Science & Algorithmes

La méthode derrière les données.

Chez Nexus, l'intelligence artificielle ne remplace pas la science du sport, elle la synthétise. Voici comment nous calculons les scores affichés dans le Coach Lab et quelles en sont les limites.

1. Modèle Fitness-Fatigue (Banister) vs Ratio Aigu/Chronique (Gabbett)

Il est courant de confondre le modèle de Banister et le ratio de Gabbett. Notre plateforme sépare strictement les deux approches :

Le Modèle Impulsion-Réponse (Banister, 1975)

Ce modèle évalue la performance comme la différence entre la condition physique (fitness) et la fatigue accumulée. Il nécessite un historique long et sert de base à la modélisation de la forme globale.

Le Ratio Aigu/Chronique (ACWR - Gabbett, 2016)

L'ACWR (Acute:Chronic Workload Ratio) compare la charge récente (1 semaine) à la charge chronique (4 semaines). Bien que populaire, ses limites prédictives sont vivement discutées.

Références : Impellizzeri et al. (2020) ont souligné les limites de fond et de couplage mathématique de l'ACWR. Pour pallier certaines faiblesses statistiques, l'usage de moyennes mobiles pondérées exponentiellement (EWMA) est souvent recommandé (Williams et al., 2017) plutôt que des moyennes glissantes simples.

2. Calcul du Score de Readiness (Disponibilité)

Actuellement (Version Pilote 0.9), le score global de Readiness affiché dans la démo est un placeholder fictif généré de manière algorithmique pour illustrer l'interface.

Dans le produit final, la formule de Readiness (v1.0) combinera trois sources de données collectées via le questionnaire athlète :

Indice de Hooper : Qualité du sommeil, niveau de fatigue, niveau de stress (évalués de 1 à 5).
Charge RPE : Intensité perçue (CR-10) multipliée par la durée de la séance en minutes.
Douleurs Musculaires : Signalements localisés hors contexte clinique.

Mise à jour : 28 Septembre 2026 — L'intégration de la formule mathématique de l'EWMA est prévue pour la V1 Bêta Publique.

3. Le "Brief IA" : Ce qu'il fait et ne fait pas

Le "Brief IA" utilise un modèle de langage (LLM) pour synthétiser les données d'entraînement. Son rôle est strictement limité à l'analyse textuelle :

Il fait : Traduire un tableau de chiffres (baisse de 15% de la charge, 3 signalements de fatigue) en une phrase de résumé pour gagner du temps lors du briefing du matin.
Il ne fait pas : Poser un diagnostic médical, prédire une blessure avec certitude, ou prescrire des exercices spécifiques de rééducation. Toute décision concernant la santé reste la prérogative exclusive du staff médical humain.