Memoire Online - évaluation de l’effet de l’optimisation du profil force-vitesse vertical sur la biomécanique de course chez le coureur expert de longue distance

I. Mise en contexte II. Cadre théorique III. Méthode		3 3 7
III.1. Participants		7
III.2. Tâches et matériel		8
III.2.1. Phase de tests		8
III.2.2. Phase de renforcement musculaire spécifique		11
III.3. Traitement des données		13
III.3.1. Profil force-vitesse vertical		13
III.3.2. Biomécanique de course		13
IV. Résultats		14
IV.1. Profil force-vitesse vertical		14
IV.2. Biomécanique de course		15
IV.2.1. Temps de contact au sol		15
IV.2.2. Temps de vol		16
IV.2.3. Cadence		17
IV.2.4. Oscillation verticale		18
IV.2.5. Force maximale relative		19
IV.2.6. Raideur de jambes		20
IV.3. Synthèse		21
V. Discussion		23
V.1. Analyse des résultats		23	V.2. Limites
	28	V.3. Perspectives d'amélioration
	28
VI. Conclusion		28
VII. Bibliographie		29
VIII. Annexes		33
Mémoire Master 2 EOPS Léo GAGNEPAIN 2022	- 2023	P a g e 2 \| 36

En course à pied, l'objectif commun à tous les athlètes est de diminuer son temps de course sur une distance donnée. Pour expliquer les écarts de performance d'un coureur en longue distance à un autre, des paramètres physiologiques ont été relevés (McLaughlin et al., 2010) tels que la consommation d'oxygène maximale (V^?O2max) (Billat et al., 2001), le pourcentage de V^?O2max utilisé (%V^?O2max) (di Prampero et al., 1986), le seuil de lactate (Farrell et al., 1979), l'économie de course (Morgan et al., 1989) ou encore la vitesse associée à la V^?O2max (vV^?O2max ou VMA). En course de fond (5 km - marathon), la variabilité des performances peut être majoritairement déduite des paramètres cardio-vasculaires associés à la production d'énergie aérobie (Rabadan et al., 2011). Dans un groupe de coureurs à pied au niveau hétérogène, la mesure de V^?O2max est un indicateur prépondérant de performance (Pollock, 1977). En revanche, si les V^?O2max sont similaires, ce facteur ne permet pas d'estimer la meilleure performance (Morgan et al., 1989) contrairement au V^?O2 sous maximal (V^?O2).

Morgan et ses collaborateurs (1989) nous assurent que l'économie de course est le meilleur prédicteur de performance car en s'améliorant, liée à une baisse de consommation d'oxygène, elle permet de réaliser une distance donnée à une vitesse plus élevée ou bien courir plus longtemps à une

vitesse donnée. Cette économie de course est le fruit de nombreux facteurs génétiques, métaboliques, cardiorespiratoires, d'entraînement, biomécaniques ou encore neuromusculaires (Barnes et Kilding, 2015). Par sa variabilité, l'économie de course peut être travaillée et ainsi développée à court terme, ce qui laisse penser qu'un entraînement spécifique améliorerait la performance en course à pied notamment par du renforcement musculaire (Støren et al., 2008) et/ou du travail en pliométrie (Saunders et al., 2006), pour viser le développement du versant neuromusculaire.

Par le développement de ce facteur, l'entraînement va influencer certains paramètres tels que la biomécanique de course comprenant entre autres la cinématique des membres inférieurs (Moore et al., 2012), la cinétique (Barnes et al., 2014) et la biomécanique du tronc (Arellano et al., 2012). Selon Beattie et al. (2014), peu importe le niveau, le renforcement musculaire explosif et/ou pliométrique, à charges légères ou lourdes améliore nettement l'économie de course grâce à une meilleure raideur musculaire et un temps de contact au sol réduit à vitesse élevée (Paavolainen et al., 1999). Favorisée par le travail de force, l'implication plus importante du système neuromusculaire entraîne une amélioration dans le recrutement des unités motrices (UM), la raideur musculo-tendineuse et la coordination intramusculaire. Au-delà de 4 semaines d'entraînement en renforcement musculaire, il a été montré que la mobilisation de charges lourdes (85% 1RM) (Støren et al., 2008) ou charges légères (40-70%) (Sedano et al., 2013), en complément d'exercices de pliométrie, a un effet positif sur l'économie de course. Cependant, le travail de force (80% 1RM) et de course de fond sont paradoxaux car ils interfèrent dans le développement de la force explosive et maximale. Néanmoins, l'amélioration des fonctions neuromusculaires par ce travail peut améliorer la performance d'endurance (Fyfe et al., 2014), à condition d'établir un plan d'entraînement équilibré pour profiter pleinement des effets du travail concomitant (Baar, 2014). Selon Balsalobre-Fernandez et al. (2015*), dédier à minima deux séances hebdomadaires à l'entraînement en force est nécessaire pour observer un gain de force, puissance et économie de course. En suivant un entraînement en renforcement musculaire, accompagné d'exercices pliométriques, des coureurs de 800 m à 10 000 m ont obtenu une réduction de 4 % de leur temps sur une course de 2,4 km, ainsi qu'une amélioration de hauteur du countermovement jump avec bras (CMJ free arms) et du drop jump (DJ) (Ramirez-Campillo et al., 2014). De ce fait, ce type de travail permettrait d'obtenir des effets positifs sur l'économie de course et le saut vertical.

Les études en myophysiologie nous rapportent que la relation force-vitesse est la propriété d'un muscle à produire de la puissance et décrivent que l'intensité du niveau de force concentrique générée influence négativement la vitesse de contraction musculaire. Suivant ce postulat, un profil force-vitesse vertical individualisé peut constituer le point de départ de l'élaboration d'un plan de renforcement musculaire spécifique personnalisé.

L'optimisation du profil force-vitesse vertical tend à exploiter le plein potentiel de la puissance maximale (Pmax) en équilibrant la balance force-vitesse (Abe et al., 2001). Il existe une méthode pour mesurer la force (F, N), la vitesse (v, m/s) et la puissance (P, W) de saut vertical (Samozino et al., 2008), selon les formules suivantes :

Avec ?? la masse du sujet (kg), ?? la gravité (m/s²), h la hauteur de saut (m) et h???? la distance de poussée avant décollage (m) Cf. Figure 1

Figure 1 : Les 3 positions clés lors d'un squat jump et les 2 distances utilisées dans les calculs proposés
(Samozino et al., 2008)

D'après Jimenez-Reyes et ses collaborateurs (2014), cette méthode permet de mesurer précisément la force, la vitesse et la puissance développée par les membres inférieurs lors d'un CMJ ou un squat jump (SJ). Une étude de Samozino et al. (2012) a montré qu'un écart avec le profil force-vitesse vertical optimal peut engendrer 30 % de différence dans la performance. Compte tenu du fait que la performance en saut vertical est induite par la Pmax, la hPO et le déséquilibre force-vitesse (FVimb), il est envisageable que la hauteur de saut, sans altérer la Pmax, soit améliorée par une optimisation de la relation force-vitesse (De Lacey et al., 2014). Une individualisation des entraînements, visant à développer les aptitudes techniques et physiques, est ainsi rendue possible par cette nouvelle approche du profil force-vitesse vertical (Morin et Samozino, 2016).

