{"id":6895,"date":"2020-08-12T18:00:43","date_gmt":"2020-08-12T16:00:43","guid":{"rendered":"https:\/\/pre.vitruve.fit\/blog\/perdre-moins-pour-gagner-plus-une-etude-approfondie-de-la-litterature-sur-la-perte-de-vitesse\/"},"modified":"2026-02-27T11:00:33","modified_gmt":"2026-02-27T10:00:33","slug":"perdre-moins-pour-gagner-plus-une-etude-approfondie-de-la-litterature-sur-la-perte-de-vitesse","status":"publish","type":"post","link":"https:\/\/pre.vitruve.fit\/fr\/blog\/perdre-moins-pour-gagner-plus-une-etude-approfondie-de-la-litterature-sur-la-perte-de-vitesse\/","title":{"rendered":"Perdre moins pour gagner plus : Une \u00e9tude approfondie de la litt\u00e9rature sur la perte de vitesse."},"content":{"rendered":"<p><em>La litt\u00e9rature sur la perte de vitesse fournit des informations pr\u00e9cieuses sur la distance \u00e0 laquelle la plupart des entra\u00eenements doivent \u00eatre effectu\u00e9s par rapport \u00e0 l&rsquo;\u00e9chec, mais ce n&rsquo;est pas aussi simple qu&rsquo;on pourrait le penser. Rejoignez-moi alors que j&rsquo;aborde comment int\u00e9grer les donn\u00e9es de perte de vitesse dans les donn\u00e9es de proximit\u00e9 \u00e0 l&rsquo;\u00e9chec afin de fournir des plages RPE optimales en fonction du pourcentage de 1RM sur la barre et du nombre de r\u00e9p\u00e9titions effectu\u00e9es dans l&rsquo;ensemble.<\/em><\/p>\n<p><strong>Points cl\u00e9s<\/strong><\/p>\n<ul>\n<li>La perte de vitesse est li\u00e9e \u00e0 la fatigue neuromusculaire; par cons\u00e9quent, l&rsquo;entra\u00eenement \u00e0 des pertes de vitesse plus faibles (~ 0-25%) peut \u00eatre optimal pour les adaptations de force<\/li>\n<li>Les donn\u00e9es de perte de vitesse doivent \u00eatre int\u00e9gr\u00e9es dans les donn\u00e9es de proximit\u00e9 \u00e0 l&rsquo;\u00e9chec afin de fournir des plages RPE optimales g\u00e9n\u00e9ralis\u00e9es<\/li>\n<li>Les plages RPE optimales sont sp\u00e9cifiques au pourcentage de 1RM sur la barre et au nombre de r\u00e9p\u00e9titions effectu\u00e9es dans l&rsquo;ensemble<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Introduction\"><\/span>Introduction<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L&rsquo;entra\u00eenement sans \u00e9chec a \u00e9t\u00e9 soutenu pour avoir un l\u00e9ger avantage sur l&rsquo;entra\u00eenement \u00e0 l&rsquo;\u00e9chec pour les adaptations de force (1). Cependant, une question fr\u00e9quemment pos\u00e9e est: \u00ab\u00c0 quelle distance de l&rsquo;\u00e9chec dois-je m&rsquo;entra\u00eener?\u00bb Heureusement, j&rsquo;ai pu d\u00e9cortiquer la litt\u00e9rature sur la vitesse pour vous r\u00e9v\u00e9ler la r\u00e9ponse exacte, mais ce n&rsquo;est pas aussi simple que la <em>proximit\u00e9 \u00e0 l&rsquo;\u00e9chec<\/em> a est sup\u00e9rieure \u00e0 la <em>proximit\u00e9 \u00e0 l&rsquo;\u00e9chec<\/em> b. Plut\u00f4t, la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec (ou les plages de RPE optimales) d\u00e9pend du pourcentage du maximum d&rsquo;une r\u00e9p\u00e9tition (1RM) sur la barre et du nombre de r\u00e9p\u00e9titions effectu\u00e9es dans le jeu.<\/p>\n<p>Dans cet article, tout d&rsquo;abord, je fournirai un bref r\u00e9sum\u00e9 de la recherche sur la perte de vitesse (avec une br\u00e8ve intermission sur certaines statistiques importantes qui sont parfois interpr\u00e9t\u00e9es incorrectement). Deuxi\u00e8mement, j&rsquo;expliquerai ce que la litt\u00e9rature sur la perte de vitesse sugg\u00e8re, comment j&rsquo;ai d\u00e9termin\u00e9 la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec et pourquoi nous devons int\u00e9grer les donn\u00e9es de perte de vitesse dans les donn\u00e9es de proximit\u00e9 \u00e0 l&rsquo;\u00e9chec. Enfin, je terminerai avec quelques strat\u00e9gies de programmation pratiques sp\u00e9cifiques aux athl\u00e8tes de force.<\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Resume_bref_de_la_recherche\"><\/span>R\u00e9sum\u00e9 bref de la recherche<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>\u00c0 ce jour, il y a actuellement 7 \u00e9tudes longitudinales qui \u00e9tudient diff\u00e9rents seuils de perte de vitesse sur la force ; cependant, il y en a eu 5 publi\u00e9es cette ann\u00e9e seule, donc je suis s\u00fbr que nous pouvons nous attendre \u00e0 beaucoup plus dans un proche avenir (2 &#8211; 8). Dans les 7 \u00e9tudes, seule une \u00e9tude a montr\u00e9 une diff\u00e9rence significative entre les groupes pour la force 1RM (8). Plus pr\u00e9cis\u00e9ment, au cours des 8 semaines, une perte de vitesse de 25 % (VL25) a entra\u00een\u00e9 des adaptations significativement plus importantes de la force 1RM par rapport \u00e0 VL50 dans le pull-up \u00e0 prise pronation du corps (8). Les principales conclusions de chacune des 7 \u00e9tudes sont illustr\u00e9es dans le tableau 1.<\/p>\n<p>&nbsp;<\/p>\n<h6 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Tableau_1_Etudes_a_long_terme_sur_la_perte_de_vitesse_dentrainement\"><\/span><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-238607 size-full\" src=\"\/wp-content\/uploads\/2020\/08\/Table-1_EN.png\" alt=\"\" width=\"816\" height=\"394\" \/>Tableau 1. \u00c9tudes \u00e0 long terme sur la perte de vitesse d&rsquo;entra\u00eenement<span class=\"ez-toc-section-end\"><\/span><\/h6>\n<p>&nbsp;<\/p>\n<p>Dans les 6 \u00e9tudes restantes, tous les groupes ont consid\u00e9rablement augment\u00e9 la force 1RM; cependant, le plus important, il n&rsquo;y avait pas de diff\u00e9rences significatives entre les groupes. Malgr\u00e9 cette constatation, ces donn\u00e9es fournissent encore quelques informations utiles \u00e0 mon avis, que je traiterai apr\u00e8s une courte pause afin de fournir une br\u00e8ve le\u00e7on sur les statistiques pour comprendre comment nous pouvons interpr\u00e9ter ces r\u00e9sultats.