense. Il est donc important d’offrir aux équipes d’encadrements
des structures professionnelles des informations d’actualités sur l’activité des joueurs en
compétition.
3.1 Temps de jeu effectif des joueurs
Le Handball est un sport collectif dont le nombre de rotation est illimité durant les compétitions,
ce qui permet, à priori, aux joueurs de conserver le plus haut niveau de performance possible
lorsqu’ils sont sur le terrain. Néanmoins, malgré ces possibilités de rotations, les auteurs
rappellent qu’il est indispensable de mieux cerner les caractéristiques propres à chacun des
postes afin de mieux préparer les joueurs aux efforts qu’ils seront amenés à produire durant les
matchs. Pour cela la première chose est de bien connaitre le temps d’effort moyen de chacun
des postes. Les études portant sur l’activité Handball en match ont rarement analysé le temps
de jeu effectif des joueurs, que cela soit de manière générale ou par poste. Ceci est notamment
dû à la difficulté d’effectuer ces mesures liées aux nombreux changements opérant durant les
matchs. Toutefois, nous avons recensé quatre études ayant produit cette analyse. Dans leur
étude Cardinale et al. (2017) ont montré que le temps de jeu moyen était de
36,48 ± 20,07 minutes, ce qui est assez similaire à ce qu’avait pu montrer Luig et al. (2008) et
Michalsik et al. (2016) avec un temps de jeu moyen respectivement de 32,11 ± 15,34 minutes
et de 38,40 ± 22,23 minutes. Dans leur étude, Luig et al. (2008) sont allez plus loin en
présentant les temps de jeu par poste en tenant compte des temps morts techniques et des arrêts
de jeux mais sans distinction entre les deux périodes d’un même match. Ils ont montré que les
gardiens (37,11 ± 3,28 min) et les ailiers (37,37 ± 2,37 min) sont les joueurs passant le plus de
temps sur le terrain devant les arrières (29,16 ± 1,70 min) et les pivots (29,37 ± 2,70 min). Ces
résultats sont légèrement inférieurs, mais en accord, avec ceux de Michalsik et al. (2016). Enfin,
l’étude de Manchado et al. (2021), portant sur les Championnat d’Europe 2020, ont montré un
temps de jeu moyen inférieur, de 26,48 ± 14,94 minutes, mais sans inclure les gardiens dans
l’analyse. Or les joueurs à ce poste sont parmi ceux ayant généralement le plus long temps de
jeu effectif durant les matchs car peu de rotations sont effectuées à ce poste, ce qui peut
expliquer les différences avec les autres études. Des mesures effectuées par la fédération
européenne de Handball à l’aide de chronomètres, pendant le Championnat d’Europe masculin
2012, ont montré que, sur l’ensemble des joueurs participant, seuls 13 % passent en moyenne
41
plus de 45 minutes sur le terrain, tandis que 26 % d’entre eux y passent entre 30 et 45 minutes.
36 % des joueurs sont présents entre 15 et 30 minutes sur le terrain et enfin, 26 % d’entre eux
passent moins de 15 minutes sur le terrain, tous postes confondus. La même analyse, répétée
lors du Championnat d’Europe masculin de Handball de 2020, cette fois ci à partir des données
du système Kinexon™, a mis en évidence que seuls 12 % des joueurs ont un temps de jeu
supérieur à 45 minutes en moyenne par match. 27 % des joueurs ont un temps de jeu compris
entre 30 et 45 minutes, 32 % d’entre eux sont présents sur le terrain entre 15 et 30 minutes et
enfin 29 % d’entre eux passent moins de 15 minutes sur le terrain (cf. Figure 6).
Figure 6 : Évolution de la répartition du temps de jeu en Handball.
Dans leur étude, Karcher et Buchheit (2014) ont analysé le nombre de remplacements effectués
en fonction du poste. Cette étude reste la seule, à ce jour, à avoir quantifié le nombre de rotations
durant des matchs officiels de Handball en distinguant les postes. Les auteurs ont montré en
s’appuyant sur 7 matchs de 1ère division de championnat de France que les ailiers effectuent en
moyenne 3 ± 2 rotations par match, les arrières latéraux 13 ± 9 et les pivots 27 ± 6.
3.2 Volume de l’activité
Il semblerait que la première étude portant sur la quantification de l’activité des joueurs de
Handball en match soit celle de Konzag et Schacke (1968). Bien que les auteurs ne reportent
pas les vitesses correspondant aux rythmes "moyen" et "rapide", ils montrent que les joueurs
parcourent en moyenne 4152 m dont 3153 m à un rythme moyen et 394 m à un rythme rapide.
À notre connaissance, à la suite de cette étude, aucune autre n’a été menée sur le sujet avant
celle de Garcia Cuesta (1983). Cette dernière, menée à la demande de la fédération espagnole
de Handball, portait sur les joueurs de l’équipe nationale d’Espagne lors du championnat du
42
monde de 1982. Celle-ci a, pour la première fois, détaillé l’analyse par poste et présente une
DTp respectivement de 3464 ± 256 m et 2857 ± 189 m pour les arrières gauches et droits. Pour
les ailiers gauches et droits, les distances parcourues étaient de 3557 ± 311 m et 4083 ± 286 m,
tandis que pour les pivots la distance parcourue était de 2857 ± 145 m. Ces études princeps, ont
le mérite de fournir les premières informations sur l’activité des joueurs de Handball durant les
matchs précédent l’application de nouvelles règles en 2000 et 2016. Or, ces évolutions de jeu
avaient pour but d’accélérer et de dynamiser les matchs.
Le Tableau 3 ci-dessous regroupe l’ensemble des données des études portant sur le volume
d’activité des joueurs de Handball en compétition depuis le début des années 2000 et l’étude de
Šibila et al. (2004).
Distance Totale Parcourue (DTp)

Demi- Arrière Arrière Ailier
Ailier Droit Pivot Gardien
Centre Droit Gauche Gauche
Šibila et al.
3432 ± 243 3855 ± 310 3234 ± 150 1753 ± 165
(2004)
Luig et al.
2840 ± 151 3711 ± 210 2787 ± 239 2058 ± 290
(2008)
Póvoas et al.
4960+640 4230 ± 520 3910 ± 510
(2014)
Michalsik et al.
2574 ± 1491 3987 ± 1778 2562 ± 1363 1550 ± 1077
(2016)
Cardinale et al.
2699 ± 1189 2587 ± 1414 2411 ± 1338 3404 ± 1603 3339 ± 1640 2419 ± 1225
(2017)
Manchado et al.
2194 ± 1049 1943 ± 1003 1888 ± 962 2372 ± 1457 2547 ± 1310 1835 ± 979
(2021)
Tableau 3 : Récapitulatif des DTp par postes selon les différentes études.
L’étude de Póvoas et al. (2014), se doit d’être analysée à part puisqu’il s’agit de la seule étude
du Tableau 3 à être basée sur une analyse vidéographique notationnelle similaire à celle
employées dans les études antérieures à celles du tableau. Elle est également importante car il
s’agit de la seule étude ayant conclu, sans distinction de latéralité, à une DTp supérieure des
arrières par rapport à celle des ailiers et pivots. Ce résultat atypique peut s’expliquer entre autres
par l’analyse de 10 matchs officiels de la ligue professionnelle portugaise de Handball, incluant
10 joueurs de chacun des postes. En effet, le championnat national Portugais ne présentait pas,
jusqu’à un passé tout récent (moins de 5 ans), un niveau de jeu aussi élevé que les autres
championnats européens. De plus, l’utilisation d’une analyse notationnelle peut amener à des
différences plus importantes de mesures que les autres types d’analyses, d’ailleurs cette étude
de Póvoas et al. (2014) est la seule à présenter des distances totales supérieur à 4000 m, quel
43
que soit le poste. Par ailleurs, il est intéressant de mettre en relation les données des études de
Šibila et al. (2004) et de Luig et al. (2008). En effet, ces deux études ont travaillé à l’aide du
même outil d’analyse vidéographique semi-automatique, le système SAGIT. Ces travaux sont
concordants (cf. Figure 7), et permettent de mettre en évidence des différences significatives
dans les distances parcourues en match en fonction des postes. Ainsi, les ailiers parcourent la
plus grande DT devant les arrières, et les pivots, tandis que les gardiens parcourent la plus faible
distance (cf. Tableau 3).
Figure 7 : DTp ± SD (en m) par poste d’après Šibila et al. (2004) et Luig et al. (2008).
Il est également intéressant de rapprocher les études de Michalsik et al. (2016), Cardinale et al.
(2017) utilisant une analyse semi-automatique et l’étude de Manchado et al. (2021) utilisant un
système LPS. En effet, ces trois études présentes des résultats assez similaire (cf. Figure 8) mais
aussi des écarts types bien plus grand que les autres études. Cette différence dans les écarts
type peut avoir différentes raisons. Tout d’abord, le changement de système de mesure peut
impacter les mesures. Il est également possible que l’évolution de l’activité, qui a vu augmenter
la vitesse et l’intensité du jeu, permettent d’expliquer les plus grands écart-types, notamment
du fait du plus grand nombre de remplacement effectuées. De même, l’augmentation de ces
remplacements peut s’expliquer par un plus grand professionnalisme de l’activité.
Figure 8 : DTp ± SD (en m) par poste d’après Michalsik et al. (2016), Cardinale et al. (2017) et Manchado et al.
(2021).
44
Enfin, il est possible d’approfondir l’analyse en s’intéressant particulièrement aux études de
Cardinale et al. (2017) et de Manchado et al. (2021). En effet, ces deux études ont détaillé leurs
analyses en séparant les postes selon leur latéralité (cf. Figure 9) mais obtiennent des résultats
cohérents avec ceux de Šibila et al. (2004), Luig et al. (2008) et Michalsik et al. (2016). Il est
intéressant de noter une diminution générale de la distance parcourue, quel que soit le poste
observé, dans l’étude de Manchado et al. (2021). La distinction des trois postes formant la base
arrière a permis de mettre en évidence la spécificité du poste de demi-centre. Ce poste présente
un plus grand volume de jeu (cf. Tableau 3), ce qui est représentatif du rôle spécifique de ce
joueur qui est d’organiser le jeu ce qui nécessite de produire davantage de déplacements pour
être efficace.
Figure 9 : DTp ± SD (en m) par postes, différenciés par latéralité, d’après Cardinale et al. (2017) et Manchado et
al. (2021).
L’ensemble de ces études sont particulièrement intéressantes pour mieux comprendre le volume
d’activité des joueurs durant les matchs mais s’avèrent insuffisantes pour permettre une
programmation minutieusement des entrainements adaptés aux exigences de la compétition. En
effet, il est nécessaire, pour pouvoir calibrer les entrainements, d’avoir, à minima, une
connaissance de la répartition de ce volume d’activité selon les intensités de courses.
3.3 Distribution du volume de l’activité
Dans le but d’analyser plus finement la DTp par les joueurs durant les matchs, un certain
nombre d’études ont détaillé la répartition du volume de jeu selon différentes intensités. D’une
manière générale les déplacements en Handball se catégorisent en cinq types de déplacements,
à savoir la marche, la course, les sprints et les déplacements arrière et latéraux (Al-Lail 2001).
D’ailleurs Cambel (1985) proposa une étude approfondie de l’activité Handball en analysant
les vitesses de déplacement à l’aide d’une analyse vidéographique notationnelle. Il montra ainsi
45
que 80 % de la DTp par les joueurs, sans distinction de postes, s’effectuent en marchant, à une
vitesse inférieure à 7 km·h- 1. Les courses, différenciées en deux gammes de vitesse,
représentent 15 % de la DT entre 7 et 14,5 km·h-1, et 5 % entre 14,5 et 29,0 km·h-1 tandis que
les sprints ne représentent qu’environ 1 % du volume d’activité avec des vitesses comprises
entre 29,0 et 32,5 km·h-1. À la suite de cette étude, il aura fallu attendre le début des années
2000 pour que de nouvelles recherches soient menées sur l’intensité des déplacements en match
en Handball. L’étude d’Al-Lail et al. (2001), aussi menée à l’aide d’analyse notationnelle,
montre que la marche et la course sont les principaux modes de déplacements employés, devant
les déplacements latéraux, les sprints et la course arrière qui est le type de déplacement le moins
utilisé (cf. Figure 10). Enfin, la dernière étude utilisant l’analyse notationnelle et présentant des
données relatives aux intensités de déplacements que nous avons répertoriée est celle de Póvoas
et al. (2012). Cette dernière présente globalement des valeurs supérieures pour toutes les
catégories de déplacements hormis les sprints (cf. Figure 10).
Figure 10 : DTp ± SD (en m) par type de déplacement selon Al-Lail et al. (2001) et Póvoas et al. (2012).
Dans leur étude, Póvoas et al. (2012) ont aussi détaillé l’activité, à la fois en termes de distances
parcourues et de temps passé dans les différentes catégories, selon les postes et en différenciant
les déplacements latéraux selon leur intensité. Cette étude montre que, hormis pour les arrières,
la majorité du temps de jeu le joueur est en position d’attente et que les arrières présentent le
plus gros volume de jeu mais que ce sont les ailiers qui ont le plus de courses rapides et de
sprints (cf. Figure 11 & Figure 12).
46
Figure 11 : Temps passé ± SD (en s) dans les différentes catégories de déplacements selon les postes d’après
Póvoas et al. (2012).
Figure 12 : DTp ± SD (en m) dans les différentes catégories de déplacements selon les postes d’après Póvoas et
al. (2012).
À la suite de ces études, les recherches menées sur l’activité en Handball se sont appuyées sur
des analyses vidéographique semi-automatiques. Les études de Šibila et al. (2004) et de Luig
et al. (2008) ont étudié la répartition du temps passé dans différentes zones d’intensité. Bien
que les deux études soient similaires dans leurs méthodologies, l’utilisation de gammes de
vitesses différentes amène les auteurs à des résultats divergents. Dans le cadre de l’étude de
Luig et al. (2008), les auteurs ont différencié quatre gammes de vitesses à savoir la marche
(< 5,5 km·h-1), la course lente (entre 5,5 et 14,5 km·h-1), la course rapide (entre 14,5 et
25 km·h‑1) et enfin le sprint (> 25 km·h-1). Toutefois, aucune différence significative entre les
différents postes n’a été observée. Il a ainsi été analysé, pour l’ensemble des joueurs, que la
marche représente 34,3 ± 4,9 % du temps de match, la course lente 44,7 ± 5,1 %, la course
rapide 17,9 ± 3,5 % et le sprint 3,0 ± 2,2 %. De leur côté, Šibila et al. (2004) ont défini la vitesse
de marche comme étant inférieure à 5 km·h-1, la course lente entre 5 et 12,2 km·h-1, la course
47
rapide entre 12,2 et 18,7 km·h-1 et le sprint au-dessus de 18,7 km·h-1. À partir de ces définitions,
les auteurs ont montré que la marche représente la plus grande partie des déplacements des
joueurs quel que soit leur poste. À l’opposé, les sprints ne concernent qu’une très faible partie
de l’activité des joueurs (moins de 5 %). Les courses lentes et rapides représentent environ 15 %
des déplacements des ailiers et des arrières. Pour les pivots, celles-ci ne représentent
respectivement que 15 % et 10 % de leur activité. Les différences de résultats obtenus par ces
deux études mettent bien en évidence l’importance de la définition des gammes de vitesse pour
catégoriser les intensités des déplacements. Dans leur étude, utilisant l’outil LPS pour mesurer
l’activité des joueurs, Manchado et al. (2021) ont confirmé que les ailiers sont les joueurs
présentant le plus de courses à haute vitesse par rapport aux pivots et arrières, et ce d’autant
plus nettement que les vitesses sont grandes (cf. Figure 13).
Figure 13 : Intensités de déplacements, DTp ± SD (en m) par postes d'après Manchado et al. (2021).
Dans le cadre de leur étude, Manchado et al. (2021) ont aussi détaillé l’activité des joueurs selon
leurs postes et leurs latéralités, ce qui permet de confirmer que les arrières gauches (droitiers)
ont une activité inférieure aux arrières droits (gauchers), mais que cela n’est pas le cas des
ailiers. De plus, les auteurs font également ressortir la spécificité du poste de demi-centre
puisqu’il présente une plus grande distance parcourue en jogging (entre 2.0 – 3.9 m·s-1), course
(4.0 – 5.4 m·s-1), course à haute vitesse (5.5 – 6.9 m·s-1) et sprint (>7 m·s-1) que les autres
joueurs de la base arrière (Manchado, et al. 2021). Cela représente la spécificité de ce poste qui
consiste à impulser les tactiques offensives, donc d’être à l’origine du rythme de l’attaque. De
plus, ce joueur étant en position centrale sur la base arrière, il est naturellement le plus sollicité
des trois (cf. Figure 14).
48
Figure 14 : DTp ± SD (en m) durant les matchs selon les postes et leurs latéralités d'après Manchado et al. (2021).
Le temps passé, ainsi que la DTp dans différentes zones d’intensité sont des éléments
indispensables pour affiner les exigences physiques de l’activité Handball selon les postes et
ainsi adapter plus précisément les contenus d’entrainement. L’intérêt de ces mesures réside dans
la possibilité de déterminer une sollicitation physiologique optimale pour chacun des postes,
voire pour chaque joueur individuellement, en fonction des données recueillies lors des matchs
et des entrainements. Toutefois, il est important de noter que les zones d’intensités utilisées
dans les différentes études ne sont pas identiques, bien que proches, ce qui limite la possibilité
d’établir précisément cette sollicitation optimale pour préparer les joueurs.
3.4 Actions de haute intensité
Dans l’objectif de mieux comprendre les exigences physiques de l’activité Handball, il est
nécessaire de s’attarder par ailleurs sur l’analyse des actions à haute intensité. Celles-ci
représentent l’ensembles des sauts, accélérations et décélérations et autres changements de
directions qui nécessitent des efforts explosifs ponctuels. Ces actions se doivent d’être
particulièrement étudiées parce qu’elles sont représentatives des moments décisifs des matchs.
En effets, elles représentent des actions déterminantes sur le cours du jeu, notamment associées
aux tirs ou mise en condition pour permettre le tir d’un coéquipier lors des phases offensives et
les déplacements et tentatives de contres lors des phases défensives. Ainsi, bien qu’il n’y est
pas de seuil reconnu pour déterminé l’intensité de ces évènements, hormis dans le cas des
accélérations et décélérations (Izzo and Sopranzetti 2010), il est couramment admis que
49
l’ensemble de ces évènements détectés par les différents systèmes peuvent être considérés
comme étant de haute intensité (Abdelkrim, et al. 2007, Harper, et al. 2019, Luteberget and
Spencer 2017). En effet, Póvoas et al. (2009) ont dénombré un total de 117 ± 36 actions de ce
type par joueur et par match lors de rencontres élite de première Ligue portugaise. Cette étude
détaille ces actions selon les postes qui permet d’appréhener le fait que les arrières sont les
joueurs présentant le plus de déplacements de haute intensité en général mais que ce sont les
ailiers qui sprintent le plus. D’autre part les pivots sont les joueurs effectuant le plus de duels
(cf. Figure 15). Par la suite, Michalsik et al. (2015.c) en ont dénombré une moyenne de 102 ±
6 actions par joueur et par match en première ligue danoise de Handball masculin. Celles-ci se
répartissent en 58 actions de haute intensité par joueur en attaque et 44 en défense. Ces mêmes
auteurs, dans une étude ultérieure portant sur les Championnat d’Europe masculin de 2016 ont
montré une moyenne de 76 ± 124 accélérations et 66 ± 105 décélérations par joueur durant les
matchs, ce qui confirme leur importance dans le volume d’activité des joueurs (Michalsik, et
al. 2016). D’ailleurs, l’étude de Luteberget et al. (2017) a montré une moyenne de 3,90 ± 1,58
actions à haute intensité par minute de jeu (i.e., accélérations, décélérations et changements de
direction, tous supérieurs à 2,5 m·s-1), chez les joueuses de Handball norvégiennes
internationales.
Figure 15 : Actions de Haute Intensité ± SD (Nombre) d'après Póvoas et al. (2009) et Michalsik et al. (2015.c).
En dehors du nombre d’occurrences de ces actions à haute intensité, il est nécessaire d’analyser
leur durée ainsi que le temps de récupération disponible entre chacun de ces évènements. En
effet, le Handball est une activité intermittente constituée de périodes brèves d’activités intenses
entrecoupées de périodes de récupérations, dont la durée et l’intensité varient en fonction du
jeu. Afin de caractériser l’aspect intermittent d’une activité, le calcul du ratio entre la durée des
50
phases d’activité intense et la durée des phases de récupération est généralement utilisé (Austin,
et al. 2011, Cunniffe, et al. 2009, Lemmink and Visscher 2005, McLean 1992, Price and Halabi
2005). Peu d’études se sont intéressées à ce sujet au Handball. Chelly et al. (2011) sont les
premiers à s’être interrogés sur le mode de réitération des efforts des joueurs de Handball, en
étudiant l’activité de jeunes joueurs. Les résultats de cette étude indiquent une durée moyenne
de course de 14,4 ± 1,1 s et un temps de récupération moyen de 19,5 ± 0,9 s entre deux courses.
De plus, les auteurs montrent une moyenne de 133 ± 15 activités techniques spécifiques par
match pour les joueurs, ce qui représente 22 % du temps de jeu. L’ensemble de ces actions
représentent alors 501 ± 47 changements de rythme au cours d’un match, soit un toutes les 5,9 s.
Toutefois, cette étude ne porte pas directement sur les actions à haute intensité. En effet, aucune
distinction n’est faite dans cette étude entre les différentes actions selon leur intensité. Par
ailleurs, dès 2012, l’étude de Póvoas et al. (2012) montrait que 63 ± 25 % des actions de haute
intensité, représentées par des sprints et des courses rapides, sont entrecoupées de plus de 90 s
de récupération. D’après cette étude, les arrières sont les joueurs effectuant le plus d’actions à
haute intensité puisqu’elles représentent 67 ± 22 % du total de leurs actions. Les ailiers sont
très proches avec 63 ± 18 %, tandis que les pivots n’en présentent que 57 ± 24 %. Les temps de
récupérations entre ces actions de haute intensité ont également été mesurés durant cette étude,
et montrent que 9 ± 8 % de celles-ci sont séparées de 61 à 90 s, 11 ± 12 % de 31 à 60 s et 18 ±
18 % de moins de 30 s. Les arrières sont aussi les joueurs enchainant le plus d’actions de haute
intensité avec un temps de récupération inférieur à 30 s, avec 18 ± 16 % de leurs actions se
rangeant dans cette catégorie, là où les ailiers n’en présentent que 13 ± 13 % et les pivots
19 ± 17 %. L’étude de Luteberget et al. (2017) a aussi mis en évidence que les joueuses
n’intervenant que sur les phases offensives, présentent une activité supérieure avec 1,7 actions
de haute intensité de plus par minute de jeu, comparativement aux joueuses participant à la fois
à l’attaque et à la défense. Toutefois, il est fort possible que ces actions supplémentaires
représentent les sprints effectués pour rejoindre le banc à la fin de l’attaque, puisque les phases
de défense et d'attaque alternent toutes les 22 à 36 s (Karcher and Buchheit 2014). Cependant,
contrairement aux joueurs participant à toutes les phases de jeu, leur temps de récupération est
nécessairement plus long. Ce résultat indique que la majorité des actions de haute intensité
s’effectuent lors des phases offensives, ce qui est contradictoire avec les résultats de l’étude de
Póvoas et al. (2014) qui indiquaient que la majorité des actions de haute intensité avaient lieu
en défense. Cette différence dans les résultats peut s’expliquer par plusieurs facteurs.
51
Premièrement, les sujets d’études diffèrent à la fois en termes de sexe (homme-femmes) et de
niveau (national portugais, nation émergente du Handball mondial, et international norvégien,
parmi les meilleures nations du Handball mondial). En second lieu, le système d’analyse est
différent passant d’un système vidéographique notationnel dans l’étude de Póvoas et al. (2012)
à un système LPS dans l’étude de Luteberget et al. (2017). Enfin les règles du Handball ont
changé en 2016, en permettant le remplacement du gardien par un joueur de champ, ce qui
modifie l’activité des joueurs en attaque et en défense. Ainsi, au regard des études ayant porté
sur le sujet, il est difficile d’appréhender la fréquence, la durée et la répartition des phases de
récupération disponibles pour les joueurs durant un match de Handball. Néanmoins, ces études
ont permis de mieux apprécier la nature intermittente de haute intensité de l’activité Handball,
et surtout de préciser les besoins spécifiques des joueurs selon leurs postes. En effet, il ressort
trois résultats principaux de l’ensemble de ces études. Premièrement les ailiers sont les joueurs
présentant les actions de plus haute intensité mais aussi les joueurs qui en effectuent le moins.
Cela implique qu’ils bénéficient d’un temps de récupération moyen plus long. Deuxièmement,
les arrières présentent le plus grand nombre d’actions de haute intensité, ce qui fait d’eux les
joueurs ayant le temps de récupération le plus court. Toutefois, ces actions sont globalement
d’intensité inférieure à celles des ailiers. Enfin troisièmement, les pivots effectuent légèrement
moins d’actions de haute intensité que les arrières, ce qui leur laisse un temps de récupération
moyen assez similaire à celui des arrières. Toutefois, il s’agit des joueurs ayant les intensités de
déplacement les plus faibles. Il est important de nuancer ces résultats au regard de la position
du pivot qui, étant placé au cœur de la défense adverse, ne peut disposer de la même liberté de
mouvement que les autres joueurs. Cela se traduit par un plus grand nombre de duels que ces
joueurs doivent mener au cours d’un match, comme le montre l’étude de Póvoas et al. (2009).
De plus, comme nous l’avons vu, les pivots sont les joueurs effectuant le plus de rotations par
match, 27 ± 6, soit plus du double des arrières, 13 ± 9, et neuf fois plus que les ailiers, 3 ± 2
(Karcher and Buchheit 2014). Dans la mesure où ce poste génère un plus grand nombre de
rotations par rapport aux autres, il est possible que l’activité des pivots ne puisse se résumer
aux actions et distances parcourues à haute intensité. C’est pourquoi il est nécessaire de pouvoir
analyser l’activité des joueurs de manière plus précise.
52
3.5 Intensité de l’activité
L’ensemble des données présentées jusqu’ici permettent d’appréhender assez précisément le

