{"id":6307,"date":"2020-05-21T18:00:43","date_gmt":"2020-05-21T16:00:43","guid":{"rendered":"https:\/\/pre.vitruve.fit\/blog\/comment-utiliser-lentrainement-base-sur-la-velocite-et-lanalyse-de-linference-basee-sur-lamplitude-pour-suivre-votre-progres-de-maniere-precise\/"},"modified":"2026-02-27T10:59:43","modified_gmt":"2026-02-27T09:59:43","slug":"comment-utiliser-lentrainement-base-sur-la-velocite-et-lanalyse-de-linference-basee-sur-lamplitude-pour-suivre-votre-progres-de-maniere-precise","status":"publish","type":"post","link":"https:\/\/pre.vitruve.fit\/fr\/blog\/comment-utiliser-lentrainement-base-sur-la-velocite-et-lanalyse-de-linference-basee-sur-lamplitude-pour-suivre-votre-progres-de-maniere-precise\/","title":{"rendered":"Comment utiliser l’entra\u00eenement bas\u00e9 sur la vitesse et l’analyse de l\u2019amplitude de mouvement pour suivre vos progr\u00e8s de mani\u00e8re pr\u00e9cise"},"content":{"rendered":"

Un des moments les plus excitants et r\u00e9confortants pour chaque entra\u00eeneur sur Terre est quand nos athl\u00e8tes r\u00e9ussissent un PR. C’est presque comme si nous accomplissions nous-m\u00eames et que le sentiment de \u00ab\u00a0mon travail paie\u00a0\u00bb soit le repas parfait pour nourrir notre ego.<\/p>\n

Mais, et si je vous disais qu’il y a une chance que vous ayez mal interpr\u00e9t\u00e9 les v\u00e9ritables progr\u00e8s de votre athl\u00e8te?<\/p>\n

Il y a quelques ann\u00e9es, pendant un travail de statistiques pour mon master, nous avons parl\u00e9 de comment interpr\u00e9ter les r\u00e9sultats des tests et d’analyser diff\u00e9rentes donn\u00e9es. L’un des exercices consistait \u00e0 analyser la diff\u00e9rence entre quelques pr\u00e9-tests et post-tests, \u00e0 les interpr\u00e9ter, \u00e0 pr\u00e9senter un rapport et \u00e0 le partager avec le reste de la classe. Cela semblait \u00eatre une t\u00e2che assez simple et facile, en fait trop facile. J’ai termin\u00e9 l’exercice en utilisant une simple analyse montrant le % de changement individuel et en le comparant \u00e0 la moyenne du groupe. Jusque-l\u00e0, tout va bien.<\/p>\n

Cependant, la simple t\u00e2che n’\u00e9tait rien d’autre qu’un pi\u00e8ge pour le professeur. D\u00e8s qu’il a pass\u00e9 en revue l’un des rapports, il a dit l’une des citations les plus puissantes que j’aie jamais entendues et celle qui a chang\u00e9 la fa\u00e7on dont je me sentais \u00e0 propos des statistiques, passant de la pure haine \u00e0 une attitude beaucoup plus enthousiaste. \u00ab\u00a0N’importe qui peut \u00eatre un grand entra\u00eeneur avec une utilisation merdique des statistiques\u00a0\u00bb.<\/p>\n

En bref, la t\u00e2che \u00e9tait simplement une introduction \u00e0 l’un des sujets les plus pertinents, sinon le plus pertinent, en mati\u00e8re d’analyse statistique dans le domaine des sciences du sport, l’inf\u00e9rence bas\u00e9e sur la magnitude (MBI) 1,2<\/sup>.<\/p>\n

Consid\u00e9rons les r\u00e9sultats obtenus \u00e0 partir d’une mesure. Si nous pouvions faire une mesure \u00abparfaite\u00bb, nous obtiendrions la \u00abvaleur vraie\u00bb. Cependant, la r\u00e9alit\u00e9 est que les mesures que nous faisons ne sont jamais parfaites, et les valeurs obtenues \u00e0 partir de la mesure sont donc des estimations de cette \u00abvaleur vraie\u00bb. Une valeur mesur\u00e9e sera diff\u00e9rente de la \u00abvaleur vraie\u00bb hypoth\u00e9tique pour plusieurs raisons diff\u00e9rentes, dont certaines que nous connaissons peut-\u00eatre, d’autres que nous ne connaissons peut-\u00eatre pas.<\/p>\n