<\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Une_breve_intermission_sur_les_statistiques\"><\/span>Une br\u00e8ve intermission sur les statistiques<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Commen\u00e7ons d&rsquo;abord par le <strong>pourcentage de changement.<\/strong> Dans le cas de ces \u00e9tudes, nous examinons sp\u00e9cifiquement le pourcentage de changement du RM1 de pr\u00e9- \u00e0 post-test. Le pourcentage de changement est presque toujours rapport\u00e9 et quelque chose qui est parfois incorrectement d\u00e9sign\u00e9 afin de \u00absoutenir\u00bb des affirmations. Cependant, le pourcentage de changement est probablement la statistique la moins importante \u00e0 rapporter et si l&rsquo;on examine le pourcentage de changement seul sans d&rsquo;abord examiner la valeur p d&rsquo;une interaction groupe par temps et les tailles d&rsquo;effet entre groupes (les tailles d&rsquo;effet entre groupes sont tr\u00e8s importantes), on peut tirer des conclusions sauvages et fausses.<\/p>\n<p>Pour donner un exemple, peut-\u00eatre que le groupe 1 a augment\u00e9 le RM1 de 15% et que le groupe 2 n&rsquo;a augment\u00e9 que le RM1 de 5%. Sur papier, cela semble \u00abfavoriser\u00bb le groupe 1. Cependant, si les groupes ne sont pas contrebalanc\u00e9s pour la force RM1 au d\u00e9part, ces r\u00e9sultats ne nous fournissent pas beaucoup d&rsquo;informations utiles, si ce n&rsquo;est aucune. Par exemple, si le groupe 1 avait un RM1 squat de 100 kg et que le groupe 2 avait un RM1 squat de 115 kg au d\u00e9part, le groupe 1 \u00e9tait moins entra\u00een\u00e9 et avait donc le potentiel d&rsquo;augmenter sa force RM1 \u00e0 une plus grande magnitude que le groupe 2 \u00e0 court terme.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Les_tailles_deffet_entre_les_groupes\"><\/span>Les tailles d&rsquo;effet entre les groupes<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Pour cette raison, nous devons examiner les tailles d&rsquo;effet entre les groupes afin de quantifier l&rsquo;ampleur de la diff\u00e9rence entre les groupes et d\u00e9terminer si le changement est significatif ou non. C&rsquo;est pour cette raison que vous verrez toujours les tailles d&rsquo;effet rapport\u00e9es dans les m\u00e9ta-analyses (g\u00e9n\u00e9ralement un graphe de for\u00eat bay\u00e9sien des tailles d&rsquo;effet entre les groupes), et presque jamais des pourcentages de changements rapport\u00e9s. Selon le D de Cohen, les tailles d&rsquo;effet peuvent \u00eatre class\u00e9es comme n\u00e9gligeables (&lt;0,20), faibles (0,20 &#8211; 0,49), mod\u00e9r\u00e9es (0,50 &#8211; 0,79) et importantes (\u2265 0,80). Il existe d&rsquo;autres m\u00e9thodes pour classer les tailles d&rsquo;effet, mais je vais le garder simple pour ce document.<\/p>\n<p>Les tailles d&rsquo;effet entre les groupes sont particuli\u00e8rement utiles dans les \u00e9tudes de formation de r\u00e9sistance en sciences de l&rsquo;exercice qui ont des tailles d&rsquo;\u00e9chantillon tr\u00e8s petites, dans lesquelles parfois des diff\u00e9rences significatives (bas\u00e9es sur la taille de l&rsquo;effet) peuvent \u00eatre pr\u00e9sentes malgr\u00e9 aucune diff\u00e9rence significative entre les groupes (bas\u00e9e sur l&rsquo;interaction groupe-temps). D&rsquo;un autre c\u00f4t\u00e9, dans certains domaines o\u00f9 les tailles d&rsquo;\u00e9chantillon sont astronomiques, parfois il y aura une diff\u00e9rence significative entre les groupes (bas\u00e9e sur l&rsquo;interaction groupe-temps); cependant, la diff\u00e9rence n&rsquo;est pas significative (bas\u00e9e sur la taille de l&rsquo;effet). Enfin, les interactions groupe-temps sont \u00e9galement importantes pour indiquer s&rsquo;il y avait une diff\u00e9rence significative entre les groupes ou non, et affiche \u00e9galement la probabilit\u00e9 que la diff\u00e9rence soit due \u00e0 une erreur al\u00e9atoire. En outre, l&rsquo;inf\u00e9rence bay\u00e9sienne est utilis\u00e9e pour fournir la probabilit\u00e9 que l&rsquo;hypoth\u00e8se soit vraie ou non, mais cela n&rsquo;est g\u00e9n\u00e9ralement jamais utilis\u00e9 dans les \u00e9tudes de sciences de l&rsquo;exercice. En bref, si la p-valeur est inf\u00e9rieure \u00e0 0,01, vous pouvez \u00eatre s\u00fbr que c&rsquo;\u00e9tait en fait une v\u00e9ritable d\u00e9couverte. Cependant, si la p-valeur est proche mais toujours inf\u00e9rieure \u00e0 0,05, les r\u00e9sultats ne peuvent pas \u00eatre une v\u00e9ritable d\u00e9couverte. Pour toutes les raisons mentionn\u00e9es ci-dessus, c&rsquo;est pourquoi il est particuli\u00e8rement utile de regarder les tailles d&rsquo;effet entre les groupes.