Le bikefitting s’appuie aujourd’hui de plus en plus sur la biomécanique dynamique et l’analyse du mouvement réel du cycliste.

En 2025, une nouvelle étape est franchie avec l’arrivée du Machine Learning dans la détermination de la hauteur de selle.
Mais que fait réellement l’intelligence artificielle ? Et surtout : confirme-t-elle ce que nous observons déjà sur le terrain, ou remet-elle tout en question ?

 

Ce que la science a étudié

L’étude publiée en 2025 s’est intéressée à une question simple en apparence :

"Peut-on déterminer si une hauteur de selle est adaptée uniquement à partir du mouvement du cycliste ?"

Pour y répondre, les chercheurs ont analysé le pédalage de cyclistes testés avec trois hauteurs de selle différentes :

• une selle trop basse

• une selle intermédiaire (fonctionnelle)

• une selle trop haute

Chaque cycliste a pédalé dans ces trois configurations pendant que des caméras capturaient le mouvement en continu.

Quelles données sont analysées ?

Contrairement aux approches classiques qui se concentrent sur un angle isolé (souvent le genou au point mort bas), l’IA analyse :

• les angles de cheville

• de genou

• de hanche

• sur l’intégralité du cycle de pédalage (0–360°)

Mais surtout, elle ne regarde pas uniquement les valeurs maximales ou minimales :

• elle analyse les amplitudes

• les vitesses angulaires

• et la coordination entre les articulations

Au départ, plus de 80 variables biomécaniques sont extraites du mouvement.

 

Contrairement à ce que l’on pourrait croire, le modèle ne calcule pas une hauteur de selle idéale en millimètres. Il classe la position. Car des modifications de réglages francs vont avoir une signature biomécanique claire. Cette signature peut etre analysée et traduite par l'IA.

Grâce à un algorithme de type K-Nearest Neighbors, l’IA fonctionne par comparaison :

• elle observe comment un cycliste bouge

• elle compare ce mouvement à une base de pédalages déjà connus

• elle identifie si le profil correspond plutôt à une selle trop basse, correcte ou trop haute

Autrement dit :

"Si vous pédalez comme quelqu’un avec une selle trop haute, le modèle conclut que votre selle est trop haute."

Ce que l’IA ne fait pas (encore)

Malheureusement ce modèle a aujourd'hui encore des limites.

• l’IA ne prend pas en compte la douleur

• ni l’historique de blessure

• ni les contraintes morphologiques individuelles

• ni les objectifs du cycliste (route, VTT, chrono, endurance…)

• ni le fait que le cycliste puisse avoir des mouvements ressemblant à des mouvements parasites néfastes mais ne le perturbant absolument pas. 

 

Conclusion 

L’avenir du réglage vélo ne sera ni 100 % humain, ni 100 % automatisé.
Il sera hybride.

L’IA apporte :

• objectivité

• reproductibilité

• analyse fine de grandes quantités de données

Le professionnel apporte :

• le raisonnement clinique

• l’interprétation fonctionnelle

• l’adaptation au cycliste réel, avec son vécu et ses contraintes

Bing, F., Zhang, G., Linjuan, W., & Zhang, M. (2025). A machine learning approach for saddle height classification in cycling. Frontiers in Sports and Active Living, 7, 1607212.