Au moyen d'un entraînement individualisé sur la base des déficits du profil force-vitesse, cette méthode permet de progresser en saut vertical - indicateur de la Pmax des membres inférieurs - par un travail de renforcement musculaire développant les capacités en force et saut, optimisant la

biomécanique de course et de ce fait, l'économie de course. La pertinence des résultats de ce mémoire serait dans l'application de cette méthode à un groupe conséquent de coureurs experts de longue distance : un axe de travail inédit sur cette population.

Cet état de l'art a montré comment, dans le demi-fond, la performance en course à pied peut être améliorée par un entraînement en force musculaire et en course à pied pour développer la V^?O2max (pas un prédicteur de performance). Toutes les études considérées ont établi un programme non-personnalisé de renforcement musculaire, visant seulement à améliorer la force et/ou la raideur musculo-tendineuse des membres inférieurs, en s'abstenant d'individualiser l'entraînement selon les déficits de chaque coureur. Ce processus contraint l'athlète à s'adapter à un programme général, alors que le rôle de l'entraîneur est d'individualiser au maximum son intervention.

La question qui se pose alors est de savoir si l'optimisation du profil force-vitesse vertical, par du renforcement musculaire spécifique et individualisé, influencerait naturellement la biomécanique de course et ainsi l'économie de course, chez le coureur expert de longue distance.

Dans un premier temps, ce travail de recherche s'appuie sur l'optimisation du profil force-vitesse vertical en réduisant le déséquilibre entre production de force et de vitesse des membres inférieurs. Pour ce faire, un protocole de renforcement musculaire spécifique au déficit rencontré (déficit de force ou vitesse) a été mis en place.

Dans un second temps, nous avons évalué l'influence de l'optimisation du profil force-vitesse vertical sur la biomécanique de course d'un coureur de longue distance, en s'appuyant sur les temps de contact au sol (TC), les temps de vol (TV), la cadence (C), l'oscillation verticale (Äy), la force maximale relative (FmaxR) et la raideur de jambe (Kleg) ; tous ces paramètres sont des indicateurs de l'économie de course et, de ce fait, de performance. La force maximale relative et la raideur de jambe sont calculées selon les formules suivantes, données par Morin et al. (2005) :

Avec m la masse (kg), g la gravité (m/s²), y la vitesse de course (m/s), TC le temps de contact au sol (s), TV le temps de vol (s), L la longueur du membre inférieur du grand trochanter à la pointe des pieds en flexion plantaire (m) et ?y l'oscillation verticale (m).

Pour ce faire, deux groupes de participants (Contrôle et Expérimental) ont réalisé deux batteries de tests comprenant une mesure du profil force-vitesse vertical et un test de course à pied à vitesse constante sur tapis (85 % VMA), entrecoupées de 8 à 45 jours, durant lesquels le groupe Expérimental a suivi un programme de renforcement musculaire des membres inférieurs, réalisé au JC Iten Training Camp (Kenya).

Pour ces tests, nous avons utilisés les applications smartphone My Jump 2 (Balsalobre-Fernández et al., 2015) et Runmatic (Balsalobre-Fernández et al., 2017), vérifiées scientifiquement, mais également une barre de squat avec poids et un tapis de course motorisé. Nous avons mesuré les évolutions entre les données issues des tests pré- et post-renforcement musculaire spécifique, pour le groupe Expérimental et comparé les groupes entre eux (avec ou sans entraînement).

L'hypothèse émise veut que le rééquilibrage du profil force-vitesse vertical, par un renforcement musculaire spécifique, induise une biomécanique de course plus efficiente et ainsi une meilleure économie de course. Ainsi, pour une même vitesse de course entre le Test 1 et le Test 2, cette meilleure économie de course conduirait à la perception d'un effort plus facile et se traduirait alors par une augmentation du TC et une diminution de Äy, FmaxR et Kleg.

III.1. Participants

Dix adultes coureurs experts de longue distance volontaires (10 hommes, 27 ans #177; 5 ans, volume hebdomadaire d'entraînement médian = 9 h, nombre d'années de pratique médian = 8 ans, âge de début de l'athlétisme médian = 15 ans, étendue de performance sur 5 km/10 km = 14'20 - 18'20/30'30 - 38') ont participé à l'étude (Cf. Annexe 1). Les participants étaient issus de la population locale d'Iten, d'Europe et d'autres pays. Le recrutement s'est fait parmi les stagiaires du JC Iten Training Camp et des athlètes entraînés par Claude GUILLAUME. Les critères d'inclusion étaient les suivants : (i) avoir une pratique intensive (4 fois/semaine minimum) de la course à pied de longue distance au cours des 3 derniers mois, (ii) ne pas avoir une pathologie ou un traumatisme, (iii) ne pas avoir subi une opération du membre inférieur au cours des 6 derniers mois, (iv) ne pas présenter de troubles cardio-vasculaires et circulatoires. Les participants ont donné leur consentement écrit avant le début de leur passation. Le protocole a été approuvé par la Faculté des Sciences du Sport de Marseille et le JC Iten Training Camp.

L'échantillon de dix participants a été divisé en deux groupes afin d'inclure un groupe Expérimental (n = 6) et un groupe Contrôle (n = 4, pas d'optimisation du profil force-vitesse vertical).

III.2. Tâches et matériel

III.2.1. Phase de tests

Matériel. Un smartphone (iPhone SE 2020 - IOS 16.3, Apple Inc., USA) équipé de l'application My Jump 2 (Cf. Figure 2) a été utilisé pour acquérir le profil force-vitesse vertical en CMJ. Pour réaliser ce profil, il a fallu préalablement renseigner la longueur du membre inférieur (cm), la hauteur du bassin par rapport au sol en position squat à 90° (hs, cm) (Cf. Annexe 3) et la masse corporelle (kg) des sujets à l'aide d'un mètre-ruban et d'un pèse-personne. My Jump 2, vérifiée scientifiquement par Balsalobre-Fernández et al. (2015), permet de fournir, à partir des différents sauts lestés par une barre de squat (Cf. Figure 3), le déséquilibre du profil force-vitesse vertical (%), la vitesse au décollage (V0, m/s), la force relative au décollage (F0, N/kg) et la puissance maximale relative (Pmax, W/kg). Les données numériques de sauts, extraites des vidéos par l'application, ont été exportées sur un ordinateur portable (HP EliteBook), au format .csv.

Procédure. Après un échauffement articulaire et musculo-tendineux composé de divers sauts et squats lestés, l'athlète a été positionné sur une surface plane pour réaliser les sauts. Pour terminer l'échauffement, l'athlète réalisait un CMJ quasi-maximal, non lesté, pour mettre en activation les chemins neuromusculaires qui allaient être empruntés lors des sauts suivants. A l'aide de l'iPhone, l'athlète a été filmé de face à une fréquence d'image de 240 ips, en sélectionnant un profil basé sur des CMJ car nous sommes en présence d'une population de coureurs, aux composantes musculaires élastiques fortement impliquées dans leur pratique (Cf. Figure 4 & 5). Les sujets ont eu pour consigne

de réaliser 4 CMJ maximaux avec quatre charges additionnelles +0 %, +20 %, +40 % et +60 % de leur masse corporelle (kg), entrecoupés d'une récupération de 3 min entre chaque charge, pour garantir une récupération énergétique complète (100 % du stock en ATP et 86 % du stock en phosphocréatine). On s'est intéressé au déséquilibre du profil force-vitesse vertical (%) en vérifiant pour chaque profil que les coefficients de corrélation étaient strictement supérieurs à 0,90 afin d'assurer la validité des tests (R² moyen = 0,97) (Cf. Figure 6).

