
Ces dernières années, le tracking basé sur le GPS a ouvert de nouvelles possibilités pour les événements de course à pied, de cyclisme et de plein air. Les sportifs peuvent aujourd'hui participer à des compétitions à tout moment et en tout lieu. Mais cette flexibilité numérique fait naître un nouveau défi : comment préserver l'équité lorsque les résultats sont basés sur des données GPS ?
Chez LaceUp, l'équité et la qualité sont au centre des préoccupations. Qu'il s'agisse d'une course cycliste virtuelle, d'une série de courses à pied en montagne ou d'une compétition d'entreprise, chaque participant doit pouvoir avoir confiance dans le fait que sa propre performance apparaîtra correctement sur le classement. Cette confiance est décisive, tant pour les athlètes que pour les organisateurs.
C'est pourquoi nous nous intéressons de près au thème du dopage numérique.
Par "dopage numérique", nous entendons toute manipulation intentionnelle ou utilisation déloyale de la technologie pour fausser les résultats dans les compétitions numériques ou basées sur le GPS. Tout comme le dopage classique sape l'équité dans le sport, les manipulations numériques - telles que la modification des traces GPS, la fusion de plusieurs activités ou l'ajustement automatisé des données - mettent en péril la crédibilité des événements virtuels.
Mais le problème ne concerne pas seulement la fraude : Une qualité GPS insuffisante peut également conduire à des résultats erronés. Si une montre perd le signal pendant une course, la vitesse ou la distance apparaissent souvent faussées - ce qui est également injuste pour les autres participants.
Comme il n'existait jusqu'à présent aucun outil transparent et efficace pour identifier ces problèmes, nous avons lancé un projet de recherche en collaboration avec l'ETH Zurich. L'objectif est de développer un algorithme capable d'évaluer automatiquement l'originalité et la qualité des tracés GPS.
L'équipe du projet allie expérience pratique et excellence scientifique :
Ensemble, ils développent un système qui détecte avec une grande certitude les enregistrements GPS manipulés ou peu fiables - sans marquer à tort les activités correctes.
Pour le développement, on utilise un grand jeu de données de traces GPS réelles et non falsifiées. Une partie de ces données est manipulée de manière ciblée - par exemple en raccourcissant les trajets, en insérant des pauses ou en modifiant les vitesses.
L'algorithme est entraîné à détecter de telles anomalies entre les pistes non modifiées. Il évalue entre autres
Le défi réside dans l'équilibre : le système doit détecter de manière sûre les manipulations, mais ne doit pas pénaliser les activités réelles avec des erreurs GPS mineures.
Contrairement à de nombreux modèles d'IA qui fonctionnent comme des "boîtes noires", notre approche mise sur la transparence. Le système LaceUp-ETH ne fournit pas seulement un résultat "oui" ou "non", mais aussi des indicateurs de qualité compréhensibles qui montrent pourquoi une piste est jugée digne de confiance (ou non).
Ces indicateurs aident les organisateurs et les participants à comprendre ce qui fait une trace GPS fiable - et favorisent ainsi la prise de conscience, l'équité et une meilleure qualité des données.
En combinant la précision scientifique et l'expérience pratique du sport, le projet établit de nouvelles normes d'équité dans le sport numérique. Le résultat est un système qui détecte automatiquement les pistes manipulées et inexactes - garantissant ainsi que les classements, les badges et les résultats reflètent les performances réelles.
Comme les événements basés sur le GPS continuent de se développer - des challenges locaux aux compétitions à grande échelle - la confiance dans le chronométrage numérique est essentielle. Chaque participant doit savoir qu'il est en sécurité : La performance personnelle compte et tout le monde joue selon les mêmes règles.
Le projet de recherche se poursuit jusqu'en juin 2025. Dans les mois à venir, nous donnerons d'autres aperçus, entre autres :
Kevin KoschNikolaus RathBenedikt Soja, Matthias Aichinger-Rosenberger, Nico Schefer, Sébastien de Castelberg, Tobias W.