De l’autocensure dans le Blockhaus à la censure médiatique par l’algorithme

Le watt devait éclairer le cycliste. Il commence parfois à lui couper le courant. Et quand on lui demande en plus de détecter le dopage, le compteur risque de devenir à la fois entraîneur, procureur et éditorialiste.

“Un chiffre doit informer la sensation, pas la bâillonner. Un algorithme doit orienter une investigation, pas fabriquer une culpabilité.”

Version éditoriale documentée – juillet 2026

Avertissement méthodologique

Ce texte critique une promesse et un raisonnement scientifique, non l’intégrité des chercheurs ou des institutions. L’analyse de puissance peut être utile pour orienter des contrôles. Elle ne devient problématique que lorsqu’une anomalie statistique est présentée, explicitement ou implicitement, comme une détection du dopage.

Le jour où le compteur a dit non

Dans le Blockhaus, lors du Giro féminin 2024, Juliette Labous disposait de données qu’elle jugeait elle-même « vraiment très bonnes ». Pourtant, elle a ralenti en regardant son compteur : « Avec ces watts-là, je ne peux pas tenir une heure. » Après l’arrivée, elle a résumé l’épisode avec une lucidité rare : « J’ai trop regardé mes watts » et « je me suis mis une limite mentale ». [1]

La donnée ne signalait aucune défaillance. Elle indiquait peut-être une journée exceptionnelle. Mais le nombre a été interprété comme une interdiction physiologique. La mesure, censée décrire la performance, s’est mise à la prescrire. Le thermomètre a pris le contrôle du chauffage.

Le watt, pauvre unité du Système international, n’a évidemment rien demandé. Il ne sait pas ce qu’est une victoire, une sensation, une journée de grâce ou une fringale. Il mesure une puissance mécanique. C’est déjà beaucoup. Mais le cyclisme moderne lui demande maintenant d’être simultanément capteur, entraîneur, directeur sportif, psychologue, juge d’instruction et chroniqueur de plateau télévisé.

Le paradoxe du Blockhaus La coureuse n’a pas été limitée par sa puissance, mais par l’interprétation d’une puissance jugée trop haute pour être vraie. La norme personnelle a censuré la possibilité du jour.

Du watt-conseiller au watt-gendarme

L’International Testing Agency (ITA), avec l’Université du Kent et University College London, conduit une étude de faisabilité et un projet pilote sur l’analyse longitudinale des données de puissance. Environ 60 coureurs de quatre WorldTeams et d’une ProTeam y participent. L’objectif officiel est prudent : vérifier si ces données pourraient devenir une source complémentaire de renseignement pour cibler des contrôles, approfondir une analyse, conserver un échantillon ou prioriser une enquête. L’ITA précise que la puissance ne doit pas établir directement une violation des règles antidopage. [2]

Cette prudence est scientifique. Elle s’évapore souvent au passage dans le sas commercial ou médiatique. Une « étude de faisabilité » devient un « passeport de puissance ». Un modèle exploratoire devient un détecteur. Une anomalie devient un soupçon. Une progression devient une question : comment a-t-il pu gagner autant de watts ?

“À ce rythme, le compteur devra bientôt être assisté d’un avocat.”

1. Ce que mesure réellement un capteur

Un capteur de puissance mesure une grandeur mécanique externe. Dans sa forme la plus simple, la puissance instantanée est le produit du couple appliqué par la vitesse angulaire :

(1)

P : puissance mécanique ; τ : couple ; ω : vitesse angulaire.

Cette équation ne contient ni molécule interdite, ni transfusion, ni hormone. Elle ne contient même pas directement le VO₂max, l’hémoglobine ou la capacité mitochondriale. La puissance observée est la sortie finale d’un système beaucoup plus vaste :

(2)

C : capacités physiologiques ; F : fatigue ; S : stratégie ; M : matériel et masse ; E : environnement ; N : nutrition ; T : tâche et contexte tactique.

Le dopage peut agir sur certains termes de cette fonction. Il n’est qu’une cause possible parmi de nombreuses autres. Observer une hausse de puissance ne permet pas d’en identifier la cause.