<\/p>\n<p>&nbsp;<\/p>\n<p><span data-sheets-root=\"1\" data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;&lt;a href=&quot;\/ebooks\/vbt-guide\/&quot;&gt;&lt;img style=&quot;width:876px; height:226px;&quot; alt=&quot;img-fase-2-fr&quot; src=&quot;\/wp-content\/uploads\/2026\/03\/PHASE_2_FR-scaled-1.jpg&quot;&gt;&lt;\/a&gt;&quot;}\" data-sheets-userformat=\"{&quot;2&quot;:513,&quot;3&quot;:{&quot;1&quot;:0},&quot;12&quot;:0}\"><a href=\"\/ebooks\/vbt-guide\/\"><img decoding=\"async\" style=\"width:876px; height:226px;\" alt=\"img-fase-2-fr\" src=\"\/wp-content\/uploads\/2026\/03\/PHASE_2_FR-scaled-1.jpg\"><\/a><\/span><\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Resume_bref_de_la_recherche-2\"><\/span>R\u00e9sum\u00e9 bref de la recherche<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>R\u00e9sum\u00e9 bref de la recherche Maintenant que nous avons termin\u00e9 notre br\u00e8ve interm\u00e8de sur les statistiques, concentrons-nous \u00e0 nouveau sur la litt\u00e9rature sur la perte de vitesse. Dans les 6 \u00e9tudes restantes, les tailles d&rsquo;effet entre les groupes pour la force 1RM \u00e9taient toutes inf\u00e9rieures \u00e0 0,20 (triviales) sauf dans une \u00e9tude : celle men\u00e9e par Pareja-Blanco et al. en 2017, qui est probablement la plus reconnue de toutes les \u00e9tudes sur la perte de vitesse (3). Celle-ci \u00e9tait int\u00e9ressante. Ils n&rsquo;ont pas seulement regard\u00e9 les changements de force 1RM, mais ils ont \u00e9galement examin\u00e9 les adaptations hypertrophiques par biopsie musculaire (ce qui est peut-\u00eatre la meilleure m\u00e9thode pour regarder l&rsquo;hypertrophie, mais elle est assez rare dans l&rsquo;ensemble des \u00e9tudes sur l&rsquo;entra\u00eenement en r\u00e9sistance). Dans cette \u00e9tude, la taille d&rsquo;effet entre les groupes \u00e9tait de 0,34 en faveur de VL20 et les changements de % 1RM \u00e9taient de 18,0 et 13,4 pour VL20 et VL40, respectivement. De plus, la proportion de myosine lourde en cha\u00eene IIX a \u00e9t\u00e9 pr\u00e9serv\u00e9e dans VL20 ; cependant, elle a \u00e9t\u00e9 r\u00e9duite dans VL40 (interaction groupe x temps : p = 0,04. Cependant, encore une fois, avec un p-value aussi \u00e9lev\u00e9, ce r\u00e9sultat peut \u00eatre un \u00ab faux positif \u00bb). Enfin, il n&rsquo;y avait pas de diff\u00e9rence significative en mati\u00e8re d&rsquo;hypertrophie entre les groupes.<\/p>\n<p>Cependant, ce qui est int\u00e9ressant \u00e0 noter, c&rsquo;est que dans l&rsquo;\u00e9tude de Pareja-Blanco et al. (2020), VL20 a entra\u00een\u00e9 une augmentation significative de l&rsquo;hypertrophie par rapport \u00e0 la ligne de base, alors que VL10 n&rsquo;en a pas, m\u00eame si le nombre total de r\u00e9p\u00e9titions effectu\u00e9es entre VL10 (143,6 \u00b1 40,2) et VL20 (168,5 \u00b1 47,4; 6) n&rsquo;\u00e9tait pas significatif. Par cons\u00e9quent, cela sugg\u00e8re qu&rsquo;il pourrait y avoir un seuil minimal de VL d&rsquo;environ 20% n\u00e9cessaire pour induire des augmentations significatives de l&rsquo;hypertrophie? En conclusion, il n&rsquo;y a pas vraiment grand-chose d&rsquo;autre \u00e0 signaler dans toutes ces \u00e9tudes en ce qui concerne la force et l&rsquo;hypertrophie. Cependant, un dernier point important est que le volume (en nombre total de r\u00e9p\u00e9titions) n&rsquo;est pas \u00e9quilibr\u00e9 dans toutes ces \u00e9tudes; par cons\u00e9quent, il est difficile de discerner si les r\u00e9sultats sont dus \u00e0 la perte de vitesse elle-m\u00eame ou aux diff\u00e9rences de volume entre les groupes. Bien s\u00fbr, c&rsquo;est probablement une combinaison des deux; cependant, ceci est toujours une limitation, car il serait id\u00e9al d&rsquo;avoir un volume contr\u00f4l\u00e9 (et tout le reste contr\u00f4l\u00e9) afin de pouvoir \u00e9tudier uniquement la perte de vitesse.<\/p>\n<p>En r\u00e9sum\u00e9, en se basant sur l&rsquo;ensemble de la litt\u00e9rature sur la perte de vitesse, je dirais tr\u00e8s tr\u00e8s prudemment qu&rsquo;il pourrait y avoir un petit avantage \u00e0 s&rsquo;entra\u00eener quelque part dans la gamme 0-25 VL pour les adaptations de force, simplement parce que l&rsquo;entra\u00eenement au-dessus de ~25 VL ne semble pas offrir d&rsquo;avantage suppl\u00e9mentaire, mais je pense que nous avons besoin de plus de recherches dans ce domaine (en particulier avec des \u00e9tudes \u00e0 volume \u00e9quilibr\u00e9) avant d&rsquo;arriver \u00e0 des conclusions concr\u00e8tes. En bref, 0-10 VL n&rsquo;est certainement pas pire pour les adaptations de force par rapport \u00e0 20 VL, et je dirais que le 1RM dans 0-10 VL aurait probablement un effet de taille significatif entre les groupes (probablement juste un petit effet de taille entre les groupes) si le volume \u00e9tait \u00e9quilibr\u00e9 par rapport aux seuils de VL plus \u00e9lev\u00e9s. De plus, je ne vois aucun avantage \u00e0 l&rsquo;entra\u00eenement aux seuils de VL sup\u00e9rieurs \u00e0 25, car il n&rsquo;y a pas de diff\u00e9rence significative en mati\u00e8re d&rsquo;hypertrophie entre VL20 et VL40. De plus, l&rsquo;entra\u00eenement \u00e0 VL30 et au-dessus peut induire des adaptations neuromusculaires d\u00e9favorables et entra\u00eener un \u00e9chec de l&rsquo;entra\u00eenement, ce que nous savons \u00eatre sub-optimal pour la force (1, 3). Enfin, j&rsquo;aime fournir +5% au-dessus du seuil de VL de 20, simplement parce que si vous effectuez une premi\u00e8re r\u00e9p\u00e9tition l\u00e9g\u00e8rement plus rapide que d&rsquo;habitude, cela peut faire augmenter le VL malgr\u00e9 que le jeu soit toujours \u00e0 la m\u00eame proximit\u00e9 de l&rsquo;\u00e9chec.