<\/span>\"\" Figure 1 : Exactitude et reproductibilit\u00e9 (pr\u00e9cision) d’une mesure. La vraie valeur est toujours inconnue, mais plus la moyenne des mesures s’en rapproche, plus la pr\u00e9cision de la mesure est \u00e9lev\u00e9e3<\/sup>.<\/span><\/h6>\n

 <\/p>\n

Nous appelons la diff\u00e9rence entre une valeur mesur\u00e9e et la valeur \u00abvraie\u00bb de l’ERREUR<\/strong>, et plus l’une est proche de l’autre, plus notre mesure est pr\u00e9cise. Par d\u00e9finition, nous ne pouvons jamais conna\u00eetre la valeur exacte du \u00abvrai\u00bb et sans elle, nous ne pouvons pas non plus conna\u00eetre la diff\u00e9rence exacte entre elle et les mesures que nous avons effectu\u00e9es. Ainsi, conna\u00eetre la valeur exacte d’une erreur est impossible 3<\/sup>.<\/p>\n

Cependant, nous pouvons d\u00e9crire l’erreur dans le r\u00e9sultat d’une mesure particuli\u00e8re comme un tirage d’une distribution de probabilit\u00e9. L’incertitude associ\u00e9e \u00e0 une valeur mesur\u00e9e est une mesure de cette distribution de probabilit\u00e9. En particulier, l’incertitude standard est l’\u00e9cart type de cette distribution de probabilit\u00e9. Cela signifie que plus la variabilit\u00e9 d’un jeu de donn\u00e9es est importante, plus l’incertitude et l’erreur seront importantes.<\/p>\n

Tout le monde est familier avec les tests de RM1<\/a>, qui sont souvent consid\u00e9r\u00e9s comme le \u00abstandard d’or\u00bb pour \u00e9valuer la capacit\u00e9 de force des individus dans les environnements non laboratoires4<\/sup><\/p>\n

Tester la force maximale est probablement plus pr\u00e9cis, mais cela prend plus de temps, est \u00e9puisant et affect\u00e9 par des facteurs internes (par exemple, les rythmes circadiens ont montr\u00e9 qu’ils alt\u00e8rent significativement les performances 5<\/sup>,) et externes tels que les commentaires verbaux du coach 6<\/sup> ou m\u00eame la musique.7<\/sup>. De plus, nous ne pouvons pas effectuer le test quotidiennement, nous risquons donc de ne pas d\u00e9tecter d’am\u00e9liorations ou de diminutions en raison du cadre temporel dans lequel le test est effectu\u00e9. Nous manquons donc une chance de r\u00e9ajuster le plan \u00e0 temps.<\/p>\n

Contrairement, en estimant la valeur de 1RM et si nous choisissons la bonne m\u00e9thode, nous gagnons en praticit\u00e9, simplicit\u00e9, temps et viabilit\u00e9 pour des p\u00e9riodes plus courtes (quotidiennes, hebdomadaires) sans affecter n\u00e9gativement le processus d\u2019entra\u00eenement normal, mais au prix d\u2019une plus grande \u00ab incertitude \u00bb et \u00ab erreur \u00bb, m\u00eame si nous pouvions vraiment, je veux dire vraiment, les r\u00e9duire.<\/p>\n

Si nous testons (ou estimons) th\u00e9oriquement le 1RM le m\u00eame jour avec le m\u00eame athl\u00e8te sans effet n\u00e9gatif d’un test sur les autres, nous allons obtenir 3 valeurs diff\u00e9rentes, une moyenne et une variabilit\u00e9 donn\u00e9e (SD). Alors, la question est de savoir comment nous pouvons \u00eatre certains que la diff\u00e9rence est une am\u00e9lioration du signal et non une variation normale des donn\u00e9es (bruit).<\/p>\n

\"Estimation<\/h6>\n
<\/span>Figure 2 : Exemple d’estimation de 1RM avec 3 charges sous-maximales et comparaison avec un test 1RM r\u00e9el. A noter que l’estimation est inf\u00e9rieure de 2,07 kg au 1RM r\u00e9el et avec un IC \u00e0 95% la diff\u00e9rence varie entre 5,15 et 0,46kg. Ne pas en tenir compte pourrait g\u00e9n\u00e9rer des interpr\u00e9tations et des d\u00e9cisions trompeuses.<\/span><\/h6>\n

