The China Mail - Athlétisme: un modèle mathématique pour optimiser les performances des coureurs

USD -
AED 3.672499
AFN 65.000245
ALL 81.696498
AMD 361.730296
ANG 1.790212
AOA 918.000273
ARS 1518.668596
AUD 1.43207
AWG 1.8
AZN 1.701263
BAM 1.748185
BBD 2.013658
BDT 123.127391
BGN 1.747637
BHD 0.377561
BIF 2997.962029
BMD 1
BND 1.279882
BOB 11.762182
BRL 5.005309
BSD 0.999768
BTN 95.208981
BWP 13.734665
BYN 3.010793
BYR 19600
BZD 2.010753
CAD 1.420903
CDF 2310.00005
CHF 0.83276
CLF 0.024888
CLP 979.52047
CNY 6.69215
CNH 6.69306
COP 3188.8
CRC 455.140667
CUC 1
CUP 23.995316
CVE 98.560013
CZK 21.75765
DJF 178.036397
DKK 6.67853
DOP 61.300011
DZD 134.665291
EGP 52.797696
ERN 15
ETB 163.304656
EUR 0.89345
FJD 2.251804
FKP 0.757299
GBP 0.754875
GEL 2.589758
GGP 0.757299
GHS 11.672745
GIP 0.757299
GMD 73.503851
GNF 8795.452108
GTQ 7.643284
GYD 209.16908
HKD 7.84799
HNL 26.836855
HRK 6.732102
HTG 130.776966
HUF 325.414976
IDR 17916
ILS 3.075575
IMP 0.757299
INR 94.966495
IQD 1514.712718
IRR 1779470.000572
ISK 121.697878
JEP 0.757299
JMD 158.774
JOD 0.709002
JPY 158.414962
KES 129.749816
KGS 87.449833
KHR 4068.790447
KMF 439.99976
KPW 900.000411
KRW 1341.489956
KWD 0.31185
KYD 0.833143
KZT 448.425042
LAK 22485.106611
LBP 89531.577513
LKR 330.776932
LRD 170.465515
LSL 16.486199
LTL 2.95274
LVL 0.60489
LYD 6.431227
MAD 9.775644
MDL 17.966079
MGA 4513.825266
MKD 55.034145
MMK 2100.154921
MNT 3596.159888
MOP 8.082073
MRU 40.101541
MUR 47.740306
MVR 15.449691
MWK 1733.705174
MXN 18.340201
MYR 4.093199
MZN 63.909692
NAD 16.486199
NGN 1331.719718
NIO 36.790733
NOK 9.52555
NPR 152.334728
NZD 1.78102
OMR 0.384515
PAB 0.999745
PEN 3.448908
PGK 4.535378
PHP 62.763498
PKR 276.816833
PLN 3.905135
PYG 5716.150023
QAR 3.644392
RON 4.769803
RSD 104.877986
RUB 84.325017
RWF 1477.171154
SAR 3.75707
SBD 8.078071
SCR 13.854845
SDG 601.502192
SEK 9.97694
SGD 1.28001
SHP 0.755572
SLE 24.670097
SLL 20969.502528
SOS 571.339188
SRD 37.647501
STD 20697.981008
STN 21.899246
SVC 8.748078
SYP 13002.000008
SZL 16.488791
THB 33.585025
TJS 9.228074
TMT 3.51
TND 2.993314
TOP 2.40776
TRY 49.366801
TTD 6.799401
TWD 32.188499
TZS 2630.007998
UAH 45.101809
UGX 4139.404341
UYU 40.18735
UZS 11896.206514
VES 875.701597
VND 25914
VUV 119.051984
WST 2.777036
XAF 586.064798
XAG 0.016805
XAU 0.000240032068
XCD 2.70255
XCG 1.801906
XDR 0.707052
XOF 586.064798
XPF 106.600164
YER 236.202782
ZAR 16.50499
ZMK 9001.196537
ZMW 19.904269
ZWL 321.999592
SSP 5758.266415
MXV 2.071159
  • AEX

    3.2400

    1119.29

    +0.29%

  • BEL20

    9.1000

    5694.52

    +0.16%

  • PX1

    -0.8100

    8077.75

    -0.01%

  • ISEQ

    -37.6000

    14425.66

    -0.26%

  • OSEBX

    -4.6100

    2089.87

    -0.22%

  • PSI20

    7.7600

    9712.35

    +0.08%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    12.0700

    4481.36

    +0.27%

  • N150

    -2.5400

    4237.95

    -0.06%

Athlétisme: un modèle mathématique pour optimiser les performances des coureurs
Athlétisme: un modèle mathématique pour optimiser les performances des coureurs / Photo: © AFP/Archives

Athlétisme: un modèle mathématique pour optimiser les performances des coureurs

Bonne nouvelle pour les champions de course à pied: des scientifiques ont mis au point un modèle mathématique qui promet d'optimiser l'entraînement pour les épreuves de 400 mètres et 1.500 mètres, selon une étude parue mardi.

Taille du texte:

Ce modèle s'appuie sur les données des performances de Matthew Hudson-Smith (Royaume-Uni), Femke Bol (Pays-Bas), Jakob Ingebrigtsen (Norvège) aux championnats d'Europe de Munich de 2022, et Gaia Sabbatini (Italie) aux championnats junior de Tallinn de 2021.

"On avait envie de comprendre ce qu'il se passait au niveau physiologique sur un 400 mètres, qui est un sprint, et un 1.500 mètres, qui est la première course d'endurance", dit à l'AFP Amandine Aftalion, co-autrice de l'étude parue dans la revue Frontiers in Sports and Active Living.

Grâce à une nouvelle technologie de capteurs GPS disposés sous les maillots des sportifs, les chercheurs ont pu retracer de manière ultra-précise les vitesses de chaque athlète, avec leur position indiquée dix fois par seconde.

Ils y ont intégré des équations calculant des variables physiologiques: la dépense d'énergie durant l'effort, la consommation maximale d'oxygène (VO2 max), l'économie de course et le contrôle moteur, c'est-à-dire le rôle du cerveau dans le processus du mouvement comme la motivation, qui joue sur le délai d'action.

Autant de données qu'il n'est pas possible de mesurer "in vivo" durant la course, mais auxquelles les calculs donnent accès, relève la mathématicienne, chercheuse au CNRS. Les scientifiques ont ensuite fait varier ces paramètres et observé comment ils influaient sur les courbes de vitesse des champions.

"Grâce à la quantification des coûts et des bénéfices, le modèle donne accès de manière instantanée à la meilleure stratégie pour que le coureur +performe+ de manière optimisée", résume le CNRS dans un communiqué.

L'étude montre ainsi l'importance d'un départ rapide dans les 50 premiers mètres, pour des raisons liées à la vitesse de consommation d'oxygène, ou celle d'une moindre décélération à la fin d'un 400 mètres.

Les simulations expliquent notamment les performances du coureur du 1.500 mètres Jakob Ingebrigtsen par sa capacité à atteindre rapidement sa consommation maximale d'oxygène, et à la maintenir tout au long de la course. Une particularité qui permet au champion olympique "de courir à un rythme plus important que ses concurrents sur l'ensemble de la course, alors qu'on le voit démarrer moins fort", décrit Amandine Aftalion.

Le modèle pourrait déboucher sur un logiciel d'aide à la performance pour que les entraîneurs puissent "affiner la stratégie de course par rapport au profil physiologique du coureur", conclut la chercheuse.

V.Fan--ThChM