L’erreur logique fondamentale

Le raisonnement correct est : certaines pratiques dopantes peuvent, dans certaines conditions, augmenter la capacité de performance. Le raisonnement incorrect consiste à retourner la flèche et à conclure qu’une performance accrue révèle un dopage.

(3)

Une conséquence possible ne permet pas d’identifier rétrospectivement une cause unique.

La pluie peut mouiller la route. Une route mouillée ne prouve pas qu’il a plu : un camion de nettoyage a peut-être précédé le peloton. De même, le dopage peut améliorer une performance ; une amélioration ne prouve pas le dopage.

2. L’algorithme ne détecte pas le dopage : il mesure un résidu

Le projet officiel parle d’« excess performances », c’est-à-dire d’une trajectoire individuelle ajustée sur la performance moyenne d’athlètes du même âge et sur différents facteurs de confusion. [2] Dans un modèle simplifié, l’algorithme pourrait calculer un écart standardisé entre la puissance observée et la puissance attendue :

(4)

X regroupe les variables connues du modèle : âge, profil, contexte, saison, etc.

Ce score Z répond à une question statistique : « Cette observation est-elle éloignée de ce que le modèle attend ? » Il ne répond pas à la question causale : « Pourquoi est-elle éloignée ? »

Ce que sait l’algorithme Le modèle sait qu’une valeur s’écarte de sa prédiction. Il ne sait pas automatiquement si cet écart vient d’un progrès physiologique, d’une meilleure stratégie, d’une erreur de capteur, d’une occasion enfin maximale, d’une récupération exceptionnelle ou d’une pratique interdite.

Une SAS peut donc vendre un détecteur d’anomalies. Elle ne peut pas, sans validation causale et diagnostique, vendre honnêtement un détecteur de dopage. Le changement de vocabulaire n’est pas cosmétique : il sépare une promesse scientifique raisonnable d’une affirmation non démontrée.

3. Quand la moyenne devient un plafond humain

Comparer un coureur à la trajectoire moyenne d’athlètes du même âge peut être statistiquement utile. Mais une moyenne de population décrit un groupe ; elle ne définit pas la limite légitime d’un individu.

• Deux coureurs du même âge n’ont pas le même âge d’entraînement ni la même histoire de blessures.
• Un équipier devenu leader, un rouleur devenu grimpeur ou un jeune récemment professionnalisé peut changer brutalement de contexte.
• Une perte de masse, un changement d’entraîneur, une meilleure récupération ou une méthode plus individualisée peuvent modifier la trajectoire.
• Un talent longtemps sous-exposé peut simplement révéler pour la première fois son niveau réel.

Le risque apparaît lorsque la moyenne cesse d’être descriptive et devient normative :

“Vous avez le droit de gagner huit watts cette saison. À neuf watts, veuillez vous présenter au contrôle.”

Le sport de haut niveau recherche précisément les individus qui sortent de la distribution. Un algorithme mal interprété pourrait traiter l’exception sportive comme une anomalie morale.

4. Le faux jumeau du passeport biologique

Le rapprochement avec le passeport biologique est séduisant, mais scientifiquement incomplet. Le passeport biologique suit longitudinalement des variables biologiques situées sur une chaîne physiologique directement affectée par certaines méthodes de dopage. Il repose sur des procédures harmonisées, des modules définis et une gestion experte des profils atypiques. [3]

La puissance mécanique se situe, elle, tout au bout de la chaîne. Elle est le résultat final d’une combinaison de biologie, de technique, de tactique, de motivation, de matériel et d’environnement. Elle est donc beaucoup moins spécifique.

Analogie utile, équivalence impossible Le passeport biologique observe des marqueurs biologiques sélectionnés pour leur proximité avec certains effets du dopage. Le passeport de puissance observe la vitesse de sortie du système entier. Il peut signaler une fumée ; il ne désigne pas l’incendiaire.

5. Le problème insoluble de la vérité terrain

Pour valider un détecteur, il faut connaître le statut réel des observations : dopées ou non dopées. Il faut ensuite publier sa sensibilité, sa spécificité, sa calibration, ses valeurs prédictives et son taux de fausses alertes.

Or un contrôle négatif ne prouve pas qu’un athlète est propre. Il signifie seulement que les analyses réalisées sur un échantillon donné n’ont pas détecté une substance ou une méthode selon les fenêtres et techniques disponibles. Le jeu de données ne possède donc pas d’étiquettes parfaites.

