En vue de LA2028, la championne olympique en titre Kristen Faulkner ne s'entraîne pas seulement dur ; elle construit son propre modèle d'IA pour analyser neuf années de données de performance et découvrir ce qui manque dans la science du sport féminin.
La semaine dernière, Faulkner a révélé qu'elle était revenue au codage pour construire un système basé sur l'IA autour de sa formation. Et nous avions hâte d’en savoir plus. Parler à Cyclisme hebdomadaireFaulkner explique comment elle transforme près d'une décennie de données en un modèle personnalisé et ce que cela pourrait signifier pour le sport au sens large.
L'article continue ci-dessous
Beaucoup de questions à répondre, beaucoup de données à synthétiser
Faulkner partage qu'elle a passé son intersaison dans le paradis technologique de San Francisco, où elle « a vu de près le rythme du changement dans l'IA ».
« Il est devenu clair que la technologie avait atteint un point d'inflexion… (L'IA) peut désormais aider à répondre à des questions qui étaient auparavant trop compliquées ou trop longues à modéliser correctement. C'est donc le bon moment (pour moi) pour commencer à construire. »
Faulkner n'est pas un cycliste professionnel typique. Elle a enfilé des pédales de vélo pour la première fois à 24 ans et a remporté ses premières médailles olympiques à 31 ans.
Faulkner est titulaire d'un diplôme en informatique de Harvard et a exprimé sa volonté d'utiliser son expérience en tant qu'investisseur en capital-risque pour autonomiser les femmes dans le sport.
Aujourd’hui, Faulkner s’appuie sur son expérience en informatique et en affaires pour donner un sens à près d’une décennie de données biométriques, cherchant des réponses plus claires sur la manière dont les performances et la récupération se rejoignent.
« Je m'intéresse particulièrement à la façon dont le sommeil, les rythmes hormonaux, la chaleur et la charge d'entraînement interagissent avec la performance et la récupération », explique Faulkner. « Beaucoup de ces signaux sont généralement examinés isolément, mais dans la pratique, ils se chevauchent. Ce qui compte le plus pour moi, ce sont les données qui aident à expliquer non seulement ce qui s'est passé, mais aussi pourquoi. »
Passant parfois plus de 10 heures par jour à coder – et souvent alors qu'il est encore dans le kit de la séance d'entraînement de la journée – Faulkner extrait ses propres données telles que la fréquence cardiaque, le VRC, le sommeil, le poids, la puissance de cycle, les phases du cycle menstruel, les analyses DEXA et plus encore à partir d'une variété de référentiels pour les analyser à travers un mélange de code écrit à la main et de grands modèles de langage comme ChatGPT et Claude.
« Je suis sélectif quant aux sources (de données) car le but n'est pas de collecter tout ce qui est possible, mais de rassembler les signaux réellement utiles », explique Faulkner. « J'écris l'architecture, définis la logique et vérifie moi-même la mise en œuvre, tout en utilisant des outils d'IA pour accélérer l'itération et le débogage. »
Faulkner note que même si l’IA est puissante, elle nécessite toujours le jugement technique de quelqu’un qui comprend ce qui doit être construit, ce qui est correct et comment l’écosystème de données s’articule.
« Vous ne pouvez pas simplement remettre les données brutes du LLM et vous attendre à des informations rigoureuses », explique Faulkner. « La qualité des résultats dépend de la qualité de l'organisation des données, des hypothèses intégrées au système et du soin avec lequel l'analyse est formulée. »
Transformer les données en un modèle personnalisé
Faulkner prend soin de faire la différence entre un tableau de bord de données et ce qu'elle construit, ce qui est manifestement pas un tableau de bord de données.
« Un tableau de bord vous indique ce qui s'est passé et il n'affiche généralement qu'une ou deux variables », explique Faulkner. « Ce que j'essaie de construire va encore plus loin en examinant comment différentes variables peuvent influencer les performances et la récupération au fil du temps. »
Faulkner partage que son objectif est de démêler les variables de performance disparates et de dresser un tableau plus clair de la façon dont chaque variable contribue à la performance globale et à la récupération.
De plus, Faulkner souhaite utiliser les informations de causalité et de corrélation de ces variables pour comprendre quoi faire lorsque l'une des variables, telle que la température, le cycle menstruel ou le sommeil, change.
Jusqu'à présent, le projet de l'ancienne élève de Harvard semble produire de bons résultats.
Faulkner a utilisé ses recherches pour l'aider à se préparer pour les Championnats panaméricains de cette année, où elle a remporté trois médailles d'or. Elle partage également qu'elle a produit sa meilleure puissance de 20 minutes grâce aux connaissances de ses recherches.
Mis à part les performances personnelles, l’un des principaux facteurs de motivation derrière ce projet est le manque de recherche sur les performances sportives spécifiques aux femmes, en particulier au niveau élite.
« Les athlètes féminines ont souvent dû travailler avec des outils et des cadres construits autour de la physiologie des hommes », explique Faulkner. « Je pense qu'il existe une réelle opportunité de construire des systèmes plus individualisés et fondés sur des preuves, et j'aimerais en voir davantage dans les sports d'endurance. »
Faulkner n'est pas la première personne dans le domaine des sports d'endurance à utiliser l'IA pour gagner en performances.
Sir Bradley Wiggins, vainqueur du Tour de France, a lancé cette année sa propre application de coaching en IA, The Coachsters, entièrement basée sur l'IA, sans interaction humaine.
FasCat Coaching est une plateforme de coaching basée sur l'IA créée par Frank Overton. Il adopte une approche plus collaborative de l’IA en combinant les connaissances de la formation en IA avec la connexion émotionnelle d’un véritable coach humain.
Même les ajustements de vélos intègrent désormais l’IA. AiRO, par exemple, est une nouvelle application d'analyse aérodynamique basée sur l'IA qui permet aux monteurs de vélos d'optimiser la position de n'importe quel cycliste avec une poignée de mesures, un turbo et quelques photos du cycliste.
Partager ses recherches, de manière réfléchie
Faulkner, qui a récemment annoncé son partenariat avec le système de gestion de contenu axé sur l'IA, Sanity, affirme que ce qu'elle a créé grâce à ses recherches est une application Web également adaptée aux appareils mobiles.
Les détails de la marque et du produit sont gardés secrets pour le moment pendant que l'olympienne affine et teste ses recherches et son format de présentation.
L’objectif ultime de Faulkner est de rendre ses recherches utiles à d’autres athlètes, notant qu’elle souhaite le faire « de manière réfléchie ».
« À l'heure actuelle, la priorité est de construire quelque chose de rigoureux, utile et bien testé avant de l'ouvrir plus publiquement », explique Faulkner. « L'approche responsable, à mon avis, est de commencer avec un petit groupe bêta (de testeurs de produits), de recueillir des commentaires et de continuer à affiner le produit avant toute version plus large. Il y a beaucoup de considérations à prendre en compte lorsqu'on met quelque chose comme ça entre les mains d'autres personnes, et je veux bien le faire. »
La double médaillée d'or cherche activement à entrer en contact avec « des personnes travaillant à l'intersection de l'IA, de la performance et de la santé des femmes » et encourage les personnes intéressées par son travail en IA à la suivre sur LinkedIn et Instagram.
