Un vélo au top de l'aérodynamisme grâce à l'intelligence artificielle

Le programme développé par la start-up Neural Concept a aidé à améliorer l'aérodynamisme d'un vélo prétendant au record du monde de vitesse sur piste plate. © 2018 Thomas Bouvard et Marion Viret

Le programme développé par la start-up Neural Concept a aidé à améliorer l'aérodynamisme d'un vélo prétendant au record du monde de vitesse sur piste plate. © 2018 Thomas Bouvard et Marion Viret

Déterminer la forme aérodynamique idéale du premier coup grâce à une intelligence artificielle. Le logiciel de Neural Concept, une start-up de l’EPFL, réussit ce tour de force sur la base de quelques critères de départ. Ce programme est présenté aujourd’hui à l’occasion d’une conférence mondiale sur l’apprentissage automatique qui se tient à Stockholm. Il a d’ores et déjà servi à déterminer le galbe d’un vélo dessiné pour battre le record du monde de vitesse cet été aux États-Unis.


Le record du monde de vitesse en vélo sur piste plate est de 133,78 km/h à la seule force des mollets du pilote. Une nouvelle tentative pour battre cette performance établie par une équipe hollandaise en 2012 aura lieu en septembre aux États-Unis, dans le désert du Nevada (World Human Powered Speed Challenge). Pour améliorer les performances de son deux-roues, l’équipe de l’IUT d’Annecy s’est tournée vers Neural Concept, une spin-off de l’EPFL. L’intelligence artificielle que développe la jeune entreprise permet en effet d’obtenir en quelques minutes une forme optimale. Son programme, qui permet d’optimiser l’aérodynamisme dans de nombreux autres domaines, est présenté aujourd’hui à Stockholm à l’occasion d’une conférence mondiale sur l’apprentissage automatique.

De l’extérieur, ce vélo caréné à pédalage couché ressemble davantage à une petite voiture de course qu’à un deux-roues sans moteur. Développée sur mesure pour le pilote de l’équipe française, la structure se doit d’épouser étroitement sa physionomie. Couché dans cet espace très confiné, le cycliste devra parcourir un tronçon de 200 mètres le plus rapidement possible, après une prise d'élan de huit kilomètres sur les routes rectilignes du désert du Nevada. Le but, on l’aura compris, n’est pas le confort de l’engin, mais l’optimisation de chaque espace.

Une exploration des formes plus rapide, plus approfondie et plus précise

Les méthodes existantes pour l’optimisation aérodynamique sont très gourmandes en calcul. Ici, pour la première fois, le dessin de la forme du carénage a été guidé par le programme d’optimisation, contrairement à la méthode classique qui fait seulement appel à l’intuition de l’ingénieur pour décider à l’avance d’un certain nombre de formes qui seront ensuite testées en simulation. Le programme traite ces données en comparant rapidement d’innombrables formes, utilisant n’importe quel format. Avec des critères précis de longueur et largeur maximale, d’espace pour le passage du mécanisme et des roues, le programme de la start-up a notamment aidé à décider de l’emplacement de la largeur maximale de l’engin.

Sur la base de formes génériques présentées sous forme de mesh – ces réseaux de points utilisés pour la génération de formes en 3D -, les chercheurs du Laboratoire de vision par ordinateur ont entraîné un réseau neural convolutif à prédire leurs caractéristiques aérodynamiques. Ce genre d’intelligence artificielle à plusieurs niveaux de traitement parvient à catégoriser les informations des plus simples aux plus complexes. Les premières couches détecteront par exemple les contours, puis attribueront les contours à un objet, puis ces informations seront utilisées pour distinguer plus précisément à quelle catégorie appartient l’objet selon le résultat attendu.

Le programme, développé au Laboratoire de vision par ordinateur de l’EPFL, permet d’explorer les formes plus rapidement et de manière plus approfondie, avec une précision du résultat nettement meilleure. « Dans certains cas, Il permet d’obtenir un résultat 5 à 20% plus aérodynamique que la méthode habituelle et, encore plus important, cette approche s’applique aux cas que la méthode traditionnelle ne peut pas traiter », assure Pierre Baqué, CEO de la spin-off. De plus, il compare les exemples trouvés sans a priori. « Les formes d’entraînement peuvent même être très différentes de la cible. Cela donne à notre système une grande flexibilité ».

Le World Human Powered Speed Challenge, concours ouvert aux deux-roues développés par des instituts universitaires, se tiendra du 10 au 15 septembre aux États-Unis. D’autres vélos seront donc également dans les rangs pour tenter de battre le record du monde sur piste plate. Un test grandeur nature pour le programme de Neural Concept et l’équipe de l’IUT d’Annecy. Le programme permet cependant de très nombreuses autres utilisations : drones, éoliennes, aéronautique par exemple. Cette application d’apprentissage automatique intéresse les professionnels puisque Pierre Baqué a été invité pour la présenter aujourd’hui à Stockholm lors de la plus grande conférence internationale annuelle du domaine (International Conference in Machine Learning). De plus, la startup et l’équipe de l’IUT d’Annecy ont d’ores et déjà commencé à travailler sur le vélo de l’année prochaine, qui devrait être dessiné entièrement par le programme, sans intervention humaine.