La probabilité qu’une alerte corresponde réellement à un cas dépend non seulement de la qualité du test, mais aussi de la fréquence réelle du phénomène recherché :

(5)

Formule de Bayes : D = dopage ; A = alerte algorithmique. Pr = probabilité

Illustration théorique : avec 80 % de sensibilité, 95 % de spécificité et une prévalence de 1 %, la valeur prédictive positive n’est que de 13,9 %. Autrement dit, environ six alertes sur sept seraient fausses dans ce scénario.

(6)

Exemple pédagogique, non estimation de la prévalence réelle dans le peloton.

Sans vérité terrain fiable, on peut évaluer un détecteur d’écarts statistiques. On ne peut pas annoncer honnêtement les performances d’un détecteur de dopage.

6. Les watts d’entraînement ne révèlent pas toujours la capacité maximale

Un fichier d’entraînement montre ce que le coureur a effectivement produit, pas nécessairement ce qu’il aurait pu produire. Une sortie de récupération ne teste pas la puissance critique. Un équipier qui travaille quatre heures avant un col n’est pas dans la même situation qu’un leader protégé. Un coureur peut ne rencontrer pendant plusieurs semaines aucune occasion d’exprimer son maximum sur cinq, vingt ou soixante minutes.

Une étude menée chez 27 cyclistes professionnels a comparé les meilleures puissances issues des fichiers de terrain à des contre-la-montre maximaux standardisés de 1, 5 et 20 minutes. Les données de terrain, particulièrement en période préparatoire dominée par l’entraînement, ne remplaçaient pas toujours les tests spécifiques. [4]

Censure par l’occasion Le modèle ne voit que les efforts qui ont eu lieu et qui ont été enregistrés. La première vraie occasion de produire un maximum peut être interprétée à tort comme une progression physiologique soudaine.

Cette limite ouvre aussi une possibilité de contournement : un coureur peut éviter de montrer certaines capacités à l’entraînement, retirer un fichier ou changer de capteur. Les données manquantes ne sont alors pas aléatoires ; elles deviennent informatives et potentiellement stratégiques.

7. Le capteur possède lui aussi ses jours sans

Le compteur produit une mesure, pas une révélation. Les capteurs diffèrent selon leur emplacement, leur algorithme, leur étalonnage et leur sensibilité au contexte. Une revue méthodologique insiste sur la nécessité d’évaluer l’exactitude, la sensibilité, la répétabilité, la reproductibilité et la robustesse dans des conditions variées : cadence, couple, sprint, température, vibration, position et terrain. [5]

Dès 2016, le texte fondateur de Hopker et collaborateurs reconnaissait que la validité des capteurs employés dans le cyclisme professionnel et l’hétérogénéité des procédures de calibration constituaient une incertitude préalable à résoudre. [6] Des travaux antérieurs ont également montré que la température pouvait modifier de manière notable les lectures de certains systèmes. [7]

Un modèle longitudinal devrait donc distinguer la vraie performance du biais propre au dispositif :

(7)

bcapteur : biais systématique ; εaléatoire : erreur variable d’une mesure à l’autre.

Si un coureur change de vélo, de pédales, de manivelles ou de marque de capteur, l’algorithme peut confondre une rupture métrologique avec une rupture physiologique. Un watt n’est pas automatiquement échangeable avec un autre watt produit par un autre système.

8. Plus on cherche d’anomalies, plus on en trouve

Un profil de puissance peut comporter des centaines de variables : une seconde, cinq secondes, trente secondes, une minute, cinq minutes, vingt minutes, une heure ; puissance fraîche ou après fatigue ; valeur absolue ou rapportée à la masse ; comparaison hebdomadaire, mensuelle ou annuelle ; entraînement ou compétition.

Lorsque des centaines de fenêtres et de seuils sont examinés, certaines valeurs sortent mécaniquement de leur intervalle attendu chez un coureur parfaitement propre. Sans correction pour les comparaisons multiples et sans seuil prédéfini, l’algorithme peut fabriquer de la suspicion à la chaîne.

“Après le marginal gain, voici le marginal guilt : la culpabilité gagnée à la troisième décimale.”

