Alors que certains se posent des questions sur le tour de France pour le moins originales - je vous conseille cet article d’un blogueur qui se demande combien de frites il faudrait manger pour avoir un apport calorique suffisant pour finir le tour de France - la data est de plus en plus présente dans le sport.

Étudions dans cet article l’application au cyclisme avec deux applications :

• Le Tour de France
• La mobilité urbaine à vélo

La Data dans le Tour de France

‍

Le Tour de France fait partie des 3 évènements les plus regardés au monde avec la Coupe du Monde de Football et les Jeux Olympiques. Donc quand on parle vélo, on y pense assez facilement !

Voici comment la data aide le tour de France à mieux fonctionner, pour le plaisir des téléspectateurs. Tous les vélos sont maintenant équipés de capteurs permettant de connaître leur position en temps réel. Ces capteurs permettent de connaître précisément l’écart entre les coureurs et donc de suivre précisément ce qui se passe dans la course. 

On parle aujourd’hui d’éditorialisation de la donnée. Cette donnée est donc utilisée pour améliorer l’expérience du spectateur qui va donc pouvoir suivre la course avec le maximum d’informations. 

On va donc pouvoir voir la composition des pelotons, l’évolution de chacun des coureurs. Cela va aider les médias comme les spectateurs ! 

La qualité de la donnée est fondamentale pour gérer du temps réel aussi précis dans des conditions complexes : relief - vallée encaissée par exemple - et conditions météo très variables. Un hélicoptère va faire le lien entre les vélos et le camion datacenter qui va traiter les données. Le camion est garé à l’arrivée de chaque étape. A chaque étape, 19Go sont connectés. Cela permet de mettre à jour les données toutes les secondes. 

De plus, le tour 3D tracker permet de suivre en temps réel en réalité augmentée le Tour de France. Elle permet de mieux se rendre compte des caractéristiques du terrain dans lequel les coureurs évoluent. Intéressant dans les étapes de montagne ! 

Ces données permettent aussi de faire du prédictif. On peut alors essayer de prédire le vainqueur de chaque étape ! Des entreprises comme Bwin ou PMU sont intéressées par une telle technologie.

La data pour les coureurs

On va aussi pouvoir mesurer plusieurs données pour aider les coureurs. Voici 2 exemples : 

• Mesure de la pression des pneus. Dès qu’une pression diminue de manière suspecte, on va pouvoir agir pour aider le coureur
• Mesure de la température. Cela permet de vérifier que le coureur n’a pas de problème. Si sa température varie de manière inhabituelle, on va pouvoir essayer de faire en sorte qu’il ne lui arrive rien.

‍

Data et mobilité urbaine à vélo

‍

Le vélo en libre-service s’est énormément développé dans les métropoles au cours des dernières années. Très vite, une difficulté s’est présentée : de nombreuses stations étaient totalement vides, d’autres totalement saturées. Par exemple, une station en altitude sera souvent plus vide qu’une station en basse altitude. Une station près des habitations sera vide en début de matinée quand les gens partent au travail et trop pleine en fin de journée quand les gens rentrent chez eux. 

Ce phénomène de stations vides et pleines peut évidemment varier selon les heures de la journée, ce qui a rendu impossible dans certaines zones de déposer ou de récupérer un vélo. On va donc mettre en place des algorithmes permettant de limiter ces phénomènes, en faisant notamment le lien avec d’autres moyens de transport. En mettant en place des incentives pour que les stations vides puissent se remplir et les stations pleines se vider. Par exemple, si on gare un vélo en altitude, alors le trajet sera moins cher voire gratuit. Cela coûte moins cher que de payer une camionnette qui va monter des vélos dans les zones vides.

Des capteurs sont aussi mis en place dans les villes pour connaître la fréquentation des pistes cyclables et ainsi influencer les politiques publiques pour l’aménagement des pistes cyclables.

‍