Faire l’hypothèse que les données pertinentes d’une série seront également significatives dans une autre est courant, mais peu utile. La dichotomie entre le Grand Prix du Canada à Montréal et les 24 Heures du Mans illustre cela particulièrement efficacement, car il y a un fossé entre la manière dont une course se déroule selon qu’elle dure moins de 2 heures ou une journée complète. C’est la comparaison classique entre un sprint et un marathon, et donc faire des prédictions nécessite une investigation contextuellement consciente des informations les plus pertinentes.
Le focus de la F1
Le résultat d’une course de F1 peut être déterminé dans les premiers tours, car une bonne position de départ peut placer un pilote dans une position intouchable étant donné la difficulté à dépasser, même dans un lieu comme le Circuit Gilles Villeneuve à Montréal. Donc, la première chose que les prédictions de course doivent prendre en compte est la performance des pilotes lors des qualifications, et où cela les place sur la grille.
Les bookmakers vont examiner en détail les données dérivées des qualifications, en regardant comment les pilotes gèrent des sections spécifiques du circuit, y compris les virages les plus techniques, en plus de leurs temps au tour. C’est un sport où les gains marginaux comptent, et si vous êtes un fan de paris sportifs, le Canada dispose maintenant de ses propres sites où les cotes basées sur ce niveau d’analyse de données peuvent être trouvées. Passer en revue ce que les experts pensent avant le prochain Grand Prix de Montréal est une bonne manière d’évaluer comment les calculs sont faits, même si vous n’êtes pas vous-même un passionné de données.
L’héritage des Le Mans
Peu d’événements sont aussi emblématiques que les 24 Heures du Mans, et bien qu’il y ait certaines similitudes superficielles avec un grand prix comme celui de Montréal, étirer une course sur une journée d’action presque ininterrompue change la direction des prédictions. Par exemple, l’endurance à la fois de la voiture et du pilote est beaucoup plus importante que les temps au tour réalisés lors des qualifications, car tandis que la différence de quelques dixièmes de seconde compte en F1, c’est plus un combat mécanique et mental qui doit être surmonté lors d’une course marathon de 24 heures.
Il y a aussi beaucoup plus de variance car les classes de voitures en compétition peuvent différer ici, alors que la F1 n’implique qu’un nombre restreint de machines fortement régulées et presque identiques. Les pilotes et les équipes doivent tenir compte du trafic qu’ils rencontreront sur le circuit, et les prédicteurs doivent faire de même.
La fiabilité des composants essentiels des voitures compte également beaucoup plus aux Le Mans qu’en F1. Il est rare qu’une boîte de vitesses rende l’âme ou qu’un moteur tombe en panne lors d’un Grand Prix, tandis que dans une course de 24 heures, il y a bien plus de chances qu’un problème mécanique survienne. Les prédictions doivent utiliser toutes les données disponibles sur la fiabilité des voitures pour être précises.
En fin de compte, bien que les deux disciplines utilisent une télémétrie avancée et l’apprentissage automatique pour prévoir les résultats des courses, la science des données dans le sport automobile doit faire écho aux règles du sport lui-même. Un modèle optimisé pour les marges d’erreur extrêmement faibles d’un Grand Prix de Formule 1 s’effondrerait complètement sous les variables chaotiques et à long terme d’un classique d’endurance comme les Le Mans.
