Modélisation des effets de l’entraînement : revue des différentes études

RésuméIntroductionMaîtriser les interactions entre entraînement et performance est la préoccupation de tout entraîneur. Des modèles mathématiques existent pour décrire et prédire les effets de l’entraînement sur la performance. Ils postulent que chaque séance augmente l’aptitude et la fatigue et que leur différence détermine le niveau de performance.ActualitésBien qu’existent plusieurs méthodes de quantification de la charge d’entraînement, son calcul consensuel se définit comme le produit du volume et de l’intensité. Les différences se situent dans le choix des marqueurs. Malgré des années de recherche, aucun marqueur unique n’a pu être identifié, tant pour l’aptitude que pour la fatigue, rendant difficile la prédiction du niveau de performance d’un athlète.Perspectives et projetsL’évolution continue de l’électronique et des objets communicants peut permettre d’augmenter la quantité de marqueurs quantitatifs et qualitatifs comme le nombre de données nécessaires à la conception et au calibrage individuel des modèles. L’objectif ne serait pas tant de prédire la performance maximale d’un athlète à un moment donné que de déterminer sa capacité de performance en tant que probabilité de pouvoir réaliser un haut niveau de performance.ConclusionL’objectif serait de définir une capacité individuelle d’adaptation globale à l’entraînement pour déterminer des seuils et des stratégies de distribution optimales de la charge, afin d’éviter surmenage, surentraînement et blessure.

SummaryIntroductionControlling interactions between training and performance is the concern of every coach. Mathematical models exist to describe and predict the effects of training on performance. They assume that each session increases the ability and fatigue, and their difference determines the level of performance.TopicsAlthough several methods exist to quantify training load, the consensus calculation is defined as the product of volume and intensity. The differences are found at markers. Despite years of research, no single marker of fitness, of fatigue could be identified to predict the performance.Future prospectsThe continuing evolution of electronic and communication devices can increase the amount of quantitative and qualitative markers as the number of data required for the design and calibration of individual models. The aim is not so much to predict the maximum performance of an athlete at a given moment to determine its performance capacity as likely to be able to achieve a high level of performance.ConclusionThe aim would be to define an individual overall adaptive capacity in training to determine thresholds and optimum strategies to periodize training load in order to avoid overeaching, overtraining and injury.