Le protocole devrait donc publier avant l’analyse :

• les variables exactes et les fenêtres temporelles examinées ;
• les seuils d’alerte et leur justification ;
• la correction des comparaisons multiples ;
• le nombre acceptable de fausses alertes par coureur et par saison ;
• le traitement des données manquantes et des changements de matériel ;
• la règle de combinaison entre plusieurs signaux faibles.

9. Le modèle peut apprendre l’équipe plutôt que le dopage

Les participants de la phase actuelle sont regroupés dans un petit nombre d’équipes volontaires. [2] Chaque équipe possède une marque de capteur privilégiée, une philosophie d’entraînement, des procédures de calibration, des stratégies nutritionnelles et une manière particulière de nettoyer ou de partager les données.

Un modèle mal séparé peut donc reconnaître la signature d’une équipe, d’un matériel ou d’un entraîneur. Une validation aléatoire fichier par fichier créerait une fuite d’information : les fichiers du même coureur, du même capteur et de la même équipe se retrouveraient à la fois dans l’apprentissage et dans le test.

Une validation sérieuse devrait exclure entièrement de l’apprentissage :

• les coureurs utilisés pour le test final ;
• au moins certaines équipes complètes ;
• les saisons ultérieures ;
• certaines marques ou configurations de capteurs.

Un algorithme qui reconnaît la méthode d’une équipe n’est pas devenu criminologue. Il a simplement appris à reconnaître un maillot sans regarder sa couleur.

10. L’algorithme censeur modifie ce qu’il prétend observer

Le problème le plus profond est comportemental. Dès que les coureurs savent qu’une progression inhabituelle peut augmenter leur score de risque, ils peuvent modifier leur manière de s’entraîner ou de partager leurs données, même s’ils sont parfaitement propres.

• éviter certains tests maximaux ;
• craindre une progression trop rapide ;
• limiter volontairement une séance exceptionnelle ;
• retarder ou filtrer le partage de fichiers ;
• adapter la performance à la norme attendue plutôt qu’à la sensation.

Le dispositif cesse alors d’être un simple observateur. Il transforme la réalité qu’il mesure. Aujourd’hui, une coureuse pense : « je ne peux pas tenir ces watts ». Demain, un coureur pourrait penser : « ai-je le droit statistique de tenir ces watts ? »

De l’autocensure à la censure Premier stade : le compteur limite l’allure parce que le coureur croit connaître son plafond. Deuxième stade : l’algorithme limite la progression parce que le coureur craint l’interprétation de son écart à la norme.

11. La censure médiatique : l’écart-type au tribunal

L’ITA précise qu’une anomalie ne constituerait pas une preuve. [2] Mais cette nuance survivra-t-elle à un titre de trente-sept caractères ? « Profil de puissance atypique » deviendra vite « coureur suspect ». Le public n’entendra pas une probabilité conditionnelle ; il entendra un verdict informatique.

Le coureur devra alors choisir entre deux mauvaises options : ne pas publier ses données et sembler cacher quelque chose, ou tout publier et offrir sa carrière à l’expertise instantanée de milliers d’amateurs de tableurs.

L’algorithme ne prononcera peut-être aucune sanction juridique. Il pourra pourtant produire une sanction médiatique immédiate, durable et difficilement contestable. Une alerte technique devient un objet de réputation.

“La justice du soupçon automatisé : aucune condamnation officielle, mais un moteur de recherche qui n’oublie jamais.”

12. Qui contrôlera le contrôleur ?

La question pertinente n’est pas : « faut-il interdire les données de puissance ? » Elles peuvent enrichir une stratégie de ciblage. La question est : « quelles preuves, quelles limites et quelles garanties doivent précéder leur usage ? »

Une consultation de quinze experts et entraîneurs publiée en 2025 montre justement l’absence de consensus sur l’utilité, la fiabilité et les modalités pratiques d’un tel ajout à l’antidopage. [8] Cela ne condamne pas le projet ; cela confirme qu’il reste un objet de recherche et non une technologie diagnostique établie.