<\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Que_suggere_ces_donnees\"><\/span>Que sugg\u00e8re ces donn\u00e9es ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Tout d&rsquo;abord, je tiens \u00e0 pr\u00e9ciser que ces \u00e9tudes comparent des seuils VL entre eux. La plupart d&rsquo;entre vous pensent probablement \u00ab Oui, bien s\u00fbr qu&rsquo;ils le font ; je le sais d\u00e9j\u00e0 \u00bb. Cependant, la proximit\u00e9 moyenne \u00e0 l&rsquo;\u00e9chec peut \u00eatre d\u00e9duite \u00e0 partir de ces donn\u00e9es. Par exemple, les r\u00e9p\u00e9titions effectu\u00e9es \u00e0 80 % du 1RM par le groupe VL10 de Pareja-Blanco et al. (2020) \u00e9taient de 2,5 \u00b1 0,9 ; cependant, dans un groupe \u00e0 faible nombre de r\u00e9p\u00e9titions et un groupe \u00e0 grand nombre de r\u00e9p\u00e9titions, il a \u00e9t\u00e9 signal\u00e9 que 4,8 \u00b1 0,6 et 7,1 \u00b1 1,3 r\u00e9p\u00e9titions peuvent \u00eatre effectu\u00e9es, respectivement, dans le squat \u00e0 la machine Smith (9). Par exemple, si certains individus effectuent 3 r\u00e9p\u00e9titions dans le groupe VL10 mais ne peuvent effectuer que 4 r\u00e9p\u00e9titions \u00e0 80 % du 1RM, ils auraient un RPE de 9. Inversement, si certains individus effectuent 2 r\u00e9p\u00e9titions dans le groupe VL10 mais peuvent effectuer 8 r\u00e9p\u00e9titions \u00e0 80 % du 1RM, ils auraient un RPE de 4. En bref, la variation intra-groupe de la proximit\u00e9 \u00e0 l&rsquo;\u00e9chec a probablement vari\u00e9 consid\u00e9rablement.<\/p>\n<p>Bien s\u00fbr, en moyenne, la proximit\u00e9 \u00e0 l&rsquo;\u00e9chec \u00e9tait probablement plus \u00e9lev\u00e9e dans le groupe VL40 par rapport \u00e0 VL20, VL10 et VL0. Mais, au lieu qu&rsquo;il y ait une proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec qui soit universelle pour tous les pourcentages du 1RM, peut-\u00eatre que la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec est sp\u00e9cifique au % du 1RM qui est utilis\u00e9 ? Pourquoi est-ce ? Ces \u00e9tudes utilisent 70, 75, 80 et 85 % du 1RM et nous savons que les valeurs de proximit\u00e9 \u00e0 l&rsquo;\u00e9chec varient \u00e0 chaque valeur VL en fonction du % du 1RM utilis\u00e9 (9). Par exemple, VL20 correspondra \u00e0 une valeur de proximit\u00e9 \u00e0 l&rsquo;\u00e9chec diff\u00e9rente pour chaque 70, 75, 80 et 85 % du 1RM.<\/p>\n<p>R\u00e9sumons-nous, tout d&rsquo;abord, ces donn\u00e9es sugg\u00e8rent quelles sont les plages de VL optimales. Comme mentionn\u00e9 pr\u00e9c\u00e9demment, la plage de VL optimale pour la force et l&rsquo;hypertrophie est d&rsquo;environ 0 \u00e0 25%. Deuxi\u00e8mement, ces donn\u00e9es nous disent, d&rsquo;accord, puisque 0 \u00e0 25 VL est la plage optimale, quelle proximit\u00e9 \u00e0 l&rsquo;\u00e9chec correspond-elle \u00e0 chaque % de 1RM. Par cons\u00e9quent, nous pouvons d\u00e9terminer quel RPE nous devrions utiliser en fonction du % de 1RM utilis\u00e9 et\/ou du nombre de r\u00e9p\u00e9titions effectu\u00e9es afin de rester dans cette plage de 0 \u00e0 25 VL.<\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Comment_determiner_la_proximite_optimale_a_lechec\"><\/span>Comment d\u00e9terminer la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Maintenant que nous avons \u00e9tabli que la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec varie en fonction du % de 1RM qui est sur la barre, comment d\u00e9terminons-nous la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec \u00e0 chaque % de 1RM ? Tout d&rsquo;abord, j&rsquo;ai cr\u00e9\u00e9 le Tableau 2 pour aider \u00e0 conceptualiser la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec en fonction du % de 1RM sur la barre.<\/p>\n<p>&nbsp;<\/p>\n<h6 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Tableau_2_Relation_entre_0_10_20_40_de_perte_de_vitesse_et_RIRRPE_a_70_75_80_85_du_1RM\"><\/span><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-238608 size-full\" src=\"\/wp-content\/uploads\/2020\/08\/Table-2_EN.png\" alt=\"\" width=\"872\" height=\"248\" \/>Tableau 2. Relation entre 0, 10, 20, 40% de perte de vitesse et RIR\/RPE \u00e0 70, 75, 80, 85% du 1RM<span class=\"ez-toc-section-end\"><\/span><\/h6>\n<p>&nbsp;<\/p>\n<p>La colonne la plus \u00e0 gauche intitul\u00e9e \u00ab Groupe \u00bb fournit les 4 groupes VL utilis\u00e9s dans l&rsquo;\u00e9tude de Pareja-Blanco et al. (2020) : VL0, VL10, VL20 et VL40. Sous chaque % de 1RM utilis\u00e9 dans cette \u00e9tude (70, 75, 80 et 85 % de 1RM), j&rsquo;ai enregistr\u00e9 le nombre de r\u00e9p\u00e9titions effectu\u00e9es par chaque groupe.<\/p>\n<p>Ensuite, en fonction des donn\u00e9es de squat de la machine \u00e0 Smith de Rodriguez-Rosell et al. (2019), j&rsquo;ai enregistr\u00e9 le nombre moyen de r\u00e9p\u00e9titions effectu\u00e9es \u00e0 chaque % de 1RM. Plus pr\u00e9cis\u00e9ment, dans cette \u00e9tude, ils ont rapport\u00e9 une moyenne de 23,4, 16,2, 9,6 et 6 r\u00e9p\u00e9titions \u00e0 50, 60, 70 et 80 % de 1RM, respectivement. Afin de d\u00e9terminer le nombre moyen de r\u00e9p\u00e9titions \u00e0 75 et 85 % de 1RM (les pourcentages de 1RM utilis\u00e9s dans l&rsquo;\u00e9tude de Pareja-Blanco et al. (2020)), j&rsquo;ai ex\u00e9cut\u00e9 un polyn\u00f4me du second ordre avec % de 1RM sur l&rsquo;axe des abscisses et r\u00e9p\u00e9titions effectu\u00e9es sur l&rsquo;axe des ordonn\u00e9es ; ce qui m&rsquo;a fourni une valeur<sup>R2<\/sup>presque parfaite de 0,9984. Plus important encore, cela m&rsquo;a fourni une moyenne de 7,7 et 4,5 r\u00e9p\u00e9titions \u00e0 75 et 85 % de 1RM, respectivement.