volume d’activité des joueurs de Handball en compétition, la manière dont il se répartit selon
les différentes catégories de déplacements, ainsi que les actions de haute intensité qui le
constituent. Toutefois, très peu d’information n’a pour le moment été fournie concernant
l’intensité produite par les joueurs durant les matchs. Bien que ces données soient
particulièrement pertinentes pour les entraineurs et préparateurs physiques dans l’objectif de
préparer les joueurs aux exigences de la compétition, les études portant sur le sujet en Handball
sont peu nombreuses. Nous n’avons recensé que cinq études, détaillant l’intensité de l’activité
des joueurs selon leurs postes, utilisant les analyses vidéographiques notationnelles (Cardinale,
et al. 2017, Luig P. 2008, Michalsik 2015, Póvoas 2009, Šibila 2004) et une étude utilisant un
outil LPS (Manchado, et al. 2021). Ces études présentent toutefois des résultats assez variés,
notamment en raison de la grande variété des publics étudiés (cf. Figure 16 & Figure 17). En
effet, ces études portent respectivement sur des matchs amicaux, des matchs de première ligue
portugaise et danoise et des matchs de championnat du monde et d’Europe. Or, comme nous
l’avons déjà dit, les niveaux de jeu et les contextes sont très hétérogènes, ce qui peut tout à fait
expliquer les différences de résultats. Les études de Luig et al. (2008), Cardinale et al. (2017)
et Manchado et al. (2021) ont proposé de distinguer le poste de demi-centre des deux autres
arrières latéraux et ont démontré une activité d’intensité supérieure pour ce poste (cf. Figure 16
& Figure 17). La distinction faite, par Cardinale et al. (2017) et Manchado et al. (2021), entre
les joueurs selon leur latéralité ne montre pas pour autant de différence majeure entre ces
joueurs en termes d’intensité de jeu. L’étude de Šibila et al. (2004) présente également les
vitesses moyennes de déplacements des joueurs durant les matchs. Les résultats montrent que
les ailiers ont une activité moyenne plus importante avec1,60 m·s-1 que les arrières (1,43 m·s-
1
), les pivots (1,34 m·s-1) et les gardiens (0,73 m·s-1). Cette analyse confirme que le poste
d’ailier est celui présentant l’intensité de déplacement la plus importante, ce qui est cohérent
avec le fait qu’ils soient les joueurs parcourant le plus de Distance à Haute Vitesse (DHV).
Toutefois, il n’est ici question que de distance parcourue par minute de jeu et de vitesse
moyenne, ce qui ne permet pas de prendre en compte l’intensité déployée par les joueurs lors
d’évènements ponctuels, tels que les sauts, les contacts ou les duels.
53
Figure 16 : Intensité de l'activité des joueurs selon leur poste, DTp par minutes ± SD (en m·min‑1) d'après Šibila
et al. (2004), Luig et al. (2008), Póvoas et al. (2009) et Michalsik et al. (2015.a).
Figure 17 : Intensité de l'activité, DTp par minutes ± SD (en m·min-1) des joueurs selon leur poste et leur latéralité
d’après Cardinale et al. (2017) et Manchado et al. (2021).
3.6 Pics d’intensité
Bien que l’ensemble des études détaillées jusqu’alors soient pertinentes pour estimer l’intensité
de l’activité des joueurs durant les matchs, elles ne renseignent ni sur l’évolution de cette
intensité au cours du match, ni sur l’intensité maximale atteinte durant les compétitions. La
première étape dans la recherche de l’intensité maximale produite par les joueurs durant les
matchs a été de séquencer ces derniers en segments de 5 à 10 minutes et d’étudier l’activité des
joueurs durant ces segments. Michalsik et al. (2015.b) se sont donc intéressés à l’évolution de
la distance parcourue au cours du match en le séquençant en segments de 5 minutes. Les
résultats de cette étude montrent que les joueurs ont une activité d’intensité maximale au début
du match avec 366 ± 53 mètres parcourues lors des 5 premières minutes puis celle-ci décroit
tout au long de la première période jusqu’à 235 ± 72 mètres lors des 5 dernières minutes. Lors
de la seconde période, l’activité des joueurs est toujours inférieure à celle de la première
période, hormis lors des 10 dernières minutes du match (cf. Figure 18). Bien que l’analyse de
ces différents segments nous renseigne plus sur l’évolution de l’activité et donc sur l’état
physique des joueurs, il est tout de même intéressant de noter que ce regain d’activité en fin de
54
match peut s’expliquer par divers facteurs. Le score et son évolution au cours de la rencontre,
le fait de jouer à domicile ou à l’extérieur (Miguel A. Gómez 2014, Oliveira, et al. 2012), ainsi
que la notion de "money-time", comme le précisent les auteurs dans leur étude, peuvent être
des facteurs explicatifs de cette évolution de l’activité. En effet, la fin de match est souvent
décisive en sport collectif, ce qui peut amener les joueurs à s’investir plus complètement pour
remporter le match. De plus, des études menées dans d’autres sports que le Handball ont mis
en évidence des stratégies de gestion de rythme mises en place par les athlètes, notamment dans
le but de minimiser le nombre de perturbations physiologiques lorsqu'ils récupèrent après un
exercice intense. Ces stratégies permettent d’expliquer, au moins en partie, cette répartition de
l’activité durant les matchs (Abbiss and Laursen 2008, Foster, et al. 1994, Furlan, et al. 2015).
Figure 18 : Répartition de l'activité moyenne, DTp ± SD par périodes de 5 minutes d'après Michalsik et al. (2015.b).
Cette étude, de Michalsik et al. (2015.b), a également mise en évidence que les 5 premières
minutes de la première période sont les plus intense en termes de déplacement et les 5 dernières
minutes de la première période, les moins intenses, tandis que les 10 dernières minutes du match
sont des périodes avec encore une grande activité, malgré la fatigue accumulée durant le match
(cf. Figure 18). Ces analyses de l’évolution de l’activité produite par les joueurs durant les
matchs par tranche de 5 minutes constituent un premier niveau permettant de comprendre
55
l’évolution de l’intensité des rencontres. Toutefois, cette méthode, basée sur des segments de
durée déterminée, peut sous-estimer considérablement les exigences de courses des périodes
les plus intenses des matchs (Casamichana, et al. 2012, Gabbett 2010, Gabbett and Mulvey
2008). Les différentes sollicitations, en matière de courses et d’actions à haute intensités,
observées lors des compétitions de sports collectifs suggèrent que les analyses globales des
exigences en matchs peuvent ne pas refléter de manière adéquate les pics d'intensité vécus par
les joueurs durant ceux-ci (Austin and Kelly 2013, Carling and Dupont 2011, Kempton, et al.
2013). Il a été suggéré que les baisses de performance de courses observées en sports collectifs
peuvent être le résultat d'une fatigue progressive et transitoire ressentie tout au long d'un match
(Mohr, et al. 2003). Cependant, ces affirmations sont souvent basées sur des données collectées
à partir de périodes de jeu prédéfinies, telles qu’utilisé par Michalsik et al. (2015.b). Il se peut
que la période la plus intense d'un match ne se situe pas entièrement dans l'un de ces blocs, et
donc que ces méthodes sous-estiment les exigences de la compétition en matière de course.
Pour tenir compte de ce paramètre, Varley et al. (2012.a) ont utilisé une méthode de moyenne
mobile pour déterminer la distance maximale parcourue à vitesse élevée (> 15 km·h-1), durant
un bloc de 5 minutes, au cours d'un match de Football d'élite, pour le comparer à la méthode
traditionnelle des blocs de 5 minutes. Cette technique d’analyse correspond au calcul de
l’intensité maximale à l’aide d’une moyenne mobile, c’est à dire recalculée de façon continue,
en utilisant à chaque calcul un sous-ensemble d'éléments (ici 5 minutes de données) dans lequel
un nouvel élément remplace le plus ancien. Le procédé est répété sur l’ensemble de la durée du
match, puis l’intensité maximale mesurée parmi l’ensemble de ces mesures effectuées est
conservé pour définir l’intensité maximale atteinte. Les auteurs ont alors observé que la
méthode traditionnelle sous-estimait de 20 à 25 % la distance maximale parcourue à haute
vitesse, ce qui suggère que la méthode de la moyenne mobile est plus à même de distinguer la
période de course la plus intense du match (Varley, et al. 2012a). L'utilisation d'une méthode
de moyenne mobile a donc permis aux chercheurs d'identifier la période de compétition la plus
intense pour une durée de moyenne mobile prédéfinie. Ces données ont une application pratique
importante pour la prescription de l'entrainement, notamment en permettant aux entraineurs de
contrôler les exercices d'entrainement en fonction de ces exigences de match. Néanmoins, cette
approche ne permet que très partiellement de réguler l’organisation des entrainements
puisqu’elle ne fournit des informations que sur des durées moyennes de mouvement
prédéterminées (généralement 5 minutes). C’est pourquoi, à partir de ces analyses, Delaney et
56
al. (2015) ont proposé une nouvelle méthode permettant de mesurer l’intensité maximale des
matchs, exploitée en Rugby et reprise en Football. Pour cela, l’intensité déployée par les joueurs
est mesurée à l’aide de différentes moyennes mobiles tout au long du match pour mettre en
évidence les exigences maximales de l’activité (cf. Figure 19). La différence principale entre
cette méthode et celle employée par Varley et al. (2012a) réside dans la répétition des mesures
à l’aide de différentes moyennes mobiles permettant alors de définir l’évolution de l’intensité
selon la durée analysée. Il est alors possible d’obtenir une représentation graphique de la
décroissance de l’intensité déployée avec l’allongement de la période d’étude (cf. Figure
19, gauche). La régression logarithmique des données obtenues permet de mettre en évidence
une relation directe entre l’intensité déployée et la durée d’analyse, à condition que les données
suivent bien une loi de puissance. Cela se traduit par une droite dont il est alors possible de
mesurer l’ordonnée à l’origine représentant l’intensité maximale théorique, correspondant au
pic à 1 minute (𝐿𝑜𝑔(1) = 0), ainsi que la pente représentant la vitesse de décroissance. Ces
informations sont importantes en ce qu’elles permettent aux entraineurs et préparateurs
physique d’avoir accès à des données précieuses pour la prescription et le suivi des joueurs
pendant les exercices d'entrainement. Toutefois, les exigences, ainsi mesurées, reflètent le bloc
de course le plus intense effectué pendant toute la durée d'un match. Par conséquent, il est
recommandé que les exigences en matière de course à pied prescrites lors des entrainements
fassent partie d'un programme de conditionnement physique correctement périodisé (Delaney,
et al. 2015, Delaney, et al. 2017a, Delaney, et al. 2017b).
57
Figure 19 : Exemple d'analyse de loi de puissance modélisant la relation entre l'intensité de l'exercice d’après
Delaney et al. (2015). Á gauche : vitesse moyenne (m·min-1) tracée pour chaque durée d'exercice moyenne mobile
de 5 - 600 secondes. À droite : Régression logarithmique permettant d’obtenir une relation linéaire.
Malheureusement ce type d’étude n’a pas encore été mené en Handball, or une telle étude
permettrait aux entraineurs de se baser sur une quantification rigoureuse (et optimale à ce jour)
des exigences maximales des joueurs en match. Bien que les résultats issus de cette méthode ne
reflètent que les exigences de course de la compétition, sans quantification ni des contacts ni
des actions de haute intensité, cela permet de les reproduire durant des exercices de
conditionnement sur le terrain. En outre, pour mieux reproduire la nature du Handball, les
entraineurs peuvent recourir à des méthodologies plus spécifiques telles que les jeux à effectif
réduit durant lesquels il est possible d’adapter les règles pour ajuster l’intensité attendue comme
nous le verrons dans la partie suivante.
3.7 Bilan
Pour résumer cette partie, nous pouvons dire que l’activité Handball a, pour le moment, été bien
caractérisée en termes de volume d’activité, avec une connaissance fine de l’activité de chacun
des postes, mais reste parcellaire dans l’analyse de l’intensité déployée durant les matchs. En
effet, les différentes études menées sur l’activité ont mis en évidence les spécificités des
différents postes concernant le volume des déplacements mais à ce jour les connaissances sur
leur intensité sont très limitées. Les quelques études ayant porté sur le sujet ne permettent pas
d’appréhender l’intensité maximale réellement déployée par les joueurs, et encore moins de
comprendre les différences entre les postes. Néanmoins, les études concernant le volume
d’activité des joueurs ont mis en évidence la spécificité des ailiers. Ces derniers présentent des
exigences supérieures aux autres postes en termes de capacité à effectuer des courses à haute
vitesse. Par ailleurs, les études ayant détaillé le volume des déplacements spécifiquement pour
58
les joueurs de la base arrière ont montré une spécificité du poste de demi-centre, qui déploient
une activité plus importante que les arrières latéraux. Ceci est corroboré par l’analyse des
évènements à haute intensité qui sont également plus nombreux à ce poste, notamment les
accélérations et décélérations. Ceci est compréhensible du fait du rôle de meneur de jeu de ce
poste, qui initie donc les enclenchements offensifs. Toutefois il est important de noter que
l’évolution actuelle du Handball à tendance à homogénéiser l’activité de postes de la base
arrière, avec une responsabilité de meneur de jeu de plus en plus partagée entre ces trois joueurs.
Enfin, il est également important de noter que l’analyse de l’activité des joueurs en match à
l’aide des mesures de déplacements ne permet pas de comprendre la spécificité du poste de
pivot puisque celui-ci semble équivalent au rôle des arrières latéraux, avec moins d’événements
de haute intensité que ces derniers. Sur l’ensemble de ces études, la seule mesure présentée
jusqu’alors permettant de comprendre la spécificité de ce poste est la quantification des duels
et des contacts, pour lesquels les pivots sont prédominants. Il ressort donc le besoin de trouver
d’autres paramètres permettant de mieux comprendre les spécificités de ce poste qui s’organise
autour d’une activité principalement isométrique, ou à faible déplacements. Concernant
l’analyse de l’intensité de l’activité des joueurs, les études actuelles ont permis de définir
l’activité moyenne par poste qui se traduit par une activité globalement similaire pour tous les
joueurs de champs. Il est néanmoins indispensable d’aller plus loin dans la caractérisation de
cette intensité afin de comprendre si des différences existent entre les postes, et surtout de
comprendre la fluctuation de celle-ci au cours du match. Concernant cette évolution au cours
du temps, les études ayant proposé ce type d’analyse ont mis en évidence des pics d’activités
en début de chaque période ainsi qu’un regain d’activité en fin de match. Cette organisation
peut avoir des origines diverses qui mériteraient d’être analysées plus en profondeur. Toutefois,
au-delà de tout cela, il est primordial pour la préparation physique des joueurs aux exigences
de la compétition qu’une analyse de l’intensité maximale déployée par les joueurs soit
effectuée, comme cela a pu être fait dans le Football ou le Rugby. En effet, l’apport de cette
connaissance est indiscutable pour les entraineurs et les préparateurs physique afin de pouvoir
améliorer leur travail par une meilleure compréhension des exigences de l’activité et donc une
meilleure préparation à celles-ci.
59
4. DÉFINITION DE LA CHARGE D’ENTRAINEMENT EN
SPORTS COLLECTIFS
L'évaluation des différents aspects de l'entrainement qui peuvent aider à mieux comprendre leur
impact sur les athlètes est l’objectif ultime des entraineurs et des scientifiques du sport depuis
des décennies (Buchheit 2016). Les raisons d'un tel intérêt résident dans la nécessité d'un
entrainement individualisé, y compris dans le cadre des sports collectifs, pour améliorer les
performances et réduire le risque de blessures (Lacome, et al. 2018a). Dans ce but, l’analyse de
la CE est une méthode largement répandue dans les sports collectifs (Hardin, et al. 2012,
Impellizzeri, et al. 2019). Cette charge est une mesure représentative de l’activité des joueurs,
à la fois durant les différentes sessions d’entrainement et durant les matchs. Elle se divise en
deux catégories, avec d’une part la charge interne et d’autre part la charge externe (Bourdon, et
al. 2017, Cardinale, et al. 2017, Impellizzeri, et al. 2005, Wallace, et al. 2014).
La charge interne, est une mesure du stress physiologique et psychologique imposé au joueur.
La charge externe est une mesure indépendante de la charge interne, correspondant à la mesure
de la quantité de travail physique effectué par l’athlète (Viru and Viru 2000, Impellizzeri,
Rampinini et al. 2005). La CE globale des athlètes est, par conséquent, impactée par l’ensemble
des sessions de travail, qu’il s’agisse des entrainements spécifiques à l’activité, des séances de
musculation spécifiques ou des matchs. En conséquence, c’est bien au niveau des différentes
séances d’entrainements, physiques et spécifiques, que l’entraineur et le préparateur physique
peuvent agir pour réguler la CE de chacun des joueurs (cf. Figure 20). Pour cela, il est nécessaire
d’adapter les paramètres structurels, à savoir le volume, l’intensité et la fréquence des séances
(Wenger and Bell 1986). Cette dissociation entre charges internes et externes revêt une grande
importance dans le cadre des sports collectifs, car il n’est pas rare de constater des différences
notables entre les joueurs malgré l’utilisation préférentielle d’exercices réunissant l’ensemble
de l’équipe (Impellizzeri, Rampinini et al. 2005, Akubat, Patel et al. 2012, Manzi, Bovenzi et
al. 2013, Arcos, Martínez-Santos et al. 2015). En effet, l’organisation des sports d’équipe autour
de postes spécifiques engendre inévitablement des différences entre les joueurs au niveau de la
charge externe produite. De même, du fait des différences inter-individuelles, une même charge
externe peut être vécue inégalement par les joueurs et donc induire une charge interne
distinctive (Jaspers, et al. 2017).
60
Figure 20 : Cadre théorique du processus d’entrainement d’après Impellizzeri et al. (2019).
4.1 Mesures internes
4.1.1 Mesures subjectives
La solution la plus largement utilisée et la plus documentée dans la littérature scientifique pour
quantifier la Charge d’entrainement interne (CEi) induite par les différentes sessions (i.e.,
musculation, entrainements spécifiques et compétition) est la méthode basée sur l’évaluation
de l’effort perçu (RPE, pour rating of perceived exertion). Cette méthode de calcul de la CE
interne est définie comme subjective parce qu’elle s’appuie sur une échelle de notation de
l’intensité perçue par le joueur de la séance. Cela est représentatif de la façon dont l’athlète a
vécu la session et donc de l’impact physiologique que celle-ci aura sur lui. Différentes échelles
de notation ont été proposées au cours du temps (Borg and Borg 2002, Borg, et al. 1987, Foster,
et al. 1995), mais aujourd’hui la méthode CR-10, basée sur l’échelle de Borg modifiée, (Foster,
et al. 2001) est la plus largement répandue (cf. Figure 21). Il s’agit d’ailleurs de la méthode la
plus étudiée au regard du nombre de publications portant sur le sujet, dans de nombreux sports
collectifs (Akenhead, et al. 2016, Bartlett, et al. 2017, Campos de Souza, et al. 2021, Conte, et
al. 2021, Debien, et al. 2018, Dello Iacono, et al. 2018, Gabbett and Jenkins 2011, Kniubaite,
et al. 2019, Robineau, et al. 2020, Ryan, et al. 2021, Svilar, et al. 2018). Sa diffusion dans le
61
monde du sport est principalement due à sa simplicité d’utilisation, son faible coût à la fois
financier et temporel, et sa validation scientifique (Impellizzeri, et al. 2004). Afin d’obtenir une
évaluation de la séance il est aussi possible de multiplier le volume de la séance (i.e., durée,
spécifique à chaque athlète) par son intensité (i.e., note subjective de chaque athlète), ce qui
donne une valeur en unité arbitraire (u.a). Ce calcul permet d’obtenir ce que l’on appelle la
sRPE (pour session rating of perceived exertion) qui a le mérite, par rapport à la simple
perception personnelle de l’effort (RPE) qui ne rend compte que l’intensité ressentie de la
session, d’informer de manière générale sur la CE globale du sportif. L’idée fondamentale à
l’origine de cette méthode est que la RPE est un indicateur fiable de l’intensité vécue de
l’exercice. En effet, il a été démontré qu’il est possible d’établir des relations entre des
indicateurs physiologiques, tels que la Fréquence Cardiaque (FC) et le lactate sanguin, qui sont
des marqueurs forts de l’intensité vécue des exercices, et l’évaluation subjective (Foster, et al.
1995). Foster et al. (2001) ont d’ailleurs mis en évidence que cette méthode est particulièrement
adaptée pour l’évaluation des exercices à haute intensité qui restent plus difficilement
évaluables par des méthodes plus classiques comme la mesure de la FC. Ainsi, la mesure de la
charge interne à l’aide de la perception de l’effort offre un outil intéressant et facile à mettre en
place permettant de réguler la CE.
0 Repos
1 Très facile
2 Facile
3 Modéré
4 Légèrement difficile
5 Difficile
6 -
7 Très difficile
8 -
9 Très très difficile
10 Effort maximal
Figure 21 : Échelle RPE de Borg (CR-10), d’après Borg (1987).
Une unique étude a pour le moment été menée en Handball sur la caractérisation de la CEi
durant les périodes de compétitions, à partir de données subjectives. Cette étude de Clemente
et al. (2019) a montré une augmentation de la CEi et une diminution des niveaux de bien-être
lors des semaines classiques par rapport aux semaines chargée (présentant un enchainement de
matchs à trois jours ou moins d’intervalle), en particulier à deux et trois jours du match suivant.
62
Par ailleurs les auteurs ont pu mettre en évidence une CEi plus importante à deux et trois jours
du match suivant que la veille de match, alors que ce dernier entrainement avant les matchs
présentait des valeurs plus importantes de douleurs musculaire et de fatigue. Ainsi les résultats
de cette étude sont similaires à ce qu’il a pu être montré dans d’autres sport comme le Football
ou le Rugby. Cette étude, bien que caractérisant pour la première fois l’évolution de la CEi au
Handball, reste uniquement descriptive et surtout ne s’appuie que sur des données subjectives.
Or, cette méthode ne permet pas de distinguer la part de la charge interne liée aux contraintes
cardio-vasculaires (répétition d’efforts de haute intensité) et la part liée aux contraintes
biomécaniques (accélérations, changements de direction, sprints, sauts et collisions) puisqu’elle
est une évaluation, par l’athlète, de la séance dans sa globalité. Il est donc nécessaire de
rechercher des méthodes de quantification de la charge interne permettant de définir la CE en
fonction de ce qu’elle induit comme coût pour l’organisme selon le type de contraintes
(Vanrenterghem, et al. 2017). À ce titre, certaines recherches proposent de faire la distinction
entre les efforts perçus au niveau respiratoire et musculaire (Arcos, et al. 2014, Gil-Rey, et al.
2015, Weston, et al. 2015). D’autres chercheurs proposent une évaluation par exercice pour
mieux différencier les efforts (Hourcade, et al. 2017). Cependant toutes ces méthodes présentent
l’inconvénient d’être plus difficile à mettre en place et n’ont pas fait l’objets d’analyse
approfondie quant à leur validité expérimentale. De ce fait, le recours à des mesures objectives
de la CEi constitue une source d’information plus fiables pour les entraineurs.
4.1.2 Mesures objectives
En dehors des méthodes subjectives, telles que présentées précédemment, et afin de contourner
les limites énoncées il est, en effet, possible de recourir à des mesures objectives de la CEi pour
obtenir des informations sur ce qui relève des contraintes cardio-vasculaires ou biomécaniques.
En premier lieu, la mesure de la FC permet d’apprécier la contribution de la filière aérobie lors
d’une grande diversité d’exercices. Différentes études ont été menée en Handball pour définir
l’impact de la pratique de ce sport sur la FC (Buchheit, et al. 2009b, Chelly, et al. 2011,
Delamarche, et al. 1987, Kniubaite, et al. 2019, Michalsik, et al. 2015). Afin de mesurer la CEi
associée à l’activité, diverses méthodes sont disponibles, notamment la mesure de la FCmax et
de la FC moyenne, et le temps passé à différents pourcentages de FCmax. Ces études ont
notamment permis de montrer que les joueurs passent en moyenne 70 % de leur temps de jeu
au-dessus de 170 Battement par minutes (Bpm) avec une moyenne à 172 ±2 Bpm. L’analyse
63
de la distribution de cette FC a permis de montrer une moyenne de 28% du temps de jeu effectif
passé en dessous de 65% de la FCmax, 64 % du temps entre 65 et 85 % et 10 % du temps au-
dessus de 85 % de FCmax (Chelly, et al. 2011, Delamarche, et al. 1987, Michalsik, et al. 2015).
Toutefois ces mesures ne sont que des mesures indirectes de la CEi. Pour tenter de l’approcher,
différentes procédures s’appuient sur la mesure de FC. La méthode « TRIMP » (Training
Impulse) est la plus ancienne de ces méthodes (Banister and Calvert 1980, Banister and
Hamilton 1985). Elle consiste à caractériser l’intensité des séances à partir de la FC de réserve,
qui est la différence entre la FCmax et la FC de repos. Le pourcentage de FC de réserve est alors
utilisé afin de décrire l’intensité des exercices. L’inconvénient majeur de cette méthode réside
dans la nécessité de connaitre à la fois la FC de repos, la FCmax et la FC moyenne durant les
exercices. Un coefficient 𝐾 = 𝑒 (1.92 × FC de réserve) représentant l’augmentation exponentielle
de la lactatémie au cours de l’exercice complète l’équation (Banister and Hamilton 1985). Le
problème majeur de cette méthode est qu’elle est basée sur la FC moyenne des exercices ce qui
limite sa capacité à fournir des informations relatives aux efforts intermittents typique des sports
collectifs comme le Handball (Impellizzeri, et al. 2005). Afin de rendre compte des variations
d’efforts liés aux activités intermittentes comme le Handball, la méthode « SHRZ » (Summated
Heart Rate Zone) (Edwards 1993) est plus efficace. Cette méthode calcule la charge de travail
en fonction du temps passé dans chacune des 5 zones d’intensités prédéfinies. Celles-ci sont
associées à un coefficient allant de 1 à 5, selon qu’elles sont plus ou moins proche de la FCmax.
Le coefficient le plus élevé correspondant à la zone d’intensité la plus haute, la charge de travail
est calculée, comme le nom de la méthode l’indique, par somme des valeurs obtenues en
multipliant le temps passé dans chacune des zones par le coefficient correspondant. Cette
méthode présente aussi l’avantage, par rapport à la méthode « TRIMP », de ne nécessiter que
la FCmax ce qui facilite sa mise en place. De nombreuses études s’appuient sur ces méthodes
pour quantifier la charge de travail interne (Aoki, et al. 2017, Buchheit, et al. 2018, Dalton-
Barron, et al. 2018, Dello Iacono, et al. 2018, Dubois, et al. 2020, Lambert and Borresen 2010,
Michalsik, et al. 2016, Thorpe, et al. 2017, Vanrenterghem, et al. 2017, Weaving, et al. 2017,
Younesi, et al. 2021). L’analyse de la FC est aujourd’hui considérée comme pertinent et valide
pour la mesure de la charge interne dans le cadre d’entrainement en endurance mais pas pour
les entrainements en résistance (Impellizzeri, et al. 2019). Toutefois les mesures de FC ne sont
pas les seules solutions existantes aujourd’hui pour calculer la CEi, bien qu’elles restent les
solutions les plus simples et les moins contraignantes. En effet, bien qu’il s’agisse de méthodes
64
peu envisageables pour un suivi quotidien de la charge interne en sport collectif globalement et
au Handball en particulier, des solutions de mesure de la consommation instantanée d’oxygène
existent. Ces méthodes comme la consommation maximale d’oxygène (𝑉̇ 𝑂2 𝑚𝑎𝑥) ou la
consommation d'oxygène (𝑉̇ 𝑂2) au point de compensation respiratoire sont très efficaces pour
la mesure de la CEi mais inadapté à la fois à un suivi quotidien et à la pratique de sport de
contact comme le Handball du fait de la nécessité de porter des systèmes de mesure sur les
voies respiratoires lors de la pratique (Impellizzeri, et al. 2019, Meyer, et al. 1999, Vollaard, et
al. 2009). Des études ont travaillé sur la 𝑉̇ 𝑂2 et la 𝑉̇ 𝑂2 𝑚𝑎𝑥 en Handball, afin de déterminer les
exigences physiologiques de l’activité (Buchheit, et al. 2009b, Delamarche, et al. 1987,
Michalsik, et al. 2015, Rannou, et al. 2001). Michalsik et al. (2015) ont montré que l’activité
des joueurs, quel que soit leurs postes, s’effectue, en moyenne, à 71 ± 6 % de leur 𝑉̇ 𝑂2 𝑚𝑎𝑥,
avec une activité globalement inférieure en seconde période (66 ± 6 % contre 75 ± 6 % en
première période). Toutefois il est important de comprendre que ces valeurs sont estimées à
partir des données de FC, or Buchheit et al. (2009) ont montré que ce procédé sous‑estime la
𝑉̇ 𝑂2 𝑚𝑎𝑥 dans le cadre du Handball. De même, Delamarche et al. (1987) ont établi que les
capacités aérobique des Handballeurs sont similaires à celle des athlètes d’endurance et des
cyclistes, bien que, ramené au poids des sportifs, les Handballeurs présentes des capacités
inférieures. D’autres méthodes existent pour quantifier la charge de travail interne mais ne sont
absolument pas adaptées à une utilisation quotidienne du fait de leur principe de
fonctionnement. C’est le cas notamment des méthodes avec prélèvement sanguin, comme la
mesure de la lactatémie post exercice. Les études ayant porté sur le sujet en Handball ont pu
déterminer l’évolution de celui-ci au cours et après les matchs (Chelly, et al. 2011, Delamarche,
et al. 1987, Michalsik, et al. 2015, Rannou, et al. 2001). Chelly et al. (2011) ont montré que la
concentration en lactate était plus important à la fin de la première période (9.7 ± 1.1 mmol·L-
1
) qu’à la fin du match (8.3 ± 0.9 mmol·L-1), tandis que Michalsik et al. (2015) ont montré des
résultats inverse et des concentrations plus faible (3,7 ± 1,6 contre 4,8 ± 1,9 mmol·L-1). Ces
différences de résultats peuvent s’expliquer par les différentes méthodes de mesure de la
concentration utilisée et la différence de public utilisé puisqu’il s’agissait d’adolescent dans le
premier cas et d’adultes dans le second. Néanmoins ces différences de résultats ne permettent
pas de conclure sur l’impact de l’activité sur les concentrations en lactate dans le sang. En raison
de contraintes structurelles ces solutions n’ont pas pu être envisagées dans le cadre de ce travail
65
de recherche. En effet, qu’il s’agisse de mesure de la FC ou de la , aucun système
actuellement disponible n’est adapté à la pratique du Handball. Les ceintures servant à la

mesure de la FC, qui ont pu être validées scientifiquement pour la pratique sportive (Dellal, et
al. 2008), ne sont pas utilisables dans le cadre de la pratique du Handball du fait du placement
du capteur sur le sternum, cible privilégiée pour les contacts en Handball. De même, afin de
quantifier la durant la pratique il serait nécessaire de porter des systèmes de mesure des
échanges gazeux sur le nez et la bouche incompatible avec la pratique du Handball, toujours en
raison des contacts entre les joueurs. Enfin, les méthodes de mesures de la lactatémie ne
permettent pas de les répéter quotidiennement afin de suivre son évolution sur le temps long
(i.e. saison).
4.2 Mesures externes
4.2.1 Mesures instantanées de la position
Le développement des technologies portables de mesures et de suivi de la position instantanée,

depuis la fin du XXème siècle, a permis la mise en place d’une quantification de la CE
quotidienne, à partir de données objectives. C’est pourquoi, aujourd’hui, ces technologies (GPS
& LPS) sont fortement appréciées par les préparateurs physiques et les scientifiques du sport
pour mesurer et étudier l’activité des joueurs. Naturellement, comme nous l’avons vu
précédemment, les sports collectifs d’extérieur ont été les premiers à en bénéficier durant les
entrainements sur le terrain et les compétitions, grâce aux GPS (Bangsbo, et al. 1991, Richards
1999, Schutz and Chambaz 1997). Par la suite l’évolution des technologies a permis aux sports
d’intérieur, comme le Handball, de mener des études similaires ainsi que d’établir un suivi de
l’activité des joueurs, à l’aide des LPS (Blauberger, et al. 2021, Luteberget, et al. 2018a). Pour
quantifier la CE, la DTp permet de définir le volume des sessions tandis que les distances
parcourues dans différentes zones de vitesse (cf. Figure 22) et les accélérations renseignent sur
la charge mécanique des séances (Bowen, et al. 2017, Colby, et al. 2014, Duhig, et al. 2016).
Ainsi l’activité Handball a été bien caractérisée aujourd’hui au regard des informations rapporté
dans la partie précédente (cf. 3. ANALYSE DE L’ACTIVITÉ DES JOUEURS LORS DES
COMPÉTITIONS ÉLITES). Parmi les variables les plus utilisées dans les sports collectifs,
66
celles liées à la distance parcourue (i.e., totale et par palier de vitesse), à la FC et aux mesures
accélérométriques sont les plus fréquemment utilisées (Adesida, et al. 2019, Akenhead and
Nassis 2016, Cummins, et al. 2013, Harper, et al. 2019, Hausler, et al. 2016, Sarmento, et al.
2014). La classification de Gray (Buchheit and Simpson 2017) établit une logique entre ces
différentes variables. Ainsi le niveau 1 regroupe l’ensemble des distances parcourues dans
différentes gammes de vitesses ; le niveau 2 représente tous les événements liés aux
changements de vitesse - accélérations, décélérations, et changements de directions ; et le
niveau 3 s’appuie sur tous les événements dérivés des capteurs inertiels/accéléromètres. Au
regard de cette classification, les données de niveau 1 et 2 sont les plus utilisées par les
entraineurs et les scientifiques du sport.
Figure 22 : Exemple de suivi de la CEe à partir des données de distance parcourue d’après Dubois et al. (2020).
Cependant, il a été démontré que les schémas locomoteurs des joueurs sont plus fortement
influencés par des variables contextuelles (par exemple, les règles du jeu, l'intervention des
entraineurs, le score, les exercices utilisés) que par leur état de forme lors de la mesure (Carling
2013). Cela suggère donc que les variables liées à la locomotion (niveaux 1 et 2) ne sont
certainement pas les plus appropriées pour contrôler directement la CE des joueurs. Pour
compenser les limites des variables de niveau 1 ou 2 de la classification de Gray il est tout de
même possible d’effectuer le suivi de la CE en analysant la tendance intra-joueur en comparant
les données d’un même joueur sur plusieurs jours. D’autre part, il est possible de comparer les
données d’un joueur avec l’ensemble ou une partie de l’équipe. Cette dernière option est la plus
pertinente dès lors que l’on regroupe les joueurs selon leur activité sur le terrain (i.e., poste
équivalent, attaque-défense etc.). Toutefois, malgré le large champ d’actions couvert par les
67
différentes variables exploitables par les systèmes LPS et GPS, certains paramètres de l’activité
sportive ne peuvent être pris en compte de cette façon, comme les contacts et toutes sortes
d’actions très spécifiques ne nécessitant que peu de déplacements de la part des joueurs (Dello
Iacono, et al. 2018, Scantlebury, et al. 2020, Scott, et al. 2013). Pour cela il est nécessaire de
s’appuyer sur les variables de niveau 3 de la classification de Gray, qui peuvent fournir des
informations relatives à la CE des joueurs non associée à des déplacements.
4.2.2 Mesures accélérométriques
L’intégration des accéléromètres, dans les systèmes GPS et LPS a permis d’augmenter le
nombre et la qualité des données fournies par ces systèmes afin de mesurer et évaluer la Charge
d'entrainement externe (CEe) produite par les joueurs. De nombreuses variables de niveau 3
selon la classification de Gray, ont été définies à cet effet comme la « Dynamic Stress Load »
(Gaudino, et al. 2015), la « New Body Load » (Ehrmann, et al. 2016), la « Force Load » (Colby,
et al. 2014), ou encore le « PlayerLoad™ » (Boyd, et al. 2013), et dernièrement
l’« Accel’Rate™ » (Hollville, et al. 2021). Ces paramètres décrivent principalement une mesure
cumulative ou sommative des accélérations et sont des substituts précieux des accélérations
segmentaires et, dans une moindre mesure, de la charge mécanique du corps entier (Nedergaard,
et al. 2017). L’ensemble de ces paramètres cherchent à représenter la quantité de mouvement
déployée par les joueurs, qui serait une représentation pertinente de la CEe, mais sont définis
par des méthodes de calcul différentes et peuvent donc aboutir à des informations différentes.
Nous nous attarderons sur deux d’entre eux, à savoir le PlayerLoad™ et l’Accel'Rate™. Le
premier parce qu’il est le plus cité dans les études scientifiques ayant porté sur l’analyse de la
CEe, et le second car nous l’avons choisi pour nos études durant ce travail de thèse.
Le PlayerLoad™ se définie donc comme suit (Boyd, et al. 2013) :
2 2 2
𝑃𝑙𝑎𝑦𝑒𝑟𝐿𝑜𝑎𝑑™ = √(𝑎𝑥𝑖 − 𝑎𝑥𝑖−1 ) + (𝑎𝑦𝑖 − 𝑎𝑦𝑖−1 ) + (𝑎𝑧𝑖 − 𝑎𝑧𝑖−1 )
Les termes 𝑎𝑥 , 𝑎𝑦 , 𝑎𝑧 correspondent aux mesures de l’accélération selon les différents axes de
l’espace, tandis que les indices 𝑖 et 𝑖 − 1 correspondent aux instants de mesures évoluant au
cours du temps.
68
Cette variable reste aujourd’hui la mesure de la CEe la plus fréquemment utilisée, et donc, la
plus présente dans les études portant sur ce sujet dans le sport en général et dans le Handball en
particulier (Bredt, et al. 2020, Kniubaite, et al. 2019, Wik, et al. 2017). Toutefois, compte tenu
de la façon dont les accéléromètres sont portés, le cadre de référence dans lequel la CE du joueur
est calculée est par définition non inertiel puisque soumis à des changements de translation et
de rotation. Alors que les changements de translation du cadre de référence sont
intrinsèquement mesurés par le dispositif portable lui-même, ceux de rotation peuvent conduire
à un calcul erroné de la CE du joueur si les transformations galiléennes ne sont pas prises en
compte en raison de la génération d'accélérations fictives par les changements d'orientation du
dispositif. C’est pourquoi des chercheurs ont proposé une variable alternative pour contourner
ce problème théorique à travers une nouvelle variable dénommée Accel'Rate™ (Hollville, et al.
2021). Cette dernière variable se définie comme suit :
2 2 2 2 2 2
𝐴𝑐𝑐𝑒𝑙′𝑅𝑎𝑡𝑒™ = |√(𝑎𝑥𝑖 ) + (𝑎𝑦𝑖 ) + (𝑎𝑧𝑖 ) − √(𝑎𝑥𝑖−1 ) + (𝑎𝑦𝑖−1 ) + (𝑎𝑧𝑖−1 ) |
Les termes 𝑎𝑥 , 𝑎𝑦 , 𝑎𝑧 correspondent aux mesures de l’accélération selon les différents axes de
l’espace, tandis que les indices 𝑖 et 𝑖 − 1 correspondent aux instants de mesures évoluant au
cours du temps.
Les auteurs ont testé la validité de cette variable lors de mouvements locomoteurs généraux
consistant en des tâches locomotrices de va-et-vient vers l'avant, le côté et l'arrière ; un départ
en course consistant en 4 à 5 pas initiaux d'une course (départ debout) ; une course à vitesse
constante ; et un duel simulé (1 contre 1), qui consistait en une accélération suivie d'un double
appuie et d'une manœuvre d’évitement latéral. Ils ont ainsi montré que l’Accel’Rate est efficace
pour mesurer la CE car contrairement à chaque composante d'un vecteur d'accélération, le
module ne dépend pas du cadre de référence. De ce fait, les transformations galiléennes ne sont
pas nécessaires lors de la prise en compte des changements de rotation du dispositif, ce qui évite
l'accumulation potentielle d'accélérations fictives lors de l'estimation de la charge mécanique
du corps entier sur le terrain. Bien que n’ayant pas fait l’objet d’autant d’études que le
PlayerLoad™, l’Accel’Rate™ (AR) sera privilégié dans le cadre de ce travail de thèse car il
semble plus pertinent pour la mesure de la CEe, notamment en Handball puisque les joueurs,
notamment les pivots, sont confrontés à un grand nombre de mouvement en rotation qui sont,
69
comme nous l’avons vu, à l’origine des erreurs de mesure du PlayerLoad™. L’utilisation de
ces variables présente également l’avantage d’être sensibles aux perturbations biomécaniques
(i.e. modification musculosquelettiques, temporaire ou permanente, impactant les
déplacements) (Barrett, et al. 2014, Buchheit, et al. 2015) ainsi qu’aux fluctuations dans les
types de motricités employées, souvent significatives d’une fatigue aiguë (Barrett, et al. 2016a,
Barrett, et al. 2016b, Portas, et al. 2010) ou chronique (Cormack, et al. 2014, Gallo, et al. 2016).
De plus, il est important de s’attarder sur les données issues des accéléromètres car elles
présentent l’avantage d’être sensibles aux perturbations issues de mouvements spécifiques du
haut du corps (Barrett, et al. 2014). Ainsi il est courant, dans les sports collectifs, d’analyser la
CEe à partir de l’évolution des données accélérométriques (cf. Figure 23).
Figure 23 : Exemple de suivi de la CEe à l’aide du PlayerLoad™ d’après Robineau et al. (2020).
Au-delà de la mesure de la CEe à l’aide de ces mesures accélérométriques, la capacité de ces