Figure 6 : Exemple de profil force-vitesse vertical et de R² présentés par l'application My Jump 2

Un temps de récupération, selon le ressenti du sujet, a été respecté entre la mesure de profil force-vitesse vertical et le test sur tapis de course, variant entre 3 et 10 min.

Matériel. Un smartphone (iPhone SE 2020 - IOS 16.3, Apple Inc., USA) équipé de l'application Runmatic (Cf. Figure 7) a été utilisé pour acquérir les indicateurs biomécaniques de la course à pied. Pour réaliser ces mesures sur un tapis de course motorisé (Cf. Figure 8), il a fallu renseigner la longueur du membre inférieur (cm) (Cf. Annexe 3) et la masse corporelle (kg) des sujets à l'aide d'un mètre-ruban et d'un pèse-personne. Runmatic, vérifiée scientifiquement par Balsalobre-Fernández et al. (2017), permet de fournir, pour chaque jambe, les temps de contact au sol (TC, s), les temps de vol (TV, s), la fréquence (f, Hz), l'oscillation verticale (Äy, m), la force maximale relative (FmaxR, BW) et la raideur de jambe (Kleg, kN/m). Les données numériques de course, extraites des vidéos par l'application, ont été exportées sur un ordinateur portable (HP EliteBook), au format .csv.

Procédure. Compte tenu du test de sauts lestés effectué quelques minutes avant, l'échauffement n'a été que cardio-vasculaire, avec 9 min de course à allure libre sur tapis (50-55 % VMA). Ensuite, la vitesse a augmenté progressivement durant 1 min jusqu'à atteindre l'allure cible établie préalablement autour de l'allure sur 10 km de l'athlète (85 % VMA) à maintenir 5 min. La vitesse (km/h) maintenue a été renseignée dans l'application. Les sujets ont eu pour consigne de maintenir une technique de course naturelle, sans focalisation particulière sur leur biomécanique. A l'aide de l'iPhone, l'athlète a été filmé de derrière à une fréquence d'image de 240 ips, durant les 5 min à vitesse constante (Cf. Figure 9). Grâce aux 4 vidéos réalisées tout au long des 5 min de course à 1'10, 2'20, 3'30 et 4'40, 32 foulées par sujet ont pu être capturées afin de multiplier le nombre de données recueillies (32 foulées vs 8 foulées). Après traitement des vidéos, on s'intéresse au temps de contact au sol (TC, ms), au temps de vol (TV, ms), à la cadence (C, ppm), à l'oscillation verticale (Äy, cm), à la force maximale relative (FmaxR, BW) et à la raideur de jambe (Kleg, kN/m).

Figure 9 : Phase de contact et décollage sur l'application Runmatic et données recueillies

Lors de la seconde batterie de tests, identique en tout point à celle réalisée plusieurs jours en amont, le sujet a eu pour consigne de reproduire la même intensité maximale de saut et la même technique de course naturelle. Si le groupe Contrôle s'en est tenu à seulement ces deux batteries de tests, le groupe Expérimental, quant à lui, a bénéficié d'une phase de renforcement musculaire spécifique à leur déficit de production de puissance en saut vertical, au cours des jours séparant les deux tests (Cf. Tableau 1). A noter : les sujets n'ont pas été mis au courant de leurs résultats du test pré-entraînement pour ne pas influencer leur technique de course naturelle et ainsi mesurer avec précision l'évolution naturelle des paramètres de leur biomécanique de course entre les tests pré- et post-entraînement, sans focalisation sur la technique de course.

III.2.2.Phase de renforcement musculaire spécifique

Matériel. Ayant accès à la salle de musculation du JC Iten Training Camp, les athlètes ont pu profiter d'un équipement complet de musculation et renforcement musculaire. Dans le cadre de l'extension de jambes, du soulevé de terre explosif sauté, du squat et du box up, ont été utilisées respectivement une machine de leg extension, une barre hexagonale (trap bar), une barre de musculation et enfin deux boîtes de 35 cm et 55 cm (Cf. Annexe 4).

Procédure. L'élaboration précise des différents programmes s'est appuyée sur le profil force-vitesse vertical et les déficits de force ou de vitesse décelés à partir du profil optimal donné par My Jump 2. Selon leur niveau d'assiduité (Cf. Tableau 1), les athlètes ont suivi un programme de renforcement musculaire spécifique (Cf. Tableau 2) pendant 8 à 45 jours (médiane = 14), à hauteur de 2 à 4 séances hebdomadaires (médiane = 2). Pour le détail des exercices mentionnés ci-dessous, Cf. Annexe 4.

Tableau 1 : Déroulement des séances présentant l'assiduité des sujets en nombre de jours de suivi du programme, nombre de séances suivies et leur fréquence hebdomadaire.

Tableau 2 : Programme de renforcement musculaire spécifique détaillé, pour 3 types différents de profils force-vitesse verticaux, associés à leurs sujets respectifs. Détail des exercices Cf. Annexe 4

Abréviations : RM1 = 1 Répétition Maximale ; BM = Body Mass, masse corporelle

III.3. Traitement des données

Les données de chaque participant ont été analysées séparément pour la batterie de tests 1 et 2.

III.3.1. Profil force-vitesse vertical

Le traitement des données a été effectué à l'aide de l'application My Jump 2, avec laquelle les vidéos ont été visionnées image par image pour sélectionner précisément l'image du décollage et l'image de l'atterrissage. Cette manipulation a été reproduite pour les 4 sauts de chacun des 10 sujets.

L'onglet `Exporter les données' de l'application My Jump Lab a permis d'extraire les données de profil force-vitesse vertical au format numérique de l'iPhone vers l'ordinateur. Le téléchargement au format .csv depuis l'application a permis d'analyser les données en les important dans le logiciel Microsoft Excel 2019 (Microsoft Corporation, Impressa systems, Santa Rosa, California, USA).

III.3.2. Biomécanique de course

Le traitement des données a été effectué à l'aide de l'application Runmatic, avec laquelle les vidéos ont été visionnées image par image pour sélectionner précisément les 5 images du contact au sol et les 4 images du décollage, correspondant à 8 foulées. Cette manipulation a été reproduite pour les 4 vidéos de chacun des 10 sujets.

L'onglet `Exporter les données' de l'application My Jump Lab a permis d'extraire les données de biomécanique de course au format numérique de l'iPhone vers l'ordinateur. Le téléchargement au format .csv depuis l'application a permis d'analyser les données en les important dans le logiciel Microsoft Excel 2019 (Microsoft Corporation, Impressa systems, Santa Rosa, California, USA). Les moyennes et écart-types ont été calculés pour tous les paramètres du Test 1 et 2 (Cf. Tableau 3).

Tableau 3 : Exemple de données traitées pour calculer la moyenne et l'écart-type sur les 32 foulées des 4 vidéos durant les 5 min de course pour le Test 1 du Sujet 1.

Abréviations : G = pied Gauche ; D = pied Droit ; M = moyenne ; SD = écart-type

Chacun des résultats obtenus ont subi un test statistique via le logiciel RStudio (Cf. Annexe 5).

IV.1. Profil force-vitesse vertical

Les profils force-vitesse verticaux récoltés lors du Test 1 et 2 de saut pour le groupe Contrôle et Expérimental et les coefficients de corrélation entre les 4 sauts sont présentés dans le Tableau 4 et la Figure 10. Un profil force-vitesse optimal correspond à un profil dont le déficit est proche de 0 %.