<\/p>\n<p>Ensuite, pour chaque groupe VL, j&rsquo;ai pu d\u00e9terminer le RIR et le RPE moyens \u00e0 chaque % de 1RM. Par exemple, \u00e0 85 % de 1RM, le nombre moyen de r\u00e9p\u00e9titions qui peut \u00eatre effectu\u00e9 est de 4,5, et le nombre moyen de r\u00e9p\u00e9titions effectu\u00e9es par le groupe VL20 \u00e9tait de 2,3. Par cons\u00e9quent, 4,5 moins 2,3 \u00e9quivaut \u00e0 2,2 RIR, ce qui \u00e9quivaut \u00e0 7,8 RPE. Pour \u00eatre clair, ce tableau n&rsquo;est certainement pas parfait, et les valeurs RPE \u00e0 l&rsquo;int\u00e9rieur de chaque groupe varient consid\u00e9rablement. Malgr\u00e9 cela, il fournit une bonne <em>moyenne<\/em>, \u00e0 partir de laquelle nous pouvons commencer \u00e0 fournir des recommandations de formation. Par exemple, en se basant sur ces donn\u00e9es, si nous regardons les groupes VL10 et VL20, la gamme de RPE optimale pour 70 \u00e0 85 % de 1RM est de 4,1 \u00e0 7,8, ou si nous arrondissons ces chiffres \u00e0 de jolis nombres entiers faciles, environ 4 \u00e0 8 RPE. Vous vous demandez peut-\u00eatre : \u00ab \u00c0 quel point cette pr\u00e9cision est-elle pr\u00e9cise ? \u00bb Int\u00e9ressamment, si nous regardons le VL40, le RPE moyen \u00e0 70, 75, 80 et 85 % de 1RM est de 8,0, 9,3, 9,3 et 9,8, respectivement. Dans Pareja-Blanco et al. (2017), 56 % des s\u00e9ries totales du groupe VL40 ont \u00e9t\u00e9 effectu\u00e9es jusqu&rsquo;\u00e0 l&rsquo;\u00e9chec, donc je dirais que cette moyenne est assez pr\u00e9cise et que les RPE \u00e9taient peut-\u00eatre m\u00eame l\u00e9g\u00e8rement plus \u00e9lev\u00e9s que cela.<\/p>\n<p>J&rsquo;ai combin\u00e9 des donn\u00e9es de ces \u00e9tudes sur la perte de vitesse de diff\u00e9rentes mani\u00e8res afin de conceptualiser la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec \u00e0 chaque % de 1RM. Int\u00e9ressamment, mais sans surprise, je finis toujours par obtenir des valeurs tr\u00e8s similaires. Par exemple, \u00e0 70 % de 1RM, je finis toujours par obtenir environ 5 RPE pour VL25. Si nous regardons ce tableau, \u00e0 70 % de 1RM, j&rsquo;ai obtenu environ 4,6 RPE pour VL20. En d&rsquo;autres termes, \u00e0 70 % de 1RM, VL25 serait \u00e0 peu pr\u00e8s \u00e0 5 RPE. Juste un petit mot, mais un mot int\u00e9ressant.<\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Integrer_les_donnees_de_perte_de_vitesse_dans_les_donnees_de_proximite_a_lechec\"><\/span>Int\u00e9grer les donn\u00e9es de perte de vitesse dans les donn\u00e9es de proximit\u00e9 \u00e0 l&rsquo;\u00e9chec<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Maintenant que nous avons \u00e9tabli que la proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec entre 0 et 25 VL varie en fonction du % de 1RM utilis\u00e9, quelle est la proximit\u00e9 minimale \u00e0 l&rsquo;\u00e9chec \u00e0 laquelle nous devrions entra\u00eener et quelle est la proximit\u00e9 maximale \u00e0 l&rsquo;\u00e9chec \u00e0 laquelle nous devrions entra\u00eener? Par exemple, \u00e9tant donn\u00e9 que VL10 correspond \u00e0 environ 4 RPE \u00e0 70% de 1RM, devrions-nous faire des s\u00e9ries avec 70% de 1RM \u00e0 environ 4 RPE? En bref, la r\u00e9ponse est: non. Je pense que vous devriez vous entra\u00eener \u00e0 un minimum de 5 RPE pour vous assurer que vous \u00eates suffisamment proche de l&rsquo;\u00e9chec pour optimiser les r\u00e9sultats de force et d&rsquo;hypertrophie.<\/p>\n<p>Mais tout d&rsquo;abord, pourquoi devons-nous int\u00e9grer la litt\u00e9rature VL dans la litt\u00e9rature directement ax\u00e9e sur les diff\u00e9rentes proximit\u00e9s \u00e0 l&rsquo;\u00e9chec, et pourquoi ne devrions-nous pas int\u00e9grer la litt\u00e9rature de proximit\u00e9 \u00e0 l&rsquo;\u00e9chec dans la litt\u00e9rature VL? Il existe deux \u00e9tudes d\u00e9montrant des adaptations significativement plus importantes de la force 1RM pour un entra\u00eenement \u00e0 une proximit\u00e9 \u00e9lev\u00e9e \u00e0 l&rsquo;\u00e9chec par rapport \u00e0 un entra\u00eenement \u00e0 une proximit\u00e9 faible \u00e0 l&rsquo;\u00e9chec (10, 11). Cependant, il n&rsquo;existe aucune \u00e9tude d\u00e9montrant des adaptations significativement plus importantes de la force 1RM entre les groupes dans la litt\u00e9rature VL qui a examin\u00e9 le squat (ou le squat \u00e0 la machine Smith) ou le banc de presse (ou le banc de presse \u00e0 poids) \u00e0 l&rsquo;exception de l&rsquo;\u00e9tude sur les tractions qui ne comparait que VL25 \u00e0 VL50.<\/p>\n<p>Enfin, une troisi\u00e8me \u00e9tude \u00e0 mentionner est celle de Helms et al. (2018) afin de reprendre notre br\u00e8ve le\u00e7on de statistiques et de voir comment, malgr\u00e9 aucune diff\u00e9rence significative dans le 1RM entre les groupes, il y avait toujours un effet de taille mod\u00e9r\u00e9 (0,50) pour le groupe qui s&rsquo;entra\u00eenait \u00e0 un RPE significativement plus \u00e9lev\u00e9. Si nous devions uniquement regarder les changements de % de 1RM de Helms et al. (2018) et les comparer aux changements de % de la litt\u00e9rature VL, quelqu&rsquo;un pourrait penser \u00e0 tort que l&rsquo;ampleur de la diff\u00e9rence entre les groupes \u00e9tait plus grande dans la litt\u00e9rature VL. Par exemple, les changements de % de 1RM dans le squat \u00e9taient de 11,8 dans le groupe \u00e0 haut RPE et de 10,0 dans le groupe \u00e0 faible RPE dans l&rsquo;\u00e9tude de Helms et al. (2018). Cependant, si vous vous souvenez de notre br\u00e8ve le\u00e7on de statistiques plus t\u00f4t, les effets de taille rapport\u00e9s dans cette \u00e9tude sont sup\u00e9rieurs aux effets de taille rapport\u00e9s dans toute la litt\u00e9rature VL, \u00e0 l&rsquo;exception du banc de presse dans l&rsquo;\u00e9tude de Helms et al. (2018) (effet de taille : 0,28) par rapport au squat \u00e0 la machine Smith dans l&rsquo;\u00e9tude de Pareja-Blanco et al. (2017) (effet de taille : 0,34).