Pourquoi ChatGPT ne sera pas ton prochain coach running ? (Si tu souhaites une progression solide et sans blessure)
Nolwenn
Publié le , mis à jour le
partager
28 min de lecture
Sommaire
Qu’attend-on concrètement d’un coach sportif (virtuel ou physique) ?
Une expertise démontrée portée par un(e) coach reconnu(e) aux résultats probants
Une personnalisation, une réactivité et une adaptabilité durant la préparation
L’art de savoir manier et analyser les données physiologiques concrètes
Les IA comme ChatGPT peuvent-elles être de bons coachs sportifs ?
Les IA génératives comme ChatGPT peuvent devenir des coachs running et générer des plans d’entraînement “personnalisés”...
… mais ChatGPT ne sera jamais un bon coach running
L’importance du prompt dans la qualité des plans d’entraînement via IA
ChatGPT : un coach running aux multiples approches contradictoires
L’absence de quantification réelle de la charge mécanique
Chat GPT vs. Campus : la qualité d'un coach running passe par l’expérience
L’intelligence artificielle est-elle pour autant l’ennemie du coaching running ?
IA générative versus IA physiologique
L’IA physiologique : l’avenir du coaching sportif
Reçois les conseils de nos coachs passionnés !
ChatGPT et les intelligences artificielles (IA) génératives, autrement dit celles qui sont capables de générer des contenus à partir de données (pour le dire simplement) font actuellement une percée significative dans le monde du running. Capables de créer des plans d’entraînement en se basant sur les besoins que tu exprimes et de s’adapter à tes remarques, elles pourraient devenir les coachs personnalisés en ligne de demain, rendant obsolètes les offres actuellement disponibles sur le marché telles que Campus.
Mais qu’en est-il réellement ? Le modèle Campus est-il effectivement menacé par ChatGPT ? Actuellement, il semblerait que non : ChatGPT et plus largement les IA génératives ne sont pas bons coachs running. Il est temps de t’expliquer pourquoi et de t’exposer notre vision des choses concernant l’arrivée de l’IA dans le monde de l’entraînement en course à pied.
Ce qu'il faut retenir :
ChatGPT génère des plans "personnalisés" mais ne quantifie pas ta charge mécanique réelle
La qualité du plan dépend directement de la qualité de ton prompt, ce qui représente un frein majeur pour les débutant(e)s
Les programmes IA compilent des approches contradictoires sans cohérence méthodologique
Les volumes générés sont souvent trop élevés, sans semaines d'assimilation, ce qui engendre un risque de blessure élevé
L'IA physiologique (machine learning appliqué aux données biologiques) est une tout autre chose
L'avenir du coaching running : IA physiologique + expertise humaine + données terrain
Qu’attend-on concrètement d’un coach sportif (virtuel ou physique) ?
Avant de rentrer dans le vif du sujet, il est bon de rappeler ce que la plupart des coureurs et des coureuses attendent concrètement d’un coaching sportif. En effet, malgré l’essor (depuis quelque peu érodé) des plans standardisés sur PDF, le recours aux coachs, en physique ou en ligne, est plus que jamais d’actualité dans le cadre d’une préparation de course.
Une expertise démontrée portée par un(e) coach reconnu(e) aux résultats probants
Le/la coach est un(e) sachant(e). Au même titre que lorsque tu vas chez le/la médecin, tu attends qu'il/elle t’apporte une expertise que tu n’as pas. Le premier faisceau d’indices est bien évidemment le diplôme mais à l’heure des réseaux sociaux, ce dernier peut s’incliner face au bagout et à la distillation de conseils pertinents sur différentes plateformes (YouTube, Instagram, LinkedIn, etc.). Ensuite viennent inévitablement les résultats obtenus par les personnes ayant fait appel à ses services.
L’enjeu ici n’est pas d’apprécier la légitimité de ces coachs en ligne auto-proclamé(e)s mais de constater qu’avoir une personne qui incarne les connaissances crée une confiance envers son contenu. Cette dernière est bien évidemment renforcée quand la mise en avant s’accompagne de résultats quantifiés et vérifiés.