Les résultats de l'analyse statistique réalisée à l'aide du logiciel RStudio et le test de Mann-Whitney ont montré une p-value (p = 0,01) inférieure au seuil de significativité (p < 0,05). Ainsi, l'hypothèse H0 « Le groupe expérimental ne réduira pas plus fortement son déficit de force ou vitesse que le groupe contrôle entre le Test 1 et 2 » est rejetée.

Tableau 4 : Profils force-vitesse verticaux présentant les déficits en force ou {vitesse} du groupe Contrôle et Expérimental au Test 1 et 2, les coefficients de corrélation respectifs et le delta absolu entre T1 et T2

{...} = déficit vitesse ; R² = coefficient de corrélation (ì = 0,97) ; C = groupe Contrôle ; S = groupe Expérimental

Figure 10 : Déficits de force ou vitesse pour le Test 1 et 2 pour le groupe Contrôle et Expérimental

IV.2. Biomécanique de course IV.2.1. Temps de contact au sol

Les 32 données individuelles de temps de contact au sol ont permis de calculer les moyennes et écart-types pour les groupes Contrôle et Expérimental (Cf. Tableau 5 et Figure 11).

Les résultats de l'analyse statistique réalisée à l'aide du logiciel RStudio et le test de Mann-Whitney ont montré une p-value (p = 0,83) supérieure au seuil de significativité (p < 0,05). Ainsi, l'hypothèse H0 « Le groupe expérimental n'augmentera pas plus fortement son temps de contact au sol que le groupe contrôle entre le Test 1 et 2 » n'est pas rejetée.

Tableau 5 : Temps de contact au sol moyen et écart-types des Test 1 et 2 des groupes Contrôle et Expérimental

*Médiane des moyennes de chacun des 4 sujets **Médiane des écart-types de chacun des 4 sujets S = groupe Expérimental

Figure 11 : Temps de contact au sol moyen des Test 1 et 2 des groupes Contrôle et Expérimental

IV.2.2. Temps de vol

Les 32 données individuelles de temps de vol ont permis de calculer les moyennes et écart-types pour les groupes Contrôle et Expérimental (Cf. Tableau 6 et Figure 12).

Les résultats de l'analyse statistique réalisée à l'aide du logiciel RStudio et le test de Mann-Whitney ont montré une p-value (p = 0,13) supérieure au seuil de significativité (p < 0,05). Ainsi, l'hypothèse H0 « Le groupe expérimental ne diminuera pas plus fortement son temps de vol que le groupe contrôle entre le Test 1 et 2 » n'est pas rejetée.

Tableau 6 : Temps de vol moyen et écart-types des Test 1 et 2 des groupes Contrôle et Expérimental

*Médiane des moyennes de chacun des 4 sujets **Médiane des écart-types de chacun des 4 sujets S = groupe Expérimental

Figure 12 : Temps de vol moyen des Test 1 et 2 des groupes Contrôle et Expérimental

IV.2.3. Cadence

Les 32 données individuelles de cadence ont permis de calculer les moyennes et écart-types pour les groupes Contrôle et Expérimental (Cf. Tableau 7 et Figure 13).

Les résultats de l'analyse statistique réalisée à l'aide du logiciel RStudio et le test de Mann-Whitney ont montré une p-value (p = 0,24) supérieure au seuil de significativité (p < 0,05). Ainsi, l'hypothèse H0 « Le groupe expérimental n'augmentera pas plus fortement sa cadence que le groupe contrôle entre le Test 1 et 2 » n'est pas rejetée.

Tableau 7 : Cadence moyenne et écart-types des Test 1 et 2 des groupes Contrôle et Expérimental

*Médiane des moyennes de chacun des 4 sujets **Médiane des écart-types de chacun des 4 sujets S = groupe Expérimental

Figure 13 : Cadence moyenne des Test 1 et 2 des groupes Contrôle et Expérimental

IV.2.4. Oscillation verticale

Les 32 données individuelles d'oscillation verticale ont permis de calculer les moyennes et écart-types pour les groupes Contrôle et Expérimental (Cf. Tableau 8 et Figure 14).

Les résultats de l'analyse statistique réalisée à l'aide du logiciel RStudio et le test de Mann-Whitney ont montré une p-value (p = 0,16) supérieure au seuil de significativité (p < 0,05). Ainsi, l'hypothèse H0 « Le groupe expérimental ne diminuera pas plus fortement son oscillation verticale que le groupe contrôle entre le Test 1 et 2 » n'est pas rejetée.

Tableau 8 : Oscillation verticale moyenne et écart-types des Test 1 et 2 des groupes Contrôle et Expérimental

*Médiane des moyennes de chacun des 4 sujets **Médiane des écart-types de chacun des 4 sujets S = groupe Expérimental

Figure 14 : Oscillation verticale moyenne des Test 1 et 2 des groupes Contrôle et Expérimental

IV.2.5. Force maximale relative

Les 32 données individuelles de force maximale relative ont permis de calculer les moyennes et écart-types pour les groupes Contrôle et Expérimental (Cf. Tableau 9 et Figure 15).

Les résultats de l'analyse statistique réalisée à l'aide du logiciel RStudio et le test de Mann-Whitney ont montré une p-value (p = 0,11) supérieure au seuil de significativité (p < 0,05). Ainsi, l'hypothèse H0 « Le groupe expérimental ne diminuera pas plus fortement sa force maximale relative que le groupe contrôle entre le Test 1 et 2 » n'est pas rejetée.

Tableau 9 : Force maximale relative moyenne et écart-types des Test 1 et 2 des groupes Contrôle et Expérimental

*Médiane des moyennes de chacun des 4 sujets **Médiane des écart-types de chacun des 4 sujets S = groupe Expérimental

Figure 15 : Force maximale relative moyenne des Test 1 et 2 des groupes Contrôle et Expérimental

IV.2.6. Raideur de jambes

Les 32 données individuelles de raideur de jambes ont permis de calculer les moyennes et écart-types pour les groupes Contrôle et Expérimental (Cf. Tableau 10 et Figure 16).

Les résultats de l'analyse statistique réalisée à l'aide du logiciel RStudio et le test de Mann-Whitney ont montré une p-value (p = 0,48) supérieure au seuil de significativité (p < 0,05). Ainsi, l'hypothèse H0 « Le groupe expérimental ne diminuera pas plus fortement sa raideur de jambes que le groupe contrôle entre le Test 1 et 2 » n'est pas rejetée.

Tableau 10 : Raideur de jambes moyenne et écart-types des Test 1 et 2 des groupes Contrôle et Expérimental

*Médiane des moyennes de chacun des 4 sujets **Médiane des écart-types de chacun des 4 sujets S = groupe Expérimental

Figure 16 : Raideur de jambes moyenne des Test 1 et 2 des groupes Contrôle et Expérimental

IV.3. Synthèse

Le Tableau 11 et la Figure 17 présentent la synthèse des écarts relatifs médians du temps de contact au sol (TC), du temps de vol (TV), de la cadence (C), de l'oscillation verticale (Ay), de la force maximale relative (FmaxR) et de la raideur de jambes (Kleg), et l'écart absolu médian du déficit force-vitesse vertical (dFV) pour les groupes Contrôle et Expérimental.