<\/p>\n<p>Finalement, pour cette raison, nous devons d&rsquo;abord utiliser la plage optimale de RPE de ~5 \u00e0 10 et la plage optimale de VL de ~0 \u00e0 25 second. Bien, comment ai-je d\u00e9termin\u00e9 la plage optimale de RPE? Le groupe \u00e0 haut RPE dans l&rsquo;\u00e9tude de Helms et al. (2018) a entra\u00een\u00e9 \u00e0 ~7 \u00e0 9 RPE pour la majorit\u00e9 de l&rsquo;\u00e9tude; cependant, les valeurs de RPE sont surestim\u00e9es, mais s&rsquo;am\u00e9liorent \u00e0 mesure que le nombre de r\u00e9p\u00e9titions dans le jeu diminue (par cons\u00e9quent \u00e0 des pourcentages plus \u00e9lev\u00e9s de 1RM) et \u00e0 mesure que la proximit\u00e9 \u00e0 l&rsquo;\u00e9chec augmente. Cependant, l&rsquo;\u00e9tude qui a not\u00e9 ce constat a effectu\u00e9 plus de r\u00e9p\u00e9titions en moyenne \u00e0 un pourcentage plus faible de 1RM que ce que les sujets ont entra\u00een\u00e9 dans l&rsquo;\u00e9tude de Helms et al. (2018); par cons\u00e9quent, pour cette raison, il est difficile de faire une comparaison directe. Cependant, je dirais que ces sujets ont probablement surestim\u00e9 leurs valeurs de RPE de ~2; cependant, certains ont peut-\u00eatre sous-estim\u00e9 leurs valeurs de RPE et ont m\u00eame pu s&rsquo;entra\u00eener pr\u00e8s d&rsquo;un 10 RPE. Par cons\u00e9quent, je pense que la plage optimale de RPE est ~5 \u00e0 10 RPE. Maintenant, que nous avons \u00e9tabli la plage optimale de RPE, nous pouvons entrer la plage optimale de VL de ~0 \u00e0 25% dans la plage optimale de RPE et r\u00e9pondre \u00e0 deux questions cl\u00e9s: 1) quelle est la plage optimale de RPE pour le % de 1RM que j&rsquo;utilise? Et 2) quelle est la plage optimale de RPE pour le nombre de r\u00e9p\u00e9titions que je fais?<\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Recommendations_generales_dentrainement\"><\/span>R\u00e9commendations g\u00e9n\u00e9rales d&rsquo;entra\u00eenement<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>J&rsquo;ai utilis\u00e9 les donn\u00e9es de Rodriguez-Rosell et al. (2019) pour fournir des recommandations d&rsquo;entra\u00eenement g\u00e9n\u00e9rales et r\u00e9pondre aux deux questions susmentionn\u00e9es. Il est important de noter que ces donn\u00e9es s&rsquo;alignent parfaitement avec le tableau 2, ce qui renforce encore le fait que les valeurs RPE approximatives que j&rsquo;ai d\u00e9termin\u00e9es pour chaque groupe VL dans l&rsquo;\u00e9tude de Pareja-Blanco et al. (2020) et dans l&rsquo;\u00e9tude de Pareja-Blanco et al. (2017) \u00e9taient probablement assez pr\u00e9cises. Tout d&rsquo;abord, je commencerai par les plages de RPE optimales pour chaque % de 1RM. Ensuite, je traiterai des plages de RPE optimales pour chaque r\u00e9p\u00e9tition effectu\u00e9e. Cependant, pour des raisons d&rsquo;entra\u00eenement, n&rsquo;oubliez pas d&rsquo;utiliser votre propre <em>table de vitesse de premi\u00e8re r\u00e9p\u00e9tition<\/em> et votre propre <em>table de vitesse de derni\u00e8re r\u00e9p\u00e9tition<\/em> pour des valeurs RPE et des pourcentages de 1RM pr\u00e9cis, comme indiqu\u00e9 dans mon article intitul\u00e9 <a href=\"https:\/\/pre.vitruve.fit\/fr\/blog\/systematiquement-individualiser-la-prescription-de-charge\/\"><strong>SYSTEMATICALLY INDIVIDUALIZING LOAD PRESCRIPTION: FORMULATING AND APPLYING FIRST AND LAST REP VELOCITY TABLES.<\/strong><\/a><\/p>\n<p>Le tableau 3 illustre la plage de RPE optimale \u00e0 chaque % de 1RM afin de maintenir une VL comprise entre 0 et 25 %. La recommandation commence \u00e0 70 % de 1RM, car cela correspond \u00e0 la limite inf\u00e9rieure de la plage de RPE optimale (5 RPE) et \u00e0 la limite sup\u00e9rieure de la plage de VL optimale (25 %). Pour chaque augmentation de 2,5 % de 1RM, la limite sup\u00e9rieure de la plage de RPE optimale augmente de 0,5 RPE. Par cons\u00e9quent, la plage de RPE optimale pour 72,5 % de 1RM est de 5 \u00e0 5,5 RPE, 75 % de 1RM est de 5 \u00e0 6 RPE\u2026 95 \u00e0 100 % de 1RM est de 5 \u00e0 10 RPE.<\/p>\n<p>&nbsp;<\/p>\n<h6 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Tableau_3_Gamme_RPE_optimale_a_chaque_pourcentage_de_1RM_pour_maintenir_une_perte_de_vitesse_de_0_a_25\"><\/span><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-238609 size-full\" src=\"\/wp-content\/uploads\/2020\/08\/Table-3_EN.png\" alt=\"\" width=\"649\" height=\"372\" \/>Tableau 3. Gamme RPE optimale \u00e0 chaque pourcentage de 1RM pour maintenir une perte de vitesse de 0 \u00e0 25%.<span class=\"ez-toc-section-end\"><\/span><\/h6>\n<p>&nbsp;<\/p>\n<p>La table 4 illustre la gamme RPE optimale pour chaque r\u00e9p\u00e9tition pour maintenir une perte de vitesse de 0 \u00e0 25%. La recommandation commence \u00e0 6 r\u00e9p\u00e9titions, car cela maximise la partie inf\u00e9rieure de la gamme RPE optimale (5 RPE) et maximise la partie sup\u00e9rieure de la gamme VL optimale (25%). Pour chaque diminution de r\u00e9p\u00e9titions, la partie sup\u00e9rieure de la gamme RPE optimale augmente d&rsquo;un RPE. Par cons\u00e9quent, la gamme RPE optimale pour 5 r\u00e9p\u00e9titions est de 5 \u00e0 6 RPE, 4 r\u00e9p\u00e9titions est de 5 \u00e0 7 RPE &#8230; 1 r\u00e9p\u00e9tition est de 5 \u00e0 10 RPE.<\/p>\n<p>&nbsp;<\/p>\n<h6 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Tableau_4_Gamme_RPE_optimale_pour_chaque_nombre_de_repetitions_pour_maintenir_une_perte_de_vitesse_de_0_a_25\"><\/span><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-238610 size-full\" src=\"\/wp-content\/uploads\/2020\/08\/Table-4_EN.png\" alt=\"\" width=\"662\" height=\"233\" \/>Tableau 4. Gamme RPE optimale pour chaque nombre de r\u00e9p\u00e9titions pour maintenir une perte de vitesse de 0 \u00e0 25 %.