Chez Campus par exemple, tu bénéficies de l’expertise de Tristan Pawlak aka Ironuman sur la route et de nul autre que Mathieu Blanchard pour le trail. Forts d’une expérience aussi bien sur le terrain que dans l’accompagnement de nombreux(ses) coureur(ses), ils sont à eux seuls gages de la qualité de nos plans d’entraînement. Les avis vérifiés, les retours des utilisateur(ices) et le taux de réussite des objectifs font le reste, participant à faire de Campus la référence du coaching running en ligne.
💡 Aujourd’hui cependant, les cartes sont partiellement redistribuées. L’essor des IA génératives telles que ChatGPT incite de plus en plus de pratiquant(e)s à se tourner vers ces dernières censées s’appuyer sur un ensemble de données scientifiques cohérentes pour fournir un programme d’entraînement personnalisé et… gratuit. La capacité de ces outils à centraliser l’information autour d’un prompt 100 % personnel (autrement dit une instruction ou une question adressée à l’IA) semble créer une confiance presque comparable à celle que l’on place initialement dans le/la coach.
Une personnalisation, une réactivité et une adaptabilité durant la préparation
Dans la continuité du premier critère, les coureur(se)s attendent d’un(e) coach qu’il/elle soit capable de leur offrir un plan d’entraînement personnalisé, adapté à leur situation à l’instant T, mais aussi évolutif pour suivre et se plier à leur quotidien et ses imprévus.
Un programme figé dans le marbre a peu à peu perdu tout intérêt au profit de préparations présentant un socle commun certes, mais assorti d’une capacité d’adaptation en temps réel basée sur les ressentis à l’entraînement et la complétion concrète des séances proposées.
👉 Chez Campus, nous prenons en compte ton ressenti sur tes entraînements et les séances que tu n’as pas pu réaliser pour adapter ton plan si besoin. Mais une adaptation en temps réel ne signifie pas que la structure doit être bousculée à chaque retour ! Ton plan suit une cohérence globale qui s’articule autour de ton objectif. Il peut se mouler à tes besoins, évoluer mais toujours en restant dans ce cadre qui conditionne ta réussite. A contrario, les IA telles que ChatGPT peuvent s’adapter à 100 % et casser la structure initiale de ton plan si tu le désires. Mais n’est-ce pas là un problème plus qu’une solution miracle ? L’heure est à l’analyse et à la réflexion.
L’art de savoir manier et analyser les données physiologiques concrètes
Là, on rentre dans un volet peut-être un peu plus pointu mais tout aussi primordial. Le/la coach sportif(ve) doit savoir analyser un ensemble de données physiologiques pour adapter ton plan d’entraînement en fonction d’une multitude de critères : fréquence cardiaque, sommeil, ressenti d’effort, capacité d’assimilation, etc.
Pour cela, il/elle va se baser sur ton ressenti, exprimé par des mots aisément transposables sur une IA, mais aussi (et surtout) sur des données concrètes issues d’outils créés pour mesurer ta performance. Sur ce second point, ChatGPT est très limité. Il analyse les mots là où Campus va prédire ta réponse physiologique en analysant les données pertinentes.
Les IA comme ChatGPT peuvent-elles être de bons coachs sportifs ?
Fermer les yeux et rejeter l’arrivée des IA génératives est un piège dans lequel nous ne voulons pas tomber. Ces dernières présentent des avantages indéniables qu’il faut comprendre et analyser pour en déterminer les limites.
Les IA génératives comme ChatGPT peuvent devenir des coachs running et générer des plans d’entraînement “personnalisés”...
L’IA générative, à l’exemple de ChatGPT présente un énorme avantage dès le départ : la gratuité. Une étude de mars 2024 publiée dans le Journal of Sports, Science & Medicine met en avant l’intérêt des plans d’entraînement générés par ChatGPT pour les coureur(se)s novices n’ayant pas accès à des entraîneur(se)s qualifié(e)s et qui recherchent un accompagnement à moindre coût.
Il faut dire qu’a priori, cet outil est capable de générer des plans d’entraînement tout à fait corrects. Fort d’un accès quasiment illimité aux données scientifiques alimentées en permanence, il peut répondre à ta demande et te proposer un programme basé sur un prompt très bien construit.