Tableau 11 : Ecarts relatifs médians de TC, TV, C, Ay, FmaxR et Kleg, et écart absolu médian de dFV entre T2 et T1 par rapport à T1 (1T2-T1] /T1) des groupes Contrôle et Expérimental

Figure 17 : Ecarts relatifs médians de TC, TV, C, Ay, FmaxR et Kleg, écart absolu médian de dFV entre T2 et T1
par rapport à T1 (1T2-T1] /T1) des groupes Contrôle et Expérimental

Un résultat semble significatif à p < 0,01 soit nettement inférieur au seuil de significativité fixé à 0,05 : - Pour le dFV, le groupe Expérimental semble diminuer fortement son déficit force-vitesse

Malgré le manque de significativité des autres résultats, plusieurs tendances méritent d'être notifiées : - Pour le TC, les deux groupes semblent augmenter similairement. Pour le Kleg, le groupe Expérimental semble diminuer fortement de -5,0 % contre -0,3 %. Pour C, le groupe Expérimental semble peu évoluer de +0,7 % contre -1,6 %. Pour ces 3 paramètres, les évolutions sont sans significativité, respectivement p = 0,83, p = 0,48 et p = 0,24.

- Pour Äy, le groupe Expérimental semble diminuer de -1,8 % contre +3,4 % pour le groupe Contrôle avec une meilleure significativité (p = 0,16).

- Pour le TV, le groupe Expérimental semble évoluer fortement de -5,9 % contre +2,2 % pour le groupe Contrôle avec plus de significativité (p = 0,13).

- Pour FmaxR, le groupe Expérimental semble diminuer de -2,3 % contre +0,4 % pour le groupe Contrôle en se rapprochant du seuil de significativité (p = 0,11).

Ainsi, ces tendances importantes laissent à penser que certaines limites sont responsables du manque de significativité des résultats, notamment la faible taille de l'échantillon (n = 10). Néanmoins, compte tenu de cet échantillon réduit, l'optimisation du profil force-vitesse vertical semble être très significative (p = 0,01) et les p-values de 0,11 et 0,13 méritent une considération particulière au regard de leur écart relativement faible au seuil de significativité conventionnellement fixé à 0,05 pour ce type d'étude.

V.1. Analyse des résultats

L'objectif de cette étude était de chercher à savoir si l'optimisation du profil force-vitesse vertical, au moyen d'un renforcement musculaire spécifique au déficit mesuré, pouvait engendrer une modification naturelle mesurable de la biomécanique de course.

Les données de biomécanique de course obtenues n'entrant pas dans le seuil de significativité (p < 0,05), ces résultats, bien que certains convaincants, doivent être considérés avec une certaine réserve. Néanmoins, les tendances remarquables relevées dans la partie précédente tendent à croire qu'en corrigeant certaines variables limitantes, ces tendances pourraient se transformer en résultats significatifs. De plus, les données sur l'évolution du déficit force-vitesse vertical semblent plus que convaincantes avec une réduction très significative du déficit (p = 0,01), ce qui laisse à penser que le travail de renforcement musculaire spécifique a été fructueux.

Premièrement, en analysant en détail les résultats du test biomécanique de course pour chaque paramètre, il a été remarqué que le sujet 3 (S3) a un comportement différent de celui des autres coureurs (Cf. Figure 18), malgré une assiduité similaire à celle du groupe Expérimental lors de la phase de renforcement musculaire spécifique.

Figure 18 : Ecarts relatifs des moyennes de TC, TV, C, Äy, FmaxR et Kleg entre T2 et T1 par rapport à T1 ([T2-T1] /T1) du S1 au S6 du groupe Expérimental. Mise en lumière du S3 (triathlète au comportement atypique)

En poussant davantage l'analyse des profils, le S3 présente en effet une particularité : c'est un triathlète tandis que les autres sujets ne pratiquent que la course à pied. Cette pratique différente amène naturellement à un entraînement plus varié, notamment avec une part importante dédiée au cyclisme. Après étude de son cas, le S3 a pédalé près de 500 km sur la période séparant les Test 1 et 2. Cet investissement important en cyclisme, comparé à la pratique exclusive de la course à pied pour le reste du groupe Expérimental, pourrait être une explication plausible à ses résultats divergents au niveau des paramètres de la biomécanique de course, compte tenu de l'utilisation importante des muscles des membres inférieurs (quadriceps, ischio-jambiers, triceps sural). Une forte sollicitation pouvant amener à une hypertrophie musculaire particulière et ainsi une structuration musculaire différente. A noter que son profil force-vitesse vertical s'est tout de même optimisé d'un test à l'autre : déficit de Force de 10 % puis déficit de Force de 5 %. Ce profil atypique se reflète alors dans ses résultats, principalement au niveau du TV, Äy et FmaxR qui s'expriment à l'opposé du groupe Expérimental (Cf. Figure 18), impactant fortement la significativité des données du fait de la petitesse de l'échantillon (n = 10). De ce fait, une nouvelle analyse des résultats a été réalisée, excluant le S3, pour ne s'intéresser qu'aux pratiquant exclusifs de la course à pied (Cf. Figure 19).

Figure 19 : Ecarts relatifs médians de TC, TV, C, Ay, FmaxR et Kleg entre T2 et T1 par rapport à T1 ([T2-T1] /T1)
des groupes Contrôle et Expérimental sans S3

De ce fait, un nouveau test statistique de Mann-Whitney a été réalisé en excluant S3 (Cf. Annexe 6) :

- Pour le TC et Kleg, les évolutions ne sont toujours pas significatives (p = 0,45 et p = 0,19).

- Pour C, les évolutions sont désormais à la limite du seuil de significativité (p = 0,06).

- Pour Äy, TV et FmaxR, les évolutions sont désormais inférieures au seuil de significativité de

0,05 avec des valeurs respectives de p = 0,04, p = 0,03 et p = 0,02. Pour le dFV, les évolutions perdent légèrement en significativité mais restent inférieures au seuil de 0,05 avec p = 0,02.

Ainsi, en se focalisant uniquement sur les coureurs à pied du groupe Expérimental (n = 5), trois paramètres du test de biomécanique de course ont évolué significativement et un paramètre se trouve à la limite du seuil de significativité. La réduction du déficit force-vitesse vertical est conservée, avec une haute significativité. Ces résultats suggèrent ainsi de centrer l'analyse ci-dessous sur les indicateurs de Cadence, Oscillation verticale, Temps de vol et Force maximale relative. Les indicateurs de Temps de contact au sol et Raideur de jambes, non-significatifs, vont tout de même être considérés mais avec une certaine réserve.

En course à pied, l'objectif commun à tous les athlètes qui s'entraînent pour la performance est de faire diminuer son temps pour une distance donnée. Cette condition implique une vitesse toujours plus élevée afin de parcourir la distance en un temps de plus en plus court. Ceci implique donc un entraînement, aux allures variées, visant à augmenter le V^?O2max ou plus précisément le %V^?O2max maintenu pour une vitesse. L'objectif étant donc de pouvoir maintenir un pourcentage élevé de V^?O2max, le plus longtemps possible, et ainsi la vitesse aérobie la plus rapide possible. Rentre alors en jeu la notion de consommation énergétique, de rendement ou plus communément appelé d'économie de course. Celle-ci est affectée par de nombreux facteurs génétiques, métaboliques, cardiorespiratoires, d'entraînement, biomécaniques ou encore neuromusculaires (Barnes et Kilding, 2015).