<span class=\"ez-toc-section-end\"><\/span><\/h6>\n<h3><span class=\"ez-toc-section\" id=\"Force\"><\/span>Force<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Si l&rsquo;objectif principal de la session est la force, vous voudrez une combinaison de RPE \u00e9lev\u00e9 (~7 &#8211; 10) et de VL faible (~0 &#8211; 20). Pourquoi un RPE \u00e9lev\u00e9 pour la force? Il y a deux \u00e9tudes qui d\u00e9montrent des r\u00e9sultats significativement plus \u00e9lev\u00e9s en mati\u00e8re de force 1RM pour un entra\u00eenement \u00e0 un RPE \u00e9lev\u00e9, dans lesquelles les sujets ont entra\u00een\u00e9 \u00e0 un RPE d&rsquo;environ 7 \u00e0 9 pour la majorit\u00e9 de l&rsquo;\u00e9tude dans les deux \u00e9tudes (10, 11). Pourquoi un VL faible pour la force? Il y a une \u00e9tude qui d\u00e9montre une taille d&rsquo;effet mod\u00e9r\u00e9e dans les r\u00e9sultats de force 1RM pour VL20 par rapport \u00e0 VL40, et en dessous de 20% VL n&rsquo;est pas inf\u00e9rieur pour la force, c&rsquo;est simplement que ces groupes n&rsquo;ont probablement pas effectu\u00e9 suffisamment de volume pour avoir des augmentations aussi robustes dans la force 1RM que VL20 (3, 6).<\/p>\n<p>&nbsp;<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Hypertrophie\"><\/span>Hypertrophie<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Si le principal objectif de la s\u00e9ance est l&rsquo;hypertrophie (pour un athl\u00e8te de force), vous voulez une combinaison de RPE faible (~5 &#8211; 6) et de VL \u00e9lev\u00e9 (~20 &#8211; 25). Pourquoi un VL \u00e9lev\u00e9 pour l&rsquo;hypertrophie? Le VL20 a entra\u00een\u00e9 une augmentation significative de l&rsquo;hypertrophie par rapport \u00e0 la ligne de base; cependant, le VL10 n&rsquo;a pas (6). De plus, il n&rsquo;y avait pas de diff\u00e9rence significative dans l&rsquo;hypertrophie rapport\u00e9e entre le VL20 et le VL40 (3, 6). Par cons\u00e9quent, il semble qu&rsquo;il n&rsquo;y ait pas d&rsquo;avantage suppl\u00e9mentaire \u00e0 entra\u00eener \u00e0 des seuils de VL plus \u00e9lev\u00e9s. De plus, des seuils de VL plus \u00e9lev\u00e9s promouvront des adaptations n\u00e9gatives neuromusculaires pour les athl\u00e8tes de force (3). Pourquoi un RPE faible pour l&rsquo;hypertrophie? Premi\u00e8rement, il n&rsquo;y avait aucune diff\u00e9rence significative ni aucune taille d&rsquo;effet significative signal\u00e9e par Helms et al. (2018) en hypertrophie entre les groupes EPR haut et bas ; cependant, un RPE \u00e9lev\u00e9 \u00e9tait sup\u00e9rieur pour la force (12). Deuxi\u00e8mement, afin de maintenir ce VL de 20 \u00e0 25%, mais d&rsquo;obtenir tout de m\u00eame une quantit\u00e9 suffisante via des r\u00e9p\u00e9titions plus \u00e9lev\u00e9es (~5+), tout en maintenant un RPE de 5 ou plus, vous n&rsquo;avez vraiment que quelques options: 6 r\u00e9p\u00e9titions \u00e0 5 RPE (~25 VL), 5 r\u00e9p\u00e9titions \u00e0 5 RPE (~20 VL) et 5 r\u00e9p\u00e9titions \u00e0 6 RPE (~25 VL). Si vous effectuez moins de 5 r\u00e9p\u00e9titions, il sera difficile d&rsquo;obtenir une quantit\u00e9 suffisante; cependant, si vous effectuez plus de 6 r\u00e9p\u00e9titions, vous ne serez plus dans la plage optimale de RPE et de VL. Par exemple, 7 r\u00e9p\u00e9titions \u00e0 5 RPE est ~30 VL (d\u00e9passant la plage optimale sup\u00e9rieure de VL). De mani\u00e8re similaire, 7 r\u00e9p\u00e9titions \u00e0 25 VL est \u00e0 un ~4 RPE (d\u00e9passant la plage inf\u00e9rieure optimale de RPE).<\/p>\n<p>&nbsp;<\/p>\n<h6 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Tableau_5_RPE_Gamme_Gamme_de_perte_de_vitesse_et_Gamme_de_repetitions_pour_objectif_dentrainement\"><\/span><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-238611 size-full\" src=\"\/wp-content\/uploads\/2020\/08\/Table-5_EN.png\" alt=\"\" width=\"832\" height=\"212\" \/>Tableau 5. RPE Gamme, Gamme de perte de vitesse et Gamme de r\u00e9p\u00e9titions pour objectif d&rsquo;entra\u00eenement<span class=\"ez-toc-section-end\"><\/span><\/h6>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"La_conclusion\"><\/span>La conclusion<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La litt\u00e9rature sur la perte de vitesse sugg\u00e8re qu&rsquo;il n&rsquo;y a pas un seul proximit\u00e9 magique \u00e0 l&rsquo;\u00e9chec, mais plut\u00f4t que cette proximit\u00e9 optimale \u00e0 l&rsquo;\u00e9chec d\u00e9pend du pourcentage de 1RM sur la barre et du nombre de r\u00e9p\u00e9titions effectu\u00e9es dans l&rsquo;ensemble. Si vous avez appr\u00e9ci\u00e9 cet article et que vous \u00eates int\u00e9ress\u00e9 par la fa\u00e7on dont vous pouvez optimiser individuellement votre propre proximit\u00e9 \u00e0 l&rsquo;\u00e9chec sp\u00e9cifiquement pour le powerlifting, veuillez consulter mon <strong><a href=\"https:\/\/www.youtube.com\/watch?v=6mqmshpUl1g\" target=\"_blank\" rel=\"noopener\">s\u00e9minaire bonus<\/a><\/strong>. Profitez!<\/p>\n<p>&nbsp;<\/p>\n<p><strong>Points cl\u00e9s \u00e0 retenir<\/strong><\/p>\n<ul>\n<li>La majorit\u00e9 de l&rsquo;entra\u00eenement pour les athl\u00e8tes de force devrait \u00eatre effectu\u00e9e \u00e0 ou en dessous de ~25 VL afin de pr\u00e9server des adaptations neuromusculaires favorables<\/li>\n<li>La majorit\u00e9 de l&rsquo;entra\u00eenement pour les athl\u00e8tes de force devrait \u00eatre effectu\u00e9e dans la gamme de 1 \u00e0 6 r\u00e9p\u00e9titions, dans la gamme de 5 \u00e0 10 RPE et dans la gamme de 0 \u00e0 25 VL pour des r\u00e9sultats optimaux en termes de force et d&rsquo;hypertrophie<\/li>\n<li>Les athl\u00e8tes peuvent utiliser les tableaux de gamme RPE optimale fournis comme ligne directrice g\u00e9n\u00e9rale afin de maintenir 0 \u00e0 25 VL en fonction du pourcentage de 1RM sur la barre et du nombre de r\u00e9p\u00e9titions effectu\u00e9es dans l&rsquo;ensemble.