dernières à être sensible aux mouvements du haut du corps, en dehors des déplacements est
particulièrement utile. En effet, dans le cadre du Handball l’activité des pivots dont l’activité
est restreinte en termes de déplacements, du fait de leur positionnement dans la défense adverse,
mais dont le rôle est pourtant déterminant, ne peut être pleinement comprise par le biais des
analyses de déplacements. De plus, le grand nombre de rotation effectué à ce poste peut sembler
surprenant au vu de leur activité mesurée par les autres variables, mais l’analyse de ces mesures
accélérométriques permettrai potentiellement de mieux comprendre la spécificité de ce poste
en apportant des données nouvelles sur l’activité des joueurs au poste de pivot, en comparaison
des autres postes.
70
4.3 Bilan
Durant cette partie nous avons donc pu voir que la charge d’entrainement en sport collectif se
définit à travers deux paramètres, à savoir la CEi et la CEe. Le premier correspond à l’impact
physiologique et biomécanique de l’entrainement sur le sportif et peut être mesuré au travers
de différents paramètres subjectifs ou objectifs. Dans l’activité Handball peu d’étude se sont
attelées à l’analyse de ces paramètres et à leur évolution. Les quelques études ayant portées sur
le sujet ont tout de même permis d’établir un état des lieux de l’impact physiologique de la
pratique du Handball, notamment en démontrant la haute fréquence cardiaque des joueurs sur
l’ensemble de leur temps de jeu (> 170 Bpm en moyenne). Les études portant sur l’analyse de
la 𝑉̇ 𝑂2 ont pu mettre en évidence des capacités aérobique similaire chez les Handballeurs et les
athlètes spécialiste d’endurance, avec toutefois des capacités inférieures proportionnellement à
la masse des joueurs. De même, les études ayant porté sur la lactatémie post exercice ont montré
une élévation de la concentration en lactate similaire à celle pouvant avoir lieu en Football. Ces
analyses de la CEi montrent l’impact physiologique élevé de la pratique de l’activité Handball,
sans pour autant renseigner sur la spécificité des différents postes. Une autre manière de
mesurée la CEi consiste à s’appuyer sur le ressenti des sportifs. Pour cela l’idée est de demander
aux joueurs leur ressenti sur les différentes séances d’entrainements et de suivre l’évolution de
ces données. D’ailleurs, l’unique étude menée dans le Handball pour comprendre l’évolution
de la CEi en fonction du rythme des matchs au cours d’une saison, s’appuie sur ces données
subjectives. Toutefois, bien que cette étude arrive à des conclusions similaires à celle ayant pu
être observé dans d’autres sport, l’absence de données objectives pour corroborer ces résultats
ne permet pas de conclure indubitablement à une modification de la CEi au cours des semaines
présentant un enchainement de matchs. Des études, plus nombreuses se sont intéressé à
l’analyse de la CEe en Handball mais aucune n’a porté sur l’évolution de celle-ci en fonction
du rythme des matchs. Cependant, ces études menées à l’aide des analyses de mouvement au
cours du temps ont pu montrer les particularités des différents postes (cf. 3. ANALYSE DE
L’ACTIVITÉ DES JOUEURS LORS DES COMPÉTITIONS ÉLITES). Néanmoins, aucune
étude n’a, pour le moment, analysé l’évolution de cette CEe sur la durée. De nombreuses études
ont été menée dans le but de déterminé la meilleure manière de calculée la CEe à partir des
mesures accélérométriques. La dernière méthode proposée à ce jour semble être la plus
pertinente en ce qu'elle supprime les erreurs de mesure associées aux rotations du référentiel de
71
mesure dans l’espace. Toutefois, puisque cette méthode de calcul est récente, aucune étude n’a
pour le moment été effectué à l’aide de cette variable. Toutefois, aucune étude n’a porté sur la
caractérisation de la CEe à partir des mesures accélérométriques en compétition en Handball ni
sur son évolution en fonction du rythme des matchs.
72
5 PÉRIODISATION DE LA CHARGE D’ENTRAINEMENT EN
SPORT COLLECTIF
5.1 Organisation de l’entrainement en Handball
Après avoir présenté les différentes méthodes permettant d’effectuer le suivi de la CE des
joueurs, il est important de s’intéresser à la façon dont sont organisés les entrainements en
Handball afin de mieux comprendre comment, à partir du suivi de l’activité des joueurs, il est
possible de réguler cette CE. Contrairement aux sports collectifs d’extérieurs (Football et
Rugby), il existe peu de recherches comparant l'intensité de l'entrainement à l'intensité des
matchs officiels de Handball (Buchheit 2014, Luteberget, et al. 2018c). Or, connaître l'intensité
des exercices basés sur le jeu par rapport aux exigences de match permet d’améliorer leur
programmation au sein du microcycle hebdomadaire, laissant par conséquent à l'entraineur le
choix des exercices les plus appropriés pour surcharger ou décharger les joueurs selon leur
temps de jeu effectif (Delgado-Bordonau and Mendez-Villanueva 2014). Dans la seule étude à
ce jour sur le Handball féminin (Luteberget, et al. 2018c) , les situations de jeu en 3v3 et 6v6
représentaient une surcharge par rapport à la demande en termes de CEe mesurée à l’aide du
PlayerLoad™. Cependant, cette mesure de CE n'est qu'un indicateur général de la charge
externe et manque de spécificité lorsqu'il s'agit de comprendre les exigences locomotrices
réelles (i.e., accélérations, décélérations, sauts, courses à haute intensité, etc.). D’une manière
générale, deux types d’entrainements peuvent être menées. D’une part les entrainements visant
à l’amélioration des capacités physiques et d’autre part ceux ayant pour but le développement
des compétences technico-tactiques. Dans le cadre de l’entrainement recherchant
l’amélioration des capacités physiques, l’objectif est d’induire un stress physiologique sur le
corps dans le but de le faire réagir. En effet, l’équilibre interne du corps humain, connu sous le
nom d'homéostasie (Cannon 1939), assure son bon fonctionnement général mais l’exercice
physique, qui est perçu comme une source de stress par le corps, vient perturber cet équilibre.
Afin d’adapter le corps humain aux changements induits par ce stress, qui éloignent le corps de
l'homéostasie, de nombreux mécanismes physiologiques se mettent en place pour ramener le
corps à son état d’équilibre. L’ensemble de ces réactions, décrites sous l’appellation de
syndrome d'adaptation générale (Selye 1950) organise la réponse physiologique au stress en
trois phases (Carlson, et al. 1997). Selon l’intensité du stress et le niveau de résistance personnel
73
de l’individu, ce stress physiologique sera perçu plus ou moins fortement par le corps. Ceci
signifie donc qu’une même intensité d’entrainement, donc un niveau de stress induit équivalent,
ne sera pas perçu de la même manière par les athlètes selon leurs habitudes d’entrainements. À
la suite d’une phase de réaction d’alarme, induisant une diminution des capacités du corps
humain, ce dernier entre en résistance avec un double objectif. Le premier est bien entendu de
rétablir l'homéostasie du corps, mais le but de cette phase est aussi de permettre l’élévation du
seuil de tolérance au stress (Selye 1956). Ainsi, si l’on conserve l’idée de l’exercice physique,
l'organisme des athlètes va commencer à s'adapter au stress mais il va surtout chercher à
augmenter ses capacités physiologiques au-dessus du niveau d’origine afin d’être en mesure de
faire face à ce même stress à l'avenir. Ce processus, appelé "surcompensation", est à la base de
l’entrainement suivi par tous les sportifs et qui vise à augmenter les qualités physiques des
athlètes dans le but d’améliorer leurs performances. Si, pour s’adapter au stress subi, le corps
humain ne pouvait utiliser que ces deux phases, les principes d’entrainement des sportifs serait
extrêmement simple, il suffirait d’augmenter le stress induit par les entrainements pour
améliorer les performances. Toutefois, si le stress subi dépasse les capacités d'adaptation de
l’individu, ou bien, si avant que l'individu ne se soit remis d’un stress initial, un nouveau stress
lui est imposé, une troisième phase dite d'épuisement apparait (Selye 1965). Cette dernière
phase correspond à une mal- ou désadaptation puisque le corps n’est plus capable de s’adapter
au stress auquel il est soumis (cf. Figure 24). Elle se caractérise par une diminution du seuil de
résistance au stress, passant même en dessous du niveau de base, ce qui a pour effet de fragiliser
le corps et donc d’augmenter les risques de fatigue avancée, de baisse de performance, de
blessure, d’infection/maladie ou encore de troubles psychologiques (Halson 2014, Hausswirth,
et al. 2014, Meeusen, et al. 2013). Ce surmenage a par la suite été détaillé en quatre niveaux
caractéristiques de pratique sportive plus ou moins intensives et/ou prolongées par Meeusen et
al. (2013). Parmi ceux-ci, les deux premiers ne sont pas à proprement parlé des phases de
désadaptation car la baisse des performances n’est que temporaire et le délai de récupération
varie de quelques jours à quelques semaines. Le 1er niveau correspond à une fatigue aigüe et
transitoire, le 2nd niveau représente un état de surmenage fonctionnel qui est le plus souvent
programmé et qui apparait souvent après une période intensive de préparation (camp
d’entraînement, période de préparation physique). Ce 2nd niveau se caractérise par une
diminution ponctuelle des performances, induite par une accumulation de fatigue, qui doit
permettre une amélioration notable des qualités physiques entrainées lorsqu’une période de
74
repos ou d’affutage est programmée (Coutts, et al. 2007a). Les deux derniers niveaux
correspondent aux états de surmenage non-fonctionnels et de surentraînement. Ils se
caractérisent par une baisse substantielle et prolongée des performances physiques associée à
des perturbations chroniques de l’homéostasie. Cela se traduit par des perturbations potentielles
du système endocrinien (Meeusen, et al. 2004), du système nerveux autonome (Halson and
Jeukendrup 2004, Le Meur, et al. 2013a, Le Meur, et al. 2013b) ou encore des systèmes
immunitaires et autres composants biologiques (Coutts, et al. 2007a, Coutts, et al. 2007b,
Elloumi, et al. 2005, Hausswirth, et al. 2014, Hooper and Mackinnon 1995, Smith 2000). Il est
important de noter que, dans le cadre de la pratique des sports collectifs, le concept de
surmenage non fonctionnel est privilégié à celui de surentraînement. Cela se concrétise par
l’apparition de blessure et/ou par une baisse du niveau de performance.
Figure 24 : Syndrome Général d’Adaptation d’après Selye (1956).
En conséquence l’entrainement physique des sportifs consiste à trouver le juste équilibre entre
l’intensité du stress induit par cet entrainement et le temps de récupération laissé aux athlètes
pour permettre à la phase de résistance de produire ces effets. Dans le cadre des entrainements
à visée technico-tactique, l’objectif est de permettre aux athlètes d’améliorer leurs compétences
spécifiques liées à l’activité pratiquée. De plus, dans le cadre des sports collectifs, l’objectif est
d’élever les compétences individuelles et collectives afin de donner la possibilité à chacun des
joueurs de reconnaître les différentes situations de jeu, et de les affronter individuellement et
collectivement. Cet aspect de l’entrainement est donc essentiel, d’autant plus que l’équipe ayant
le plus grand sens tactique présente une capacité à résoudre plus efficacement et plus
rapidement les problèmes de jeu posés par les adversaires, et ce de manière individuelle ou
collective (Clemente, et al. 2021a, Folgado, et al. 2015). Aujourd’hui, les connaissances
acquises sur l’entrainement permettent d’en adapter sa conception afin d’en obtenir les effets
souhaités au moment voulu. Pour cela, l’entrainement doit être séquencé, progressif et organisé
75
autour de périodes d'entrainement, c’est ce que l’on appelle la périodisation de l'entrainement
(Issurin 2010, Los Arcos, et al. 2017, Loturco, et al. 2016, Marrier, et al. 2018, Matveyev 1964,
Robineau, et al. 2020). Cependant, dans le cadre des sports collectifs comme le Handball, la
saison sportive ne s’organise pas autour d’évènements ponctuels durant l’année mais en un
chevauchement de plusieurs compétitions nationales et continentales en club se prolongeant
tout au long de l’année, entrecoupées de périodes de compétitions internationales. Dans ce
contexte, les joueurs internationaux peuvent jouer jusqu'à 90 matchs par an. L’enjeu est, en
conséquence, de gérer la structuration des entrainements afin de permettre aux joueurs de
maintenir leur niveau de performance tout au long de l’année. Dans ces conditions, il est
nécessaire de quantifier, avec le plus de précision possible, le travail physique effectué par les
joueurs, à la fois en entrainement et en match, dans l’objectif de vérifier le niveau de
performance des joueurs (Borresen and Lambert 2009).
5.2 Les jeux réduits
Ces dernières années, les concepts et méthodologies d'entrainement, dans de nombreux sports
d'équipe, ont été questionnés et ont évolué notamment autour de la question de l’intégration de
l'aspect physique de l'entrainement dans les séquences de travail technico-tactique. Ainsi de
nombreuses études se sont intéressées aux conditions permettant aux exercices effectués avec
ballon d’être des substituts acceptables aux méthodes d’entrainements dites traditionnelles, sans
ballon, pour le développement des qualités physiques des joueurs (Hill-Haas, et al. 2011,
Impellizzeri, et al. 2006, Little and Williams 2006, Sassi, et al. 2005). Les études portant sur
l’utilisation des « jeux réduits » (Small Sided Games, SSGs), démontrent que ces situations
d’entrainement reproduisent des situations de jeu spécifiques où les capacités physiologiques
et technico-tactiques peuvent être développées simultanément et sont au moins aussi efficaces
que les méthodes dites classiques (i.e. méthodes utilisant des situations spécifiques de travail
physique) pour stimuler les athlètes et les amener à performer (Buchheit, et al. 2009b, Foster,
et al. 2010, Gamble 2004, Hill-Haas, et al. 2011, Impellizzeri, et al. 2006, Lacome, et al. 2018b,
Martin-Garcia, et al. 2019, Sassi, et al. 2005, Tee, et al. 2018). Il a d’ailleurs été clairement,
établi dans le Football et le Rugby, que les SSGs sont des exercices d’entrainement pertinents
pour développer, au moins partiellement, les capacités physiques spécifiques en ce qu’ils
peuvent présenter des intensités de jeu supérieures à celles vécues durant les matchs
(Impellizzeri, et al. 2006, Lacome, et al. 2018b, Tee, et al. 2018). Impellizzeri et al. (2006) ont
76
pu définir que l’utilisation de SSGs dans le but d’améliorer les capacités aérobie des athlètes
était aussi efficace que l’utilisation de sessions spécifiques. Ils ont ainsi pu montrer des
améliorations de 7 %, 10 % et 2 % du la 𝑉̇ 𝑂2 𝑚𝑎𝑥, du seuil de lactate et de l’économie de course
au seuil de lactate, respectivement, après 14 semaines d'entrainement. De même les auteurs ont
pu mettre en évidence que l'intensité moyenne de l'exercice, exprimée en % de la fréquence
cardiaque maximale (FCmax), lors des séances de course par intervalles n'était pas différente de
celle atteinte durant les séances de jeux à effectif réduit. Ainsi les SSGs représentaient une
intensité de 91,3 ± 2,2 % de la FCmax tandis que les courses spécifiques représentaient
90,7 ± 1,2 % de la FCmax. De plus, la capacité des SSGs à reproduire, voire à dépasser les
intensités des matchs a été mise en évidence par plusieurs études menées respectivement dans
le Rugby et le Football. Les auteurs ont montré que la réduction de la densité des joueurs
pendant les SSG a entraîné une augmentation du nombre total de manœuvres d'agilité pour les
athlètes d'élite de l'Australian Football League (AFL) (Davies, et al. 2013) tandis que
l'augmentation de la surface de terrain des SSGs associée à la diminution du nombre de joueurs
augmentent la FC des joueurs, la RPE et les concentrations de lactate dans le sang (Rampinini,
et al. 2007, Sampaio, et al. 2007). De même l'augmentation du nombre de joueurs (et
concomitamment de la taille du terrain) augmente les distances totales et à haute vitesse pendant
les SSGs (Lacome, et al. 2018b). En effet, une augmentation de la surface de jeu relative (de
~ 90 (4 vs 4) à ~ 310 m2/joueur (10 vs 10)) permet de couvrir plus d'espace (Buchheit and
Laursen 2013) et d'atteindre des vitesses plus élevées. Lacome et al. (2018.b) ont par ailleurs
mis en évidence, en Football, que la différence d'intensité locomotrice entre des SSGs de grande
envergure (10 vs 10) et les matchs est tout à fait minime passant de 180 m·min-1 pendant 1
minute à 121 m·min-1 pendant 15 minutes pour les matchs, à 182 m·min-1 et 117 m·min-1
respectivement pour les SSGs. Lors de cette étude, les auteurs ont aussi pu remarquer que les
SSGs sont en mesure de dépasser les intensités de matchs en termes de CE en particulier sur
des périodes courtes d’activité. Ainsi des SSGs à 4 vs 4 (< 5 min) et à 6 vs 6 (2-15 min) sont
efficaces dans le but de dépasser les intensités de matchs. Cette possibilité de travailler à des
intensités de jeu supérieures à celles des matchs, donc d’avoir un impact physiologique
supérieur sur les joueurs, provient de la capacité de ceux-ci à présenter un grand nombre
d'interactions entre eux ainsi que des exigences physiques intenses dès lors que les formats de
jeu utilisés sont appropriés (i.e., le nombre de joueurs, la superficie, les règles) (Clemente, et
al. 2014, Kennett, et al. 2012, Klusemann, et al. 2012). Par conséquent, les SSGs sont
77
aujourd’hui les types d’exercices les plus couramment utilisés par les entraineurs dans de
nombreux sports d'équipe. Pour autant, dans le cadre du Handball, bien que ce type d’exercice
soit fréquemment utilisé (Buchheit, et al. 2009b), il persiste un manque de connaissances
scientifiques sur la manière de mettre en place ces SSGs, que ce soit en termes de nombre de
joueurs impliqués, de dimensions du terrain ou de durée (Belka, et al. 2017, Buchheit, et al.
2009a, Buchheit, et al. 2009b, Corvino, et al. 2014, Dello Iacono, et al. 2016 , Dello Iacono, et
al. 2017, Dello Iacono, et al. 2018, Dello Iacono, et al. 2021). En effet, les études menées en
Handball restent cantonnées à des formats de jeu peu employés au niveau élite ce qui limite
leur prise en compte par les entraineurs des équipes professionnelles. Néanmoins elles
permettent de mettre en lumière que les paramètres des SSGs peuvent être manipulés pour
moduler l’activité des joueurs. Ainsi, Buchheit et al. (2009.a & b) ont conduit deux études
portant sur la capacité de ces SSGs à développer les capacités physiques des joueurs, en
comparaison avec des entrainements par intervalles à haute intensité (High Intensity Interval
Training, HIIT). Ces études concluent que les entrainements de Handball basés sur les HIIT ou
les SSGs sont aussi efficaces, mais ils s’accordent à dire que les SSGs devraient être privilégiés
en raison de leurs apports technico-tactiques simultanés (Buchheit, et al. 2009a, Buchheit, et al.
2009b). Bien que ces études n’aient porté que sur un type de SSGs (4 vs 4 tout terrain), les
résultats ont été confirmés par Iacono et al. en 2016 à l’aide de SSGs organisées en 3 vs 3 sur
demi-terrain (20 × 20 m) ce qui permet de dire que l’utilisation de ces SSGs est efficace pour
développer les capacités physiques des quel que soit leur organisation (Dello Iacono, et al.
2016). D’ailleurs Bělka et al. (2017) ont montré que le fait de modifier le nombre de joueurs
dans des SSGs permet de réguler l’activité des joueurs de Handball en condition d’entrainement
et que plus ce nombre de joueurs est faible, plus les SSGs reproduisent les intensités de la
compétition. De nombreuses études, dans d’autres sport que le Handball, ont présenté l’apport
des SSGs en termes de volume et d’intensité de jeu par rapport aux références des matchs de
compétition. Néanmoins, nous n’avons répertorié qu’une seule étude portant sur l’évaluation
du volume de jeu engendrée par les SSGs en Handball, et celle-ci ne porte que sur des joueurs
amateurs ce qui limite la pertinence concernant la généralisation des conclusions de cette étude
aux joueurs professionnels (Corvino, et al. 2014). L’étude menée par Corvino et al. (2014), sur
6 joueurs amateurs, a analysé les distances totales parcourues et les intensités des déplacements
dans différentes configurations de SSGs. Les formats de jeux étudiés étaient de 24 m de long
par 12 m de large, 30 × 15 m et enfin 32 × 16 m, tous pratiqués en opposition 3 contre 3. Les
78
auteurs ont différencié les distances totales parcourues par les joueurs selon quatre plages de
vitesses (< 1,4 m·s-1 ; 1,4 - 3,4 m·s-1 ; 3,4 - 5,2 m·s-1 ; > 5,2 m·s-1). Leurs résultats montrent que
les distances totales parcourues varient en fonction de la surface de jeu, et surtout augmentent
avec l’agrandissement de l’espace de jeu. Ainsi, la DTp moyenne était de 885,2 ± 66,6 m pour
l’aire de jeu de 24 × 12 m, de 980 ± 73,4 m pour celle de 30 m × 15 m et de 1095 ± 112,9 m
pour celle de 32 m × 16 m. De plus, l’analyse des vitesses de déplacement a montré que les plus
grandes distances totales parcourues le sont dans les gammes de vitesses situées entre 1,4 et
5,2 m·s-1. Enfin, cette étude a montré que les distances parcourues par minute sont aussi plus
importantes avec l’augmentation de la surface de jeu. En effet, les joueurs parcourent
110,7 m·min-1 sur la surface de 24 × 12 m, 122,5 m·min-1 sur celle de 30 × 15 m et
136,9 m·min-1 sur la surface de 32 × 16 m. Bien que les superficies de jeu soient différentes de
celles classiques de matchs, les résultats sont bien supérieurs à ce qu’il a pu être mesuré en
match, sur une surface de jeu de 40 × 20 m, en 7 contre 7 (Bon 2001, Cardinale, et al. 2017,
Luig P. 2008, Manchado, et al. 2021, Michalsik and Aagaard 2015, Michalsik, et al. 2013, Pori
2003, Póvoas 2009, Šibila 2004). Sur la base de ces études concernant l’utilisation et le
paramétrage des SSGs en Handball, il semble difficile aujourd’hui pour les entraineurs des
équipes élites de les calibrer de façon pertinente. En effet, l’ensemble des études citées
précedemment ont travaillé sur des situations de 3 contre 3 ou 4 contre 4 tout terrain, ou presque,
ce qui correspond à des situations peu exploitées par les entraineurs du haut niveau. Ces derniers
ont, en effet, tendance à privilégier des situations plus proches des conditions réelles de match,
avec une densité de joueurs plus forte. De plus, les fluctuations d’intensité inhérentes à l’activité
n’ayant pas non plus été analysées dans le Handball, les entraineurs sont limités à prescrire
objectivement et à contrôler les SSGs par rapport aux intensités moyennes de match, ce qui
peut entrainer une sous-préparation de leurs athlètes aux intensités maximales auxquelles ils
seront exposés pendant les matchs.
5.2 L’enchainement des matchs
Dans le cadre des sports collectifs tel que le Handball, le rythme des matchs peut être
extrêmement chargé avec, comme nous l’avons déjà dit plus haut, plus de 80 matchs joués sur
une saison durant 9 mois. Ce rythme des matchs à un impact évident sur l’organisation des
entrainements et les stratégies de gestion de la CE mise en place. Toutefois, nous n’avons
recensé qu’une seule étude ayant porté sur l’analyse de la gestion de la CE en Handball
79
(Clemente, et al. 2021b). Cette étude a révélé que les semaines avec deux ou trois matchs
(respectivement 9694 ± 3080 m et 9809 ± 2261 m) présentaient une distance à charge
métabolique élevée 42 à 44 % plus importante que durant les semaines avec un unique match
(6817 ± 2677 m). Cette distance à charge métabolique élevée est définie comme la distance
parcourue à une vitesse supérieure à 5,5 m·s-1 et en accélérant ou décélérant à une magnitude
de 2 m·s-2 ou plus. Il semble donc nécessaire de mieux comprendre les stratégies de gestion de
la CE misent en place dans ces différents contextes. D’ailleurs, des études ont été menées dans
ce sens dans le Rugby et le Football et ont clairement décrit l'impact de l’enchainement des
matchs sur l'activité des joueurs. Ceci a fourni de précieuses informations relatives aux
stratégies mises en place par les membres des équipes encadrantes et les joueurs pour faire face
à de telles exigences. (Carling and Dupont 2011, Clemente, et al. 2021b, Dellal, et al. 2015,
Djaoui, et al. 2014, Dupont, et al. 2010, Folgado, et al. 2015, Freitas, et al. 2021, Gualtieri, et
al. 2020, Marqués-Jiménez, et al. 2017, Moreira, et al. 2016, Twist, et al. 2017).Ainsi, il a été
mis en évidence une détérioration des performances physiques avec l’enchainement des matchs
(Freitas, et al. 2021, Moreira, et al. 2016, Twist, et al. 2017). Les auteurs ont pu clairement
identifier une diminution progressive des capacités de course et d’explosivité des joueurs avec
une dégradation des performances en sprints et en saut. En effet, en comparant les performances
de jeunes joueurs de Football avant et après la participation à 14 matchs sur une période de 8
semaines, Freitas et al. (2021) ont mis en évidence une dégradation significative des capacités
physique des joueurs (cf. Figure 25).
Figure 25 : Résultats des tests pré- et post- période de matchs enchainés ; vitesse en sprint sur 17 m (Vert), sprint
en courbe pour le « bon » côté (CSGS, Rouge), sprint en courbe pour le « mauvais » côté (CSWS, Bleu), vitesse
en course en zigzag (Jaune), déficit de changement de direction (Orange), et puissance propulsive moyenne en
demi-squat (HS MPP, Gris) ; d’après Freitas et al. (2021).
80
De même, Twist et al. (2017) ont pu mettre en évidence une diminution progressive de la
fonction neuromusculaire au cours de la période de compétition intensifiée en Rugby, et ce
malgré la réduction des charges d'entraînement et l'inclusion de stratégies de récupération. Cela
implique des changements dans les performances de course, où une augmentation de la distance
de course est obtenue grâce à des temps de jeu plus longs et à davantage d'activités de faible
intensité. De plus, en étudiant l’impact de l’enchainement de 2 matchs de Rugby en 4 jours, les
auteurs démontrent que 2 jours de récupération est insuffisant pour les joueurs professionnels
de Rugby. En effet, leurs fonctions neuromusculaires, mesurée à l’aide des performances de
temps de vol en contre-mouvement-saut (countermovement jump), ne sont pas rétablies, ce qui
entraîne une activité de faible intensité plus importante lors du second match. En outre, en
étudiant l’évolution du nombre d’actions tentées et réussies au cours de 7 matchs de Football
joués sur une période de 7 jours (4 matchs en deux jours puis trois jours de récupération, et
enfin trois matchs en deux jours), Moreira et al. (2016) ont mis en évidence une diminution de
la capacité des joueurs à réussir certaines actions, particulièrement en situation défensive, tandis
que les actions offensives ne sont que peu ou pas impactées avec l’enchainement des matchs
(cf. Figure 26). Les auteurs ont également pu montrer un impact négatif sur le système immuno-
endocrinien salivaire, notamment sur les réponses en testostérone et en SIgA de l’enchainement
des matchs (cf. Figure 27). Cette étude suggère donc que la fatigue accumulée induite provoque
une diminution de la concentration de testostérone chez les jeunes joueurs de football et a eu
un effet négatif sur leur immunité muqueuse.
Figure 26 : Tacles et interceptions sur les 7 matches analysés (Moyenne ± SD) ; † différence significative par
rapport aux 1er et 7e matches (p>0,05) ; * différence significative par rapport aux 4e et 5e matches (p>0,05) ;
TTI = Total des Tacles/interceptions ; STI = Tacles/interceptions réussis ; d'après Moreira et al. (2016).
81
Figure 27 : Mesures salivaires au repos, à jeun (moyenne ± SD), a = différent de J1, b = différent de J2,
c = différent de J3, d'après Moreira et al. (2016).
Par ailleurs, des études ont montré une élévation du risque de blessure avec l’enchainement des
matchs (Dellal, et al. 2015, Dupont, et al. 2010). En effet, le taux de blessures en match était
significativement plus élevé lorsque le calendrier des matchs était densifié (43,3 ± 14,2) que
lorsqu’il était dégagé (18,6 ± 2,3). Enfin, lorsque les matchs s’enchainent, cela semble affecter
les performances tactiques de l’équipe en limitant le temps disponible à la mise en place
d’automatismes entre les joueurs (Folgado, et al. 2015). En effet, cette étude atypique a présenté
des preuves que la performance tactique, mesurée par la synchronisation dyadique des
mouvements des joueurs dans les axes de déplacement longitudinal (but à but) et latéral (côté à
côté), a diminué pendant les matchs lorsque ceux-ci s’enchainent. La synchronisation dyadique
mesurée par les auteurs consiste à mesurer la capacité de deux joueurs évoluant à des postes
différents mais proche l’un de l’autre à effectuer des mouvements de manière synchrone. Ainsi
l’ensemble des combinaisons ont pu être testé, à savoir ailier – arrière latéral,
arrière latéral – demi-centre, ainsi qu’ailier – pivot, arrière latéral – pivot et enfin
pivot – demi‑centre. Les auteurs ont particulièrement remarqué que ces différences de
synchronisation étaient plus prononcées lors de mouvements de faible intensité. Cela suggère
qu’en situations peu risquées, les joueurs sont moins attentionnés à l’activité de leurs partenaires
et désynchronisent leurs mouvements préalablement synchronisés lorsque le calendrier des
matchs est trop chargé. Au regard des risques engendrés par l’accumulation des matchs sur des
périodes courtes, des stratégies d'entraînement et de récupération optimisées et bien
programmées sont nécessaires pour réduire, voire éviter, les éventuelles baisses de performance
physique (Freitas, et al. 2021) et pour maintenir un faible taux de blessures (Dupont, et al.
2010). C’est pourquoi, les auteurs préconisent au personnel technique des équipes sportives
d'élite de surveiller la vitesse et les qualités liées à la puissance des joueurs. Des mesures
efficaces et pratiques (par exemple, des sprints courts ou des tests de saut vertical) peuvent ainsi
82
permettre de réévaluer et d'adapter les stratégies d'entraînement mises en place (Twist, et al.
2017). Il apparait aussi que la capacité, de la part de l’encadrement des équipes élites, à gérer
la rotation des joueurs lors des matchs est cruciale afin de préserver les capacités
neuromusculaires des joueurs durant les périodes d’enchainement des matchs (Dupont, et al.
2010, Twist, et al. 2017). De plus, afin de limiter l’impact de ces périodes d’enchaînement des
matchs sur les capacités de synchronisation des joueurs, il est possible d’envisager des séances
d'entraînement spécifiques de positionnement et de coordination de groupe, complémentaires
ou liées à la récupération physique, pendant ces périodes (Folgado, et al. 2015).
5.3 Bilan
Cette dernière partie de notre revue de littérature nous a permis de mettre en évidence que la
principale problématique dans la gestion des entrainements en Handball se situe au niveau du
rythme des matchs. En effet, les équipes du niveau élite étant engagé dans l’ensemble des
compétitions nationales ainsi que dans les compétitions internationales se retrouvent
généralement à jouer deux matchs par semaines en moyenne de septembre à juin, hormis durant
les trêves internationales. Par ailleurs, au sein de ces équipes les plus performantes en Europe
et au niveau national, de nombreux joueurs sont internationaux. De ce fait ils participent aux
rassemblements en équipe nationale qui viennent s’ajouter au calendrier très chargé, les
amenant à jouer près de 90 matchs dans la saison. Il est donc impératif pour les entraineurs et
les préparateurs physiques d’organiser les entrainements afin d’allier récupération et
préparation des rencontres à venir. Comme nous l’avons vu, il est primordial d’organiser la
récupération des joueurs afin d’éviter l’apparition d’un surmenage non fonctionnel provocant
une diminution des performances à longs termes. Par ailleurs, puisqu’il a été démontré au
Rugby et au Football que l’enchainement des matchs provoque une diminution des
performances physiques des joueurs, il est intéressant de s’interroger sur la façon dont la gestion
de la CE en Handball permet aux joueurs de conserver un niveau de performance élevé tout au
long de la saison. En effet, plusieurs études ont montré une diminution des performances
physiques lors de tests physiques, de la capacité à réaliser correctement certaines actions, ou
encore une diminution de l’immunité muqueuse des joueurs à la suite de prélèvements
salivaires. Certes ces deux sports (Football et Rugby) présentent de nombreuses différences
avec le Handball, mais il est tout de même aisé de trouver certaines correspondances entre ces
sports, à commencer par la gestion d’un effort intermittent avec une accumulation de contacts.
83
Ainsi, afin de mieux comprendre de quelle manière la CE est gérée en Handball, il est nécessaire
de s’interroger sur la manière dont sont conduit les entrainements au niveau élite. Là encore,
les données issues des différentes études menées en Handball ne nous renseignent que très
partiellement puisqu’elles s’appuient, dans leur intégralité, sur des situations d’entrainements
peu ou pas exploitées au haut niveau. En effet, les études dont nous avons connaissance n’ont
traité la question des SSGs qu’au travers de formats en 3 contre 3 ou 4 contre 4 tout terrain, ou
sur des dimensions de terrain légèrement inférieur mais toujours proportionnelles à celle d’un
terrain complet. Ces études ont tout de même mis en évidence la capacité des SSGs à permettre
le développement des capacités physiques des joueurs, et la possibilité de faire varier leur
impact physiologique par des modifications de règles et/ou de dimensions de terrain. Toutefois,
cela n’est pas directement exploitable pour les équipes élites puisque les situations testées ne
sont pas adaptées aux besoins de ces publics. Il est donc nécessaire d’analyser les SSGs
classiquement utilisé par les entraineurs du niveau élite pour mieux comprendre en quoi ces
situations sont pertinentes pour répondre à leurs besoins et comment il serait possible de les
moduler pour atteindre des objectifs différents. Ainsi cette partie nous amène à nous questionner
sur l’organisation des entrainements au niveau élite et plus particulièrement sur la façon dont
les SSGs employés permettent de reproduire les intensités de matchs et comment il serait
possible de les moduler pour répondre à des objectifs spécifiques. De même, nous pouvons nous
interroger sur les stratégies de gestion de la CE mise en place au niveau élite permettant de
maintenir un haut niveau de performance tout au long de la saison malgré un rythme des matchs
soutenu. Éclairer cette information permettrait aux entraineurs de questionner leur pratique
actuelle et comprendre dans quelle mesure elles pourraient être optimisée.
84
OBJECTIFS EXPERIMENTAUX
Au regard des informations recueillies tout au long de notre revue de littérature, il apparait
plusieurs manques auquel notre travail de recherche tentera de contribuer. Tout d’abord nous
avons pu mettre en évidence que la validité des différents systèmes LPS doit être questionnée
puisque les études ayant portées sur ce type d’outils ont montré des limites dans la validité des
mesures selon les paramètres étudiés et selon la configuration mise en place. Il apparait donc
judicieux de contrôler la validité des mesures du système que nous souhaitons utiliser pour notre
travail de recherche avant de nous concentrer sur l’analyse de l’activité Handball à l’aide de cet
outil. Par ailleurs, nous avons également pu mettre en évidence des lacunes dans les
connaissances scientifiques de l’activité Handball, en particulier concernant l’intensité de
l’activité déployée par les joueurs durant les compétitions. Or, nous avons souligné la nécessité,
pour les entraineurs et préparateurs physiques, de caractériser correctement l’activité des
joueurs en match et en entrainement, notamment en termes d’intensité. L’utilisation d’un outil
tel que le LPS permet justement d’approfondir cette question à travers l’utilisation de nouvelles
méthodes issues d’autres sports collectifs. Ces méthodes s’appuyant sur le calcul des intensités
maximales au travers de différentes moyennes mobiles permettent d’établir les intensités
maximales atteintes par les joueurs durant les compétitions. Pour cela, les systèmes LPS
permettent d’obtenir les mesures les plus précises de l’activité des joueurs pour les sports en
salle. Ce sont surtout les seules technologies permettant d’avoir une mesure continue au cours
du temps ce qui offre la possibilité de mener le type d’analyse requises. Enfin, nous avons pu
démontrer la nécessité pour les équipes élites, d’avoir une connaissance approfondie de l’impact
du rythme des matchs sur les joueurs afin de mieux organiser la récupération des joueurs et
l’associer aux exigences de travail des entraineurs, inhérentes aux compétitions. Nous avons
mis en évidence le rythme annuel intense des matchs de Handball pour les équipes élites, ce qui
implique une importance primordiale de ces connaissances. Ainsi, puisque le corpus de
connaissance sur le sujet en Handball est vierge à l’exception d’une étude, il nous semble
important de proposer une analyse de l’impact du rythme des matchs sur l’organisation des
entrainements et les régulations qui peuvent être mise ne place dans le cadre d’une équipe élite.
Ainsi notre travail s’organisera autour de trois axes principaux.
85
Premièrement, notre but sera donc de valider le système LPS, Kinexon™, utilisé dans le cadre
de notre travail. Pour cela il nous semble nécessaire de valider les mesures de vitesse et
d’accélérations en fonction de l’emplacement sur le terrain. En effet, ces outils ont montré de
réelles différences de performances selon que les mesures étaient effectuées en condition
optimale ou non. De ce fait nous chercherons à valider l’hypothèse selon laquelle, par rapport
à un système de référence, le nouveau LPS Kinexon™ présente des mesures valides pour les
vitesses, accélérations et décélérations maximales. De plus, puisque nous questionnerons
l’impact de la position sur le terrain sur la validité de la mesure, notre hypothèse sera que
lorsque les mesures sont effectuées en bord de terrain, donc en configuration non optimale pour
le système, la qualité des mesures se dégrade et donc la validité de celle-ci diminue.
Deuxièmement, nous déterminerons les intensités maximales déployées durant les matchs par
les joueurs selon leurs postes afin de permettre l’individualisation de la préparation physique
des joueurs. En effet, seule la caractérisation des intensités maximales atteintes par les joueurs
permettra d’assurer une préparation adéquate des joueurs aux efforts qu’ils sont amenés à
fournir durant les compétitions. Par ailleurs, il est nécessaire de connaitre l’activité des joueurs
en entrainement afin de pouvoir la réguler. Ainsi, l’analyse des intensités maximales durant les
entrainements nous permettra de mieux comprendre l’organisation mise en place. Il nous sera
alors possible d’améliorer la gestion globale de la CE des Handballeurs élites. C’est pourquoi,
nous travaillerons à partir de deux hypothèses. La première sera que la diminution de l'intensité
au fil du temps suit une loi de puissance, comme cela a été montré pour d’autres sports collectifs,
et la seconde est que les séances d'entraînement reproduisent l'intensité des matchs.
Enfin troisièmement, au vu de nombre limité d'études sur le sujet, il semble pertinent de