ChatGPT peut ensuite répondre à tes questions, t’apporter les informations nécessaires à la compréhension des séances proposées et surtout, réagir et adapter l’intégralité du plan à ta demande. Remarques, avis, ressentis : il prend tout en compte et te donne l’impression de dialoguer avec un(e) coach physique tout en bénéficiant des avantages de la virtualité. Il peut même te motiver, t’encourager, te rassurer à la demande.
À première vue, c’est un degré de personnalisation que Campus ne pourra jamais atteindre. Chat, communauté, articles de blog, adaptation du plan aux retours et réponses des coachs à tes interrogations ponctuelles ne pourront pas se substituer à l’instantanéité, la disponibilité et la flexibilité de l’IA générative. Mais est-ce vraiment une finalité pour garantir la fiabilité et l’efficacité d’un programme d’entraînement ? Pas vraiment et nous allons voir pourquoi.
… mais ChatGPT ne sera jamais un bon coach running
Dans le cadre de la génération de plans d’entraînement running, ChatGPT se heurte rapidement à des limites difficiles à contourner : le rôle central du prompt (difficile à maîtriser), l’impossibilité de quantifier réellement la charge mécanique individuelle et l’absence d’expérience concrète sur le terrain.
L’importance du prompt dans la qualité des plans d’entraînement via IA
Tu es sûrement passé(e) rapidement sur l’une des affirmations précédentes qui conditionne la pertinence des réponses de ChatGPT à un prompt très bien construit. Pourtant, on tient là l’une des limites fondamentales des plans d’entraînement générés par IA.
Concrètement, un prompt complet et suffisamment bien fixé pour générer un programme d’entraînement cohérent nécessite d’y passer beaucoup de temps, d’avoir déjà une bonne expérience des LLMs et… d’avoir des notions en course à pied. En effet, ChatGPT ne va pas t’interroger, orienter le dialogue pour cibler tes besoins, te poser les bonnes questions au bon moment. Il va répondre à tes demandes. Ni plus, ni moins. Il faut donc savoir exactement ce que tu veux. C’est ce que met en avant l’étude de 2024 précitée qui conclut :
“Nous avons démontré que la qualité des plans d'entraînement pour coureurs débutants générés par ChatGPT dépend de la précision des informations fournies et, par conséquent, des connaissances de l'utilisateur en matière de planification d'entraînement.”
Dès lors, on comprend que les plans conçus intégralement via l’IA s’adressent à des coureur(se)s déjà expérimenté(e)s, capables de prendre du recul, de réfléchir en fonction de leur vécu et de leurs habitudes. Finalement, si tu veux un bon plan généré par ChatpGPT, tu dois être capable de l’analyser et de le corriger même après avoir rédigé un excellent prompt qui contient déjà de nombreuses informations que les néophytes seront incapables de compiler (et c’est bien normal).
🧐 En fait, pour obtenir un bon coaching, tu dois toi-même être capable de te substituer au/ à la coach pour bien encadrer la création du plan d’entraînement et le corriger le cas échéant. Lorsqu’on sait que la gratuité de ChatGPT attire beaucoup de débutant(e)s peu désireux(ses) d’entrer directement dans un système de coaching payant et donc incapables d’avoir un recul critique sur ce que l’IA leur propose… on voit le mur se profiler rapidement.
ChatGPT : un coach running aux multiples approches contradictoires
L’intelligence artificielle compile un nombre incalculable de données qu’elle utilise ensuite pour répondre aux demandes des utilisateur(ice)s. Quelle aubaine pour toi qui souhaites un plan d’entraînement course à pied à la pointe des dernières avancées scientifiques ! Pas tout à fait.
Un programme d’entraînement s’articule autour d’une “logique interne”. Autrement dit, il ne peut te permettre de déployer ton plein potentiel que si l’approche sur laquelle il s’appuie est appliquée de bout en bout. Chez Campus, nous avons une méthodologie d’entraînement claire et éprouvée, à condition que tu l’appliques sans tricher.
👉 Si l’on veut simplifier par l’exemple : pour faire un gâteau au chocolat, tu vas choisir une recette selon des critères qui te sont propres (pas trop de sucre, plutôt fondant, venant de tel ou tel site, etc.). Une fois le choix de la recette faite, tu t’y tiendras du début à la fin sans en changer en cours de route. En course à pied, c’est pareil : tu choisis une méthode et tu la suis de bout en bout.