<\/h2>\n

<\/span>Estimer 1 RM en utilisant VBT<\/strong><\/span><\/span><\/h2>\n

Les jours de test sont un peu derri\u00e8re nous, \u00e0 l’exception des sports de force (mais m\u00eame l\u00e0). Les entra\u00eeneurs ne peuvent pas se permettre de consacrer une journ\u00e9e enti\u00e8re \u00e0 tester, surtout dans les sports d’\u00e9quipe qui ont lieu tous les week-ends. Mais l’essence du test est de suivre les charges d’entra\u00eenement et les effets de l’entra\u00eenement sans affecter n\u00e9gativement le processus d’entra\u00eenement normal, ce qui nous aide \u00e0 modifier le processus d’entra\u00eenement si n\u00e9cessaire8.<\/sup><\/p>\n

Dans le pass\u00e9, bien que l’entra\u00eenement bas\u00e9 sur la vitesse (VBT)<\/a> existait, il n’\u00e9tait utilis\u00e9 que pour la recherche principalement en raison des co\u00fbts des appareils. Mais, au cours de la derni\u00e8re d\u00e9cennie, la propagation rapide et l’accroissement de la accessibilit\u00e9 des transducteurs lin\u00e9aires ont contribu\u00e9 \u00e0 la r\u00e9alit\u00e9 d’aujourd’hui o\u00f9 pratiquement tous les entra\u00eeneurs de force \u00e0 jour int\u00e8grent le VBT dans leurs programmes.<\/p>\n

L’utilisation de VBT a \u00e9t\u00e9 prouv\u00e9e \u00eatre une mani\u00e8re vraiment pr\u00e9cise d’estimer 1RM en raison de la relation math\u00e9matique lin\u00e9aire et stable (inversement corr\u00e9l\u00e9e, avec des coefficients de corr\u00e9lation de> > 0,95) qui existe entre la charge et la vitesse concentrique moyenne \u00e0 laquelle cette charge est d\u00e9plac\u00e9e9,10,<\/sup> au moins aussi bon que la m\u00e9thode de r\u00e9p\u00e9tition \u00e0 l’\u00e9chec10<\/sup>. De plus, la m\u00e9thode \u00e0 deux points est r\u00e9cemment apparue comme une proc\u00e9dure valide, faisable, rapide et exempte de fatigue pour l’\u00e9valuation \u00e0 la fois de la relation force-vitesse et de la relation charge-vitesse, qui n’ont besoin de r\u00e9aliser que 2 charges externes diff\u00e9rentes repr\u00e9sentant environ 50 et 80% de 1RM auto-d\u00e9clar\u00e9 pour obtenir un profil L-V11-13<\/sup><\/p>\n

<\/span>\"\"Figure 3 : Exemple de profil L-V dans Bench Press r\u00e9alis\u00e9 par un jeune joueur de rugby (mesur\u00e9 via un appareil Vitruve<\/a>).<\/span><\/h6>\n
<\/span>\"LoadFigure 4 : M\u00e9thode en deux points pour l’\u00e9valuation du profil L-V Garc\u00eda Ramos, Amador & Jaric, Slobodan, (2017) 11<\/sup>.<\/span><\/h6>\n

Cependant, quelques choses doivent \u00eatre prises en compte:<\/p>\n

    \n
  1. Les exercices traditionnels tels que le squat, la pression sur banc, le d\u00e9velopp\u00e9 couch\u00e9, etc. ont leur propre profil charge-vitesse<\/a> (C-V). Cela signifie que nous devons \u00e9tablir le profil C-V pour un athl\u00e8te et un exercice donn\u00e9s avant de l’estimer avec des charges submaximales quotidiennement 9.<\/sup><\/li>\n
  2. La relation L-V est plus sensible \u00e0 la vitesse moyenne ou \u00e0 la vitesse moyenne propulsive qu’\u00e0 la vitesse maximale dans les exercices traditionnels 10<\/sup>.<\/li>\n
  3. L’appareil doit \u00eatre valide et fiable 14<\/sup>.<\/li>\n
  4. Les tentatives de charge maximale sont associ\u00e9es \u00e0 une vitesse sp\u00e9cifique qui est connue sous le nom de \u00ab\u00a0seuil de vitesse minimal (MVT)\u00a0\u00bb. 15<\/sup> Cela signifie que la vitesse moyenne du 1RM ne sera pas significativement diff\u00e9rente, du point de vue statistique, de la vitesse moyenne de la derni\u00e8re r\u00e9p\u00e9tition d’un RM donn\u00e9 (5RM, 3RM, etc.). Il existe de nombreuses recherches sur diff\u00e9rents exercices et leurs MVT (par exemple, la pression de la banque et du squat sont g\u00e9n\u00e9ralement de 0,13 \u00e0 0,3 m \/ s respectivement) 16,17<\/sup><\/li>\n
  5. Les pourcentages relatifs les plus \u00e9lev\u00e9s sont de meilleurs pr\u00e9dicteurs du RM actuel que les plus faibles11<\/sup>. La charge de 5 RM est moins pr\u00e9cise que celle de 3 RM pour estimer le RM.<\/li>\n<\/ol>\n
    <\/span>\"LinearFigure 5 : Exemple de comportement lin\u00e9aire et de MVT obtenus pour un nombre donn\u00e9 de r\u00e9p\u00e9titions jusqu’\u00e0 l’\u00e9chec effectu\u00e9es avec 70 % et 85 % de 1RM (mesur\u00e9 via l’appareil Vitruve<\/a>).<\/span><\/h6>\n