s’interroger sur la gestion de la CE mise en place dans le cadre d’une équipe élite de Handball
afin de comprendre comment les entraineurs s’organisent pour limiter l’impact du rythme du
calendrier des rencontres sur les performances des joueurs. C’est ce que nous proposerons dans
notre dernière étude pour approfondir les connaissances sur les stratégies de gestion de la CE
mise en place en Handball. Cela permettra de mieux comprendre la dynamique de CE actuelle
et ainsi être en mesure de mieux la réguler. Ainsi notre hypothèse de travail pour cette dernière
étude sera que l'activité des joueurs, durant les séances d'entraînement, est régulée en fonction
du rythme des matchs.
86
ÉTUDE 1 : VALIDITÉ DU SYSTÈME DE
POSITIONNEMENT LOCAL À BANDE ULTRA-
LARGE KINEXON™ POUR ÉVALUER LES
MOUVEMENTS SPÉCIFIQUES AU HANDBALL
VALIDITY OF THE ULTRA-WIDEBAND LOCAL

POSITIONING SYSTEM KINEXON™ TO
ASSESS HANDBALL-SPECIFIC MOVEMENTS
Publication associée :
Antoine Fleureau, Mathieu Lacome, Martin Buchheit, Antoine Couturier, and Giuseppe
Rabita (2020). "Validity of an Ultra-Wideband Local Positioning System to Assess Specific
Movements in Handball." Biology of Sport.
Communication associée :
Antoine Fleureau, Mathieu Lacome, Martin Buchheit, Antoine Couturier, and Giuseppe
Rabita (2019). "Validity of an Ultra-Wideband Local Positioning System to Assess Specific
Movements in Handball." À la Recherche de la Performance - La performance, terrain
d'innovation. INSEP
87
Objectif de l’étude
Nous avons pu montrer lors de notre revue de littérature que le suivi quotidien de la CE d'un
joueur est nécessaire, en particulier dans les sports collectifs d'élite, pour optimiser la
périodisation de l'entraînement, la prévention des blessures et l’organisation du retour au jeu
des joueurs blessés. Cependant, il est nécessaire pour cela d’avoir des outils permettant de
mesurer de manière précise l’activité des joueurs sur le terrain, à la fois durant les matchs et les
entrainements. Par conséquent, le but de cette étude est d'examiner la validité concurrente d’un
nouveau LPS (Kinexon™) pour une gamme de mouvements spécifiques au Handball en
comparaison avec un système de référence, l’outil de capture du mouvement Vicon®. De plus,
puisque nous avons montré des différences de validité de mesures pour des systèmes similaires
au Kinexon™ selon leurs configurations, nous nous efforcerons de tester l'effet de
l'emplacement sur le terrain (centre, optimale vs bord, non-optimale), afin d’obtenir une
évaluation complète de ce nouvel LPS. Nous traduirons donc ces questionnements en une
hypothèse de travail selon laquelle l’outil Kinexon™ présente une validité de mesure acceptable
en comparaison à un système de référence, pour ce qui est des vitesses, accélérations et
décélérations maximales. Toutefois nous partirons également de l’hypothèse que cette validité
diminue en configuration non optimale pour le système (i.e. bord de terrain).
Méthodologie
Participants
Cinq sujets masculins, actifs, dont une partie faisant partie des partenaires du centre de
formation, (âge : 29,2 ± 4,1 ans, taille : 1,76 ± 0,11 m et masse corporelle : 77,0 ± 8,0 kg) se
sont portés volontaires pour participer à cette étude. La possibilité de faire intervenir ici des
joueurs issus de l’effectif de l’équipe de Nationale 1 a été rendu possible par l’accord de
l’entraineur et du préparateur physique de l’équipe, ce que nous n’avons malheureusement pas
été en mesure d’obtenir pour les joueurs sous contrat (i.e. centre de formation et professionnel).
Protocole expérimental
Afin de tester la validité des mesures à la fois en condition optimale et non-optimale, le

protocole expérimental a été répété deux fois. Tout d’abord au centre du terrain de Handball,
88
puis au bord, deux jours plus tard. Au cours de ces sessions les participants ont effectué dix
répétitions de chacun des trois types de mouvements, décrits ci-après. Ces déplacements ont été
sélectionner pour leur capacité à être représentatif de l’activité Handball et afin de tester les
capacités de mesures du LPS selon les différents axes du plan.
• Sprints : il s’agissait d’accélérations maximales sur un parcours linéaire de 25 m avec

un départ debout. Après 20 m de course, les participants devaient décélérer sur 5 m
pour s’arrêter complètement et rester immobiles (cf. Figure 28 A). Ces déplacements
avaient pour but de vérifier la validité des mesures selon un premier axe du plan (la
longueur du terrain) mais également dans le cadre des plus hautes vitesses,
accélérations et décélérations que les joueurs peuvent produire.
• Déplacements Latéraux : il s’agissait d’un déplacement sous forme d‘aller-retours
médio-latéral sur 3 m (cf. Figure 28 B). Ce déplacement avait pour but de tester la
validité des mesures selon le second axe du plan (la largeur du terrain).
• Déplacements Spécifique au Handball : il s’agissait ici de reproduire une action typique
d’arrière latéral au Handball à savoir, l’engagement-désengagement dans l’intervalle
interne suivi d’un réengagement dans l’intervalle externe. L’intervalle interne
représente l’espace entre les défenseurs numéros 2 et 3 tandis que l’intervalle externe
correspond à l’espace entre les défenseurs numéros 1 et 2. Le défenseur numéro 2 est
simulé par un espace de 2 m que les participant doivent contourner pour ensuite terminer
par un saut appel une jambe (cf. Figure 28 B). Ce dernier type de déplacement avait
pour but de tester la validité du LPS en condition réaliste, et sur des déplacements
impliquant simultanément les deux axes du plan.
Matériel
Puisque nous souhaitions tester différents types de déplacements il nous a fallu définir des
protocoles expérimentaux spécifique pour chacun d’eux. Ainsi nous avons dû établir une
configuration du système de référence Vicon® pour la mesure des sprints et une autre qui s’est
avérée suffisante pour les deux autres types de déplacements analysés. Le système Kinexon™
était quant à lui configurer spécifiquement pour effectuer ses mesures sur l’ensemble du terrain
de Handball. Cette configuration a été faite par la société productrice du système. Pour
l’ensemble des essais, les participants portaient simultanément une balise réceptrice reliée aux
89
antennes Kinexon™, et cinq marqueurs réfléchissants passifs détectables par le système de
capture de mouvement Vicon®.
Outil LPS Kinexon™ à bande ultra-large
Le système utilisé dans cette étude était composé de 14 antennes positionnées autour du terrain
de Handball (le stade Pierre de Coubertin à Paris) à trois hauteurs différentes. La balise
Kinexon™ était portée à l’aide d’une brassière ajustée au corps fournie par la société
Kinexon™, positionnant la balise entre les omoplates du sujet. Les données ont été collectées
à une fréquence de 20 Hz et traitées via le logiciel spécifique Kinexon™ Software. Les signaux
ont été transmis aux antennes en utilisant la technologie UWB dans une gamme de fréquences
de 4,25-7,25 GHz. La position sur le terrain de la balise a été calculée par un algorithme définit
par la société Kinexon™, basé sur une combinaison de différentes méthodes telles que la
différence de temps d'arrivée, le Two-Way Ranging et l'angle d'arrivée.
Système d'analyse de mouvement Vicon
Un système d'analyse du mouvement Vicon® à 12 caméras (Vicon® Nexus T40, ©Vicon®

Motion Systems, Oxford Metrics, UK) a été mis en œuvre dans les deux configurations
utilisées. Afin de s’assurer du bon fonctionnement de cet outil pour nos manipulations, nous
avons effectué plusieurs sessions de tests pour pouvoir se familiariser avec l’installation et le
paramétrage de celui-ci, définir les configurations les plus efficaces pour les différents types de
mouvement étudiés et être en mesure d’enchainer les différentes installations en un temps
minimal. Les sessions d’enregistrements des données se sont déroulé sur deux jours, chacun
découpé en deux temps. Un premier temps correspondant à la configuration du système pour
les déplacements latéraux et spécifiques, et un second pour celle permettant la mesure des
sprints. Pour chacune de ces configurations, nous avons dû placer et calibrer les caméras afin
d’assurer une qualité suffisante des données recueillies. Les données ont été collectées à 250
Hz. Les cinq marqueurs passifs porté par les sujets étaient placés de telle manière à former une
croix dont le centre correspondait à la position de la balise Kinexon™ et était marqué par un
marqueur spécifique. Deux marqueurs étaient donc placés sur les têtes d’acromions sur les
épaules, un marqueur était placé à la base du coup (au niveau de la vertèbre cervicale C7) et le
dernier était placé en bas du dos (sur la vertèbre lombaire L4). Ces quatre derniers marqueurs
servaient à fournir une sécurité pour garantir la prise de mesure par le Vicon® tout au long des
90
sessions de test. En effet ils permettaient de retrouver la position du marqueur placé sur la balise
Kinexon® en cas de perte de signal sur celui-ci. Néanmoins, puisque la perte du signal du
marqueur placé sur la balise Kinexon™ n'a jamais dépassé 25 images successives (soit 0,1s),
nous n’avons jamais eu besoin de recalculer ça position à partir des données des quatre autres
marqueurs. Nous avons pu simplement et automatiquement extrapolé les données manquantes
à l’aide du logiciel Vicon® 3D en utilisant la position du marqueur immédiatement avant et
après la perte de signal. Les erreurs moyennes de calibrage du Vicon® pour les deux sessions
de test étaient de 0,09 et 0,17 mm pour les données recueillies au centre du terrain, et de 0,08
et 0,16 mm pour celles recueillies au bord du terrain. Ces erreurs de mesures restaient donc tout
à fait acceptables pour pouvoir effectuer les mesures avec cet outil et les considérer comme
référence pour notre étude.
Traitement des données
À partir de ces deux systèmes nous avons pu, à la suite de chacun des enregistrements
individuels, récupérer un fichier regroupant les données du passage du sujet. Ces fichiers étaient
de type .csv pour le système Kinexon™ et de type .c3d pour le Vicon®. Ces deux types de
fichiers regroupent l’ensemble des données de position instantanée selon les deux axes du plan,
au cours du temps. Toutefois il était nécessaire de faire passer le fichier .c3d du Vicon® par un
outil intermédiaire pour récupérer un fichier .csv exploitable pour le traitement des données. Ici
nous avions choisi d’utiliser le logiciel Mokka pour sa simplicité d’utilisation et l’option de
visualisation en 3D de la position de chaque capteur au cours du temps. Une fois que l’on a
récupéré les différents fichiers .csv, il est alors possible de commencer le traitement des données
à proprement parler. Pour être en mesure de comparer les données des deux systèmes il nous
était nécessaire d’avoir des données aux mêmes fréquences, ayant subi les mêmes filtrages et
synchronisés. Nous avons donc commencé par suréchantillonner les données du Kinexon™
pour les faire passer d’un échantillonnage à 20 Hz à 250 Hz. Afin de pouvoir faire passer les
mêmes filtres sur les données issues du Vicon®, que nous récupérons brut, que ceux appliqués
par Kinexon™ sur leurs données, nous avons demandé à la société de nous partager cette
information. Ainsi nous avons pu apprendre que le filtrage effectué s’appuyait sur un filtre
Butterworth passe-bas à déphasage nul de 3ème ordre avec une coupure de 10 Hz. Nous avons
donc fait passer ce filtre sur les données du Vicon® pour avoir des données ayant subi des
traitements identiques. Nous avons également fait passer ce filtre sur les données
91
suréchantillonneées de Kinexon™ afin de retrouver les données initiales mais simplement
passées de 20 Hz à 250 Hz. À la suite de cela, chaque paire de données Kinexon™ et Vicon®
pour chaque répétition de mouvement a été synchronisée manuellement pour déterminer un
début et une fin communs. Il nous a été nécessaire de faire cela manuellement car cela était très
complexe à automatiser, et donc aussi chronophage que de le faire manuellement, du fait des
données de sprint qui étaient trop similaires les unes avec les autres, et avec certaines parties
d’autres mouvements. Pour finir le traitement de données, nous avons effectué les calculs des
différentes variables que nous souhaitions analyser, à savoir la distance parcourue et les
maximums de vitesse d’accélération et de décélération. Pour cela nous avons calculé la distance
parcourue comme la somme des positions instantanées dans le plan horizontal (x, y). Les
signaux de vitesse et d'accélération ont ensuite été obtenues par dérivation successive et filtrage
passe-bas (10 Hz, filtre Butterworth à déphasage nul de 3ème ordre) des données de position.
Les pics de vitesse, d'accélération et de décélération ont été calculés à partir de ces données, à
l’aide d’une moyenne mobile de 500ms passée sur l’ensemble des signaux. Ainsi les pics de
vitesse et d’accélération correspondent aux maximums de cette moyenne mobile pour les
signaux de vitesse et d’accélération respectivement. Le pic de décélération correspond lui au
minimum de cette moyenne mobile appliquée au signal d’accélération. Nous avons donc ainsi
obtenu quatre variables à analyser pour chacun des essais.
Analyse statistique
Pour effectuer cette analyse nous nous sommes appuyées sur le tableur d’Hopkins afin de
comparer la concordance entre les deux systèmes par régression linéaire. Nous avons choisi de
comparer le système Kinexon™ au Vicon® à partir du biais moyen et standardisé, du
coefficient de corrélation de Pearson et de la TEE exprimée d'abord en valeur absolue, puis
normalisée et sous forme de coefficient de variation (CV). L’ensemble de ces données ont été
calculée avec leur intervalle de confiance à 90 %. Les critères suivants ont été adoptés pour
interpréter l'ampleur des coefficients de corrélations (r) : ≤ 0,01 : nuls ; > 0,1 : petits ;
> 0,3 : modérés ; > 0,5 : grands ; > 0,7 : très grands ; et > 0,9 : presque parfaits. La moitié du
seuil de l'échelle de Cohen modifiée a été utilisée pour interpréter la TEE
standardisée : > 0,01 (insignifiante) > 0,1 (petite), > 0,3 (modérée), > 0,6 (grande), > 1,0 (très
grande) et > 2,0 (extrêmement grande). En ce qui concerne l'interprétation du biais standardisé,
les valeurs seuils étaient celles de l'échelle de Cohen modifiée : 0,01 (trivial) ; > 0,2 (petits) ;
92
> 0,6 (modérés) ; > 1,2 (grands) ; > 2,0 (très grands) ; > 4,0 (extrêmement grands). Nous avons
choisi ces paramètres a analysés (i.e. biais moyen et standardisé, TEE moyenne et standardisée
et en CV, coefficient de corrélation) car ce sont les plus fréquemment utilisés dans les études
de validation d’outils GPS ou LPS, ce qui nous permet de pouvoir comparer nos résultats avec
ceux d’autres études similaires.
Résultats
Les résultats marquant de cette étude sont, pour ce qui est des analyses au centre du terrain, des
biais standardisés et des TEE petits à modérés (biais : 0,38 ± 0,03 — 1,14 ± 0,21 ;
TEE : 0,06 ± 0,02 — 0,48 ± 0,18) ainsi que des coefficients de corrélation presque
parfaits (0,90 ± 0,06 — 1,00 ± 0,00) pour l’ensemble des variables et mouvements analysés
hormis dans le cas des décélérations en déplacements spécifique au Handball (cf. Tableau 5).
Dans ce cas particulier, le biais était trivial (0,01 ± 0,34) tandis que la TEE était très grande
(1,29 ± 1,26) et le coefficient de corrélation était grand (0,61 ± 0,26).
Les résultats au bord du terrain étaient globalement similaires hormis dans le cadre des sprints
(cf. Tableau 6). Ainsi les biais standardisés étaient petits à modérés (0,24 ± 0,05 — 1,10 ± 0,23)
pour toutes les variables lors des déplacements latéraux et pour les accélérations et décélérations
maximales en déplacements spécifiques mais grands (2,85 ± 0,24) pour la vitesse maximale
lors de ce mouvement. Pour ces deux types de déplacements, les TEE étaient toutes petites à
modérées (0,10 ± 0,04 — 0,47 ± 0,25) et les coefficients de corrélation étaient également tous
presque parfaits (0,91 ± 0,09 — 0,99 ± 0,00). Les résultats étaient équivalents en ce qui
concerne les mesures de vitesse maximale en sprint (biais : 0,84 ± 0,08 ; TEE : 0,26 ± 0,09 ;
r : 0,97 ± 0,02), mais étaient inférieurs dans le cadre des accélérations et décélérations
maximales. Dans ce cas, les biais standardisés étaient modérés à très grands (0,91 ± 0,35 —
6,73 ± 0,61), les TEE étaient très grandes (2,56 ± 21,15 — 3,96 ± 3,81) et les coefficients de
corrélation étaient petits (0,25 ± 0,33 — 0,36 ± 0,30).
Discussion
Au regard de la littérature scientifique concernant la validité des mesures d’outils LPS, seuls
trois études peuvent servir de référence de comparaison. D’une part les études de Serpiello et
al. (2017) et de Luteberget et al. (2018) portant sur deux autres outils LPS, et d’autre part, une
93
étude postérieure à la nôtre, celle de Blauberger et al (2021) portant sur l’outil LPS Kinexon™.
Nos résultats sont similaires ou meilleurs que ceux obtenus par Serpiello et Luteberget, et
logiquement similaire à ceux de Blauberger, pour l’ensemble des variables et conditions
observées (cf. Tableau 4). Il est important de noter que l’étude de Serpiello a montré des
différences de mesure comprise entre 0,5 % et 16 %, hormis dans le cadre des décélérations,
dans les mêmes conditions mais avec un outil LPS calibré à 10 Hz. Luteberget a, quant à lui,
montré pour un outil LPS calibré à 20 Hz des différences systématiquement > 20 % dans des
conditions équivalentes. La mise en relation de ces résultats avec les nôtres pose question
puisque nous utilisions également un LPS configuré à 20 Hz. Néanmoins, nous pouvons
justifier la grande différence de nos résultats et de ceux de Serpiello avec ceux de Luteberget
par la méthodologie employée. En effet, ce dernier s’est appuyé sur un système d’antennes
mobiles tandis que Serpiello et nous nous sommes basés sur des configurations fixes, mises en
place par le constructeur. Ainsi, alors que nous disposions d’un outil validé par le constructeur
en configuration optimale pour le site de test incorporant un serveur dédié pour mener à bien
les calculs du système, Luteberget ne disposait que d’une configuration modulable à souhait, et
surtout ne disposant pas d’un serveur dédié pour les calculs.
Centre Terrain Bord Terrain

Vitesse (Max) 2,1 — 4,6 % 2,4 -- 9,6 %
Nos Résultats Accélération (Max) 3,8 — 7,3 % 7,1 -- 11,9 %
Décélération (Max) 0,4 — 5,4 % 6,1 -- 38,8 %
Vitesse (Max) 0,5 — 13 % 2,4 -- 16 %
Serpiello et al. (2017) Accélération (Max) 6,8 — 8,9 % 8,5 -- 14 %
Décélération (Max) 26 — 28 % 7,8 -- 36 %
Vitesse (Moy) 0,5 — 2,8 % 14,7 -- 29,1 %
Luteberget et al. (2018)
Vitesse (Max) 33,5 — 39,2 % 74,4 -- 90,8 %
Vitesse (Max) 0,7 — 1,7 %
Blauberger et al. (2021) Accélération (Max) 0,5 -- 10,2 %
Décélération (Max) 0,1 -- 4,3 %
Tableau 4 : Pourcentage de Différence entre le LPS testé et le Système de Référence.
Par ailleurs, les différences de précision des mesures lors des accélérations et décélérations en
bord de terrain nous amènent également à nous interroger sur les raisons pouvant engendrer de
telles différences de mesure selon la configuration testée. Nous pouvons subodorer deux raisons
principales à ces différences. La première, la plus évidente, est que le fait de se trouver à
équidistance, ou presque, des différents récepteurs favorise la mesure en permettant la détection
de la balise par l’ensemble des antennes. Ainsi, puisque l’ensemble de ces dernières sont à
même de détecter la balise cela enrichie la mesure de la position et assure une validité maximale
à cette mesure. Au contraire, la détection uniquement par une partie des antennes de la balise
94
en bord de terrain limite la capacité du système à assurer une mesure précise de la position. Il
s’agit alors simplement de l’impact du nombre de récepteurs en mesure de capter le signal des
balises qui impact la qualité de la mesure effectuée. Cette première hypothèse semble tout à fait
acceptable au regard de la littérature scientifique sur le sujet et en particulier les études menées
par Serpiello et Luteberget qui proposent des explications similaires pour leurs études de
validité d’autres LPS. Pour bien comprendre la seconde raison que nous avançons, il est
important de revenir au principe de fonctionnement des LPS. Comme nous l’avons vu en revue
de littérature (cf. 2.2 Les outils GPS & LPS), afin de mesurer la position des balises, ces LPS
s’appuient sur des calculs de différences temporelles. Or, en plus de limiter le nombre
d’antennes en mesure de détecter la balise, la position en bord de terrain, en rapprochant
l’émetteur et le récepteur, diminue la distance parcourue et donc le temps de parcours de l’onde
émise par la balise. Cela a pour effet de diminuer le temps disponible pour le récepteur pour
effectuer le calcul de la position entre la réception de deux ondes émises, atteignant ainsi les
limites de capacité de calcul des processeurs et engendrant ponctuellement des erreurs de
mesures. Ces dernières n’étant pas systématiques, cela n’impacte ni les capacités de mesure de
la position, ni celle de la vitesse malgré le calcul par dérivation effectué. Toutefois, du fait de
la double dérivation des données de position pour l’obtention du signal d’accélération, ces
erreurs ponctuelles se retrouvent trop décuplées et engendrent des erreurs de mesure
importantes. En effet, la dérivation mathématique a pour particularité d’accentuer les erreurs de
mesures du signal d’origine, comme le démontre le théorème de Taylor-Lagrange. Ainsi lorsque
l’on multiplie ce type de calcul, les erreurs qui étaient initialement négligeables se retrouvent
si accentuées qu’elles en viennent à dégrader la précision de la mesure de manière perceptible.
Nous nous permettons de penser que le cumul de ces deux facteurs permet d’expliquer les
erreurs de mesures du système Kinexon™ dans le cas des accélérations et décélérations
maximales en bord de terrain. L'étude actuelle n'a pas été conçue pour isoler les différentes
sources potentielles d’erreurs de mesure, ainsi les résultats de cette étude montrent la somme
des erreurs cumulées de toutes les sources. De plus, afin de pouvoir valider notre seconde
hypothèse justificative, il serait nécessaire de proposer une nouvelle étude permettant
d’approfondir la connaissance des capacités de calculs des processeurs inclues dans les
récepteurs.
95
Limites
La principale limite que nous pouvons remarquer pour notre étude est le fait de ne pas avoir
testé la validité du système Kinexon™ près du point de penalty, alors qu’il s’agit d’une position
centrale autour de laquelle les phases offensives s’articulent tandis que le centre du terrain n’est
qu’un lieu de passage des joueurs. Toutefois, nos résultats ne permettent pas de mettre en
évidence de différences significatives entre les mesures effectuées au centre et au bord du
terrain pour les déplacements latéraux et spécifiques. Or, ce sont les types de déplacements les
plus employés par les joueurs autour du point de penalty, il nous semble donc approprié de
supposer que la validité des mesures du système Kinexon™, à cet endroit spécifique, aurait été
similaire à celle obtenue sur les deux zones testées.
Conclusion
Nous pouvons donc valider nos hypothèses de travail, en affirmant que le LPS Kinexon™
présente une validité acceptable, en comparaison au système de référence Vicon®, pour évaluer
l’activité locomotrice spécifiques au Handball, au travers des mesures de vitesse, accélération
et décélération maximale. Nous nous permettons toutefois d’ajouter qu’il convient d'être
prudent pour ce qui est des mesures des accélérations et décélérations maximales sur le bord du
terrain lors les sprints, telles qu’elles peuvent apparaitre en contre-attaque pour les ailiers. Ceci
confirme également notre hypothèse de travail sur la diminution de la validité des mesures en
condition non optimale (bord de terrain) pour le système.
Applications pratiques
Puisque nous avons pu démontrer une validité suffisante du système Kinexon™ pour mesurer
les vitesses, accélérations et décélérations maximales, il nous semble normal de préconiser
l’utilisation de cet outil dans le cadre du suivi de l’activité des joueurs de Handball et leur CE
au quotidien. Nous attirons toutefois l’attention des praticiens sur l’importance de traiter
certaines données avec précaution, notamment les accélérations et décélérations des ailiers,
dont le niveau de précision s'est avéré inférieur.
96
Article
97
Figure 28 : Étude 1 : Figure 1. A: Position of the Vicon® camera on configuration for sprints (
); B: Position of the Vicon® camera on configuration for lateral and specific movements ( ··
); C: Schematic position of the Kinexon™ antennas and position of testing zones on the field;
D: Position of Kinexon™ antennas; E: Position of the Vicon® reflective marker on the
Kinexon™ tag.
98
Figure 29 : Étude 1 : Figure 2. Synchronized position data of the two systems (Kinexon™ and
Vicon®) both in the centre and on the side of the court, for each type of movements.
99
Tableau 5 : Étude 1 : Table I: Comparison of peak speed, peak acceleration, and peak
performed in the centre of an indoor court.
100
Tableau 6 : Étude 1 : Table II: Comparison of peak speed, peak acceleration, and peak
performed on the side of an indoor court.
101
102
103
ÉTUDE 2 : INTENSITÉ LOCOMOTRICE
MAXIMALE CHEZ LES JOUEURS DE
HANDBALL D'ÉLITE : UN PREMIER APERÇU
DES DIFFÉRENCES DE POSTES DE JEU ET DES
PRATIQUES D'ENTRAINEMENT
PEAK LOCOMOTOR INTENSITY IN ELITE

