Micro-mesure et analyse en temps réel du corps, des conditions géographiques et de la dynamique de course
Gagner des courses de vélo, c’est contourner la frontière extérieure de la durabilité. Jusqu’à quel point peut-on fabriquer un vélo ou une roue avant qu’il ne casse ? Jusqu’à quel point peut-on amincir le corps d’un coureur avant qu’il ne tombe malade ? À quelle vitesse pouvez-vous prendre cette descente sans voler de la falaise ? Les meilleures performances poussent jusqu’au bord du désastre.
À l’avenir, des outils de haute technologie pourraient mesurer et analyser avec précision les détails des performances sur et hors du vélo, guidant le sport jusqu’au bord du rasoir. Ici, nous discutons avec des entraîneurs, des nutritionnistes et même un docteur en mathématiques de ce à quoi pourrait ressembler cet avenir.
Même si nous romançons le sport, gagner se résume souvent à de froides mathématiques. Développez le pilote avec les meilleurs rapports puissance / poids et puissance / traînée et vous avez un champion. Bien que le dopage soit le moyen le plus rapide de booster le moteur, nous nous concentrerons ici sur les options légales. De même, la forme et le poids du vélo sont toujours contrôlés arbitrairement par l’UCI avec un poids minimum de 6,8 kg et un rapport de 3: 1 sur les formes aérodynamiques.
Bien que ce poids minimum puisse être modifié, quel que soit ce qui est défini – caméras vidéo en streaming sur tous les coureurs, vélos hyperlégers – toutes les équipes feront tout ce qu’elles peuvent dans le même ensemble de paramètres.
En course, la différence pourrait provenir de l’exploitation des données – du corps des coureurs, des conditions du jour de la course et de l’analyse mathématique en temps réel de la dynamique de la course.
Le corps – quantification de la performance, du repos et de la récupération sur 24 heures
« L’avenir, c’est davantage de mesures internes », a déclaré Benjamin Sharp, actuellement spécialiste de l’éducation à la puissance pour la société de compteurs de puissance Stages Cycling et ancien entraîneur national de USA Cycling. VéloRadar. « Bientôt, nous verrons des mesures de lactate sanguin à la volée et en temps réel. Je fais déjà des mesures d’oxygénation avec les athlètes que j’entraîne pour voir comment ils récupèrent au jour le jour et pour gérer les entraînements en salle.
Avant les Jeux olympiques de Londres, Sharp a demandé à l’équipe féminine des États-Unis de porter des moniteurs de sommeil. « Pour les filles ultra-compétitives, c’était amusant pour elles de quantifier leur sommeil », ajoute-t-il. « C’est devenu une compétition pour eux, pour voir qui pouvait dormir le plus profondément. »
Alors que la récolte actuelle de vêtements portables compte ou se rapproche des éléments de base comme les pas effectués ou les calories brûlées, les cyclistes d’élite pourraient mesurer beaucoup plus.
« J’ai vu le développement de capteurs pour suivre les traumatismes crâniens être intégrés dans une calotte crânienne, et bientôt ils seront intégrés dans des casques », déclare Vishal Patel, responsable de l’éducation et des innovations chez Nuun, une société d’hydratation. « J’ai vu de plus en plus de recherches et de brevets déposés pour des » tatouages temporaires « qui mesurent tout, de la composition de votre sueur au lactate sanguin. J’ai entendu parler de bouchons de bouteilles d’eau capables de détecter le niveau de glucides et d’électrolytes à libérer en fonction des systèmes de surveillance internes qui détectent la soif via l’activité hormonale dans le cerveau.
L’avenir de la science de la course consiste à mesurer de près le corps, selon l’ancien entraîneur national de USA Cycling Benjamin Sharp
L’entraîneur cycliste de longue date Jon Tarkington expérimente des outils de la nouvelle école comme Moxy, un compteur d’oxygénation musculaire. Assis dans son bureau de Boulder, au Colorado, portant un Fitbit, Tarkington nous dit que l’une des clés des gains marginaux sur le vélo sera de mesurer les cyclistes hors du vélo avec un appareil qu’ils peuvent porter sans tracas pendant des jours.
L’avenir consistera à « collecter des données sur le stress, en utilisant des accéléromètres, des gyroscopes, la température corporelle, la fréquence cardiaque et plus encore », déclare Tarkington. « Au sommet, lorsque le pilote X a une journée de voyage folle et merdique, vous aurez un nombre pour quantifier cela, et comment cela affecte leur course et le type de récupération dont ils ont besoin. »
Tarkington et Sharp conviennent que l’astuce consiste à comprendre comment lire les données.
« Nous ne le comprenons pas encore complètement », souligne Sharp. « Les métriques internes sont comme les données de puissance d’il y a 15 ans – vous obtenez des chiffres sympas, mais nous ne savons pas quoi en faire. »
Tarkington envisage un seul numéro de stress pour chaque jour. « En ce moment, nous avons des numéros d’entraînement comme TSS pour ce qui se passe sur le vélo », dit-il. « Mais nous savons que ce qui se passe les 16 à 20 autres heures de chaque jour est presque aussi important. À l’avenir, vous pourrez obtenir quelque chose comme un score de stress de la vie pour n’importe quel jour donné.
L’équipe et les conditions – mesure et rythme
Assis chez lui sur son canapé pendant le Tour 2013, le docteur en mathématiques d’optimisation Ryan Cooper a prédit les temps des contre-la-montre des leaders en 10 secondes en utilisant ce qu’il appelle « un modèle assez rudimentaire » qu’il a fait pour le plaisir. En décomposant le parcours en segments de 200 m et en tenant compte des conditions de vent réelles et de ses estimations éclairées de la puissance et de la traînée des coureurs, Cooper s’est rendu compte qu’il était sur quelque chose alors que les coureurs franchissaient la ligne quelques secondes après ses prédictions mathématiques.