    Une fois que nous connaissons le profil L-V pour un athl\u00e8te donn\u00e9 et un exercice donn\u00e9, ainsi que le MVT, nous sommes pr\u00eats \u00e0 y aller !<\/p>\n

    <\/h2>\n

    <\/span>Inf\u00e9rence bas\u00e9e sur la magnitude<\/strong><\/span><\/span><\/h2>\n

    MBI est bas\u00e9 sur le travail des professeurs William Hopkins et Alan Batterham 18<\/sup> et essaie de corriger certains d\u00e9fauts que l’utilisation des approches statistiques traditionnelles peut g\u00e9n\u00e9rer, ce qui aide \u00e0 identifier les diff\u00e9rences et \u00e0 optimiser le processus de d\u00e9cision.<\/p>\n

    Les scientifiques du sport et les entra\u00eeneurs traitent g\u00e9n\u00e9ralement de petits groupes d’athl\u00e8tes pour collecter et analyser des donn\u00e9es telles que dans les sports d’\u00e9quipe, et m\u00eame avec N = 1, comme dans le halt\u00e9rophilie, l’athl\u00e9tisme et \u00e9galement dans les sports d’\u00e9quipe o\u00f9 l’analyse des changements individuels au fil du temps devient cruciale. De plus, parfois, de petits changements valent la peine m\u00eame si les diff\u00e9rences ne sont pas pertinentes du point de vue statistique (combien de millisecondes s\u00e9parent le vainqueur du perdant dans une finale de sprint de 100 m\u00e8tres aux Jeux olympiques, ou cm dans un lancer de poids ou kg dans un concours d’halt\u00e9rophilie ou de levage de poids). Les statistiques traditionnelles ne fonctionnent ni avec de petits N ni avec de minuscules diff\u00e9rences pour fournir des informations pertinentes.<\/p>\n

    L’un des piliers de la MBI est la d\u00e9finition du plus petit changement pratiquement significatif, ou le plus petit changement utile (SWC). Mais avant tout, il est crucial de comprendre ce qu’est r\u00e9ellement le changement.<\/p>\n

    Le changement est \u00e9troitement li\u00e9 au concept de diff\u00e9rence, c’est-\u00e0-dire que le changement est jug\u00e9 sur la base d’une diff\u00e9rence dans une entit\u00e9 mesurable et qu’il concerne presque toujours une p\u00e9riode de temps 3<\/sup>. Par exemple, si, en raison de l’entra\u00eenement, un athl\u00e8te augmente son 1RM de 110 \u00e0 150 en 6 semaines, cela sera consid\u00e9r\u00e9 comme un changement positif. Le principe fondamental est que les mesures de la m\u00eame variable diff\u00e8rent d’une session d’essai \u00e0 l’autre lorsqu’elles sont \u00e9tal\u00e9es sur plusieurs jours ou semaines. Cependant, comme nous l’avons d\u00e9j\u00e0 examin\u00e9, nous sommes confront\u00e9s \u00e0 beaucoup d’incertitude, en particulier lorsque les diff\u00e9rences ne sont pas si importantes.<\/p>\n

    <\/span>\"SmallestFigure 6 : Le point noir repr\u00e9sente la moyenne d’un test donn\u00e9 ; les lignes CI (erreur) ; La ligne verticale est la moyenne du groupe et la zone grise est le SWC19<\/sup><\/span><\/h6>\n

     <\/p>\n

    En revenant \u00e0 SWC, en le prenant avec l’erreur type d’un test (TE), cela peut nous aider \u00e0 d\u00e9terminer si le changement d’une variable donn\u00e9e est r\u00e9el (signal) ou fait partie de la variabilit\u00e9 normale (bruit) de la mesure.<\/p>\n

    Nous devons prendre en compte 3 points lorsque nous calculons la SWC pour une personne :<\/p>\n