Le travail effectué dans cette étude s'est appuyé sur les facteurs neuromusculaires en cherchant à optimiser la production de puissance en saut, par la mesure du profil force-vitesse vertical, au service des facteurs biomécaniques de la course à pied. L'hypothèse d'une corrélation entre ces deux champs de l'économie de course a donc été émise, pour chercher à la vérifier. Communément, l'intervention réalisée sur les facteurs biomécaniques de course est un travail de technique de course avec des exercices spécifiques et une recherche de modification volontaire et consciente du schéma moteur. Cette pratique se veut souvent chronophage, généralisée et parfois contre-productive, notamment sur

une population ayant dépassé le stade de la jeunesse où l'apprentissage de nouveaux schémas de pratique est optimal. Cette étude explore donc l'idée d'une modification naturelle de la biomécanique de course, par une optimisation de la production de puissance des membres inférieurs en ajustant la part d'implication de la force et de la vitesse. Les schémas moteurs seraient donc modifiés indirectement par les qualités musculaires des membres inférieurs qui ont réagi et évolué inconsciemment, menant à une modification involontaire naturelle et donc plus pérenne.

En s'appuyant sur les résultats obtenus, notamment ceux excluant le S3 (profil atypique) présentés plus haut (Cf. Figure 19), il est intéressant de remarquer une diminution significative importante du Temps de vol (-6,0 %) et de l'Oscillation verticale (-3,2 %), tous deux synonymes d'une phase d'oscillation (temps passé en l'air) réduite. La réduction de cette phase d'oscillation (phase passive et inefficace de la foulée) est intéressante car la diminution de l'oscillation verticale améliore l'économie de course (Williams et Cavanagh, 1987 ; Halvorsen et al., 2012). On observe également une augmentation quasi-significative (p = 0,06) de la Cadence (+1,1 %) induite, d'après Cavagna et al. (2005), par la diminution de l'Oscillation verticale. Enfin, la diminution significative de la Force maximale relative (-2,5 %) est considérée comme un facteur de performance en course à pied car il existe une corrélation entre une faible activité électromyographique relative et une meilleure performance sur 5 et 10 km (Paavolainen et al., 1999* ; Paavolainen et al., 1999**). L'analyse de l'évolution des quatre paramètres significatifs de notre test de biomécanique de course (TV, Äy, C et FmaxR), tous impliqués dans l'évaluation de l'économie de course sur le plan biomécanique (Barnes et Kilding, 2015), mène à suggérer une amélioration significative de l'économie de course de notre groupe Expérimental. La réduction significative du déficit force-vitesse vertical chez le groupe Expérimental suggère aussi une corrélation entre cette optimisation dans la production de puissance des membres inférieurs et l'évolution significative des paramètres biomécaniques, influençant positivement l'économie de course. Ainsi, le renforcement musculaire visant à optimiser le profil force-vitesse vertical pourrait être un axe de travail intéressant quant à l'amélioration de l'économie de course.

Du côté de nos deux paramètres non significatifs, les évolutions de TC (+1,5 %) et Kleg (-5,8 %) tendraient vers une réduction de l'économie de course (Dalleau et al., 1998 ; Arampatzis et al., 2006), ne corroborant pas avec l'amélioration significative de celle-ci par les quatre autres paramètres. La corrélation inverse entre ces deux paramètres (Cf. Figure 20) est expliquée par le calcul de Kleg à partir de Fmax, elle-même calculée à partir de TC (Cf. §II p.6) : plus TC est grand, plus Kleg est petit.

Figure 20 : Corrélation inverse entre TC et Kleg pour les 2 tests et les 2 groupes

Cette corrélation n'explique pas le comportement contraire à l'amélioration de l'économie de course suggérée par les autres paramètres significatifs. Cependant, Arampatzis et al. (1999) montrent une corrélation entre l'augmentation de Kleg et l'augmentation de la vitesse de course or, ici, la vitesse de course reste constante entre Test 1 et Test 2. L'augmentation du TC entraînant une diminution de Kleg est la réaction usuelle à une vitesse de course réduite. Ainsi, nous pouvons supposer qu'ici, l'optimisation du profil force-vitesse vertical a conduit à une optimisation neuromusculaire des membres inférieurs (facteur de l'économie de course) et aurait mené à une meilleure perception musculaire de la vitesse, soit la perception d'une vitesse plus faible. Cette perception musculo-tendineuse pourrait expliquer le comportement moins dynamique des sujets pour le TC et Kleg. Toutefois, ces deux paramètres n'étant pas significatifs, cette dernière analyse est à considérer avec réserve.

Au regard du matériel utilisé et de la petitesse de l'échantillon, la significativité de la majorité des résultats suggère une certaine précision dans l'étude, pouvant néanmoins être affinée avec un échantillon plus important tel que n = 30 soit 15 participants par groupe.

La mise en place de cette étude dans un club d'athlétisme, avec un groupe conséquent et assidu de coureurs longues distances pourrait certainement tendre à consolider les résultats obtenus.

Cette étude a mis en exergue significativement (p < 0,05) l'idée selon laquelle l'optimisation du profil force-vitesse vertical (-13,3 pts) conduirait à une modification des facteurs biomécaniques en course à pied tels que le temps de vol (- 6,0 %), l'oscillation verticale (- 3,2 %) et la force maximale relative (- 2,5 %). En optimisant le versant neuromusculaire, ce travail de renforcement musculaire spécifique amènerait donc à une meilleure économie de course sur le plan biomécanique.

Compte tenu des résultats obtenus, des travaux de recherches complémentaires sont envisageables en suivant les perspectives d'améliorations énoncées précédemment et, notamment, en validant les résultats sur un groupe de participants plus conséquent en ajoutant une mesure de V^?O2/V^?CO2 pour confirmer cette meilleure économie de course sur le plan cardiorespiratoire.

Abe, T., Fukashiro, S., Harada, Y., & Kawamoto, K. (2001). Relationship Between Sprint Performance and Muscle Fascicle Length in Female Sprinters. Journal of PHYSIOLOGICAL ANTHROPOLOGY and Applied Human Science, 20(2), 141-147. https://doi.org/10.2114/jpa.20.141

Arampatzis, A., Brüggemann, G.-P., & Metzler, V. (1999). The effect of speed on leg stiffness and joint kinetics in human running. Journal of Biomechanics, 32(12), 1349?1353. https://doi.org/10.1016/S0021-9290(99)00133-5

Arampatzis, A., De Monte, G., Karamanidis, K., Morey-Klapsing, G., Stafilidis, S., & Brüggemann, G.-P. (2006). Influence of the muscle-tendon unit's mechanical and morphological properties on running

Arellano, C. J., & Kram, R. (2012). The energetic cost of maintaining lateral balance during human running. Journal of Applied Physiology, 112(3), 427-434. https://doi.org/10.1152/japplphysiol.00554.2011

Balsalobre-Fernández, C., Agopyan, H., & Morin, J.-B. (2017). The Validity and Reliability of an iPhone App for Measuring Running Mechanics. Journal of Applied Biomechanics, 33(3), 222-226. https://doi.org/10.1123/jab.2016-0104

Balsalobre-Fernández, C., Glaister, M., & Lockey, R. A. (2015). The validity and reliability of an iPhone app for measuring vertical jump performance. Journal of Sports Sciences, 33(15), 1574-1579. https://doi.org/10.1080/02640414.2014.996184

Balsalobre-Fernández, C., Tejero-González, C. M., & del Campo-Vecino, J. (2015*). Seasonal Strength Performance and Its Relationship with Training Load on Elite Runners. Journal of Sports Science & Medicine, 14(1), 9-15.