Avant d’exiger l’ouverture des fichiers des coureurs, il faudra ouvrir la méthode :

• préenregistrement du protocole et des hypothèses ;
• description mathématique complète du modèle ;
• audit indépendant des données et du code ;
• validation externe sur d’autres équipes et d’autres saisons ;
• publication des taux de faux positifs et de faux négatifs ;
• analyse des biais selon l’âge, le profil, l’équipe et le matériel ;
• droit du coureur à l’explication, à la correction et à l’expertise contradictoire.

La transparence ne peut pas être exigée seulement du corps de l’athlète. Elle doit aussi s’appliquer au cerveau statistique qui l’observe.

13. À quoi ressemblerait un dispositif défendable ?

Un système raisonnable traiterait le profil de puissance comme un détecteur de fumée, jamais comme la preuve de l’incendiaire. Il pourrait déclencher une vérification biologique ou contextuelle, mais il ne devrait ni publier une alerte, ni négocier un contrat, ni réduire une sélection, ni alimenter une accusation médiatique.

Il devrait reposer sur :

• des capteurs identifiés, contrôlés et traçables ;
• des tests standardisés répétés en complément des fichiers spontanés ;
• un modèle hiérarchique individuel séparant coureur, équipe, saison et appareil ;
• la prise en compte de la masse, du travail préalable, du terrain, de la température et du rôle tactique ;
• des alertes accompagnées d’un intervalle d’incertitude ;
• une revue humaine indépendante, en aveugle, avant toute décision ;
• une démonstration prospective que l’outil améliore réellement le ciblage à budget de contrôle identique.

L’outil serait alors ce qu’il peut scientifiquement être : un renseignement supplémentaire. Il ne serait pas ce que le marketing aimerait qu’il soit : une machine capable de lire la morale dans les pédales.

Conclusion – Libérons le watt de la mission qu’on lui impose

Le watt est une mesure formidable. Il permet d’objectiver un effort, de comparer des séances, d’observer une dérive et de mieux comprendre une performance. Mais il n’a de sens que replacé dans l’expérience du coureur.

Juliette Labous n’a pas été limitée par un capteur défectueux. Elle a été enfermée, pendant une montée, dans l’interprétation de sa propre norme. Son expérience rappelle une vérité essentielle : le meilleur jour d’un champion est précisément celui où il peut produire ce qu’il croyait jusque-là impossible.

Le danger n’est pas que les watts mentent. Le danger est que nous leur demandions de dire plus que ce qu’ils savent.

“Aujourd’hui, les watts peuvent retenir une coureuse dans le Blockhaus. Demain, mal utilisés, ils pourraient retenir tout un peloton dans la moyenne.”

Or le sport n’a jamais été inventé pour célébrer ceux qui restent sagement dans l’intervalle de confiance.

La thèse en une phrase Une progression inhabituelle en watts peut justifier une question ou un contrôle supplémentaire. Elle ne permet pas d’attribuer cette progression au dopage. Confondre anomalie, risque et preuve transforme un outil scientifique exploratoire en algorithme censeur.

Références et sources

[1] Lemaître D. « Juliette Labous déçue par sa cinquième place au Giro : “J’ai trop regardé mes watts dans le Blockhaus”. » L’Équipe, 14 juillet 2024. Source en ligne

[2] International Testing Agency. « The ITA Explores the Potential of Power Data in Cycling’s Anti-Doping Efforts. » 23 juin 2026. Source en ligne

[3] World Anti-Doping Agency. Athlete Biological Passport (ABP) Operating Guidelines. Source en ligne

[4] Pallarés JG et al. Field-Derived Maximal Power Output in Cycling. International Journal of Sports Physiology and Performance, 2022. PMID 35894875. Source en ligne

[5] Bouillod A et al. Caveats and Recommendations to Assess the Validity and Reliability of Cycling Power Meters: A Systematic Scoping Review. Sensors, 2022. PMID 35009945. Source en ligne

[6] Hopker J et al. Modelling of cycling power data and its application for anti-doping. Journal of Science and Cycling, 2016. Source en ligne

[7] Gardner AS et al. Accuracy of SRM and Power Tap power monitoring systems for bicycling. Medicine & Science in Sports & Exercise, 2004. PMID 15235334. Source en ligne

[8] Sitko S et al. Antidoping 2.0: Is Adding Power-Output Data to the Antidoping Pool the Next Step? Experts’ Viewpoint. International Journal of Sports Physiology and Performance, 2025. Source en ligne