Or, les programmes d’entraînement générés par ChatGPT sont fabriqués de A à Z en piochant dans diverses approches, parfois contradictoires. Il n’y a pour ainsi dire aucun fil directeur, aucun ciment pour lier les briques entre elles solidement. Ainsi, l’IA générative met bout à bout des éléments qui fonctionnent, mais qui s’inscrivent initialement dans une stratégie globale. En les isolant pour les compiler de façon “anarchique”, elle coupe le fil de la cohérence.
L’absence de quantification réelle de la charge mécanique
Mais pourquoi cette incapacité à générer un plan d’entraînement autour d’une unique approche ? Parce-qu’à l’heure actuelle, l’IA générative est tout simplement incapable de quantifier réellement ton stress mécanique et donc d’accompagner concrètement ta progression. Elle ne sait pas apprécier les variations individuelles, notamment sur la récupération et l’assimilation des séances. Pour elle, il n’y a donc aucun problème à compiler des méthodes tant que ces dernières semblent répondre à ton prompt.
En outre, on constate que dans la majorité des cas, les volumes d’entraînement des plans générés par ChatGPT sont extrêmement élevés (puisqu’il ne sait pas quantifier la charge individuelle). Dans le même ordre d’idée, il ne place jamais de semaine d’assimilation, pourtant indispensables pour progresser sur la durée sans se blesser.
Dès lors, libre à toi d’émettre des réserves mais là-encore, le modèle des IA génératives atteint sa limite : ChatGPT va te rassurer, adapter le programme si tu lui demandes sans chercher à comprendre tes réserves.
💡 En résumé, ce modèle d’IA peut concevoir autour de mots. A contrario, Campus va prédire et adapter autour des réactions de ton corps et de ton mental à l’entraînement.
Chat GPT vs. Campus : la qualité d'un coach running passe par l’expérience
Ce que l’on va te dire ici peut sembler contre-intuitif et pourtant, c’est un constat réel. L’intelligence artificielle manque de recul. On parle ici du recul empirique, qui s’appuie sur l’expérience et l’observation. ChatGPT analyse des données brutes sans jamais tenir compte des ressentis des utilisateur(ice)s qui sont plus difficilement quantifiables et exploitables pour un tel outil.
🔁 À l’inverse, l’approche aujourd’hui choisie par Campus repose sur l’expertise et la connaissance brute des coachs certes, mais aussi sur leurs expériences résultant le retours de milliers de coureur(se)s. Ici, la science prend son sens à travers l’expérience, les DATA collectées au fil du temps et l’analyse terrain.
L’intelligence artificielle est-elle pour autant l’ennemie du coaching running ?
Non, l’intelligence artificielle ne doit pas être sans cesse mise en opposition avec le coaching “classique”. En réalité, les deux doivent fonctionner ensemble pour construire une approche novatrice et optimisée de l’entraînement.
IA générative versus IA physiologique
On a expliqué les limites de l’IA générative, et notamment son incapacité à quantifier la charge d’entraînement individuelle qui l’amène à augmenter cette dernière bien trop rapidement (et à la maintenir souvent bien trop haute). Lorsqu’on sait que 50 % des coureurs et des coureuses se blessent au moins une fois par an, difficile d’ignorer le danger concret que peut constituer un plan conçu par ChatGPT ou tout autre acteur qui utilise ce que l’on appelle l’intelligence artificielle statique. Il s’agit d’un type d’IA qui ne s’adapte pas à tes retours réels.
👉 On pense par exemple à un algorithme qui concevrait ton plan d'entraînement à partir d’un chrono et qui serait figé à partir du moment où il a été généré.
Mais l’IA n’est pas uniquement générative : elle peut aussi être physiologique. Dans la littérature scientifique, on parle de machine learning (apprentissage automatique) appliqué à des données biologiques et d’entraînement. Ici, le but est totalement différent.
💡 Par exemple, dans le cadre d’un entraînement course à pied, on va chercher notamment à :
estimer l’état général de l’utilisateur(ice) et sa réaction au programme en termes de fatigue, de récupération, de stress, etc.
prédire un risque (blessure, baisse de performance, etc.) en fonction des retours concrets pour ensuite pouvoir l’éviter. On peut ici citer une étude de septembre 2024 intitulée “Amélioration de l'évaluation des risques de blessures sportives au football grâce à l'apprentissage automatique et à l'analyse de la charge d'entraînement” dont l’objet est justement de permettre aux entraîneur(se)s de prévenir les blessures en anticipant au mieux les pics de charge d’entraînement.
adapter individuellement le plan (volume, intensité, temps de récupération, etc.) en fonction des retours, concernant par exemple la fréquence cardiaque (FC) ou encore le RPE (ressenti d'effort perçu).