Barnes, K. R., & Kilding, A. E. (2015). Running economy: Measurement, norms, and determining factors. Sports Medicine - Open, 1(1), 8. https://doi.org/10.1186/s40798-015-0007-y

Barnes, K. R., Mcguigan, M. R., & Kilding, A. E. (2014). Lower-Body Determinants of Running Economy in Male and Female Distance Runners. The Journal of Strength & Conditioning Research, 28(5), 1289. https://doi.org/10.1519/JSC.0000000000000267

Beattie, K., Kenny, I. C., Lyons, M., & Carson, B. P. (2014). The Effect of Strength Training on Performance in Endurance Athletes. Sports Medicine, 44(6), 845-865. https://doi.org/10.1007/s40279-014-0157-y

Billat, V. L., Demarle, A., Slawinski, J., Paiva, M., & Koralsztein, J.-P. (2001). Physical and training characteristics of top-class marathon runners: Medicine & Science in Sports & Exercise, 33(12), 2089-2097. https://doi.org/10.1097/00005768-200112000-00018

Cavagna, G. A., Heglund, N. C., & Willems, P. A. (2005). Effect of an increase in gravity on the power output and the rebound of the body in human running. Journal of Experimental Biology, 208(12), 2333?2346. https://doi.org/10.1242/jeb.01661

Dalleau, G., Belli, A., Bourdin, M., & Lacour, J.-R. (1998). The spring-mass model and the energy cost of treadmill running. European Journal of Applied Physiology and Occupational Physiology, 77(3), 257?263. https://doi.org/10.1007/s004210050330

de Lacey, J., Brughelli, M., McGuigan, M., Hansen, K., Samozino, P., & Morin, J.-B. (2014). The Effects of Tapering on Power-Force-Velocity Profiling and Jump Performance in Professional Rugby League Players. The Journal of Strength & Conditioning Research, 28(12), 3567. https://doi.org/10.1519/JSC.0000000000000572

di Prampero, P. E., Atchou, G., Brückner, J.-C., & Moia, C. (1986). The energetics of endurance running. European Journal of Applied Physiology and Occupational Physiology, 55(3), 259-266. https://doi.org/10.1007/BF02343797

Farrell, P. A., Wilmore, J. H., Coyle, E. A. F., Billing, J. E., & Costill, D. L. (1979). Plasma lactate accumulation and distance running performance. MEDICINE AND SCIENCE IN SPORTS.

Fyfe, J. J., Bishop, D. J., & Stepto, N. K. (2014). Interference between Concurrent Resistance and Endurance Exercise: Molecular Bases and the Role of Individual Training Variables. Sports Medicine, 44(6), 743-762. https://doi.org/10.1007/s40279-014-0162-1

Halvorsen, K., Eriksson, M., & Gullstrand, L. (2012). Acute Effects of Reducing Vertical Displacement and Step Frequency on Running Economy. The Journal of Strength & Conditioning Research, 26(8), 2065. https://doi.org/10.1519/JSC.0b013e318239f87f

Jiménez-Reyes, P., Samozino, P., Cuadrado-Peñafiel, V., Conceição, F., González-Badillo, J. J., & Morin, J.-B. (2014). Effect of countermovement on power-force-velocity profile. European Journal of Applied Physiology, 114(11), 2281-2288. https://doi.org/10.1007/s00421-014-2947-1

Mclaughlin, J. E., Howley, E. T., Bassett, D. R. J., Thompson, D. L., & Fitzhugh, E. C. (2010). Test of the Classic Model for Predicting Endurance Running Performance. Medicine & Science in Sports & Exercise, 42(5), 991-997. https://doi.org/10.1249/MSS.0b013e3181c0669d

Moore, I., Jones, A., & Dixon, S. (2012). Mechanisms for Improved Running Economy in Beginner Runners.

Morgan, D. W., Baldini, F. D., Martin, P. E., & Kohrt, W. M. (1989). Ten-kilometer performance and predicted velocity at V^?O2max among well-trained male runners. Medicine and Science in Sports and Exercise, 21(1), 78-83. https://doi.org/10.1249/00005768-198902000-00014

Morin, J. B., Dalleau, G., Kyröläinen, H., Jeannin, T., & Belli, A. (2005). A simple method for measuring stiffness during running. Journal of applied biomechanics, 21(2), 167-180.

Morin, J.-B., & Samozino, P. (2016). Interpreting Power-Force-Velocity Profiles for Individualized and Specific Training. International Journal of Sports Physiology and Performance, 11(2), 267-272. https://doi.org/10.1123/ijspp.2015-0638

Paavolainen, L., Häkkinen, K., Hämäläinen, I., Nummela, A., & Rusko, H. (1999). Explosive-strength training improves 5-km running time by improving running economy and muscle power. Journal of Applied Physiology, 86(5), 1527-1533. https://doi.org/10.1152/jappl.1999.86.5.1527

Paavolainen, L. M., Nummela, A. T., & Rusko, H. K. (1999*). Neuromuscular characteristics and muscle power as determinants of 5-km running performance. Medicine and Science in Sports and Exercise, 31(1), 124?130. https://doi.org/10.1097/00005768-199901000-00020

Paavolainen, L., Nummela, A., Rusko, H., & Häkkinen, K. (1999**). Neuromuscular Characteristics and Fatigue During 10 km Running. International Journal of Sports Medicine, 20(8), 516?521. https://doi.org/10.1055/s-1999-8837

Pollock, M. L. (1977). Submaximal and Maximal Working Capacity of Elite Distance Runners. Part I: Cardiorespiratory Aspects. Annals of the New York Academy of Sciences, 301(1), 310?322. https://doi.org/10.1111/j.1749-6632.1977.tb38209.x

Rabadán, M., Díaz, V., Calderón, F. J., Benito, P. J., Peinado, A. B., & Maffulli, N. (2011). Physiological determinants of speciality of elite middle- and long-distance runners. Journal of Sports Sciences, 29(9), 975-982. https://doi.org/10.1080/02640414.2011.571271

Ramírez-Campillo, R., Álvarez, C., Henríquez-Olguín, C., Baez, E. B., Martínez, C., Andrade, D. C., & Izquierdo, M. (2014). Effects of Plyometric Training on Endurance and Explosive Strength Performance in Competitive Middle- and Long-Distance Runners. The Journal of Strength & Conditioning Research, 28(1), 97. https://doi.org/10.1519/JSC.0b013e3182a1f44c

Samozino, P., Morin, J.-B., Hintzy, F., & Belli, A. (2008). A simple method for measuring force, velocity and power output during squat jump. Journal of Biomechanics, 41(14), 2940-2945. https://doi.org/10.1016/j.jbiomech.2008.07.028

Samozino, P., Rejc, E., Di Prampero, P. E., Belli, A., & Morin, J.-B. (2012). Optimal Force-Velocity Profile in Ballistic Movements--Altius. Medicine & Science in Sports & Exercise, 44(2), 313. https://doi.org/10.1249/MSS.0b013e31822d757a

Saunders, P. U., Telford, R. D., Pyne, D. B., Peltola, E. M., Cunningham, R. B., Gore, C. J., & Hawley, J. A. (2006). SHORT-TERM PLYOMETRIC TRAINING IMPROVES RUNNING ECONOMY IN HIGHLY TRAINED MIDDLE- AND LONG-DISTANCE RUNNERS.