Ce qui a commencé comme une expérience amusante est devenu une entreprise – Best Bike Split – qui a été achetée par TrainingPeaks et est maintenant utilisée par Trek Factory Racing, entre autres pros. Maintenant, le modèle est devenu beaucoup plus sophistiqué, incorporant un menu approfondi de variables qui totalisent littéralement des millions de calculs. Au lieu de prédire une performance, la modélisation de Best Bike Split cherche à améliorer les performances du cycliste avec de nombreux petits ajustements dans le rythme, la stratégie et le choix des vitesses.
Considérez le type de calculs que Cooper a effectués pour le coureur de Trek Haimar Zubeldia avant le contre-la-montre du Tour de France 2014.
«Pour Zubeldia, nous avons pris toutes ses données de vélo – roues, pneus, résistance au roulement sur les pneus, casque – sa traînée en soufflerie en contre-la-montre et en position de montée de 0 à 25 degrés, positive et négative, par incréments de 2,5 degrés, ses chiffres de puissance pour l’accélération, le seuil, la puissance aérobie et maximale, l’altitude, la chaleur, l’humidité, sa vitesse dans les virages à 90, 120 et 180 degrés sur divers gradients, la vitesse à laquelle il descendait puis faisait courir ces variables et d’autres à travers le 450 segments dans lesquels nous avions divisé le parcours. Cela représente environ un million de combinaisons différentes », déclare Cooper.
En calculant les chiffres pour des performances optimales, le modèle de Cooper a fait des recommandations pour la puissance de sortie et la sélection des vitesses pour chaque segment du parcours. Pour combler le fossé entre un idéal informatisé et un plan qu’un athlète de course peut exécuter, Cooper et son équipe généralisent souvent certaines solutions. « Nous allons créer des feuilles de triche avec des éléments tels que la puissance de X sur le plat, puis ajouter 20 W pour une petite pente ou 40 W pour une pente plus raide et courte », explique Cooper.
Les sources de données générées par les gadgets se multiplient rapidement, mais quels sont les moyens les plus efficaces d’agir sur ces données ?
La prise en compte de la performance d’un coureur dans le passé permet de meilleures entrées de données dans le modèle, qu’il s’agisse d’une puissance de seuil prouvée ou de la performance d’un coureur au cours de la troisième semaine d’une course par étapes. « La chaleur et l’humidité, par exemple, peuvent avoir un impact important sur certains cyclistes. Prenez (Fabian) Cancellara à la Vuelta, où il faisait très chaud. Sa puissance de 40 000 a dû chuter d’environ 10 %. Il est plus affecté par la chaleur et l’humidité que les autres coureurs. Nous en tenons donc compte dans le modèle.
Bien que les gains puissent être plus simples pour les contre-la-montre, les équipes essaient également de déterminer comment utiliser la modélisation dans les courses sur route. « L’avenir consiste à décomposer les tactiques de manière probabiliste – en déterminant les meilleurs endroits sur le parcours pour attaquer ou commencer à chasser en quantifiant les capacités de vos coureurs ainsi que le parcours et les conditions », déclare Cooper.
Au lieu d’utiliser des règles empiriques – telles que la vitesse à laquelle un peloton de poursuite peut généralement ramener une pause – les équipes peuvent déterminer exactement quand poursuivre et à quel point en fonction des données en direct. La même chose pourrait être faite lorsqu’un coureur devrait attaquer.
Pour les fans qui n’aiment pas voir les coureurs regarder leurs numéros de compteur de puissance au lieu de courir sur l’intuition, cela pourrait être un revers. Mais les geeks des données comme Cooper qui croient aux mathématiques ont une perspective différente. « Le Saint Graal est que vous avez le plan créé par le modèle, puis votre Di2 se déplace simplement pour vous tout au long de la course », a déclaré Cooper. « J’aimerais que ce soit comme une séance d’entraînement d’entraîneur où vous pédalez et la modélisation fait le reste. »
Même si un ordinateur réfléchit, le besoin d’informations en direct et à la volée reste plus important que jamais, et le personnel de soutien de l’équipe peut être trouvé le long du parcours des grandes courses capturant les données météorologiques ainsi que mesurant la traînée de leur cavaliers à l’entraînement utilisant divers postes et équipements.
« La plupart des grandes équipes font ce genre de travail. Garmin-Cannondale effectue une tonne de collecte de données et de mesures dans le monde réel », déclare Cooper. « Les données de soufflerie sont une pièce du puzzle, mais je dirais que 95 % des données de traînée étudiées sont réelles. Il s’agit d’obtenir suffisamment de données sur le vent et les conditions météorologiques, de les comparer aux données dont vous disposez sur vos coureurs et de calculer les chiffres.
Les équipes et certaines entreprises comme Zipp utilisent un produit appelé AeroStick qui peut être monté sur un vélo pour collecter des données aérodynamiques réelles.
« L’avenir du cyclisme est dans ces données. Être capable de vraiment démêler des choses dont nous ne savons pas encore qu’elles existent. L’apprentissage automatique est une expression à la mode ces jours-ci, et il fait référence à la possession de grandes quantités d’ensembles de données et à l’utilisation d’algorithmes pour trouver ce qui compte. Nous n’avons pas la puissance de calcul dans notre cerveau pour examiner des ensembles de données multidimensionnelles, mais les ordinateurs le font très bien. Nous aurons des ordinateurs pour déterminer les relations entre les entrées et les sorties. Pour l’instant, nous commençons tout juste à collecter toutes ces choses. C’est juste une question d’exécuter des algorithmes sur ce truc pour comprendre ce qui compte.
Avoir des données sur un écran de visière pourrait être utile dans certaines situations