HANDBALL MATCHES: EFFECT OF PLAYERS
POSITIONS AND TRAINING PRACTICE
Antoine Fleureau, Giuseppe Rabita, Cédric Leduc, Martin Buchheit, and Mathieu
Lacome (2022). "Peak locomotor intensity in elite Handball matches: effect of players positions
and training practice." Journal of Strength and Conditioning Research.
Communication associée :
Antoine Fleureau, Giuseppe Rabita, Cédric Leduc, Martin Buchheit, and Mathieu
Lacome (2020). "Peak locomotor intensity in elite Handball matches: effect of players positions
and training practice." Abstr‑ID: 638, Presentation format: Mini-Oral, Session name: CP-AP03
- Training and testing II - Cross - sectional 26th Virtual Congress of the European College
of Sport Science
104
Nous avons pu montrer lors de notre revue de littérature qu’il est logiquement nécessaire de
bien caractériser l’activité des joueurs en compétition afin de permettre aux entraineurs et
préparateurs physiques de mieux y préparer les joueurs. Or dans le cadre du Handball, bien
qu’un certain nombre d’études se soient interrogées sur le volume d’activité des joueurs lors
des compétitions, aucune n’a à ce jour permis de caractériser les intensités maximales déployées
par ces derniers. Les quelques études dont nous avons pu prendre connaissance qui ont cherché
à caractériser l’intensité de l’activité Handball en sont resté à une description générale ne
permettant absolument pas de se rendre compte de la variation de l’intensité au cours du match.
C’est pourquoi nous chercherons ici à déterminer les intensités maximales déployées durant les
matchs par les joueurs en fonction de leurs postes (i.e. arrières, ailiers pivots). Par ailleurs,
puisque l’objectif d’une telle étude est de permettre aux entraineurs et préparateurs physique
d’ajuster leur pratique, il nous semble important de nous intéresser également à l’intensité
déployée par les joueurs durant les situations les plus classiques d’entrainement, afin de pouvoir
aiguiller l’encadrement sur l’optimisation de leurs pratiques. L’objectif sera alors de comparer
les intensités atteintes lors des situations classiques d’entrainement avec celle produites en
compétition. Ainsi nous nous appuierons sur deux hypothèses de travail. La première
concernant l’évolution de l’intensité en compétition dont nous supposerons une décroissance
au cours du temps, suivant une loi de puissance. En effet, les études similaires ayant été
effectuées dans d’autres sports tels que le Football et le Rugby ont pu montrer un tel
comportement. Au regard de la littérature scientifique sur le sujet, notamment dans ces deux
sports, nous nous appuierons sur une seconde hypothèse pour notre objectif secondaire. Celle-
ci sera que les situations classiques d’entrainement sont en mesures de reproduire les intensités
de compétitions.
Méthodologie
Approche expérimentale du problème
Afin de caractériser l'activité locomotrice maximale durant les matchs et les SSGs au niveau
élite en Handball, nous nous sommes appuyés sur une analyse rétrospective des données
collectées durant deux saisons consécutives (2018-2019 et 2019-2020). Toutes les données
105
relatives aux matchs ont été collectées lors de compétitions officielles (Lidl Starligue
[1ère division française], n=19 matchs et Ligue des champions européenne, n=18 matchs) pour
un total de 121 observations joueur-match. L’ensemble des matchs à notre disposition a été
étudié. En effet, notre système de suivi de l’activité des joueurs étant installé à demeure sur le
site du club, il nous était impossible de récupérer les données des matchs effectuées en
déplacement. De plus, la seconde saison ayant été limitée au début du mois de mars en raison
de la pandémie, cela a réduit le nombre de matchs à notre disposition. Nous avons décidé de ne
conserver que les données des joueurs ayant un temps de jeu effectif minimum de 30 min afin
de limiter l’impact d’un temps de jeu effectif réduit qui pourrait impliquer une intensité de jeu
plus importante. En ce qui concerne les SSGs, les données ont été collectées en cours de saison
lors de sessions d'entraînement classique, dans le même gymnase que celui où les matchs étaient
joués, pour un total de 342 observations joueurs-SSGs. Les trois formats de SSGs sélectionnés
pour la présente analyse l’ont été parce qu'ils étaient très régulièrement utilisés par l'équipe
d'entraîneurs et sont donc représentatif des sessions d’entrainements d’une équipe de niveau
élite. Par ailleurs, l’analyse de ces SSGs est à même de fournir des informations pour la
programmation des entrainements professionnels de Handball. Les SSGs choisis sont les
suivants 1) 4v4 joué sur une surface trapézoïdale d’approximativement 12 x 12 m + 1 gardien
de but (GK), 2) 6v6 joué sur un demi-terrain (6v6HF) + 1GK, 20 × 20 m, demi-terrain complet
et 3) 6v6 joué sur l’ensemble du terrain (6v6FF) + 2GKs, 40 × 20 m, tout terrain. Les détails de
chaque SSGs sont fournis dans le tableau 1 de cet article (cf. Tableau 8). Nous avons également
inclus l’analyse d’exercices de courses intermittentes à haute intensité (HIIT) afin de se rendre
compte des capacités physiques réelles des joueurs en termes d’intensité déployée, et de les
mettre en relation avec leur activité en match et en entrainement. Ces données de HIIT ont été
collectées durant la seule période de la saison permettant de tels exercices, à savoir la présaison,
lors des deux saisons étudiées. Ainsi, bien que n’étant représentative que d’un moment
particulier de la saison, il nous semble intéressant de s’y attarder car ces données sont
représentatives des intensités maximales que les joueurs sont en mesure de développer.
Participants
Le fait de ne conserver que les données des joueurs ayant un temps de jeu effectif minimum de
30 minutes nous a amené à ne conserver les données que de 11 joueurs professionnels (25±7
ans, 191±8 cm, 89±12 kg). Ces derniers font partie de l’effectif d'une équipe française de
106
Handball de 1ère division et ont été regroupés en fonction de leur poste de jeu (ailiers [n=4],
pivots [n=3], arrière [n=4]). Ces données sont issues du suivi quotidien des joueurs, dans le
cadre duquel les activités des joueurs ont été systématiquement mesurées, à domicile, au cours
de chaque session d’entrainement et de match au cours des deux saisons. L’analyse s’est réduite
à 11 joueurs car ces derniers n’étant pas obligé de porter le système en compétition, nous ne
pouvions pas nous appuyer sur l’ensemble de l’effectif professionnel. Cette problématique a
diminué au fur et à mesure des saisons grâce à de nombreuses discussions individuelles pour
leur faire comprendre l’intérêt pour eux et pour l’encadrement de disposer de leurs données de
compétition. Ainsi lors de la dernière saison, seul un joueur de champs et un gardien restaient
réticent à l’utilisation de l’outil en compétition. Malheureusement nous avons dû conduire notre
étude avant cette troisième saison, de ce fait nous avons dû nous contenter de ces 11 joueurs.
Protocole expérimental
Pour les matchs et les SSGs, l'activité des joueurs a été enregistrée à l'aide du LPS Kinexon™
que nous avons étudié lors de notre première étude. Cet outil s’appuie sur un système de
positionnement et un dispositif accélérométrique embarqué enregistrant les données à des
fréquences respectives de 20 Hz et 100 Hz (Kinexon™, Kinexon GMBH, Munich, Allemagne).
Pour rappel, il se compose de 14 antennes, positionnées autour du terrain de Handball à trois
hauteurs différentes, et de balises (incluant les différents capteurs) portées par les joueurs au
centre du haut du dos, à l'aide d’une brassière fournie par le fabricant. Les données ont été
traitées par le logiciel spécifique Kinexon™ pour obtenir la TD (m) et la DHV (m, distance
parcourue à une vitesse supérieure à 14,5 km·h-1). Le choix de ces variables provient de notre
première étude concernant la validité du dispositif Kinexon™ LPS qui nous a permis d’établir,
en comparaison à un outil de capture du mouvement en 3 dimensions (Vicon®), une validité
acceptable pour la mesure de la distance parcourue et la vitesse maximale atteinte lors de
sprints, et de mouvements latéraux et spécifiques au Handball. N’ayant pu valider les mesures
d’accélérations et de décélérations maximales de ce LPS, nous ne pouvons pas nous appuyer
sur ces données pour quantifier l’activité des joueurs de Handball en situation de compétition
et d’entrainement.
107
Variables
Mis à part les données de TD et de DHV, directement obtenu à partir du système Kinexon™,
nous avons calculé l'AR (a.u) à partir des données inertielles brutes (100Hz) comme une mesure
globale de la CE puisqu’elle est une représentation de la quantité de mouvement effectuée par
les joueurs. Pour rappel, l'AR ce calcul comme suit :
2 2 2 2 2 2
𝐴𝑐𝑐𝑒𝑙′𝑅𝑎𝑡𝑒™ = |√(𝑎𝑥𝑖 ) + (𝑎𝑦𝑖 ) + (𝑎𝑧𝑖 ) − √(𝑎𝑥𝑖−1 ) + (𝑎𝑦𝑖−1 ) + (𝑎𝑧𝑖−1 ) |
Le paramètre 𝑎𝑥 est l'accélération médio latérale, 𝑎𝑦 est l'accélération antéropostérieure et 𝑎𝑧

est l'accélération verticale, tandis que les indices 𝑖 et 𝑖 − 1 représentent respectivement des
mesures instantanées consécutives. Les mesures accélérométriques ont été traitées avec un
script personnalisé dans R Studio (Version R-4.0.2, R Foundation for Statistical Computing).
Pour plus de lisibilité, la valeur finale obtenue a été divisée par 100. Pour rappel, nous
privilégions cette variable au classique PlayerLoad car le calcul de ce dernier présente des
limites importantes pour être utilisé comme substitut de l'estimation de la CE du corps entier
(cf. 4.2.2 Mesures accélérométriques).
Modélisation de la loi de puissance
Dans le but d’être en mesure de comparer les données de joueurs ayant des temps de jeu effectif,
différents, que ce soit en match ou en entrainement, toutes les données ont d'abord été
rapportées par minutes (c'est-à-dire m·min-1 et a.u). À la suite de cela, nous nous sommes
appuyés sur la méthodologie employée par Delaney et al. (2015) dans le rugby et reprise par
Lacome et al. (2018) en Football. Ainsi, les intensités locomotrices maximales ont été calculées
pour différentes périodes à l’aide de moyenne mobile (0,5 ; 1 ; 2 ; 3 ; 4 ; 5 ; 6 ; 7 ; 8 ; 9 ; 10 et
15 min). Une fois obtenues les intensités maximales spécifique à chaque variable et chaque
poste, pour chacune de ces durées il a alors été possible de modéliser la décroissance de
l’intensité au cours du temps, pour l’ensemble des conditions. Pour cela, nous avons utilisé un
modèle de loi de puissance auquel nous avons soumis nos observations individuelles. Les
modélisations ainsi construites, à partir des données mesurées, permettent alors d’extrapoler les
intensités maximales théoriques qu’il est possible de récupérer à l’aide d’une simple régression
108
logarithmique. En effet, effectuer ce type de régression permet de transformer une courbe
suivant une loi de puissance en une droite, dont l’ordonnée à l’origine (i.e. intercept) correspond
à l’intensité maximale théorique pour une minute de temps de jeu, par définition du logarithme
puisque 𝑙𝑜𝑔(1) = 0. Le coefficient directeur (i.e. pente) de cette droite correspond alors au taux
de décroissance de l’intensité déployée au cours du temps. Nous avons alors utilisé ces valeurs
de pente et d’intercept pour comparer les intensités déployées par les joueurs en fonction de
leur poste, mais également comparer les résultats obtenus en compétition avec ceux issus des
SSGs classiques d’entrainement.
Analyse statistique
Préalablement à toute analyse statistique nous avons tenue à nous assurer que nos données
suivaient bien une distribution normale afin de définir le type d’analyse pouvant être effectué.
De ce fait, nous avons utilisé le test de normalité de Kolmogorov-Smirnov pour chaque variable
incluse dans l'analyse. Pour chacune des variables, les données rétro transformées ont été
utilisées pour les statistiques descriptives (moyenne ± écart-type). Avant toute analyse de nos
données en termes d’activité produite par les joueurs, nous avons tenu à vérifier dans quelle
mesure nos données correspondaient à nos modèles de loi de puissance. Pour cela nous avons
calculé des coefficients de corrélations entre nos données et nos modèles. Ainsi nous avons
définis que ces coefficients de corrélations étaient presque parfaits pour des valeurs > 0,95 et
acceptables pour des valeurs > 0,90. Toute valeur inférieure à 0,90 serait considérée pour notre
analyse comme une absence de corrélation. Notre premier niveau d’analyse de l’activité des
joueurs avait pour but d’examiner l'intensité locomotrice maximale globale pour les différentes
variables (TD, DHV et AR) et à évaluer les différences potentielles entre les positions pendant
les matchs de compétition. Pour cela les pentes et les intercepts de chaque variable locomotrice
ont été comparés à l'aide d'un modèle linéaire mixte où les positions des joueurs étaient traitées
comme un effet fixe, tandis que les joueurs étaient considérés comme un facteur aléatoire. Une
méthodologie similaire a été employée pour étudier les différences entre les matchs et les SSGs,
pour chaque variable. Dans ce cas l'événement (matchs ou SSGs) a été considéré comme fixe,
tandis que les joueurs ont été considérés comme un facteur aléatoire. Le fait de considérer les
joueurs comme des facteurs aléatoires, dans les différents modèles mixtes linéaires, permet de
supprimer statistiquement l’impact du temps de jeu effectif individuel des joueurs sur les
résultats. Afin de construire ces modèles d’analyse nous avons utilisé le logiciel statistique R
109
(R. 3.1.0, R Foundation for Statistical Computing) et en particulier le paquet lme4 qui permet
de générer ces modèles linéaires mixtes en spécifiant les effets fixes et les facteurs aléatoires.
Chaque modèle a ensuite été étudié de manière approfondie avec des différences standardisées
(ES), sur la base du principe de la taille de l'effet de Cohen. La standardisation a été effectuée
à l’aide des moyennes marginales estimées et de la variance associée fournies par le modèle
linéaire généralisé. Les valeurs seuils pour les différences standardisées étaient les suivantes :
triviales < 0,2 ; petites < 0,6 ; modérées < 1,2 ; grandes < 2 et très grandes > 2, comme décrit
par Hopkins. Les probabilités ont été utilisées pour faire une inférence probabiliste qualitative
sur la réalité des différences observées. Celles-ci ont été évaluées par rapport au plus petit
changement valable (0,2 × les écarts-types regroupés). L'échelle était la suivante : 25-75 %,
possible ; 75-95 %, probable ; 95-99 %, très probable ; > 99 %, presque certain.
Résultats
Le premier résultat que nous devons souligner est la validation du fait que la décroissance de
l’intensité déployée par les joueurs au cours du temps suit bien une loi de puissance. En effet,
le calcul des coefficients de corrélation entre les modèles de loi de puissance que nous avons
construits et nos données ont été, pour l’ensemble des conditions, supérieur à 0,95, hormis dans
le cas des HIIT pour lesquels nous avions des corrélations inférieures à 0,85 (cf. Tableau 7).
Ailiers Arrières Pivots

Session
DT DHV AR DT DHV AR DT DHV AR
4v4 0,97 0,99 0,97 0,97 0,99 0,98 0,99 0,99 0,99
6v6HF 0,99 0,99 0,98 0,98 0,99 0,97 0,99 0,99 0,98
6v6FF 0,97 0,99 0,96 0,97 0,99 0,98 0,98 0,99 0,96
Matchs 0,96 0,98 0,96 0,97 0,99 0,96 0,96 0,99 0,98
HIIT 0,72 0,83 0,44 0,66 0,81 0,75 0,76 0,85 0,81
Tableau 7 : Coefficients de Corrélation entre les données réelles et les modèles de loi de puissance.
Le principal résultat de l’analyse de l’intensité déployée par les joueurs en matchs est la
spécificité du poste d’ailier (cf. Figure 30). En effet, les joueurs à ce poste présentent la plus
haute intensité maximale théorique pour toutes les variables (TD : 156 ± 13 m·min-1 ;
DHV : 96 ± 12 m·min‑1 ; AR : 13 ± 3 u.a), et ce de manière significative (cf. Tableau 9).
Concernant la comparaison des intensités déployées en match et en entrainement, le principal

résultat à faire remonter est l’absence de reproduction des intensités de compétition durant les
entrainements, quels que soient les postes, les variables et la durée du SSGs (cf. Tableau 10).
110
Ainsi, pour la TD nous avions des différences standardisées entre les matchs et le 6v6FF de
1,74 ± 0,20 ; de 3,56 ± 0,22 pour le 6v6HF et de 3,68 ± 0,21 pour le 4v4. Pour la DHV nous
avons des résultats similaires avec des différences standardisées de 1,33 ± 0,19 par rapport au
6v6FF ; 4,21 ± 0,27 avec le 6v6HF et 5,94 ± 0,30 avec le 6v6HF. Enfin nous avions des
différences standardisées de 1,33 ± 0,19 en 6v6FF ; 3,31 ± 0,21 en 6v6HF et 3,25 ± 0,20 en 4v4
pour l’AR.
Discussion
À la lecture de la littérature scientifique, il nous est difficile de comparer nos résultats avec ceux
d’études ayant porté sur le Handball. En effet, nous nous sommes interrogés sur les intensités
maximales produites par les joueurs en compétition et en entrainement et aucune étude
auparavant n'avait proposé d'analyse à ce sujet. Néanmoins il nous est possible d’analyser nos
résultats en relation avec les informations existantes sur l’activité Handball, à la fois en termes
de volume et d’intensité globale. Il est également possible de considérer nos résultats au regard
des connaissances existantes sur d’autres sports collectifs intermittent tel que le Rugby et le
Football. Ainsi, concernant le fait que l’évolution de l’intensité déployée au cours du temps
suive une loi de puissance (cf. Tableau 7), cela est cohérent avec les travaux de Delaney et al.
(2015) en Rugby et avec ceux de Lacome et al. (2018) en Football. Le fait que nous ayons pu
montrer la spécificité du poste d’ailier en termes d’intensité de jeu (cf. Tableau 9) est
contradictoire avec les études de Karcher et al. (2014), Luteberget et al. (2017) ou encore
Póvoas et al. (2014). En effet lors de ces études précédentes, les joueurs de la base arrière étaient
ceux présentant la TD et la charge mécanique (i.e. PlayerLoad™) les plus élevés (cf. 3.3
Distribution du volume de l’activité). Cette différence n’est pas surprenante puisque ces études
antérieures se sont intéressées à l’intensité moyenne et au volume d’activité global, alors que la
présente étude s’intéresse à l'intensité maximale. Ceci, souligne encore l'importance de la
méthode employée lors de l’analyse des exigences de match (cf. 3.6 Pics d’intensité).
D’ailleurs, lorsque l’on compare l'intensité déployée relative à la DT, sur des fenêtres de 15
minutes, nos résultats actuels étaient similaires à ceux rapportés par Póvoas pour la durée totale
du match (81 ± 7 vs. 82 ± 15 m-min-1). Néanmoins, lorsque l'on compare l'intensité locomotrice
maximale (127 à 156 m-min-1), le TD a été 1,7 à 2,4 fois plus élevé que celui rapporté dans les
études précédentes. La différence ainsi mise en évidence nous semble parfaitement logique
puisque l'intensité maximale mesurée est directement dépendante de la longueur de la fenêtre
111
de la moyenne mobile, comme l’on démontré Delaney et al. (2017). Par conséquent, les
praticiens pourraient avoir besoin de prendre en compte ces durées d'analyse plus courtes afin
de proposer un programme d'entraînement correspondant à l'activité locomotrice réelle des
joueurs durant les matchs. Malgré la différence de méthodes utilisées (i.e. intensité de l'activité
versus volume d’activité), nos résultats font écho à ceux des études précédentes concernant les
DHV. En effet, dans les deux types d’analyse les ailiers présentent le plus haut niveau de DHV
en comparaison avec les autres postes. Cela met en évidence le niveau élevé de spécificité de
ces joueurs, et donc la nécessité d’individualiser les entrainements pour eux, notamment par
l’utilisation de séquences de courses de haute intensité supplémentaires. Il est d’ailleurs
intéressant de noter qu’aucune différence significative n’a été mesurée entre les postes sur les
exercices de HIIT (ES DT : 0,01 — 0,43 ; DHV : 0,04 — 0,26 ; AR : 0,18 — 1,03). Cela induit
donc un paradoxe au regard de nos résultats, puisque cela implique une préparation non adaptée
au poste, avec soit une sur-préparation des arrières et des pivots (le plus probable) soit une sous-
préparation des ailiers (le moins probable puisque les ailiers performent en compétition).
D’autre part, concernant les pics d'intensité mesurés en match, il convient de mentionner que
malgré la grande spécificité des actions locomotrices de chaque position, une intensité similaire
dans les charges mécaniques a été observée pour les pivots et les arrières. En effet, les pivots
ont notamment pour objectif le maintien d'une position dans la défense adverse tandis que les
arrières multiplient les accélérations et les décélérations pour créer du mouvement dans la
défense adverse. Bien que la méthode de calcul soit différente de celle des études précédentes
utilisant le PlayerLoad™, il n'est pas surprenant de trouver des résultats similaires entre les
pivots et les arrières en ce qui concerne la DT (127 ± 10 vs 136 ± 13 respectivement) et la
charge mécanique (11 ± 2 vs 11 ± 2 respectivement) en raison des corrélations multiples entre
ces deux variables. Cependant, les joueurs de la base arrière répètent davantage d'événements
de haute intensité pour forcer les adversaires à se déplacer, tandis que les pivots effectuent des
courses suivies d'efforts isométriques pour maintenir leur position dans la défense de
l'adversaire. De plus, ces joueurs n'avaient pas la même activité en défense, puisque certains se
retrouvent principalement à défendre en poste 2 (arrières) tandis que d’autres sont généralement
en poste 3 (pivots). Ces différences de position impliquent des rôles différents et donc une
activité différente. En effet, les numéros 3 de défense, en étant au centre du dispositif, doivent
effectuer beaucoup plus d’action pour bloquer les attaquants adverses, et doivent également
organiser la défense et gérer le pivot adverse la majorité du temps. Par conséquent, cela souligne
112
l'importance de combiner le LPS avec les données de l'accéléromètre car ils fournissent tous
deux des informations différentes sur l'activité locomotrice des joueurs.
Concernant la comparaison entre les intensités de match et celles des situations classiques
d’entrainement, nos résultats sont contraires à ce qu’il a pu être démontré dans d’autres sports.
En effet Lacome et al. (2018) ont mis en évidence, au Football, la capacité des SSGs, organisé
en 10v10 sur tout terrain, de reproduire voire de surpasser les intensités de compétition.
Toutefois cette étude s’appuie sur une majorité de matchs amicaux tandis que notre étude ne
prend en compte que des matchs officiels, dont certain à élimination comme les huitièmes et
quart de final de la Champion’s League. Cela peut logiquement induire des intensités de jeu
supérieures à celle pouvant être engagées sur des matchs amicaux. De plus, l’enchainement des
rencontres en Handball (un match tous les 3-4 jours en moyenne sur 30 semaines) limite les
opportunités pour les entraineurs d’organiser des sessions d’entrainements pendant lesquels des
intensités similaires à celle des matchs serait recherché. Par conséquent, la majorité des
entrainements, et donc des SSGs, sont organisés à des fins technico-tactique, ce qui peut
également expliquer nos résultats. Néanmoins, puisqu’il arrive parfois de n’avoir qu’un seul
match dans la semaine, nous nous devons de recommander aux praticiens l’utilisation
d’exercices de cours isolé tel que des HIIT afin de reproduire ces intensités de compétitions
lorsque le calendrier le permet.
Limites
Bien que cette étude présente des informations nouvelles permettant de mieux caractériser
l’activités des joueurs de Handball en compétition et sur la capacité des situations
d’entrainement classique à reproduire les exigences des matchs, il convient de mentionner
plusieurs limites à notre travail. Premièrement, en raison du faible nombre de sujets étudiés,
nos résultats peuvent n’être représentatifs que des profils des joueurs. De même, n’ayant pu
travailler que sur une seule équipe et un unique entraineur, nos résultats peuvent n’être
représentatifs que du style d'entraînement mis en place. En effet, des résultats différents auraient
potentiellement pu être observés avec d'autres équipes utilisant des systèmes tactiques différents
pouvant influencer directement l'intensité locomotrice maximale. Par conséquent, il convient
de faire preuve de prudence lors de la généralisation de ces résultats à d'autres contextes. Par
ailleurs, seuls trois types de SSGs ont été étudiés. Il est probable que d'autres formats de jeu,
113
notamment les dimensions du terrain utilisé, le nombre de joueurs, les règles, l'inclusion ou non
de contacts, pourraient conduire à des résultats différents et nécessitent des investigations
supplémentaires. Nous relevons également la problématique de n’avoir pu considérer que les
entrainements et les matchs effectués à domicile sur une saison et demie uniquement. Il est
possible que les résultats auraient été différents avec une plus longue période analysée.
Conclusion
Nous pouvons donc valider notre première hypothèse de travail concernant la décroissance de
l’intensité déployée par les joueurs au cours du temps qui suit bien une loi de puissance. Nous
pouvons également conclure que des différences importantes existent entre les positions
(i.e. arrière, pivots et ailiers) et ce quelles que soient les variables étudiées (i.e. TD, HS, AR)
dans l’intensité déployée. Les ailiers présentent sont les joueurs auquel il est nécessaire
d’accorder une attention particulière puisqu’il s’agit de ceux présentant, toujours, la plus haute
intensité d’activité au cours des matchs. Toutefois, concernant notre seconde hypothèse de
travail, relative à la capacité des situations entrainement de reproduire les intensités de match,
nous devons la réfutée. En effet, quels que soient les formats de SSGs analysé dans cette étude,
aucun de ceux-ci n’est en mesure de reproduire les exigences de la compétition pour toutes les
variables étudiées, et ce indépendamment de leur durée. Ces nouvelles informations sont donc
primordiales pour individualiser la préparation physique des joueurs, notamment celle des
ailiers, et améliorer la gestion globale de la charge d'entraînement des handballeurs d'élite, en
particulier en ce qui concerne les SSGs classiquement utilisés. Nous noterons tout de même
l’importance pour des études ultérieures d'intégrer les contacts dans l'analyse de l'intensité
locomotrice maximale.
Au regard de nos résultats nous pouvons distinguer deux principales applications pratiques. La
première concerne la préparation physique des ailiers qui doit nécessairement prendre en
compte les spécificités de ce poste en particulier concernant la course à haute intensité qui
semble être spécifique à ce poste. Par ailleurs, puisque qu’aucun des SSGs étudiées ici ne
semble être en mesure de reproduire les exigences de la compétition, les praticiens doivent
pouvoir envisager parfois l'utilisation d'exercices de course isolés (par exemple, intervalles
courts ou sprint répété).
114
Article
115
116
Tableau 8 : Étude 2 : Table 1. Description of Small-sided games used the study.
117
118
Figure 30 : Étude 2 : Figure 1. Peak locomotor intensity during match, SSGs and HIIT as a function of each rolling
average period for playing position.
Tableau 9 : : Étude 2 : Table 2. Peak locomotor intensity per position and locomotor variables. Data are presented
as mean ± SD. † Difference from Back players. ‡ Difference from Pivots. Only effect sizes > 0.6 with likely chances
(>75%) that the differences are true are reported.
119
Tableau 10 : Étude 2 : Table 3. Peak locomotor intensity comparisons between match and small-sided games.
Intercepts and slopes are presented as mean ± SD. SEE stands for standard error of estimate.
120
121
Tableau 11 : Étude 2 : Matériel Supplémentaire, Table 1. Rolling Average during matches per
position and locomotor variables. Data are presented as mean ± SD.
122
Tableau 12 : Étude 2 : Matériel Supplémentaire, Table 2. Rolling Average during 6v6FF per
Tableau 13 : Étude 2 : Matériel Supplémentaire, Table 3. Rolling Average during 6v6HF per
123
Tableau 14 : Étude 2 : Matériel Supplémentaire, Table 4. Rolling Average during 4v4 per
Tableau 15 : Étude 2 : Matériel Supplémentaire, Table 5. Rolling Average during HIIT per
124
ÉTUDE 3 : EFFET DE L’ENCOMBREMENT DU
CALENDRIER SUR LA PÉRIODISATION DE LA
CHARGE D'ENTRAINEMENT CHEZ LES
JOUEURS DE HANDBALL ÉLITE
THE EFFECT OF CONGESTED FIXTURES ON