Sedano, S., Marín, P. J., Cuadrado, G., & Redondo, J. C. (2013). Concurrent Training in Elite Male Runners: The Influence of Strength Versus Muscular Endurance Training on Performance Outcomes. The

Støren, Ø., Helgerud, J., Støa, E. M., & Hoff, J. (2008). Maximal Strength Training Improves Running Economy in Distance Runners. Medicine & Science in Sports & Exercise, 40(6), 1087-1092. https://doi.org/10.1249/MSS.0b013e318168da2f

Williams, K. R., & Cavanagh, P. R. (1987). Relationship between distance running mechanics, running economy, and performance. Journal of Applied Physiology, 63(3), 1236?1245. https://doi.org/10.1152/jappl.1987.63.3.1236

Annexe 1 : Ensemble des données pertinentes recueillies par questionnaire pour les 10 sujets

Annexe 2 : Données brutes extraites de My Jump Lab

^Nombre

^{Derniers 3 mois,}

^Sexe

^Âge

^années

^{Âge début}

^{entraînement
général}

^{entraînement course}

^Nationalité

^{Pratique sportive}

^{course à pied}

^athlétisme

^hebdomadaire

^{5 km}

^{10 km}

^{Semi-marathon}

^S1

²⁵

^S2

³⁵

^Etats-Unis

^{Course (5 km} - ^Marathon)

¹⁴

¹¹

¹² - ^{15 h}

< ^{16 min 20}

< ^{33 min 30}

< ^{1 h 12 min 30}

^France

^{Course (Semi-marathon} - ^{Marathon) Triathlon
(S} - ^M)

⁷

²⁸

⁷ - ^{10 h}

< ^{18 min 20}

< ^{38 min}

< ^{1 h 24}

^S3

²³

^France

^{Triathlon (S} - ^M)

⁴

⁸

⁷ - ^{10 h}

³ - ^{5 h}

< ^{17 min 20}

< ^{35 min 45}

< ^{1 h 20 min 30}

^S4

²⁶

^S5

³²

^Sujets

^Royaume-Uni

^Jambe

^{Course (5 km} -^{Semi-marathon)}

²⁰

⁸

¹⁵ - ^{20 h}

¹² - ^{15 h}

< ^{15 min}

< ^{32 min}

^Aucun

^Vitesse

^Test

^Seychelles

^Masse

^{Course (800m} -^{Semi-marathon)}

^F0

^V0

^Pmax

¹⁶

^dF-V

¹⁶ ^Déficit

⁵ - ^{7 h}

^{Saut 1}

^{Saut 2}

⁵ - ^{7 h}

< ^{14 min 40}

< ^{31 min 15}

^{Saut 3}

< ^{1 h 08 min 30}

^{Saut 4}

^S6

¹⁸

^Kenya

^kg

^{Course (5 km} -^{Semi-marathon)}

^N/kg

^m/s

^W/kg

⁴

¹⁵

¹⁰ - ^{12 h}

^cm

^kg

^cm

⁷ - ^{10 h}

^kg

^Aucun ^cm

^Aucun ^kg

^cm

^Aucun

^kg

^km/h

^T1

^73,3

^24,47

^3,17

^19,38

^45,79

^Force

^24,28

⁰

^19,13

¹⁵

^12,56

³⁰

^8,97

⁴⁵

^C1

²⁷

²⁹

^S1

^T2

^Belgique

^71,4

^1,11

^{Course (Ultra Marathon)}

^26,50

^2,81

^18,63

⁶

^34,13

¹³ ^Force

⁵ - ^{7 h}

^25,25

⁰

^18,77

³ - ^{5 h}

¹⁵

< ^{15 min}

^13,93

^Aucun

³⁰

^9,82

^Aucun

⁴⁵

¹⁸

^T1

^Japon

^74,7

^{Course (Semi-marathon} - ^Marathon)

^37,7

^2,36

^22,28

¹⁴

^5,46

¹⁵ ^Vitesse

< ^{5 h}

^30,00

⁰

^24,28

³ - ^{5 h}

¹⁵

< ^{15 min 40}

^20,78

< ^{32 min 45}

³⁰

^16,41

< ^{1 h 14}

^C3

¹⁹

^S2

^T2

^Kenya

^70,7

^1,08

^{Course (5 km} -^{Semi-marathon)}

^37,87

^2,55

^24,18

^1,72

¹⁶ ^Force

¹⁰ - ^{12 h}

^32,05

⁰

^27,09

¹⁰ - ^{12 h}

¹⁵

^Aucun

^21,63

^Aucun ³⁰

^17,17

^Aucun

^T1

^65,7

^37,88

^2,63

^24,87

^10,82

^Force

^31,07

⁰

^24,74

¹⁵

^21,63

²⁵

^16,79

⁴⁰

^C4

²⁹

^S3

^T2

^Kenya

^64,8

^1,02

^{Course (800 m} -^{Semi-marathon)}

^37,43

^2,43

^22,73

⁹

^4,79

²⁰ ^Force

< ^{5 h}

^28,6

⁰

^22,54

< ^{3 h}

¹⁵

^Aucun

^19,62

^Aucun ²⁵

^15,35

> ^{1 h 45}

^T1

^63,7

^29,82

^2,68

^20,01

^24,51

^Force

^26,14

⁰

^20,78

¹⁵

^17,55

²⁵

^11,63

⁴⁰

^S4

^T2

^62,9

^0,98

^31,54

^2,34

^18,44

^8,98

^Force

^25,62

⁰

^18,73

¹⁵

^15,67

²⁵

^13,56

^T1

^58,6

^40,9

^2,87

^29,38

^11,72

^Force

^37,55

⁰

^28,01

¹⁵

^24,24

²⁵

^21,63

³⁵

^S5

^T2

^59,9

^1,04

^40,67

^2,49

^25,37

^1,59

^Vitesse

^32,05

⁰

^25,15

¹⁵

^22,5

²⁵

^18,33

^T1

^58,8

^32,63

^3,41

^27,83

^38,09

^Force

^34,72

⁰

^25,67

¹⁵

^21,2

²⁵

^17,17

évaluation de l’effet de l’optimisation du profil force-vitesse vertical sur la biomécanique de course chez le coureur expert de longue distance

III.1. Participants

III.2. Tâches et matériel

III.2.1. Phase de tests

III.2.2.Phase de renforcement musculaire spécifique

III.3. Traitement des données

III.3.1. Profil force-vitesse vertical

III.3.2. Biomécanique de course

IV.1. Profil force-vitesse vertical

IV.2. Biomécanique de course IV.2.1. Temps de contact au sol

IV.2.2. Temps de vol

IV.2.3. Cadence

IV.2.4. Oscillation verticale

IV.2.5. Force maximale relative

IV.2.6. Raideur de jambes

IV.3. Synthèse

V.1. Analyse des résultats

Annexe 1 : Ensemble des données pertinentes recueillies par questionnaire pour les 10 sujets

Annexe 2 : Données brutes extraites de My Jump Lab

Annexe 3 : Mesures anthropométriques pour My Jump et Runmatic

Annexe 4 : Ensemble détaillé des exercices réalisés en phase de renforcement musculaire spécifique

Annexe 5 : Script statistique extrait du logiciel RStudio

Annexe 6 : Script statistique extrait du logiciel RStudio sans le Sujet 3