<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"References\"><\/span>R\u00e9f\u00e9rences<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ol>\n<li>Davies, T, Orr, R, Halaki, M, and Hackett, D. Effect of training leading to repetition failure on muscular strength: a systematic review and meta-analysis. <em>Sports Medicine 46<\/em>(4): 487 \u2013 502, 2016.<\/li>\n<li>Pareja-Blanco, F, Sanchez-Medina, L, Suarez-Arrones, L, and Gonzalez-Badillo, JJ. Effects of velocity loss during resistance training on performance in professional soccer players. <em>International Journal of Sports Physiology and Performance 12<\/em>(4): 512 \u2013 519, 2016.<\/li>\n<li>Pareja-Blanco, F, Rodriguez-Rosell, D, Sanchez-Medina, L, Sanchis-Moysi, J, Dorado, C, Mora-Custodio, R, Yanez-Garcia, JM, Morales-Alamo, D, Perez-Suarez, I, Calbet, JAL, and Gonzalez-Badillo, JJ. Effects of velocity loss during resistance training on athletic performance, strength gains and muscle adaptations. <em>Scandinavian Journal of Medicine &amp; Science in Sports 27<\/em>(7): 724 \u2013 735, 2017.<\/li>\n<li>Galiano, C, Pareja-Blanco, F, Hidalgo de Mora, J, and Villarreal, ES. Low-velocity loss induces similar strength gains to moderate-velocity loss during resistance training. <em>The Journal of Strength and Conditioning Research, <\/em>[Epub ahead of print], 2020.<\/li>\n<li>Rodriguez-Rosell, D, Yanez-Garcia, JM, Mora-Custodio, R, Pareja-Blanco, F, Ravelo-Garcia, AG, Ribas-Serna, J, and Gonzalez-Badillo. Velocity-based resistance training: impact of velocity loss in the set on neuromuscular performance and hormonal response. <em>Applied Physiology, Nutrition, and Metabolism, <\/em>[Epub ahead of print], 2020.<\/li>\n<li>Pareja-Blanco, F, Alcazar, J, Sanchez-Valdepenas, J, Cornejo-Daza, PJ, Piqueras-Sanchiz, F, Mora-Vela, R, Sanchez-Moreno, M, Bachero-Mena, B, Ortega-Becerra, M, and Alegre, LM. Velocity loss as a critical variable determining the adaptations to strength training. <em>Medicine and Science in Sports and Exercise 52<\/em>(8), 1752 \u2013 1762, 2020.<\/li>\n<li>Rodiles-Guerrero, L, Pareja-Blanco, F, and Leon-Prados, JA. Effect of velocity loss on strength performance in bench press using a weight stack machine. <em>International Journal of Sports Medicine, <\/em>[Epub ahead of print], 2020.<\/li>\n<li>Sanchez-Moreno, M, Cornejo-Daza, PJ, Gonzalez-Badillo, JJ, and Pareja-Blanco, F. Effects of velocity loss during body mass prone-grip pull-up training on strength and endurance performance. <em>The Journal of Strength and Conditioning Research 34<\/em>(4), 911 \u2013 917, 2020.<\/li>\n<li>Rodriguez-Rosell, D, Yanez-Garcia, JM, Sanchez-Medina, L, Mora-Custodio, R, and Gonzalez-Badillo, JJ. Relationship between velocity loss and repetitions in reserve in the bench press and back squat exercises. <em>The Journal of Strength and Conditioning Research, <\/em>[Epub ahead of print], 2019.<\/li>\n<li>Shattock, K, and Tee, JC. Autoregulation in resistance training: a comparison of subjective versus objective methods. <em>The Journal of Strength and Conditioning Research <\/em>[Epub ahead of print], 2020.<\/li>\n<li>Graham, T, and Cleather, DJ. Autoregulation by \u201crepetitions in reserve\u201d leads to greater improvements in strength over a 12-week training program than fixed loading. <em>The Journal of Strength and Conditioning Research, <\/em>[Epub ahead of print], 2019.<\/li>\n<li>Helms, ER, Byrnes, RK, Cooke, DM, Haischer, MH, Carzoli, JP, Johnson, TK, Cross, MR, Cronin, JB, Storey, AG, and Zourdos, MC. RPE vs percentage 1RM loading in periodized programs matched for sets and repetitions. <em>Frontiers in Physiology 9<\/em>: 247, 2018.<\/li>\n<\/ol>\n<h5><\/h5>\n<h5><\/h5>\n","protected":false},"excerpt":{"rendered":"<p>La litt\u00e9rature sur la perte de vitesse fournit des informations pr\u00e9cieuses sur la distance \u00e0 laquelle la plupart des entra\u00eenements doivent \u00eatre effectu\u00e9s par rapport \u00e0 l&rsquo;\u00e9chec, mais ce n&rsquo;est pas aussi simple qu&rsquo;on pourrait le penser. Rejoignez-moi alors que j&rsquo;aborde comment int\u00e9grer les donn\u00e9es de perte de vitesse dans les donn\u00e9es de proximit\u00e9 \u00e0 [&hellip;]<\/p>\n","protected":false},"author":11,"featured_media":2686,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"yasr_overall_rating":0,"yasr_post_is_review":"","yasr_auto_insert_disabled":"","yasr_review_type":"","footnotes":""},"categories":[265],"tags":[],"class_list":["post-6895","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-velocity-based-training"],"acf":[],"yasr_visitor_votes":{"stars_attributes":{"read_only":false,"span_bottom":false},"number_of_votes":0,"sum_votes":0},"_links":{"self":[{"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/posts\/6895","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/comments?post=6895"}],"version-history":[{"count":1,"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/posts\/6895\/revisions"}],"predecessor-version":[{"id":23939,"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/posts\/6895\/revisions\/23939"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/media\/2686"}],"wp:attachment":[{"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/media?parent=6895"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/categories?post=6895"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pre.vitruve.fit\/fr\/wp-json\/wp\/v2\/tags?post=6895"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}