La science emboîte le pas aux marathoniens
Les capteurs placés sur les chaussures enregistrent de nombreuses données tout au long de la course. © 2018 Gait-up
Grâce à des capteurs fixés sur leurs chaussures, les athlètes pourront analyser leurs foulées durant une course de longue distance avec un œil nouveau : celui des algorithmes. Développés par la spin-off Gait-up et testés au Laboratoire d’analyse et de mesure du mouvement de l’EPFL, ils offrent une précision inégalée ainsi que des données inédites telles que la fatigue objective, la régularité, l’angle d’attaque et l’impact du pied.
L’utilisation des capteurs dans le milieu du sport s’est répandue comme une traînée de poudre ces dernières années. Elle permet une appréciation des progrès, une jauge sur les éléments à améliorer ou encore une analyse du mouvement. De l’amateur au professionnel, chaque performance peut être mesurée, évaluée, comparée, mais la différence se trouve certainement dans le besoin de précision. Alors que les objets connectés grand public ont en général une marge de 10 à 20 % d’erreur lors de l’acquisition et du traitement des données, les mesures effectuées et analysées par Gait-up, spin off de l’EPFL, présentent moins de 3% d’erreur. Le système de boîtiers ultralégers, ainsi que la précision des données offerte par les algorithmes testés au Laboratoire d’analyse du mouvement de l’EPFL et à l’UNIL, a convaincu les connaisseurs puisqu’il fait partie du Sub2hrs Marathon. Ce projet regroupe diverses compétences (bioénergétique, biomécanique, nutrition, ingénierie, coaching, etc.) afin de permettre à un athlète de courir le marathon en moins de deux heures d’ici cinq ans.
L’enregistrement des données en continu durant quatre heures
Durant une course de plus de 40 km ou lors d’entraînements, certains passages seront plus éprouvants que d’autres. Pour atteindre leur performance optimale le jour J, les athlètes de haut niveau apprennent à reconnaître les signes de fatigue et à les dépasser. L’une des données objectives de cette fatigue est le « ressort » de la jambe, évalué par des paramètres tels que le temps de contact avec le sol, le temps en l’air, l’angle avec lequel le pied se pose sur le sol. Une certaine rigidité, qui varie selon les personnes, est nécessaire à une propulsion efficace et donc à une course rapide. L’enregistrement en continu des diverses données, durant plusieurs heures, permet d’avoir un aperçu de cette rigidité sur toute la durée de la course, quart d’heure par quart d’heure.
Les nouveaux algorithmes donnent également des indications sur l’angle d’attaque du pied lors de la foulée, le temps de vol, la répartition du poids lors de l’impact au sol, ou encore la symétrie entre les deux pieds. La légèreté des capteurs permet un enregistrement dans les conditions réelles, ce qui constitue un gros avantage par rapport aux tests sur un tapis de course. «Sur un tapis de course, les foulées d’une même personne présentent un biais pouvant allant jusqu’à 20 % par rapport à la foulée naturelle », souligne Benoît Mariani, CEO et fondateur de la start-up. La précision des données -dont les tests ont fait l’objet d’un projet CTI effectué au Laboratoire d’analyse de mouvement de l’EPFL avec l’UNIL, et qui ont déjà donné lieu à trois publications scientifiques- permet de les utiliser également pour des analyses médicales ou la recherche en science du sport.
Nul besoin d’une connexion avec un autre appareil durant la course. La mémoire des petits boitiers à fixer sur les chaussures suffit à récolter les données. Une application, utilisable par tout un chacun, permet au coach, au sportif ou au médecin d’analyser les données par la suite et ainsi d’avoir une idée précise des performances et de la position du sportif.
Adapté pour le sprint
L’optimisation des capteurs ainsi que les algorithmes mis au point pour l’analyse des données sont le fruit d’une vingtaine d’années de recherche à l’EPFL. Voilà maintenant cinq ans que Gait-up, qui compte aujourd’hui une vingtaine d’employés , développe des algorithmes permettant d’analyser les données de ses capteurs pour différentes applications. De la marche à la course, des troubles de l’équilibre à la détection de maladies telles que Parkinson, du médical au sport, les applications sont vastes. La start-up, fondée en 2013 a été rachetée par MindMaze en 2017. De plus, alors que ce dispositif a été testé et évalué pour les courses de longue distance, il va faire l’objet d’un développement pour permettre la même précision pour des sprints.