• Langue : Français
• Identifiant : ULIL_SMAS_2023_082
• Faculté/Ecole : STAPS
• Date de soutenance : 16/06/2023
• Type de mémoire : Mémoire de Master
• Discipline : EOPS Entraînement et Optimisation de la Performance Sportive
• Parcours : PS Préparation du Sportif : aspects physiques, nutritionnels et mentaux

Résumé

Objectif : l’objectif de cette étude était de créer des charges de travail optimales selon les jours d’entraînement (mardi et jeudi) à partir de données GPS chez des rugbyman semi-professionnels. Afin de valider ou non les charges optimales créées, nous avons voulu mettre en lien ces charges de travail optimales avec les charges de travail calculées avec la méthode de Foster (1998). Méthode : pour la création des charges de travail optimales, nous avons divisé l’équipe en trois groupes : un premier groupe avec les 1e - 2e lignes, un deuxième groupe avec les 3e lignes et le dernier avec les trois quarts. Ensuite, trois critère GPS ont été retenus : les distances totales (mètres), les course à haute intensité (mètres) : course au-delà de 18 km/h et enfin le nombre d’accélérations. Les charges de travail avec les GPS ont été récoltés et en parallèle nous avions notre de charge de travail calculé avec la méthode de Foster (1998). Ces deux données ont été récoltées sur 7 semaines, c’était des semaines où un match avait lieu le week-end. Résultats : les résultats ont montré que la distance totale était corrélée avec les charges de travail calculées avec la méthode de Foster pour les trois groupes et sur les deux journées d’entraînement. Il a avait une corrélation avec les courses à haute intensité pour le groupe des trois quarts sur les entraînements du jeudi et pour le groupe des 3e lignes sur les entraînements du mardi ainsi que du jeudi. Enfin, pour les accélérations, il y avait une corrélation avec le groupe des 3e lignes pour les entraînements du jeudi et pour le groupe des trois quarts pour les entraînements du mardi et du jeudi. Il n’y avait pas de corrélation pour le groupe des 1e et 2e lignes pour les courses à haute intensité ainsi que pour le nombre d’accélérations sur les entraînements du mardi et du jeudi. Conclusion : les charges de travail optimales ont été validées pour les trois groupes et sur chacun des entraînements pour le paramètre de la distance totale. En revanche, nous ne pouvons pas valider complètement les charges optimales créées sur les paramètres des courses à haute intensité et des accélérations.

Résumé traduit

Objectives: the purpose of this study was to create optimal training load according to training day (Thuesday and Thursday) from GPS in semi-professional rugby players. In order to validate or not the optimal training load, we wanted to link the optimal training load with the training load calculated with Foster’s method (1998). Method: for the creation of the training load, we created three groups : the first one with first and second row, the second with back row and the last with backs. Then, three GPS criteria were selected : total distance (meters), high intensity run (meters) : runs above 18 km/h and the last was the number of accelerations. The training load with GPS was collected and at the same time we calculated the training load with Foster’s method (1998). These two data were collected over seven weeks, this week included a match on the weekend. Results: the results showed that the total distance was correlated with the training load calculated with Foster’s method for the three groups and on the two training days. There was a correlation with high intensity running for backs on Thursday training and for the back row group on both Tuesday and Thursday training. Finally, for acceleration, there was a correlation with the back row group on Thursday workouts and for the back group on Tuesday and Thursday workouts. There was no correlation for the first and second row group for high intensity runs as well as for the number of accelerations on Tuesday and Thursday workouts. Conclusion: the optimal training load was validated for the three groups and on each of training for the total distance parameter. However, we can’t fully validate the optimal training load created on the parameters of high-intensity runs and accelerations.