TRAINING LOAD PERIODIZATION IN ELITE
HANDBALL PLAYERS
Antoine Fleureau, Giuseppe Rabita, Cédric Leduc, Mathieu Lacome, and Martin
Buchheit. (2021). "The effect of congested fixtures on training load periodization in elite
Handball players." Biology of Sport. Soumis
125
Nous avons pu montrer, lors de notre revue de littérature, l’importance pour les entraineurs et
préparateurs physique d’adapter la CE afin de permettre aux joueurs de pouvoir performer tout
au long de la saison. Nous avons également mis en évidence qu’il est nécessaire d’ajuster cette
CE en fonction du rythme des matchs car l’enchainement de ceux-ci provoquent une diminution
des capacités physiques des joueurs. Or nous n’avons relevé qu’une seule étude portant sur
l’organisation des entrainements en Handball selon le rythme des rencontres malgré
l’organisation des calendriers officiels qui, pour les meilleures équipes, implique de jouer tous
les 3-4 jours en moyenne. Ainsi il semble qu’il persiste un manque de connaissance sur la
manière dont peuvent être régulés les entrainements en fonction du rythme des match, et alors
moduler la CE permettant de conserver le plus haut niveau de performance possible, et limiter
les risques de blessures. En effet, cette seule étude ayant porté sur le sujet ne s’est intéressée
qu’à la CEi mais n’a pas pris en compte la CEe, limitant de ce fait l’extrapolation de ses
résultats. L'application d'approches de surveillance de l’activité des joueurs similaires à celles
utilisées dans d'autres sports d'équipe, tel que le Rugby et le Football, avec une technologie LPS
permettrait de décrire la dynamique de CE lors de l’enchainement des matchs en Handball élite.
Ainsi, l'objectif de cette étude est de comparer la CEi et la CEe quotidienne lors des 3 séances
d'entraînement précédant le match en fonction du rythme de ces derniers. Notre hypothèse pour
cette dernière étude sera que l'activité des joueurs, durant les séances d'entraînement, est régulée
en fonction du rythme des matchs. Ceci implique donc de mesurer des volumes et/ou des
intensités d’entrainements (CEi et CEe) plus faible lorsque les matchs s’enchainent avec des
durées plus courtes.
Méthodologie
Approche expérimentale du problème
De même que lors de notre seconde étude nous nous sommes appuyés sur une analyse
rétrospective des données collectées durant les saisons 2018-2019 et 2019-2020. Nous avons
donc analysé un total de 129 sessions d’entrainements représentant 1121 observations
individuelles. Tout comme lors de notre seconde étude, nous avons dû limiter l’analyse de la
seconde saison (2019‑2020) à une demi-saison du fait de la pandémie. De même, nous n’avons
126
pas inclus la saison 2020-2021 car nous nous intéressions à l’impact du rythme des matchs sur
l’organisation des entrainements, or cette saison a été marquée par de très nombreuses
modifications du calendrier effectué en dernière minute, toujours du fait de la pandémie et des
protocoles sanitaires mis en place par les différents pays. En effet, l’équipe support de notre
étude participait à l’ensemble des compétitions nationales (Lidl Starligue, première division de
championnat de France ; coupe de France et coupe de la Ligue) et à l’European Champion's
League au niveau continental. Quatre schémas hebdomadaires différents, avec des durées
différentes entre les matchs, ont été analysées (durée de 3, 4, 5 et 6 jours ; cf. Tableau 16). Pour
chaque schéma hebdomadaire, les entrainements à 3, 2 et 1 jour du match à venir (MD3, MD2,
MD1) ont été analysés, avec respectivement 93, 534 et 494 observations individuelles
provenant de 14, 62 et 53 séances d'entraînement. Les séances individuelles telles que
l'entraînement supplémentaire ou la rééducation ont été exclues de l'analyse. Bien que nous
n'ayons pas analysé les matchs dans cette étude, l’absence de dispositif LPS lors des matchs en
déplacement implique que certaines données sont manquantes dans le cas des entraînements à
l'extérieur, notamment les veilles de matchs. C’est pourquoi nous avons préféré ne nous
intéresser qu’aux entrainements précédant les matchs à domiciles.
Participants
Cette étude s’appuie sur la même durée et les mêmes sujets que notre seconde étude, à la simple
différence que nous n’avions pas de nécessité de limiter l’analyse aux joueurs ayant un temps
de jeu effectif minimal de 30 minutes. En effet, puisque nous ne nous intéressions uniquement
aux entrainements et que tous les joueurs, quel que soit leur temps de jeu, participait à
l’ensemble de ceux-ci, il n’y avait aucun impact du temps de jeu effectif individuel sur l’activité
en entrainements. De ce fait, les données ont été recueillies auprès de 16 joueurs (29±6 ans,
193±8 cm, 95±12 kg) d'une équipe professionnelle élite française de Handball sur deux saisons
consécutives (2018/2019 et 2019/2020). Ces données n’incluent que les séances d'entraînement,
car nous n’avions pas l’ambition d’analyser l’activité des joueurs en match en fonction du
rythme de ceux-ci. L’ensemble des données ont été recueillies lors de sessions à domicile,
toujours du fait de l’installation à demeure du système de suivi. Les joueurs ont été regroupés
en fonction de leur position de jeu (ailiers [n=7], pivots [n=3], joueurs arrière [n=6]). Ces
données sont issues du suivi quotidien des joueurs au cours duquel les activités des joueurs ont
été mesurées de manière routinière tout au long de chaque saison.
127
Matériel
Dans le cadre de cette étude, nous nous sommes intéressés aux deux aspects de la CE, à savoir
la CEe et la CEi. Ainsi différents paramètres ont été utilisés pour déterminer chacune de ces
deux variables.
Charge d’entrainement externe
Comme pour nos précédentes études, l'activité des joueurs a été enregistrée à l'aide de l’outil
LPS Kinexon™ permettant des mesures à une fréquence de 20Hz et incluant un dispositif
accélérométrique embarqué fonctionnant à 100Hz (Kinexon™, Kinexon GMBH, Munich,
Allemagne). La configuration de cet outil était bien évidemment la même que lors de nos études
antérieures, basé sur 14 antennes, positionnées autour du terrain de Handball sur trois niveaux
différents, et de balises portées par les joueurs au centre du haut du dos, toujours à l'aide de la
brassière du fabricant. Le processus de mesure de la position employé par cet outil était bien
évidemment le même (différence de temps d'arrivée, le Two-Way Ranging et l'angle d'arrivée).
Cet outil nous a permis de récupérer directement après un traitement interne effectué par le
fabricant, les données de DT et de DHV, comme pour la seconde étude. De la même manière
que lors de notre étude précédente, nous avons calculé l’AR comme une mesure globale de la
CE puisqu’elle est une représentation de la quantité de mouvement effectuée par les joueurs.
Charge d’entrainement interne
En ce qui concerne la CEi, nous nous sommes appuyés sur les méthodes de RPE et de sRPE
(cf. 4. DÉFINITION DE LA CHARGE D’ENTRAINEMENT EN SPORTS COLLECTIFS).
Pour rappel, la RPE est une mesure subjective de l'intensité de l'entraînement par le joueur
tandis que la sRPE correspond à la multiplication de cette RPE par le temps de pratique (durée
de l’entrainement) en minutes. Nous avons conservé la classique échelle modifiée d'évaluation
de l'effort perçu en 10 points (CR10) pour la mesure de la RPE. Cette dernière a été demandée
systématiquement après la session d’entrainement de manière individuelle, et ce dans un laps
de temps inférieur à 45 minutes afin de s’assurer que les sujets déclarent une RPE pour
l'ensemble de la session d'entraînement.
128
Nous avions donc choisi trois variables représentatives de la CEe, et une deux variables pour la
CEi. Afin d’être cohérent, puisque la RPE peut être considéré comme une variable
correspondant à l’intensité de la CEi de l’entrainement et la sRPE correspondant plutôt au
volume de cette CEi, nous avons tenu à proposer des variables respectivement représentatives
du volume et de l’intensité de la CEe. C’est pourquoi nous avons transformé nos données de
DT, DHV et AR, qui correspondent à des volumes d’activité, pour les rapporter à la durée des
entrainements et ainsi obtenir des données représentatives des intensités. Ainsi nous avions
donc quatre variables respectivement pour le volume et l’intensité des entrainements, avec trois
correspondant à la CEe et une pour la CEi. En dehors de cela, et du calcul de l’AR tel que nous
avons l’expliqué auparavant, aucun traitement n’a été effectué sur les données.
Analyse statistique
Comme lors de notre étude précédente, nous avons commencé par vérifier la normalité de la
distribution de nos données à l’aide du test de Kolmogorov-Smirnov pour chacune des variables
étudiées. Celui ayant été concluant, nous avons pu utiliser, comme lors de notre seconde étude,
des modèles linéaires mixtes pour comparer les résultats obtenus pour chacun des jours
d’entrainement étudiés. Pour chaque analyse, le nombre de jours entre deux matchs (c'est-à-
dire 3, 4, 5, 6) a été inclus comme effet fixe, tandis que les joueurs ont été inclus comme effets
aléatoires. Comme lors de notre seconde étude, nous avons approfondi l’analyse de ces modèles
à l’aide des différences standardisées (ES), sur la base du principe de la taille de l'effet de Cohen.
Les valeurs seuils pour les différences standardisées, issus des travaux de Hopkins, étaient les
suivantes : triviales < 0,2 ; petites < 0,6 ; modérées < 1,2 ; grandes < 2 et très grandes > 2. Nous
avons également reproduit l’inférence probabiliste qualitative sur les véritables différences
observées à l’aide de probabilités, évaluées en comparaison au plus petit changement détectable
(0,2 × les écarts-type regroupés). L'échelle était la suivante : 25 - 75 %, possible ; 75 - 95 %,
probable ; 95 - 99 %, très probable ; > 99 %, presque certain. Pour s'assurer que seules les
différences significatives sont présentées, et pour limiter l'impact de la grande taille de
l'échantillon analysé, seules les différences standardisées > 1,2 (grandes) ayant une probabilité
d'être vraies > 95 % (très probable) ont été rapportées.
129
Résultats
Toutes les données présentées dans la présente étude correspondent à la moyenne de tous les
joueurs ayant participé aux séances d'entraînement. Les principaux résultats que nous pouvons
mettre en exergue sont, d’une part, des intensités et des volumes d’activités inférieurs à MD-3
et MD-2 lorsque respectivement 4 et 3 jours étaient disponibles entre deux matchs
(cf. Vert, Tableau 16), et d’autre part une intensité et un volume d’activité constant veille de
match (cf. Bleu Tableau 16). Il est tout de même important de relever également que l’AR par
minutes restait constant quel que soit le nombre de jours entre deux matchs.
Durée
entre 2 Contenu de la session
matchs
MD-2 MD-1
3 jours Match Match
Entrainement Entrainement
MD-3 MD-2 MD-1
4 jours Match Match
Entrainement Entrainement Entrainement
MD-4 MD-3 MD-2 MD-1
5 jours Match Match
Entrainement Entrainement Entrainement Entrainement
MD-5 MD-4 MD-3 MD-2 MD-1
6 jours Match Match
Entrainement Entrainement Entrainement Entrainement Entrainement
Tableau 16 : Description des schémas hebdomadaires analysés. Les jours de match sont mis en exergue en rouge,
en noirs les entrainements non étudiés, en vert les Entrainements présentant une diminution du volume et de la
charge d’entrainement, en bleu les entrainements équivalent en intensité et en volume et en blanc les entrainements
sans caractéristique notable.
Discussion
Puisque la littérature scientifique sur la gestion de la CE en Handball se réduit à une étude, il

nous est difficile de discuter de nos résultats sur cette activité en particulier. Néanmoins,
puisque ce sujet a déjà été très détaillé dans d’autres sports, tel que le Football et le Rugby, nous
pouvons discuter nos résultats au regard de ces informations. Toutefois, puisque notre étude
était très descriptive nous n’avons que peu de résultats prépondérants. Le premier d’entre eux
est évidemment la régulation apportée, à la fois en termes de volume et d’intensité, les
avant‑veilles de match et 3 jours avant le match, lorsque la durée entre deux matchs était de 3
et 4 jours respectivement (cf. Tableau 16, Figure 31, Figure 32). Ce résultat est en accord avec
ce que Clemente et al. (2019) ont pu montrer en Handball à partir des données de CEi et de
questionnaires subjectifs d’état de formes recueillis auprès des joueurs (27,7 % moins
importante à trois jours du match à venir pour des durées de trois jours entre deux matchs). De
même nos résultats sont cohérents avec ceux issus du Football mis en évidence par Anderson
130
et al. (2016) et Oliveira et al. (2019), qui démontre une diminution de la charge d’entrainement
les lendemains de match (Anderson : TD : – 33 % à MD-3 ; Oliveira : RPE : – 43 % à MD-3 et
– 16 % à MD-2, TD : – 30 % à MD-3 et – 23 % à MD-2). En effet, cela semble logique, mais
il est important de préciser que lorsque l’on parle de l’entrainement à trois jours du match à
venir pour une durée totale de 4 jours entre deux matchs, cela correspond au lendemain du
match précédent (cf. Tableau 16). Il en est de même lorsque l’on parle de l’entrainement
d’avant-veille de match pour une durée globale de 3 jours entre deux rencontres. Cet ajustement
de CE correspond alors à une volonté des entraineurs de minimiser la fatigue tout en optimisant
la récupération des joueurs. Il est également intéressant de noter que lorsque la durée entre deux
matchs est suffisamment longue (5 ou 6 jours), alors nous observons une nette diminution dans
les volumes et les intensités de DHV (passant de 527 m à 284 m et de 5,2 m·min-1 à 3,1 m·min‑1
pour 6 jours ; de 384 m à 185 m et de 4,4 m·min‑1 à 1,9 m·min‑1 pour 5 jours). Cette diminution
est possible du fait de la haute intensité et des hauts volumes de DHV à trois jours du match
suivant. C’est d’ailleurs lors de ces entrainements que l’on observe les intensités et les volumes
les plus hauts (2,3 et 3,2 fois plus haut que les veilles de match). La diminution observée est
donc simplement liée à un retour à des volumes et des intensités classiques d’entrainement. Le
fait d’observer cette augmentation de la CE à trois jours du match à venir confirme également
le fait que les entraineurs cherchent à moduler cette CE en fonction du rythme des matchs.
Ainsi, ils proposent des sessions présentant une plus grande part de DHV dès lors que le rythme
des matchs le permet. Par ailleurs nous pouvons souligner que quel que soit le nombre de jours
entre deux matchs, l’AR et la DT rapporté par minutes sont toujours similaire (3,3 ± 0,6 u.a et
46,9 ± 7,3 m·min‑1). Cela signifie une certaine constance dans la CEe, bien que des différences
puissent être mesurées en termes de DT, DHV et DHV/min. nous pouvons comprendre cette
information comme une volonté de l’entraineur de conserver une constance dans l’intensité des
entrainements mais également que cette constance s’organise au travers d’exercices différents
permettant d’ajuster les volumes et les intensités de courses à haute vitesse. Ce contraste, entre
la constance de certaines variables de CEe et la variation d’autres de ces variables, montre bien
la volonté de l’entraineur de moduler les entrainements pour les adapter au rythme des matchs.
En effet, nous avons constaté une diminution du volume et de l’intensité des courses à haute
vitesse les jours précédant les matchs sans pour autant qu’il y ait de variation marquée sur les
volumes et les intensités concernant la DT. Cela reflète bien la volonté de la part de l’entraineur
de proposer des contenus d’entrainement différents selon le rythme des matchs mais également
131
en fonction du nombre de jours restant avant la prochaine rencontre. Toutefois, malgré ces
adaptations et ces régulations de la CE mise en place par les entraineurs, nous devons noter la
constance des entrainements de veille de match. Ces derniers présentent en effet des volumes
et des intensités de travail extrêmement stable quel que soit le rythme des matchs (DT : 4295 ±
957 ; DHV : 224,8 ± 213,1 ; AR : 303,6 ± 70,7 ; sRPE : 416,3 ± 170,3 ; DT/min : 47,1 ± 7,3 ;
HS/min : 2,5 ± 2,2 ; AR/min : 3,3 ± 0,6 ; RPE : 4,5 ± 1,7). Bien que ce résultat puisse paraitre
paradoxale, il est conforme à ce qu’il a pu être mis en évidence dans le Football par Oliveira et
Anderson dans leur études respectives (Oliveira : DT : 3576,8 ± 686,2 ; RPE : 2,5 ± 0,3 ; sRPE :
216,9 ± 42,1 et Anderson : DT : 2678,5 ± 269,2). De même, Clemente avait présenté des
résultats similaires dans le Handball à partir des données subjectives des joueurs (différence
standardisée entre − 0,53 et 0,72 entre lorsqu’il y a 3 jours ou plus entre deux matchs versus
lorsqu’il y a moins de trois jours). Ainsi, il semble classique pour les sports collectifs
intermittent de conserver un entrainement stable en termes de volume et d’intensité les veilles
de matchs. Cela peut naturellement s’expliquer par la nécessité de procéder à des derniers
ajustements techniques et tactiques lors de cet entrainement. De plus, favoriser des
entrainements constant veille de match permet aux joueurs de créer une forme de routine dès la
veille de match ce qui leur permet de se préparer de manière optimale pour la compétition à
venir. Ainsi l’apport de cette étude est donc bien de mettre en évidence l’organisation de la CE
lors des entrainements précédent les matchs en fonction du rythme de ces derniers, et ce dans
le cadre d’une équipe élite du Handball européen. Nous noterons tout de même qu’il est
nécessaire d’approfondir cette étude pour évaluer les performances des joueurs lorsque les
rencontres s’enchainent ainsi que tout au long de la saison, afin de vérifier la capacité de telles
stratégies de réduction de CE sont efficaces pour optimiser la récupération des joueurs.
Limites
Nous pouvons tout de même relever plusieurs limites à notre étude. La première est similaire à
notre seconde étude puisqu’il s’agit du fait que n’ayant pu analyser que 16 joueurs d’une unique
équipe, nos résultats peuvent n’être représentatifs que de l'équipe examinée, et difficilement
généralisable. En effet, des équipes utilisant des philosophies d'entraînement différentes, tel que
l'intégration ou non du travail physique dans la séance ou la mise en place de stratégies de
récupération, pourraient directement influencer la dynamique de CE observée. Par conséquent,
il nous est difficile de généraliser nos résultats à d'autres contextes. De plus, dans cette étude,
132
seuls les entraînements à domicile ont été analysés, mais les entraînements à l'extérieur
effectués veille de match peuvent influencer la dynamique de CE. En effet, les déplacements
ne pouvant pas toujours être organisés de manière optimale pour la gestion de la fatigue et de
la récupération des joueurs en raison de l’heure, de la durée et des conditions de transport. Cela
peut avoir un impact sur l'organisation de l'entraînement et par conséquent sur la gestion de CE.
Conclusion
Nous pouvons donc valider notre hypothèse de travail puisque nous avons bien mis en évidence
une diminution de la CE associée à une réduction du nombre de jours disponibles entre deux
matchs. Ceci est particulièrement vrai à MD-3 lorsque l’intervalle entre deux compétitions est
de quatre jours et MD-2 lorsque l’intervalle est de trois jours. Cela suggère que les entraîneurs
régulent la CE pour offrir aux joueurs à la fois la possibilité de récupérer du match précédent et
de se préparer pour le suivant. Ainsi, plus le temps entre les matchs est long, plus les entraineurs
cherchent à imposer une haute CE 2 et 3 jours avant le match suivant, et inversement. Toutefois
la validation de notre hypothèse ne peut être que partielle parce qu’aucune adaptation n’a pu
être détectée la veille de match. En effet, cet entrainement reste constant à la fois en termes
d’intensité et de volume quel que soit l’intervalle entre deux matchs. Ces entrainements de
veille de matchs ne présentent pas d'ajustement de CE car une certaine routine est préférable ce
jour-là, permettant la répétition d’exercices spécifiques, un travail d’affinage de la tactique ou
encore le renforcement de la confiance des joueurs.
Cette étude bien que très descriptive est néanmoins parfaitement adaptée aux besoins des
encadrements des équipes élites de Handball, puisque cela leur permettra de comprendre
comment la dynamique de CE est organisée aujourd’hui. Établir le constat de ce qui est en place
est primordiale pour pouvoir questionner le fonctionnement actuel et ainsi être en mesure de
l’optimiser. Ainsi notre étude permet d'améliorer la régulation de la charge de travail, ce qui
pourrait être bénéfique pour améliorer les performances et se protéger contre d'éventuelles
blessures. Par ailleurs, les différences significatives, constatées dans les CE quotidiennes en
fonction du rythme des matchs permettent de mieux appréhender la périodisation
hebdomadaire, notamment par une optimisation de la planification de la CE en fonction du
nombre de matchs par semaine.
133
Article
134
135
136
137
138
139
𝑎𝑥 𝑎𝑦 𝑎𝑧
140
141
142
143
144
145
146
147
148
149
150
r MD 2 MD 1
r MD 3 MD 2 MD 1
r MD 4 MD 3 MD 2 MD 1
r MD 5 MD 4 MD 3 MD 2 MD 1
MD 2 / MD 1 were analysed.
151
Figure 31 : Étude 3 : Figure 1: Variables related to external and internal training load volume: TD, HS, AR, sRPE.
The horizontal black line represents the mean, while the vertical black line represents ± SD, and each grey point
represents the data of a player during a training session.
Figure 32 : : Étude 3 : Figure 2: Variables related to external and internal training load intensity: TD/min, HS/min,
AR/min, RPE. The horizontal black line represents the mean, while the vertical black line represents ± SD, and each
grey point represents the data of a player during a training session.
152
Tableau 17 : Étude 3 : Table 1: Weekly turnover descriptions.
Table 1
3 day Turnover MD 2 MD 1
4 day Turnover MD 3 MD 2 MD 1
5 day Turnover MD 4 MD 3 MD 2 MD 1
6 day Turnover MD 5 MD 4 MD 3 MD 2 MD 1
Only MD 3 / MD 2 / MD 1 were analysed.
difference. SEE stands for standard error of estimate.
153
154
155
DISCUSSION GÉNÉRALE
Ce travail de thèse avait pour but de caractériser la CE en Handball par comparaison avec les
situations de compétition chez des joueurs d'une équipe faisant partie de l'élite européenne. Un
nouvel outil de mesure de l’activité des joueurs a été mis en place autour du terrain
d’entrainement et de compétition du PSG Handball. Afin d'évaluer la pertinence de l'utilisation
de ce système, notre premier axe de travail a été de vérifier la validité des données recueillies.
Ceci nous a permis de déterminer que le système Kinexon™ présentait une validité satisfaisante
afin de mesurer la position, la distance parcourue et la vitesse de déplacement des joueurs. À la
suite de cette première étude nous avons investigué l’intensité maximale produite par les
joueurs durant les matchs, en termes de distance parcourue, de DHV et de quantité de
mouvement. Dans le cadre de cette seconde étude, nous avons également cherché à savoir dans
quelle mesure les exercices traditionnels d’entrainements actuellement utilisés préparent les
joueurs aux exigences de la compétition. Cette étude a démontré que les intensités maximales
atteintes lors des matchs ne sont jamais reproduites durant les situations de jeux réduits les plus
fréquemment employées lors des entrainements. À la suite de cette étude il nous a semblé
important d’analyser la manière dont le rythme des matchs influençait la gestion de la CE. À ce
titre, nous avons cherché à détailler l’organisation des entrainements au cours des journées
précédant les matchs afin de comprendre dans quelle mesure les entraineurs régulent et adaptent
la CE des joueurs en fonction du rythme imposé par le calendrier sportif. Cependant, hormis
une diminution de la CE en entrainement les lendemains de matchs, aucune autre régulation n’a
pu être mise en évidence. Dans une première partie, nous discuterons des apports scientifiques
issus de nos trois études, puis dans une seconde partie, nous évoquerons les limites associées à
nos travaux. Enfin dans une troisième partie nous évoquerons des perspectives de recherche qui
émanent de nos résultats.
Apports des travaux expérimentaux
Système de suivi instantanée de la position : validation du Kinexon™
L’objectif de notre première étude était donc d'évaluer la validité du système LPS Kinexon™,
au milieu et au bord du terrain. Afin de déterminer la précision des mesures effectuées par ce
système, nous les avons comparées avec celles du système de capture de mouvement Vicon®.
156
Pour cela nous avons étudié trois types de mouvements, à savoir des sprints, des déplacements
latéraux et des déplacements spécifiques au Handball. Cette analyse a permis de déterminer que
la validité du système Kinexon™ peut être considérée comme acceptable pour mesurer les
déplacements typiques des sports collectifs de salle et plus particulièrement du Handball. En
effet, les mesures effectuées par le système Kinexon™ présentaient de fort coefficient de
corrélation de Pearson avec celles du système de référence Vicon® (r entre 0,90 ± 0,06 et 1,00
± 0,00 %) pour l’ensemble des variables, dans toutes les conditions testées et ce quel que soit
le type de mouvement analysé, hormis pour trois cas particuliers. Ces derniers étaient tous
associés à des mesures d’accélérations et de (décélérations maximales lors des mouvements
spécifiques au centre du terrain [r : 0,61 ± 0,26] et accélérations et décélérations maximales lors
des sprints en bord de terrain [r : 0,25 ± 0,33 et 0,36 ± 0,30, respectivement]). À partir des
résultats de cette étude il nous est possible de dire que le système Kinexon™ est au moins aussi
valide que les différents systèmes GPS et LPS existants (Luteberget, et al. 2018b, Serpiello, et
al. 2018, Vickery, et al. 2014, Waldron, et al. 2011). Nos indices de validité sont d'ailleurs
équivalents ou supérieurs à ceux des autres systèmes de positionnements (GPS et LPS
confondus) pour la mesure de la vitesse maximale atteinte, et ce, quelle que soit la position sur
le terrain. Comme nous l’avons vu dans notre revue de littérature, la précision d’un système
LPS est dépendante de sa capacité à mesurer correctement à la fois la position et la vitesse
instantanée. Ici, nous avons pu vérifier la qualité de la mesure de la vitesse maximale. Or de
nombreuses études ont montré une diminution de la précision des mesures de vitesse avec
l’augmentation de cette dernière (Jennings, et al. 2010a, Petersen, et al. 2009). Ainsi, il semble
logique d’inférer de nos résultats que la mesure de la vitesse par le système Kinexon™ est
valide quelle que soit son intensité. De plus, la fiabilité des mesures de position du Vicon®
ayant déjà été démontrée (Merriaux, et al. 2017), l’analyse des signaux de position instantanée
des systèmes Kinexon™ et Vicon®, dont les résultats sont présentés en Figure 29, démontre
une excellente synchronisation et superposition, à la suite d’un filtrage similaire. Au regard de
ce résultat, et de ceux concernant la mesure de la vitesse (TEE comprise entre 0.02 et 0.05, CV
compris entre 0.3 et 2.1 %), il est possible d’inférer de la validité de la mesure de la position.
En outre, pour obtenir la distance parcourue par les athlètes, les systèmes LPS et GPS dérivent
les données instantanées de position. Puisque la position instantanée peut être considérée valide
dans le cas du système Kinexon™, il n’est pas exagéré de considérer comme valide l’évaluation
des distances parcourues. En effet, nous avons pu montrer que les mesures effectuées par ce
157
système sont similaire à celles effectuées par le Vicon®, qui est d’une précision de l’ordre du
millimètre (Merriaux, et al. 2017). Les systèmes LPS, comme les GPS, n’ont pas besoin d’une
telle précision pour mesurer les distances parcourues, c’est pourquoi nous pouvons affirmer que
les données, globale et par palier de vitesse, fournies par le système Kinexon™ sont
suffisamment fiables pour pouvoir être exploitées. Au vu des résultats de notre étude, il apparait
aussi que le système Kinexon™ est efficace pour la détection des évènements d’accélération,
de décélération et de changement de direction. Toutefois, lorsqu'il s'agit des valeurs maximales
d’accélération et de décélération, la validité des mesures diminue. Cette problématique de la
mesure des maximums atteints en accélération et décélération est commune à l’ensemble des
systèmes GPS et LPS actuellement existant et est inhérente aux systèmes de mesure en ce qu'il
nécessite une double dérivation du signal ce qui a pour effet d’augmenter les erreurs (Akenhead,
et al. 2014, Stevens, et al. 2014). De plus, la validité de la mesure des décélérations dépend
davantage que les autres variables (vitesse, distance total, etc…) de l'emplacement de la zone
de mesure, notamment dans le cadre de mouvements complexes tels que ceux fréquemment
utilisés dans le cadre de la pratique du Handball ou autres sports de salle, et analysés dans notre
étude.
Organisation et structuration des entrainements de Handball
Les objectifs de notre seconde étude étaient d’une part de caractériser l'intensité locomotrice
maximale des joueurs durant les compétitions, en fonction de leur poste, et d’autre part,
d'évaluer si les jeux à format réduits utilisés en entrainement permettaient de reproduire ces
intensités. Enfin, notre troisième et dernière étude avait pour but de proposer une description
de la manière dont est actuellement gérée la CE des joueurs, en entrainement, selon le rythme
des matchs.
Comparaison de l’activité en matchs selon les postes
Les principaux résultats de la seconde étude sont que l'intensité déployée pendant les matchs
étaient modérément différentes entre les postes et que les ailiers présentaient la plus haute
intensité. Cette étude suggère, au regard de la littérature antérieure, une modification de
l'activité des joueurs en match, depuis le début des années 2000, engendrant notamment une
augmentation de l’intensité déployée par les ailiers. Il semble, en effet, que les évolutions des
règles du Handball, ayant eu pour but de dynamiser le jeu, ont engendré une augmentation du
158
nombre de courses à haute intensité, en particulier pour les ailiers, qui sont les premiers joueurs
à mener les contre-attaques (Cardinale, et al. 2017, Luteberget, et al. 2018c, Manchado, et al.
2021, Pori 2003 , Wagner, et al. 2018, Wik, et al. 2017). De plus nous avons montré que les
joueurs de la base arrière présentent l’intensité de jeu la plus faible (Figure 24), mais c’est aussi
eux qui présentent le plus grand volume de jeu (Cardinale, et al. 2017, Luteberget, et al. 2018c,
Manchado, et al. 2021, Wagner, et al. 2018, Wik, et al. 2017). Les résultats obtenus concernant
le poste de pivot nécessitent d'être mis en perspectives. En effet, il s’agit d’un poste qui ne
présente pas une intensité significativement différente de celle des arrières mais dont le volume
de jeu reste pourtant inférieur, certainement du fait du plus grand nombre de rotations effectuées
par ces joueurs. Or, la diminution du volume de jeu devrait avoir pour effet d’augmenter
l’intensité déployée, ce que nous n’observons pas. Le rôle du pivot, en tant qu’élément
perturbateur se situant au cœur du dispositif défensif adverse implique que son activité soit
globalement statique. Ceci implique que les variables en lien avec la distance parcourue peuvent
ne pas être les plus pertinentes dans le cadre de l’analyse de leur activité (Cardinale, et al. 2017,
Luteberget, et al. 2018c, Manchado, et al. 2021, Wagner, et al. 2018, Wik, et al. 2017).
Comparaison des matchs et des entrainements
Nous avons ensuite comparé les intensités mesurées lors des matchs avec celles atteintes lors
des situations de jeux réduits les plus fréquemment utilisées par l’équipe lors des entrainements.
Notre recherche est, à notre connaissance, la première à avoir travaillé sur les intensités
d’entrainement chez des Handballeur élites. Cela nous a permis de mettre en évidence que les
intensités produites en compétition ne sont jamais reproduites en entrainement.
Périodisation de la charge d’entrainement
Dans le cadre de notre troisième et dernière étude nous avons pu mettre en évidence que la
gestion de la CE en Handball ne présente que peu de régulation selon le nombre de jours
disponibles entre deux matchs. Ces résultats sont différents de ceux observés en Football ou
Rugby pour lesquels une modification du temps disponible entre deux matchs entraine une
modification de l’organisation des entrainements (Anderson, et al. 2016, Oliveira, et al. 2019,
Stevens, et al. 2017). En effet, les études portant sur ces sports ont mis en évidence une
réduction du volume et de l’intensité de travail en cas de raccourcissement du délai entre deux
matchs et au contraire une augmentation, notamment 72h avant le match, en cas d’allongement
159
de ce délai. Toutefois, il n’est pas surprenant d’obtenir ce résultat dans le Handball au regard
de l’absence de reproduction des intensités de matchs en entrainements, observés lors de notre
précédente étude. L’unique adaptation que nous avons pu rapporter concerne les lendemains de
matchs qui présentent une diminution conséquente de la CE. Ce dernier résultat est cohérent
avec ce qui a pu être mis en évidence dans d’autres sports avec une réduction significative à la
fois du volume et de l’intensité lors de l’entrainement du lendemain du match (Anderson, et al.
2016, Oliveira, et al. 2019). D’ailleurs cela est adapté au regard des principes physiologiques
de l’entrainement tels que nous les avons présentés lors de notre revue de littérature. En effet,
le lendemain du match, généralement joué en fin d’après-midi ou dans la soirée, correspond à
la phase de réaction d’alarme et est donc associée à une diminution de la capacité physique. De
ce fait les lendemains de matchs sont toujours organisés pour permettre aux joueurs de
récupérer. Cependant, au regard des exigences du calendrier, il est parfois nécessaire de
proposer une séance de travail spécifique, qui sera alors allégée en termes de volume et
d’intensité. Par ailleurs, le fait que le niveau d'intensité des matchs ne soit pas atteint durant les
entrainements les 3 jours précédant le match signifie que les entraineurs privilégient la
récupération des joueurs au maintien ou développement de leurs capacités. Ainsi, lorsque le
calendrier s’allège, les exigences d’entrainement ne sont pas réévaluées pour tendre vers celles
de match afin de ne pas induire de fatigue supplémentaire chez les joueurs (Dello Iacono, et al.
2017, Dello Iacono, et al. 2018). Il est tout de même nécessaire de préciser que nos analyses
n’ont porté que sur l’activité sur le terrain, or l’activité en musculation, qui n’a pas été mesurée
dans le cadre de ce travail de recherche, est une solution pour introduire des entrainements de
haute intensité tout en excluant les effets délétères des contacts inhérents à la pratique du
Handball (Dello Iacono, et al. 2017, Dello Iacono, et al. 2018). Ces entrainements de sessions
physiques spécifiques, tels que des courses intermittentes, permettent d’induire de haute
dépense énergétique similaire à celles effectuées en matchs sans pour autant ajouter les
traumatismes liés aux contacts inhérents à la pratique de sport comme le Handball ou le Rugby
(Buchheit, et al. 2018, Coito, et al. 2022, Gabbett 2002, Gamble 2004, Lacome 2013, Lacome,
et al. 2014, Scanlan, et al. 2014). Une autre solution serait d’envisager l’utilisations de jeux
réduits interdisant l'utilisation du haut du corps pour les contacts physiques D’autre part, le fait
que les veilles de matchs présentent une intensité et un volume de travail constant quel que soit
le délai disponible entre deux matchs implique que l’entrainement de veille de match est
160
organisé comme une routine de préparation des matchs. Cela permet de proposer un travail
physique adapté et de procéder aux derniers ajustement technique et tactique.
Limites et considérations méthodologiques
Système de suivi instantané de la position : Kinexon™
La principale limite associée à notre première étude provient du fait qu’elle s’appuie sur une
configuration unique et non reproductible à l’identique du système Kinexon™ étudié. En effet,
celui-ci sera toujours calibré par la société fournissant le système aux différents utilisateurs dans
la configuration la plus favorable selon le site d’installation. Cela implique donc de possibles
différences de capacité du système, dépendant, entre autres, de la configuration des lieux. En
effet, nous pouvons noter que, dans notre configuration spécifique avec certaines antennes
disposées à 1m du terrain, nous avons obtenu des résultats meilleurs que ce qui a pu être mis en
évidences dans des études antérieures. Toutefois, nos résultats présentent encore des erreurs, en
particulier près des antennes pour les mesures d’accélérations et de décélérations maximales.
Ainsi la problématique de disposition des antennes autour du terrain, que nous avons souligné
dans notre étude, peut ne pas se retrouver dans d’autres configurations.
À la suite de nos études portant sur l’activité Handball, nous pouvons mentionner quelques
limites supplémentaires, au-delà de l’analyse des données fournies par l’outil.
Tout d’abord ces études ne portent que sur une seule équipe, et uniquement certains joueurs de
l’équipe, en raison des conditions d’inclusion dans les études, telles que le poste et le temps de
jeu effectif en match (16 joueurs testés dont 11 dans le cas l'étude 2). De ce fait il est possible
que nos résultats ne soient représentatifs que de l’équipe étudiée et du style d’entrainement
proposé par l’unique entraineur ayant travaillé avec l’équipe durant toute la durée de la thèse.
Des résultats différents auraient pu être observés avec d'autres équipes utilisant des systèmes
tactiques différents et une organisation des entrainements différentes. Par conséquent, il
convient de faire preuve de prudence quant à la généralisation de ces résultats à d'autres
contextes. De plus, seuls les matchs et entrainements à domicile sur une saison et demie ont pu
être étudiés du fait de l’installation à demeure de notre système Kinexon™. Il est donc possible
161
qu’avec une durée d’analyse plus longue, et donc un plus grand nombre de matchs et
d’entrainements étudiés, les résultats auraient été différents. Par ailleurs, l’analyse des matchs
à l’extérieur pourrait aussi amener à nuancer nos résultats (Oliveira, et al. 2021). En effet, lors
des longs déplacements des entrainements ont lieu, notamment les veilles de matchs. Or avec
les contraintes d’organisation des trajets il est possible que ces entrainements présentent des
différences en termes de volume et d’intensité de travail. En outre, dans le cadre de notre
seconde étude de thèse, seuls trois types de SSGs ont été analysés, du fait des choix de
l’entraineur qui dans le cadre de ses projets de jeu n’en a pas proposé d’autres. Or il a été prouvé
que les formats des jeux réduits (i.e., taille du terrain, nombre de joueurs, règles utilisées,
inclusion ou non de contacts) peuvent influencer l'intensité déployée (Clemente, et al. 2014,
Halouani, et al. 2014, Lacome, et al. 2018b). De ce fait, les résultats obtenus pourraient être
différents avec d’autres configurations d’entrainements. Enfin, la spécificité de la CE imposée
par les différents postes peut être plus ou moins bien prise en compte par les outils actuels.
Ainsi, les pivots en Handball ne présentant que peu d’événements car leur activité reste
majoritairement quasi isométrique et donc difficilement mesurable, ont une mesure de CE
certainement inférieure à la réalité de leur production sur le terrain. A l’inverse, les ailiers qui
produisent beaucoup de courses à haute intensité et d’évènements remarquables par les
technologies actuelles ont une CE certainement très représentative de leurs efforts sur le terrain.
Cette dichotomie implique donc la nécessité de construire des outils plus à même de mesurer la
CE neuromusculaire interne en activité ce qui permettrait aussi d’estimer de manière plus
pertinente les efforts quasi isométriques tels que ceux produits par les pivots.
162
CONCLUSION GÉNÉRALE ET APPLICATIONS
PRATIQUES
À travers notre travail de recherche nous avions pour but de participer à l'optimisation de la CE
en Handball à partir de comparaisons avec les situations de compétition. Pour cela il nous a
fallu commencer par valider le système de mesure de l’activité utilisé durant cette thèse. Ainsi
nous avons pu mettre en évidence dans la première étude que le système Kinexon™ est
suffisamment performant pour mesurer l’activité des joueurs de Handball. Nous avons ainsi pu
utiliser cet outil pour nos mesures liées à la CE quotidiens et de match bihebdomadaires chez
nos joueurs élites. De nos trois études présentées dans ce travail de thèse nous pouvons extraire
différentes applications pratiques.
Système de suivi instantanée de la position : Kinexon™
➢ La validité des données du système Kinexon™ pour mesurer les exigences du

Handball à la fois en termes de vitesse, d'accélération et de décélération maximales
est acceptable.
➢ L’outil offre la possibilité d’affiner l’analyse de l’activité Handball en entrainement

et en compétition en ajoutant aux paramètres traditionnels de temps et de
mouvement (respectivement, temps passé et distance parcourue dans des zones de
vitesse) les données concernant le nombre d'accélérations / décélérations ou le temps
passé dans des zones d'accélération / décélération (Delaney, et al. 2015, Lacome, et
al. 2014, Michalsik, et al. 2015, Stevens, et al. 2014).
➢ Certaines données doivent être traitées avec précaution par les praticiens, comme les
pics d'accélération et de décélération des ailiers, dont le niveau de précision s'est
avéré être parcellaire.
163
➢ Le poste d’ailier est le plus exigeant en termes d’intensité maximale de déplacements

ce qui implique un besoin de préparation physique spécifique mettant l’accent sur
les courses à haute intensité.
➢ L’utilisation des mesures associées aux distances parcourues ne permettent d’établir

qu’approximativement l’intensité déployée en match par les joueurs de Handball,
notamment dans le cas des pivots dont l’activité peut être statique (Cardinale, et al.
2017, Karcher and Buchheit 2014, Póvoas 2014).
➢ Puisque les exigences de matchs ne sont jamais reproduites durant les entrainements,
nous notons l’importance, dès lors que les conditions peuvent être réunies, de mettre
en place des exercices isolés (musculation, course) de haute intensité, ou bien des
jeux réduits interdisant les contacts. Cela permet aux joueurs de récupérer de la
fatigue spécifique induite par les contacts mais aussi de maintenir, voire d’élever,
leur niveau de performance (Buchheit 2014, Buchheit and Laursen 2013 , Dello
Iacono, et al. 2017, Dello Iacono, et al. 2018, Kunz, et al. 2019).
164
PERSPECTIVES DE RECHERCHES
Pour finir nous souhaiterions proposer plusieurs perspectives de recherche pouvant être menées
à la suite de notre projet et permettant d’approfondir les connaissances sur l’activité Handball
notamment en matière d'optimisation des entrainements.
Une des perspectives à court termes pourrait être de s’interroger sur les liens pouvant exister
entre le modèle de périodisation et la performance physique en match. En effet, puisque nous
avons pu établir des adaptations dans les volumes et les intensités des entrainements, il est
nécessaire de s’interroger sur l’impact de ces régulations sur la capacité des joueurs à performer.
Pour cela la première étape consisterait à s’interroger sur l’évolution des performances des
joueurs en match au cours de la saison afin d’établir si les effets traditionnellement mesurés de
l’enchainement des matchs, induisant une dégradation des performances physiques, se
retrouvent dans le contexte du Handball. Au-delà de l’impact sur les performances physiques
des joueurs, il est pertinent d’approfondir la question de la relation de causalité entre l’état de
forme des joueurs et le modèle de périodisation mis en place, car cela permettrait d’envisager
des pistes d’optimisation de la préparation des joueurs pour leur permettre d'être le plus
performant possible tout au long de la saison. Il serait alors intéressant d’associer cette analyse
à une étude de la périodisation de la CE mise en place, en Handball, à l’échelle du macrocycle
de la saison. En effet, après avoir établi, lors de notre troisième étude, la gestion de la CE mise
en place au cours des microcycle (durée disponible entre deux matchs), cette analyse permettrait
de mieux comprendre les adaptations et régulations mise en place au cours de ce macrocycle et
d’engager la réflexion sur les possibilités d’optimisation disponible, comme cela a pu être fait
dans d’autres sports, notamment le Football (Malone, et al. 2015). En effet, bien que très
descriptives, ces études sont les bases nécessaires à la discussion des organisations mise en
place lors des différents cycles. Ainsi décrire les fonctionnements actuels offrirait l’opportunité
de pouvoir les questionner et ainsi envisager de les optimiser. Au travers de l’optimisation de
ces cycles de travail il serait alors possible d’agir sur la capacité de performer des joueurs ainsi
que sur leur risque de blessure (Fox, et al. 2018, Gabbett and Domrow 2007, Gabbett and
Jenkins 2011), qui sont les deux principaux objectifs des encadrements des équipes
professionnelles de tout sport.
165
Une seconde perspective de travail, toujours dans le but d’optimiser la préparation des
handballeurs aux exigences de la compétition, serait d’approfondir l’apport relatif des données
de CEi et de CEe dans la mesure globale de la CE. L’objectif serait alors de comprendre dans
quelle mesure il est pertinent de mesurer simultanément l’ensemble des variables, mais aussi
les liens pouvant exister entre certaines d’entre elles et leur corrélation avec l’état de forme et
la fatigue des joueurs (Buchheit, et al. 2018, Impellizzeri, et al. 2019, McLaren, et al. 2018). En
effet, il a été démontré, notamment dans le Football, que certaines variables présentaient plus
d’intérêt que d’autre pour mesurer l’état de forme des joueurs (Bartlett, et al. 2017, Lacome, et
al. 2018a). De plus, il a été mis en évidence que des relations pouvaient être établies entre
différentes variables, en particulier avec la sRPE, mais que cela ne pouvait pas être généralisé
en raison de dépendance au profil des joueurs (Akenhead and Nassis 2016).
Enfin, la dernière perspective que nous proposerons est relative à l’amélioration du suivi des
capacités physiques des joueurs permettant d’optimiser le travail des préparateurs physiques.
En effet, pour permettre l’optimisation de la périodisation il est nécessaire de disposer de
marqueurs régulièrement mesurés pour établir un diagnostic de l’état de forme instantané des
joueurs. C’est d’ailleurs l’identification de ces marqueurs qui reste, aujourd’hui encore,
problématique. Un marqueur régulièrement utilisé en sport collectif est le profil force-vitesse
des joueurs, mais celui est difficilement reproductible au cours de la saison du fait de la lourdeur
des protocoles nécessaire à leur mesure. C’est pourquoi ce profil est actuellement défini
individuellement en début de saison sportive pour établir les programmes de présaison, mais il
n’est ensuite que très partiellement, voire pas du tout, utilisé au cours de la saison. Néanmoins,
il reste l’un des principaux indicateurs de l’état de forme des joueurs à disposition des
préparateurs physiques. Les travaux de Morin et al. (2021), en présentant une nouvelle manière
de mesuré ce profil à partir des données GPS, permettent d’envisager une réelle révolution dans
la gestion de la CE, en ouvrant l’opportunité d’effectuer un suivi quotidien de ce profil force
vitesse. En effet, cela offrirait la possibilité d’utiliser un marqueur fiable pour le suivi des
capacités physiques des joueurs tout au long de la saison. Cette méthodologie, approuvée en
Football, nécessiterait d’être questionné en Handball, à l’aide de l’outil LPS, car si cela se
vérifiait également dans ce sport, il serait possible d’assister à une révolution dans la manière
de réguler la CE et les programmes d’entrainement dans ce sport.
166
BIBLIOGRAPHIE
1. C. R. Abbiss and P. B. Laursen, Describing and Understanding Pacing Strategies During Athletic
Competition. Sports Medicine, 2008. 38(3): p. 239-52.
2. N. B. Abdelkrim, S. El Fazaa and J. El Ati, Time–Motion Analysis and Physiological Data of Elite
under-19-Year-Old Basketball Players During Competition. British journal of Sports Medicine, 2007.
41(2): p. 69-75.
3. Y. Adesida, E. Papi and A. H. McGregor, Exploring the Role of Wearable Technology in Sport
Kinematics and Kinetics: A Systematic Review. Sensors (Basel), 2019. 19(7).
4. R. Akenhead, et al., The Acceleration Dependent Validity and Reliability of 10 Hz Gps. Journal
of Science and Medicine in Sport, 2014. 17(5): p. 562-6.
5. R. Akenhead, J. A. Harley and S. P. Tweddle, Examining the External Training Load of an English
Premier League Football Team with Special Reference to Acceleration. Journal of Strength &
Conditioning Research, 2016. 30(9): p. 2424-32.
6. R. Akenhead and G. P. Nassis, Training Load and Player Monitoring in High-Level Football:
Current Practice and Perceptions. International Journal of Sports Physiology and Performance, 2016.
11(5): p. 587-93.
7. A. Al-Lail, A Motion Analysis of the Work-Rate & Heart Rate of the Elite Kuwaiti Handball
Players. Retrieved, 2001. 18(4): p. 2001.
8. L. Anderson, et al., Quantification of Training Load During One-, Two- and Three-Game Week
Schedules in Professional Soccer Players from the English Premier League: Implications for
Carbohydrate Periodisation. Journal of Sports Sciences, 2016. 34(13): p. 1250-9.
9. M. S. Aoki, et al., Monitoring Training Loads in Professional Basketball Players Engaged in a

Periodized Training Program. Journal of Strength & Conditioning Research, 2017. 31(2): p. 348-358.
10. A. L. Arcos, et al., Rating of Muscular and Respiratory Perceived Exertion in Professional Soccer
Players. Journal of Strength & Conditioning Research, 2014. 28(11): p. 3280-8.
11. R. J. Aughey, Applications of Gps Technologies to Field Sports. International Journal of Sports
Physiology and Performance, 2011a. 6(3): p. 295-310.
12. R. J. Aughey, Increased High-Intensity Activity in Elite Australian Football Finals Matches.
International Journal of Sports Physiology and Performance, 2011b. 6(3): p. 367-79.
13. D. Austin, T. Gabbett and D. Jenkins, The Physical Demands of Super 14 Rugby Union. Journal
of Science and Medicine in Sport, 2011. 14(3): p. 259-63.
14. D. J. Austin and S. J. Kelly, Positional Differences in Professional Rugby League Match Play
through the Use of Global Positioning Systems. Journal of Strength & Conditioning Research, 2013.
27(1): p. 14-19.
167
15. J. Bangsbo, L. Norregaard and F. Thorso, Activity Profile of Competition Soccer. Canadian
Journal of Sport Sciences, 1991. 16(2): p. 110-6.
16. E. W. Banister and T. W. Calvert, Planning for Future Performance: Implications for Long Term
Training. Canadian journal of applied sport sciences, 1980. 5(3): p. 170-6.
17. E. W. Banister and C. L. Hamilton, Variations in Iron Status with Fatigue Modelled from Training
in Female Distance Runners. European Journal of Applied Physiology and Occupational Physiology,
1985. 54(1): p. 16-23.
18. S. Barrett, A. Midgley and R. Lovell, Playerload: Reliability, Convergent Validity, and Influence
of Unit Position During Treadmill Running. International Journal of Sports Physiology and Performance,
2014. 9(6): p. 945-52.
19. S. Barrett, et al., The within-Match Patterns of Locomotor Efficiency During Professional Soccer
Match Play: Implications for Injury Risk? Journal of Science and Medicine in Sport, 2016a. 19(10): p.
810-5.
20. S. Barrett, et al., Within-Match Playerload Patterns During a Simulated Soccer Match: Potential
Implications for Unit Positioning and Fatigue Management. International Journal of Sports Physiology
and Performance, 2016b. 11(1): p. 135-40.
21. S. Barris and C. Button, A Review of Vision-Based Motion Analysis in Sport. Sports Medicine,
2008. 38(12): p. 1025-43.
22. J. D. Bartlett, et al., Relationships between Internal and External Training Load in Team-Sport
Athletes: Evidence for an Individualized Approach. International Journal of Sports Physiology and
Performance, 2017. 12(2): p. 230-234.
23. D. S. Bassett, et al., Learning-Induced Autonomy of Sensorimotor Systems. Nature

Neuroscience, 2015. 18(5): p. 744-51.
24. A. Bastida-Castillo, et al., Comparing Accuracy between Global Positioning Systems and Ultra-
Wideband-Based Position Tracking Systems Used for Tactical Analyses in Soccer. European Journal of
Sport Science, 2019. 19(9): p. 1157-1165.
25. A. Bastida Castillo, et al., Accuracy, Intra- and Inter-Unit Reliability, and Comparison between
Gps and Uwb-Based Position-Tracking Systems Used for Time-Motion Analyses in Soccer. European
Journal of Sport Science, 2018. 18(4): p. 450-457.
26. M. Beato, G. Devereux and A. Stiff, Validity and Reliability of Global Positioning System Units
(Statsports Viper) for Measuring Distance and Peak Speed in Sports. Journal of Strength & Conditioning
Research, 2018. 32(10): p. 2831-2837.
27. J. Belka, et al., Effects of Environmental Context on Physiological Response During Team
Handball Small Sided Games. International Journal of Exercise Science, 2017. 10(8): p. 1263-1274.
28. P. Blauberger, R. Marzilger and M. Lames, Validation of Player and Ball Tracking with a Local
Positioning System. Sensors (Basel), 2021. 21(4): p. 1465.
168
29. M. Bon. (2001). Quantified Evaluation of Loading and Monitoring of Heart Rate of Handball
Players in a Match. University of Ljubljana, Slovenia. In Slovenian: English abstract.
30. E. Borg and G. Borg, A Comparison of Ame and Cr100 for Scaling Perceived Exertion. Acta
Psychologica (Amst), 2002. 109(2): p. 157-75.
31. G. Borg, P. Hassmen and M. Lagerstrom, Perceived Exertion Related to Heart Rate and Blood
Lactate During Arm and Leg Exercise. European Journal of Applied Physiology and Occupational
Physiology, 1987. 56(6): p. 679-85.
32. J. Borresen and M. I. Lambert, The Quantification of Training Load, the Training Response and
the Effect on Performance. Sports Medicine, 2009. 39(9): p. 779-95.
33. P. C. Bourdon, et al., Monitoring Athlete Training Loads: Consensus Statement. International
Journal of Sports Physiology and Performance, 2017. 12(Suppl 2): p. S2161-S2170.
34. L. Bowen, et al., Accumulated Workloads and the Acute:Chronic Workload Ratio Relate to Injury
Risk in Elite Youth Football Players. British Journal of Sports Medicine, 2017. 51(5): p. 452-459.
35. L. J. Boyd, K. Ball and R. J. Aughey, Quantifying External Load in Australian Football Matches
and Training Using Accelerometers. International Journal of Sports Physiology and Performance, 2013.
8(1): p. 44-51.
36. P. S. Bradley, et al., The Effect of Playing Formation on High-Intensity Running and Technical
Profiles in English Fa Premier League Soccer Matches. Journal of Sports Sciences, 2011. 29(8): p. 821-
30.
37. S. Bredt, et al., Understanding Player Load: Meanings and Limitations. Journal of Human
Kinetics, 2020. 71(1): p. 5-9.
38. M. Buchheit, Programming High-Intensity Training in Handball. ASPETAR Sports Medicine

Journal, 2014. 3.
39. M. Buchheit, Chasing the 0.2. International Journal of Sports Physiology and Performance,
2016. 11(4): p. 417-8.
40. M. Buchheit, A. Gray and J. B. Morin, Assessing Stride Variables and Vertical Stiffness with Gps-
Embedded Accelerometers: Preliminary Insights for the Monitoring of Neuromuscular Fatigue on the
Field. Journal of Sports Sciences Med, 2015. 14(4): p. 698-701.
41. M. Buchheit, et al., Neuromuscular Responses to Conditioned Soccer Sessions Assessed Via Gps-
Embedded Accelerometers: Insights into Tactical Periodization. International Journal of Sports
Physiology and Performance, 2018. 13(5): p. 577-583.
42. M. Buchheit and P. B. Laursen, High-Intensity Interval Training, Solutions to the Programming
Puzzle. Sports medicine, 2013. 43(10): p. 927-954.
43. M. Buchheit, et al., Game-Based Training in Young Elite Handball Players. International Journal
of Sports Medicine, 2009a. 30(4): p. 251-8.
169
44. M. Buchheit, et al., Cardiorespiratory Responses During Running and Sport-Specific Exercises in
Handball Players. Journal of Science and Medicine in Sport, 2009b. 12(3): p. 399-405.
45. M. Buchheit and B. M. Simpson, Player-Tracking Technology: Half-Full or Half-Empty Glass?

International Journal of Sports Physiology and Performance, 2017. 12(Suppl 2): p. S235-S241.
46. N. F. Butte, U. Ekelund and K. R. Westerterp, Assessing Physical Activity Using Wearable
Monitors: Measures of Physical Activity. Medicine & Science in Sports & Exercise, 2012. 44(1S): p. S5-
S12.
47. F. Campos de Souza, et al., Hiit Models in Addition to Training Load and Heart Rate Variability
Are Related with Physiological and Performance Adaptations after 10-Weeks of Training in Young
Futsal Players. Frontiers in Psychology, 2021. 12.
48. W. B. Cannon, The Wisdom of the Body. 1939.
49. M. Cardinale, et al., Activity Profiles and Positional Differences of Handball Players During the
World Championships in Qatar 2015. International Journal of Sports Physiology and Performance,
2017. 12(7): p. 908-915.
50. C. Carling, Interpreting Physical Performance in Professional Soccer Match-Play: Should We Be

More Pragmatic in Our Approach? Sports Medicine, 2013. 43(8): p. 655-63.
51. C. Carling and G. Dupont, Are Declines in Physical Performance Associated with a Reduction in
Skill-Related Performance During Professional Soccer Match-Play? Journal of Sports Sciences, 2011.
29(1): p. 63-71.
52. N. R. Carlson, W. Buskist and G. N. Martin, Psychology: The Science of Behavior. 1997.
53. D. Carrilho, et al., Using Optical Tracking System Data to Measure Team Synergic Behavior:
Synchronization of Player-Ball-Goal Angles in a Football Match. Sensors (Basel), 2020. 20(17).
54. D. Casamichana, J. Castellano and C. Castagna, Comparing the Physical Demands of Friendly
Matches and Small-Sided Games in Semiprofessional Soccer Players. Journal of Strength & Conditioning
Research, 2012. 26(3): p. 837-43.
55. J. Castellano, D. Alvarez-Pastor and P. S. Bradley, Evaluation of Research Using Computerised

Tracking Systems (Amisco and Prozone) to Analyse Physical Performance in Elite Soccer: A Systematic
Review. Sports Medicine, 2014. 44(5): p. 701-12.
56. G. A. Cavagna, Force Platforms as Ergometers. Journal of applied physiology, 1975. 39(1): p.
174-179.
57. M. S. Chelly, et al., Match Analysis of Elite Adolescent Team Handball Players. Journal of
Strength & Conditioning Research, 2011. 25(9): p. 2410-7.
58. K. Y. Chen and D. R. Bassett, Jr., The Technology of Accelerometry-Based Activity Monitors:
Current and Future. Medicine & Science in Sports & Exercise, 2005. 37(11 Suppl): p. S490-500.
59. K. Y. Chen, et al., Re-Defining the Roles of Sensors in Objective Physical Activity Monitoring.
Medicine & Science in Sports & Exercise, 2012. 44(1 Suppl 1): p. S13.
170
60. L. Chiari, et al., Human Movement Analysis Using Stereophotogrammetry. Part 2: Instrumental
Errors. Gait & Posture, 2005. 21(2): p. 197-211.
61. F. M. Clemente, et al., Effects of Mental Fatigue in Total Running Distance and Tactical Behavior
During Small-Sided Games: A Systematic Review with a Meta-Analysis in Youth and Young Adult's
Soccer Players. Frontiers in Psychology, 2021a. 12: p. 656445.
62. F. M. Clemente, et al., Accelerometry-Workload Indices Concerning Different Levels of

Participation During Congested Fixture Periods in Professional Soccer: A Pilot Study Conducted over a
Full Season. International Journal of Environmental Research and Public Health, 2021b. 18(3): p. 1137.
63. F. M. Clemente, et al., Acute Effects of the Number of Players and Scoring Method on
Physiological, Physical, and Technical Performance in Small-Sided Soccer Games. Research in Sports
Medicine, 2014. 22(4): p. 380-97.
64. N. Coito, et al., Capturing and Quantifying Tactical Behaviors in Small-Sided and Conditioned
Games in Soccer: A Systematic Review. Research Quarterly for Exercise and Sport, 2022. 93(1): p. 189-
203.
65. M. J. Colby, et al., Accelerometer and Gps-Derived Running Loads and Injury Risk in Elite
Australian Footballers. Journal of Strength & Conditioning Research, 2014. 28(8): p. 2244-52.
66. D. Conte, et al., Workload and Well-Being across Games Played on Consecutive Days During in-
Season Phase in Basketball Players. The Journal of Sports Medicine and Physical Fitness, 2021. 61(4):
p. 534-541.
67. K. Corder, et al., Assessment of Physical Activity in Youth. Journal of Applied Physiology (1985),
2008. 105(3): p. 977-87.
68. S. J. Cormack, et al., Accelerometer Load as a Measure of Activity Profile in Different Standards
of Netball Match Play. International Journal of Sports Physiology and Performance, 2014. 9(2): p. 283-
91.
69. M. Corvino, et al., Effect of Court Dimensions on Players' External and Internal Load During
Small-Sided Handball Games. Journal of Sports Science and Medicine, 2014. 13(2): p. 297-303.
70. A. Couderc, et al., Repeated High-Intensity Effort Activity in International Male Rugby Sevens.
Journal of Strength & Conditioning Research, 2019.
71. A. Coutts, et al., Changes in Selected Biochemical, Muscular Strength, Power, and Endurance
Measures During Deliberate Overreaching and Tapering in Rugby League Players. International Journal
of Sports Medicine, 2007a. 28(2): p. 116-24.
72. A. J. Coutts and R. Duffield, Validity and Reliability of Gps Devices for Measuring Movement
Demands of Team Sports. Journal of Science and Medicine in Sport, 2010. 13(1): p. 133-5.
73. A. J. Coutts, et al., Monitoring for Overreaching in Rugby League Players. European Journal of
Applied Physiology, 2007b. 99(3): p. 313-24.
74. Z. L. Crang, et al., The Validity and Reliability of Wearable Microtechnology for Intermittent
Team Sports: A Systematic Review. Sports Medicine, 2021. 51(3): p. 549-565.
171
75. C. Cummins, et al., Global Positioning Systems (Gps) and Microtechnology Sensors in Team
Sports: A Systematic Review. Sports Medicine, 2013. 43(10): p. 1025-42.
76. B. Cunniffe, et al., An Evaluation of the Physiological Demands of Elite Rugby Union Using
Global Positioning System Tracking Software. Journal of Strength & Conditioning Research, 2009. 23(4):
p. 1195-1203.
77. N. E. Dalton-Barron, et al., Identifying Contextual Influences on Training Load: An Example in

Professional Rugby Union. Journal of Strength & Conditioning Research, 2018. 10.
78. M. J. Davies, et al., Comparison of Agility Demands of Small-Sided Games in Elite Australian
Football. International Journal of Sports Physiology and Performance, 2013. 8(2): p. 139-47.
79. B. Dawson, et al., Player Movement Patterns and Game Activities in the Australian Football
League. Journal of Science and Medicine in Sport, 2004. 7(3): p. 278-91.
80. P. B. Debien, et al., Monitoring Training Load, Recovery, and Performance of Brazilian
Professional Volleyball Players During a Season. International Journal of Sports Physiology and
Performance, 2018. 13(9): p. 1182-1189.
81. P. Delamarche, et al., Extent of Lactic Anaerobic Metabolism in Handballers. International

Journal of Sports Medicine, 1987. 8(1): p. 55-9.
82. J. A. Delaney, et al., Establishing Duration-Specific Running Intensities from Match-Play

Analysis in Rugby League. International Journal of Sports Physiology and Performance, 2015. 10(6): p.
725-31.
83. J. A. Delaney, et al., Peak Running Intensity of International Rugby: Implications for Training
Prescription. International Journal of Sports Physiology and Performance, 2017a. 12(8): p. 1039-1045.
84. J. A. Delaney, et al., Modelling the Decrement in Running Intensity within Professional Soccer
Players. Science and Medicine in Football, 2017b. 2(2): p. 86-92.
85. J. Delgado-Bordonau and A. Mendez-Villanueva, The Tactical Periodization Model. Fitness in

Soccer: The Science and Practical Application. Moveo Ergo Sum, 2014.
86. A. Dellal, et al., Heart Rate Responses During Small-Sided Games and Short Intermittent
Running Training in Elite Soccer Players: A Comparative Study. Journal of Strength & Conditioning
Research, 2008. 22(5): p. 1449-57.
87. A. Dellal, et al., The Effects of a Congested Fixture Period on Physical Performance, Technical
Activity and Injury Rate During Matches in a Professional Soccer Team. British Journal of Sports
Medicine, 2015. 49(6): p. 390-4.
88. A. Dello Iacono, et al., Effect of Small-Sided Games and Repeated Shuffle Sprint Training on
Physical Performance in Elite Handball Players. Journal of Strength & Conditioning Research, 2016.
30(3): p. 830-40.
89. A. Dello Iacono, et al., Neuromuscular and Inflammatory Responses to Handball Small-Sided
Games: The Effects of Physical Contact. Scandinavian Journal of Medicine & Science in Sports, 2017.
27(10): p. 1122-1129.
172
90. A. Dello Iacono, et al., Effect of Contact and No-Contact Small-Sided Games on Elite Handball
Players. Journal of Sports Sciences, 2018. 36(1): p. 14-22.
91. A. Dello Iacono, et al., Beneficial Effects of Small-Sided Games as a Conclusive Part of Warm-
up Routines in Young Elite Handball Players. Journal of Strength & Conditioning Research, 2021. 35(6):
p. 1724-1731.
92. M. Di Mascio and P. S. Bradley, Evaluation of the Most Intense High-Intensity Running Period
in English Fa Premier League Soccer Matches. Journal of Strength & Conditioning Research, 2013. 27(4):
p. 909-15.
93. L. Djaoui, et al., Physical Activity During a Prolonged Congested Period in a Top-Class European
Football Team. Asian Journal of Sports Medicine, 2014. 5(1): p. 47-53.
94. E. Dott, Analyse Qualitative Et Quantitative Des Actions Motrices En Handball. France: Master
Thesis, Strasbourg Sports Science University, 2002.
95. R. Dubois, et al., Influence of Weekly Workload on Physical, Biochemical and Psychological
Characteristics in Professional Rugby Union Players over a Competitive Season. Journal of Strength &
96. S. Duhig, et al., Effect of High-Speed Running on Hamstring Strain Injury Risk. British Journal of
Sports Medicine, 2016. 50(24): p. 1536-1540.
97. G. Dupont, et al., Effect of 2 Soccer Matches in a Week on Physical Performance and Injury
Rate. The American Journal of Sports Medicine, 2010. 38(9): p. 1752-8.
98. S. Edwards, High Performance Training and Racing. The heart rate monitor book, 1993. 12(2):
p. 113-123.
99. F. E. Ehrmann, et al., Gps and Injury Prevention in Professional Soccer. Journal of Strength &
100. M. Elloumi, et al., Igfbp-3, a Sensitive Marker of Physical Training and Overtraining. British
Journal of Sports Medicine, 2005. 39(9): p. 604-10.
101. H. Folgado, et al., The Effects of Congested Fixtures Period on Tactical and Physical Performance
in Elite Football. Journal of Sports Sciences, 2015. 33(12): p. 1238-47.
102. C. Foster, et al., A New Approach to Monitoring Exercise Training. Journal of Strength &
103. C. Foster, et al., Effects of Specific Versus Cross-Training on Running Performance. European
Journal of Applied Physiology and Occupational Physiology, 1995. 70(4): p. 367-72.
104. C. Foster, et al., Pacing Strategy and Athletic Performance. Sports Medicine, 1994. 17(2): p. 77-
85.
105. C. D. Foster, et al., Heart Rate Responses to Small-Sided Games among Elite Junior Rugby
League Players. Journal of Strength & Conditioning Research, 2010. 24(4): p. 906-11.
173
106. J. L. Fox, et al., The Association between Training Load and Performance in Team Sports: A
Systematic Review. Sports Medicine, 2018. 48(12): p. 2743-2774.
107. T. T. Freitas, et al., Effects of a Congested Fixture Period on Speed and Power Performance of
Elite Young Soccer Players. International Journal of Sports Physiology and Performance, 2021. 1(aop):
p. 1-7.
108. N. Furlan, et al., Running-Intensity Fluctuations in Elite Rugby Sevens Performance.

International Journal of Sports Physiology and Performance, 2015. 10(6): p. 802-7.
109. T. J. Gabbett, Training Injuries in Rugby League: An Evaluation of Skill-Based Conditioning

Games. Journal of Strength & Conditioning Research, 2002. 16(2): p. 236-41.
110. T. J. Gabbett, Gps Analysis of Elite Women's Field Hockey Training and Competition. Journal of
111. T. J. Gabbett and N. Domrow, Relationships between Training Load, Injury, and Fitness in Sub-
Elite Collision Sport Athletes. Journal of Sports Sciences, 2007. 25(13): p. 1507-1519.
112. T. J. Gabbett and D. G. Jenkins, Relationship between Training Load and Injury in Professional
Rugby League Players. Journal of Science and Medicine in Sport, 2011. 14(3): p. 204-9.
113. T. J. Gabbett and M. J. Mulvey, Time-Motion Analysis of Small-Sided Training Games and
Competition in Elite Women Soccer Players. Journal of Strength & Conditioning Research, 2008. 22(2):
p. 543-52.
114. T. F. Gallo, et al., Pre-Training Perceived Wellness Impacts Training Output in Australian
Football Players. Journal of Sports Sciences, 2016. 34(15): p. 1445-51.
115. P. Gamble, A Skill-Based Conditioning Games Approach to Metabolic Conditioning for Elite
Rugby Football Players. Journal of Strength & Conditioning Research, 2004. 18(3): p. 491-7.
116. P. Gaudino, et al., Factors Influencing Perception of Effort (Session Rating of Perceived Exertion)
During Elite Soccer Training. International Journal of Sports Physiology and Performance, 2015. 10(7):
p. 860-4.
117. E. Gil-Rey, A. Lezaun and A. Los Arcos, Quantification of the Perceived Training Load and Its
Relationship with Changes in Physical Fitness Performance in Junior Soccer Players. Journal of Sports
Sciences, 2015. 33(20): p. 2125-32.
118. E. M. Gorostiaga, et al., Effects of an Entire Season on Physical Fitness Changes in Elite Male
Handball Players. Medicine & Science in Sports & Exercise, 2006. 38(2): p. 357-66.
119. A. J. Gray, et al., Validity and Reliability of Gps for Measuring Distance Travelled in Field-Based
Team Sports. Journal of Sports Sciences, 2010. 28(12): p. 1319-25.
120. A. Gualtieri, et al., Workload Monitoring in Top-Level Soccer Players During Congested Fixture
Periods. International Journal of Sports Medicine, 2020. 41(10): p. 677-681.
121. J. Halouani, et al., Small-Sided Games in Team Sports Training: A Brief Review. Journal of
174
122. S. L. Halson, Monitoring Training Load to Understand Fatigue in Athletes. Sports Medicine,
2014. 44 Suppl 2(2): p. S139-47.
123. S. L. Halson and A. E. Jeukendrup, Does Overtraining Exist? Sports medicine, 2004. 34(14): p.
967-981.
124. M. Hardin, et al., Which Chart or Graph Is Right for You? Tell Impactful Stories with Data.
Tableau Software, 2012.
125. D. J. Harper, C. Carling and J. Kiely, High-Intensity Acceleration and Deceleration Demands in
Elite Team Sports Competitive Match Play: A Systematic Review and Meta-Analysis of Observational
Studies. Sports Medicine, 2019. 49(12): p. 1923-1947.
126. J. Hausler, M. Halaki and R. Orr, Application of Global Positioning System and Microsensor
Technology in Competitive Rugby League Match-Play: A Systematic Review and Meta-Analysis. Sports
Medicine, 2016. 46(4): p. 559-88.
127. C. Hausswirth, et al., Evidence of Disturbed Sleep and Increased Illness in Overreached
Endurance Athletes. Medicine & Science in Sports & Exercise, 2014. 46(5): p. 1036-45.
128. S. V. Hill-Haas, et al., Physiology of Small-Sided Games Training in Football: A Systematic

Review. Sports Medicine, 2011. 41(3): p. 199-220.
129. E. Hollville, et al. Minimaxx Player Load as an Index of the Center of Mass Displacement? A
Validation Study. in ISBS-Conference Proceedings Archive. 2015.
130. E. Hollville, et al., A Novel Accelerometry-Based Metric to Improve Estimation of Whole-Body

Mechanical Load. Sensors (Basel), 2021. 21(10): p. 3398.
131. S. L. Hooper and L. T. Mackinnon, Monitoring Overtraining in Athletes. Recommendations.

132. M. W. Hoppe, et al., Validity and Reliability of Gps and Lps for Measuring Distances Covered
and Sprint Mechanical Properties in Team Sports. PLoS One, 2018. 13(2): p. e0192708.
133. J. C. Hourcade, et al., Quatre Mois De Charge D’entraînement globale Et Par Exercice Chez Le
Footballeur Professionnel. Science & Sports, 2017. 32(4): p. 221-228.
134. F. M. Impellizzeri, et al., Physiological and Performance Effects of Generic Versus Specific
Aerobic Training in Soccer Players. International Journal of Sports Medicine, 2006. 27(6): p. 483-92.
135. F. M. Impellizzeri, S. M. Marcora and A. J. Coutts, Internal and External Training Load: 15 Years
On. International Journal of Sports Physiology and Performance, 2019. 14(2): p. 270-273.
136. F. M. Impellizzeri, et al., Use of Rpe-Based Training Load in Soccer. Medicine & Science in Sports
& Exercise, 2004. 36(6): p. 1042-7.
137. F. M. Impellizzeri, E. Rampinini and S. M. Marcora, Physiological Assessment of Aerobic Training

in Soccer. Journal of Sports Sciences, 2005. 23(6): p. 583-92.
175
138. V. B. Issurin, New Horizons for the Methodology and Physiology of Training Periodization.
139. R. Izzo and S. Sopranzetti, Speed, Acceleration, Deceleration and Metabolic Power in the Work
to Roles for a Workout More Targeted in Elite Football. Medicine & Science in Sports & Exercise, 2010.
42(1): p. 173.
140. R. Izzo, et al., Video Tracking for the Detection of External Load to Establish Proper Parameters
in Elite Soccer Players During High Intensity Training. Journal of Physical Education and Sport, 2018.
2018(2): p. 1199-1202.
141. A. Jaspers, et al., Relationships between Training Load Indicators and Training Outcomes in
Professional Soccer. Sports Medicine, 2017. 47(3): p. 533-544.
142. D. Jennings, et al., The Validity and Reliability of Gps Units for Measuring Distance in Team
Sport Specific Running Patterns. International Journal of Sports Physiology and Performance, 2010a.
5(3): p. 328-41.
143. D. Jennings, et al., Variability of Gps Units for Measuring Distance in Team Sport Movements.
International Journal of Sports Physiology and Performance, 2010b. 5(4): p. 565-9.
144. A. R. Jensenius, et al., A Study of the Noise-Level in Two Infrared Marker-Based Motion Capture
Systems. 2012.
145. R. J. Johnston, et al., Validity and Interunit Reliability of 10 Hz and 15 Hz Gps Units for Assessing
Athlete Movement Demands. Journal of Strength & Conditioning Research, 2014. 28(6): p. 1649-55.
146. R. J. Johnston, et al., The Validity and Reliability of 5-Hz Global Positioning System Units to
Measure Team Sport Movement Demands. Journal of Strength & Conditioning Research, 2012. 26(3):
p. 758-65.
147. C. Karcher and M. Buchheit, On-Court Demands of Elite Handball, with Special Reference to
Playing Positions. Sports Medicine, 2014. 44(6): p. 797-814.
148. J. J. Kavanagh and H. B. Menz, Accelerometry: A Technique for Quantifying Movement Patterns
During Walking. Gait & Posture, 2008. 28(1): p. 1-15.
149. S. J. Kelly, et al., Reliability and Validity of Sports Accelerometers During Static and Dynamic
Testing. International Journal of Sports Physiology and Performance, 2015. 10(1): p. 106-11.
150. T. Kempton, et al., Match-Related Fatigue Reduces Physical and Technical Performance During
Elite Rugby League Match-Play: A Case Study. Journal of Sports Sciences, 2013. 31(16): p. 1770-80.
151. D. C. Kennett, T. Kempton and A. J. Coutts, Factors Affecting Exercise Intensity in Rugby-Specific
Small-Sided Games. Journal of Strength & Conditioning Research, 2012. 26(8): p. 2037-42.
152. M. J. Klusemann, et al., Optimising Technical Skills and Physical Loading in Small-Sided
Basketball Games. Journal of Sports Sciences, 2012. 30(14): p. 1463-71.
153. A. Kniubaite, et al., Quantification of External and Internal Match Loads in Elite Female Team
Handball. Biology of Sport, 2019. 36(4): p. 311-316.
176
154. P. Kunz, et al., A Meta-Comparison of the Effects of High-Intensity Interval Training to Those of
Small-Sided Games and Other Training Protocols on Parameters Related to the Physiology and
Performance of Youth Soccer Players. Sports Medicine Open, 2019. 5(1): p. 7.
155. M. Lacome. (2013). Time Motion Analysis and Applied Physiology in Rugby Union : Study of
Fatigue Associated with Repeated Isometric Maximal Exercise. Université Claude Bernard - Lyon I.
156. M. Lacome, et al., A New Approach to Quantifying Physical Demand in Rugby Union. Journal of
Sports Sciences, 2014. 32(3): p. 290-300.
157. M. Lacome, B. Simpson and M. Buchheit, Monitoring Training Status with Player-Tracking
Technology. ASPETAR Sports Medicine Journal, 2018a. 7.
158. M. Lacome, et al., Small-Sided Games in Elite Soccer: Does One Size Fit All? International Journal
of Sports Physiology and Performance, 2018b. 13(5): p. 568-576.
159. M. I. Lambert and J. Borresen, Measuring Training Load in Sports. International Journal of
Sports Physiology and Performance, 2010. 5(3): p. 406-11.
160. P. Larsson, Global Positioning System and Sport-Specific Testing. Sports Medicine, 2003.
33(15): p. 1093-101.
161. Y. Le Meur, et al., A Multidisciplinary Approach to Overreaching Detection in Endurance Trained

Athletes. Journal of Applied Physiology (1985), 2013a. 114(3): p. 411-20.
162. Y. Le Meur, et al., Evidence of Parasympathetic Hyperactivity in Functionally Overreached

Athletes. Medicine & Science in Sports & Exercise, 2013b. 45(11): p. 2061-71.
163. K. A. Lemmink and C. Visscher, Effect of Intermittent Exercise on Multiple-Choice Reaction

Times of Soccer Players. Perceptual and Motor Skills, 2005. 100(1): p. 85-95.
164. D. Linke, D. Link and M. Lames, Football-Specific Validity of Tracab's Optical Video Tracking
Systems. PLoS One, 2020. 15(3): p. e0230179.
165. T. Little and A. G. Williams, Suitability of Soccer Training Drills for Endurance Training. Journal
of Strength & Conditioning Research, 2006. 20(2): p. 316-9.
166. A. Los Arcos, A. Mendez-Villanueva and R. Martinez-Santos, In-Season Training Periodization

of Professional Soccer Players. Biology of Sport, 2017. 34(2): p. 149-155.
167. I. Loturco, et al., Traditional Periodization Versus Optimum Training Load Applied to Soccer
Players: Effects on Neuromuscular Abilities. International Journal of Sports Medicine, 2016. 37(13): p.
1051-1059.
168. M. C. Luig P., Perše M., Kristan M., Motion Characteristics According to Playing Position in
International Men’s Team Handball., in 13th Annual Congress of the European College of Sports
Science. 2008.
169. L. S. Luteberget, B. R. Holme and M. Spencer, Reliability of Wearable Inertial Measurement

Units to Measure Physical Activity in Team Handball. International Journal of Sports Physiology and
Performance, 2018a. 13(4): p. 467-473.
177
170. L. S. Luteberget and M. Spencer, High-Intensity Events in International Women's Team
Handball Matches. International Journal of Sports Physiology and Performance, 2017. 12(1): p. 56-61.
171. L. S. Luteberget, M. Spencer and M. Gilgien, Validity of the Catapult Clearsky T6 Local
Positioning System for Team Sports Specific Drills, in Indoor Conditions. Frontiers in Physiology, 2018b.
9: p. 115.
172. L. S. Luteberget, H. P. Trollerud and M. Spencer, Physical Demands of Game-Based Training

Drills in Women’s Team Handball. Journal of sports sciences, 2018c. 36(5): p. 592-598.
173. J. J. Malone, et al., Seasonal Training-Load Quantification in Elite English Premier League Soccer
Players. International Journal of Sports Physiology and Performance, 2015. 10(4): p. 489-97.
174. J. J. Malone, et al., Unpacking the Black Box: Applications and Considerations for Using Gps
Devices in Sport. International Journal of Sports Physiology and Performance, 2017. 12(Suppl 2): p.
S218-S226.
175. C. Manchado, et al., Time–Motion Analysis by Playing Positions of Male Handball Players
During the European Championship 2020. International Journal of Environmental Research and Public
Health, 2021. 18(6): p. 2787.
176. D. Marqués-Jiménez, et al., Fatigue and Recovery in Soccer: Evidence and Challenges. The Open
Sports Sciences Journal, 2017. 10(1).
177. B. Marrier, et al., Training Periodization over an Elite Rugby Sevens Season: From Theory to
Practice. International Journal of Sports Physiology and Performance, 2018. 14(1): p. 1-9.
178. A. Martin-Garcia, et al., Positional Demands for Various-Sided Games with Goalkeepers
According to the Most Demanding Passages of Match Play in Football. Biology of Sport, 2019. 36(2): p.
171-180.
179. L. Matveyev, Problem of Periodization the Sport Training. Moscú, Rusia: FiS Publisher, 1964.
180. S. J. McLaren, et al., The Relationships between Internal and External Measures of Training
Load and Intensity in Team Sports: A Meta-Analysis. Sports Medicine, 2018. 48(3): p. 641-658.
181. D. A. McLean, Analysis of the Physical Demands of International Rugby Union. Journal of Sports
Sciences, 1992. 10(3): p. 285-96.
182. R. Meeusen, et al., Prevention, Diagnosis and Treatment of the Overtraining Syndrome: Joint
Consensus Statement of the European College of Sport Science (Ecss) and the American College of
Sports Medicine (Acsm). European Journal of Sport Science, 2013. 13(1): p. 1-24.
183. R. Meeusen, et al., Hormonal Responses in Athletes: The Use of a Two Bout Exercise Protocol
to Detect Subtle Differences in (over) Training Status. European journal of applied physiology, 2004.
91(2): p. 140-146.
184. P. Merriaux, et al., A Study of Vicon System Positioning Performance. Sensors (Basel), 2017.
17(7): p. 1591.
178
185. T. Meyer, H. H. Gabriel and W. Kindermann, Is Determination of Exercise Intensities as
Percentages of Vo2max or Hrmax Adequate? Medicine & Science in Sports & Exercise, 1999. 31(9): p.
1342-5.
186. L. Michalsik, H. Søndergaard and M. Flynn. Team Handball Match Analysis by Computer
Tracking from the Men’s European Championships 2016. in Crossing borders through Sport Science.
Proceedings of the 21th Annual Congress of the European College of Sport Science, Vienna, Austria.
2016.
187. L. B. Michalsik and P. Aagaard, Physical Demands in Elite Team Handball: Comparisons between
Male and Female Players. The Journal of Sports Medicine and Physical Fitness, 2015. 55(9): p. 878-891.
188. L. B. Michalsik, P. Aagaard and K. Madsen, Locomotion Characteristics and Match-Induced

Impairments in Physical Performance in Male Elite Team Handball Players. International Journal of
189. L. B. Michalsik, K. Madsen and P. Aagaard, Match Performance and Physiological Capacity of
Female Elite Team Handball Players. International Journal of Sports Medicine, 2014. 35(7): p. 595-607.
190. L. B. Michalsik, K. Madsen and P. Aagaard, Physiological Capacity and Physical Testing in Male
Elite Team Handball. The Journal of Sports Medicine and Physical Fitness, 2015. 55(5): p. 415-29.
191. L. B. A. Michalsik, P., Physical Demands in Elite Team Handball Comparisons between Male and
Female Players. The journal of Sports Medicine and physical fitness, 2015. 55: p. 878-891.
192. C. L.-P. Miguel A. Gómez, Jorge Viaño and Iván González-Garcia, Effects of Game Location,
Team Quality and Final Outcome on Game-Related Statistics in Professional Handball Close Games.
Kinesiology : international journal of fundamental and applied kinesiology, 2014. 46.
193. M. Mohr, P. Krustrup and J. Bangsbo, Match Performance of High-Standard Soccer Players with
Special Reference to Development of Fatigue. Journal of Sports Sciences, 2003. 21(7): p. 519-28.
194. A. Moreira, et al., Effect of a Congested Match Schedule on Immune-Endocrine Responses,

Technical Performance and Session-Rpe in Elite Youth Soccer Players. Journal of Sports Sciences, 2016.
34(24): p. 2255-2261.
195. R. Nagahara, et al., Concurrent Validity of Gps for Deriving Mechanical Properties of Sprint
Acceleration. International Journal of Sports Physiology and Performance, 2016. 12(1): p. 129-132.
196. N. J. Nedergaard, et al., The Relationship between Whole-Body External Loading and Body-
Worn Accelerometry During Team-Sport Movements. International Journal of Sports Physiology and
Performance, 2017. 12(1): p. 18-26.
197. D. P. Nicolella, et al., Validity and Reliability of an Accelerometer-Based Player Tracking Device.
PLoS One, 2018. 13(2): p. e0191823.
198. R. Oliveira, et al., In-Season Training Load Quantification of One-, Two- and Three-Game Week
Schedules in a Top European Professional Soccer Team. Physiology & Behavior, 2019. 201: p. 146-156.
179
199. R. Oliveira, et al., Will Next Match Location Influence External and Internal Training Load of a
Top-Class Elite Professional European Soccer Team? International Journal of Environmental Research
and Public Health, 2021. 18(10): p. 5229.
200. T. Oliveira, M. Gomez and J. Sampaio, Effects of Game Location, Period, and Quality of
Opposition in Elite Handball Performances. Perceptual and Motor Skills, 2012. 114(3): p. 783-94.
201. M. Pernigoni, et al., Assessing the External Load Associated with High-Intensity Activities
Recorded During Official Basketball Games. Frontiers in Psychology, 2021. 12: p. 668194.
202. C. Petersen, et al., Validity and Reliability of Gps Units to Monitor Cricket-Specific Movement
Patterns. International Journal of Sports Physiology and Performance, 2009. 4(3): p. 381-93.
203. J. Pino-Ortega, et al., Validity and Reliability of an Eight Antennae Ultra-Wideband Local
Positioning System to Measure Performance in an Indoor Environment. Sports Biomechanics, 2020: p.
1-11.
204. P. Pori, Analysis of Loading and Effort of Wing Players in Team Handball. Ljubljana: University
of Ljubljana, 2003.
205. M. D. Portas, et al., The Validity and Reliability of 1-Hz and 5-Hz Global Positioning Systems for
Linear, Multidirectional, and Soccer-Specific Activities. International Journal of Sports Physiology and
Performance, 2010. 5(4): p. 448-58.
206. S. Póvoas, Estudo Do Jogo E Do Jogador De Andebol De Elite. 2009.
207. S. C. Póvoas, Ascensão, A. A., Magalhães, J., Seabra, A. F., Krustrup, P., Soares, J. M., & Rebelo,
A. N. , Physiological Demands of Elite Team Handball with Special Reference to Playing Position. Journal
of strength and conditioning research, 2014. 28(2): p. 430–442.
208. M. Price and K. Halabi, The Effects of Work–Rest Duration on Intermittent Exercise and
Subsequent Performance. Journal of sports sciences, 2005. 23(8): p. 835-842.
209. D. Rainham, et al., Development of a Wearable Global Positioning System for Place and Health
Research. International Journal of Health Geographics, 2008. 7(1): p. 59.
210. E. Rampinini, et al., Accuracy of Gps Devices for Measuring High-Intensity Running in Field-
Based Team Sports. International Journal of Sports Medicine, 2014. 36(1): p. 49-53.
211. E. Rampinini, et al., Factors Influencing Physiological Responses to Small-Sided Soccer Games.
Journal of Sports Sciences, 2007. 25(6): p. 659-66.
212. F. Rannou, et al., Physiological Profile of Handball Players. The Journal of Sports Medicine and
Physical Fitness, 2001. 41(3): p. 349-53.
213. J. C. Rawstorn, et al., Rapid Directional Change Degrades Gps Distance Measurement Validity
During Intermittent Intensity Running. PLoS One, 2014. 9(4): p. e93693.
214. T. Reilly, A Motion Analysis of Work-Rate in Different Positional Roles in Professional Football
Match-Play. Journal of Human Movement Studies, 1976. 2: p. 87-97.
180
215. J. G. Richards, The Measurement of Human Motion: A Comparison of Commercially Available
Systems. Human Movement Science, 1999. 18(5): p. 589-602.
216. S. P. Roberts, et al., The Physical Demands of Elite English Rugby Union. Journal of Sports
Sciences, 2008. 26(8): p. 825-33.
217. J. Robineau, et al., “Road to Rio”: A Case Study of Workload Periodization Strategy in Rugby-7s
During an Olympic Season. Frontiers in Sports and Active Living, 2020. 1: p. 72.
218. S. Ryan, T. Kempton and A. J. Coutts, Data Reduction Approaches to Athlete Monitoring in
Professional Australian Football. International Journal of Sports Physiology and Performance, 2021.
16(1): p. 59-65.
219. J. Sampaio, et al., Heart Rate and Perceptual Responses to 2 X 2 and 3 X 3 Small-Sided Youth
Soccer Games. Journal of Sports Science and Medicine, 2007. 6(Suppl 10): p. 121-122.
220. H. Sarmento, et al., Match Analysis in Football: A Systematic Review. Journal of Sports Sciences,
2014. 32(20): p. 1831-1843.
221. R. Sassi, T. Reilly and F. Impellizzeri, A Comparison of Small-Side Games and Interval Training
in Elite Professional Soccer Players. Science and football V. Oxon: Routledge, 2005: p. 352-4.
222. A. T. Scanlan, et al., Training Mode's Influences on the Relationships between Training-Load
Models During Basketball Conditioning. International Journal of Sports Physiology and Performance,
2014. 9(5): p. 851-6.
223. S. Scantlebury, et al., Achieving a Desired Training Intensity through the Prescription of External
Training Load Variables in Youth Sport: More Pieces to the Puzzle Required. Journal of Sports Sciences,
2020: p. 1-8.
224. Y. Schutz and A. Chambaz, Could a Satellite-Based Navigation System (Gps) Be Used to Assess
the Physical Activity of Individuals on Earth? European journal of clinical nutrition, 1997. 51(5): p. 338-
339.
225. B. R. Scott, et al., A Comparison of Methods to Quantify the in-Season Training Load of
Professional Soccer Players. International Journal of Sports Physiology and Performance, 2013. 8(2): p.
195-202.
226. M. T. Scott, T. J. Scott and V. G. Kelly, The Validity and Reliability of Global Positioning Systems
in Team Sport: A Brief Review. Journal of Strength & Conditioning Research, 2015. 30(5): p. 1470-90.
227. H. Selye, Stress and the General Adaptation Syndrome. British Medical Journal, 1950. 1(4667):
p. 1383-92.
228. H. Selye, The Stress of Life. New York, Mc Gran-Hill Book Company. 1956, Inc.
229. H. Selye, [the Stress Syndrome]. Kango Gijutsu, 1965. 11(11): p. 92-8.
230. F. R. Serpiello, et al., Validity of an Ultra-Wideband Local Positioning System to Measure

Locomotion in Indoor Sports. Journal of Sports Sciences, 2018. 36(15): p. 1727-1733.
181
231. M. V. Šibila, Dinko ; Pori, Primož, Position-Related Differences in Volume and Intensity of Large-
Scale Cyclic Movements of Male Players in Handball. Kinesiology : international journal of fundamental
and applied kinesiology, 2004. 36: p. 58-68.
232. L. L. Smith, Cytokine Hypothesis of Overtraining: A Physiological Adaptation to Excessive Stress?

Medicine & Science in Sports & Exercise, 2000. 32(2): p. 317-31.
233. T. G. Stevens, et al., Quantification of in-Season Training Load Relative to Match Load in
Professional Dutch Eredivisie Football Players. Science and Medicine in Football, 2017. 1(2): p. 117-125.
234. T. G. Stevens, et al., Measuring Acceleration and Deceleration in Soccer-Specific Movements

Using a Local Position Measurement (Lpm) System. International Journal of Sports Physiology and
Performance, 2014. 9(3): p. 446-56.
235. L. Svilar, et al., Positional Differences in Elite Basketball: Selecting Appropriate Training-Load
Measures. International Journal of Sports Physiology and Performance, 2018. 13(7): p. 947-952.
236. M. Tanaka, L. Michalsik and J. Bangsbo, Activity Profiles During an Official League Game of
Danish Elite Team Handball Players.Japanese Journal of Physical Fitness and Sports Medicine, 2002.
15(1): p. 61-73.
237. J. C. Tee, M. Ashford and D. Piggott, A Tactical Periodization Approach for Rugby Union.
Strength & Conditioning Journal, 2018. 40(5): p. 1-13.
238. R. T. Thorpe, et al., The Influence of Changes in Acute Training Load on Daily Sensitivity of
Morning-Measured Fatigue Variables in Elite Soccer Players. International Journal of Sports Physiology
and Performance, 2017. 12(Suppl 2): p. S2107-S2113.
239. C. Twist, et al., Player Responses to Match and Training Demands During an Intensified Fixture
Schedule in Professional Rugby League: A Case Study. International Journal of Sports Physiology and
Performance, 2017. 12(8): p. 1093-1099.
240. J. Vanrenterghem, et al., Training Load Monitoring in Team Sports: A Novel Framework
Separating Physiological and Biomechanical Load-Adaptation Pathways. Sports Medicine, 2017.
47(11): p. 2135-2142.
241. M. C. Varley, G. P. Elias and R. J. Aughey, Current Match-Analysis Techniques' Underestimation

of Intense Periods of High-Velocity Running. International Journal of Sports Physiology and
Performance, 2012a. 7(2): p. 183-5.
242. M. C. Varley, I. H. Fairweather and R. J. Aughey, Validity and Reliability of Gps for Measuring
Instantaneous Velocity During Acceleration, Deceleration, and Constant Motion. Journal of Sports
Sciences, 2012b. 30(2): p. 121-7.
243. W. M. Vickery, et al., Accuracy and Reliability of Gps Devices for Measurement of Sports-Specific
Movement Patterns Related to Cricket, Tennis, and Field-Based Team Sports. Journal of Strength &
244. N. B. Vollaard, et al., Systematic Analysis of Adaptations in Aerobic Capacity and Submaximal
Energy Metabolism Provides a Unique Insight into Determinants of Human Aerobic Performance.
Journal of Applied Physiology (1985), 2009. 106(5): p. 1479-86.
182
245. H. Wagner, et al., Physical Performance in Elite Male and Female Team Handball Players.
International Journal of Sports Physiology and Performance, 2018: p. 1-24.
246. M. Waldron, et al., Concurrent Validity and Test-Retest Reliability of a Global Positioning
System (Gps) and Timing Gates to Assess Sprint Performance Variables. Journal of Sports Sciences,
2011. 29(15): p. 1613-9.
247. L. Wallace, K. Slattery and A. J. Coutts, A Comparison of Methods for Quantifying Training Load:
Relationships between Modelled and Actual Training Responses. European journal of applied
physiology, 2014. 114(1): p. 11-20.
248. D. Weaving, et al., The Case for Adopting a Multivariate Approach to Optimize Training Load
Quantification in Team Sports. Frontiers in Physiology, 2017. 8: p. 1024.
249. M. Weston, et al., The Application of Differential Ratings of Perceived Exertion to Australian
Football League Matches. Journal of Science and Medicine in Sport, 2015. 18(6): p. 704-8.
250. E. H. Wik, L. S. Luteberget and M. Spencer, Activity Profiles in International Women's Team
Handball Using Playerload. International Journal of Sports Physiology and Performance, 2017. 12(7):
p. 934-942.
251. M. Windolf, N. Gotzen and M. Morlock, Systematic Accuracy and Precision Analysis of Video
Motion Capturing Systems--Exemplified on the Vicon-460 System. Journal of Biomechanics, 2008.
41(12): p. 2776-80.
252. W. Winterbottom, Soccer Coaching. London: Naldrett Press., 1952.
253. T. H. Witte and A. M. Wilson, Accuracy of Non-Differential Gps for the Determination of Speed
over Ground. Journal of Biomechanics, 2004. 37(12): p. 1891-8.
254. S. Younesi, et al., Session-to-Session Variations of Internal Load During Different Small-Sided
Games: A Study in Professional Soccer Players. Research in Sports Medicine, 2021. 29(5): p. 462-474.
183
Caractérisation de la charge d’entrainement en Handball élite par
comparaison avec les situations de compétitions.
Résumé
La professionnalisation de l’activité Handball a engendré une augmentation du rythme des

matchs et de leur intensité. Au niveau élite, l’organisation de la préparation physique et de la
récupération doit être optimale afin de permettre aux joueurs de maintenir leur niveau de
performance tout au long de la saison. Toutefois, le niveau des connaissances scientifiques
actuel sur l’activité Handball reste encore parcellaire, notamment concernant l’intensité
déployée par les joueurs lors des matchs et les stratégies de gestion de la charge
d’entrainement (CE) mises en place. Cette thèse a donc pour but, chez une équipe de Handball
faisant partie du plus haut niveau français et européen, de caractériser les exigences
locomotrices maximales durant les matchs et les entrainements, et d’analyser la dynamique de
CE, en fonction du nombre de jours disponibles entre deux matchs. Préalablement à cela, la
validité d’un nouvel outil de mesure de l’activité sera analysée. L’étude des données fournies
par le nouveau système de positionnement local Kinexon™ a montré que celui-ci est valide
pour quantifier l’activité Handball. L’analyse des intensités de matchs a montré que le poste
d’ailier présente les pics d'intensité les plus élevés. Par ailleurs, aucun exercice d’entrainement,
parmi ceux analysés, n’est en mesure de reproduire les intensités de match. Cela révèle que le
rythme des matchs limite les opportunités de proposer des exercices de haute intensité. Enfin,
l’analyse de la dynamique de CE a montré que les lendemains de matchs présentaient une
diminution de la CE. Les veilles de matchs sont quant à elle constantes en termes de volume et
d’intensité de travail quelle que soit le délai entre deux matchs. Cela souligne l’importance de
cet entrainement pour procéder aux derniers ajustement technique et tactique tout en proposant
un travail physique adapté.
Mots clés : Handball, LPS, Exigences de Match, Jeux Réduits, Suivi de la Charge,
Périodisation
Training load characterisation in elite Handball by comparison with
competitive situations.
Abstract
The professionalisation of Handball has led to an increase in the frequency and intensity of
matches. At the elite level, workload management strategies must be optimal to enable players
to maintain their level of performance throughout the season. However, the current state of
scientific knowledge on Handball activity is still incomplete, particularly concerning the
intensity deployed by players during matches and training sessions. This thesis aims to
characterise the peak locomotor demands of a high-level French and European Handball team.
The purpose is also to analyse the workload dynamics as a function of the number of days
available between two matches. Before this, the first objective was to investigate the validity of
a new local positioning system used to quantify player activity. The study of the data provided
by the new Kinexon™ local positioning system has shown that it is valid for the quantification
of Handball activity. The analysis of the intensities of the matches showed that the winger
position has the highest peak intensities. However, none of the training exercises analysed was
able to reproduce the match intensities. This outcome reveals that the rhythm of the matches
limits the possibilities of proposing high-intensity exercises. Finally, the analysis of the
dynamics of the training load showed a decreased workload on the day following the
competition. In contrast, the training load on the day before a game was constant regarding
workload volume and intensity, regardless of the time between matches. This result underlines
the importance of this training to make final technical and tactical adjustments while providing
adapted physical work.
Key WordsWords: Handball, LPS, Match Demands, Small-Sided Games, Monitoring,

Periodisation

Va2 Fleureau Antoine

Transféré par

Informations du documentcliquez pour développer les informations du document

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

Va2 Fleureau Antoine

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Va2 Fleureau Antoine

Transféré par

Droits d'auteur :

Formats disponibles

Caractérisation de la charge d’entraînement en Handball

élite par comparaison avec les situations de compétitions

To cite this version:

HAL Id: tel-04341068

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

Par Antoine Fleureau

Thèse de doctorat en Sciences du Sport et du Mouvement Humain

Présentée et soutenue publiquement le vendredi 10 Décembre 2021

Devant un jury composé de :

Président : Jacques PRIOUX, PU, ENS, Université de Rennes

Jacques PRIOUX, PU, ENS, Université de Rennes

Laurent BOSQUET, PU, Université de Poitiers

Martin BUCHHEIT (Directeur), Université de Paris, Laboratoire

Susana POVOAS, Associate Professor, University of Maia, Portugal

Je souhaiterais remercier le Club du Paris Saint-Germain Football Club, et en particulier sa

Au même titre je souhaite remercier l’Institut National du Sport, de l’Expertise et de la

Publications dans des revues scientifiques internationales à comité de lecture

Communications dans des congrès internationaux

Présentation d’un Poster non débattu, au format PowerPoint pré-enregistré :

Communications dans des congrès nationaux

Présentation orale de 10 minutes, avec support visuel :

TABLE DES MATIÈRES ..................................................................................................................................... 10

LISTE DES FIGURES ......................................................................................................................................... 13

LISTE DES TABLEAUX ...................................................................................................................................... 16

LISTE DES ABRÉVIATIONS ............................................................................................................................... 18

INTRODUCTION GÉNÉRALE ............................................................................................................................ 19

REVUE DE LITTÉRATURE ................................................................................................................................. 22

OBJECTIFS EXPERIMENTAUX .......................................................................................................................... 85

ÉTUDE 1 : VALIDITÉ DU SYSTÈME DE POSITIONNEMENT LOCAL À BANDE ULTRA-LARGE KINEXON™ POUR

OBJECTIF DE L’ÉTUDE ............................................................................................................................................. 88

OBJECTIF DE L’ÉTUDE ........................................................................................................................................... 105

ÉTUDE 3 : EFFET DE L’ENCOMBREMENT DU CALENDRIER SUR LA PÉRIODISATION DE LA CHARGE

OBJECTIF DE L’ÉTUDE ........................................................................................................................................... 126

DISCUSSION GÉNÉRALE ................................................................................................................................ 156

APPORTS DES TRAVAUX EXPÉRIMENTAUX ................................................................................................................. 156

CONCLUSION GÉNÉRALE ET APPLICATIONS PRATIQUES ............................................................................... 163

Système de suivi instantanée de la position : Kinexon™ ............................................................................ 163

PERSPECTIVES DE RECHERCHES .................................................................................................................... 165

Organisation et structuration des entrainements de Handball ................................................................. 165

BIBLIOGRAPHIE ............................................................................................................................................ 167

Figure 2 : Description des postes en Handball. ........................................................................ 25

Figure 6 : Évolution de la répartition du temps de jeu en Handball......................................... 42

Figure 18 : Répartition de l'activité moyenne, DTp ± SD par périodes de 5 minutes d'après

Figure 19 : Exemple d'analyse de loi de puissance modélisant la relation entre l'intensité de

Figure 20 : Cadre théorique du processus d’entrainement d’après Impellizzeri et al. (2019). 61

Figure 21 : Échelle RPE de Borg (CR-10), d’après Borg (1987). ........................................... 62

Figure 24 : Syndrome Général d’Adaptation d’après Selye (1956). ........................................ 75

Tableau 2 : Erreurs de position, de vitesse et d'accélération mesurées pour le parcours sportif

Tableau 4 : Pourcentage de Différence entre le LPS testé et le Système de Référence. .......... 94

Tableau 17 : Étude 3 : Table 1: Weekly turnover descriptions. ............................................. 153

L’organisation actuelle du Handball de compétition en fait un sport d'équipe de haute intensité

Toutefois, les études actuelles présentent plusieurs limites :

Figure 1 : Représentation d'un terrain de Handball.

Figure 2 : Description des postes en Handball.

2. OUTILS DE QUANTIFICATION DE L’ACTIVITÉ

2.1.1 Analyse par notation

L’analyse vidéographique notationnelle est historiquement la toute première méthode de suivi