Les applications de ce machine learning sont déjà nombreuses. Une étude publiée en novembre 2025 sur Scientific reports utilise cette méthodologie pour comparer deux modèles d’entraînement marathon (le pyramidal et le polarisé) et déterminer lequel apporte les meilleurs résultats.
Au-delà des résultats de l’étude, c’est surtout sa conclusion qui retient l’attention :
“ L'analyse par apprentissage automatique a permis de prédire avec succès les réponses individuelles à l'entraînement à partir de paramètres facilement accessibles, notamment l'expérience et le niveau de forme physique initial. Cette découverte comble le fossé entre la théorie de l'entraînement et sa mise en œuvre pratique en fournissant aux entraîneurs et aux athlètes des outils fondés sur des données probantes pour le choix de la méthodologie. La précision prédictive supérieure obtenue grâce à une technologie de suivi grand public (ici des montres GPS Garmin et des ceintures cardio) lève les obstacles à la prescription d'entraînements personnalisés, rendant ainsi les approches individualisées accessibles aux coureurs de marathon amateurs.”
➡️ Finalement, le véritable enjeu n’est pas la génération, mais bien la calibration. Chez Campus, on a totalement conscience des bénéfices considérables que l’IA physiologique peut apporter au coaching. C’est la raison pour laquelle on choisit d’avancer avec elle et non pas en opposition ni en parallèle.
L’IA physiologique : l’avenir du coaching sportif
D’un côté, on a une IA physiologique capable de transformer des signaux en décisions de coaching pour réduire le risque de blessure et optimiser la charge d’entraînement en temps réel. De l’autre, on retrouve Campus et sa base de données réelle, qualifiée et alimentée par des retours humains concrets. Et au milieu, on a potentiellement le véritable futur du coaching en course à pied (et bien au-delà).
Ainsi, chez Campus, on entraîne des modèles d’IA capables d’interpréter les informations relatives à la fréquence cardiaque, ton ressenti d'effort, tes sensations corporelles, etc. pour ensuite prendre des décisions qui vont impacter directement ton entraînement.
Pour nous, l’idée de concevoir des plans d’entraînement via l’IA générative rencontre bien trop de limites et d’écueils. Notre but n’est pas de prédire les mots que tu vas utiliser pour parler de ton entraînement mais d’anticiper ta réponse physiologique à la seconde près.
Finalement, chez Campus, on a choisi de croire en un avenir de l’entraînement construit autour de trois axes majeurs :
un modèle d’IA physiologique
des règles d’expert(e)s confirmé(e)s
une physiologie moderne qui analyse le fonctionnement du corps humain en observant comment les systèmes interagissent entre eux, s’adaptent et évoluent en temps réel.
Aujourd'hui, nous en sommes aux balbutiements mais l'idée est là et c'est dans cette direction que nous souhaitons avancer, pas à pas, sans brûler les étapes.
Pour conclure, que peut-on finalement retirer de cette (longue) analyse ? Peut-être tout d’abord que ChatGPT et toute autre IA générative ne peuvent se substituer à l’expertise d’un(e) coach dont les connaissances reposent aussi bien sur un socle scientifique que sur des expériences terrain. Leur prêter ce pouvoir, c’est oublier que ces outils fonctionnent sur l’accumulation d’une multitude de données scientifiques mises en corrélation de façon souvent maladroite pour coller à ton prompt (aussi bien écrit soit-il). À moins d’avoir déjà des connaissances et un recul sur ta pratique de la course, nous te conseillons fortement de te tourner vers des méthodes de coaching en ligne telles que Campus, permettant une personnalisation et une adaptation réelle de ton plan.
Cela ne signifie pas pour autant qu’il faut fuir l’IA à tout prix. Au contraire : chez Campus, nous sommes persuadé(e)s qu’un modèle de plan mêlant habilement les capacités humaines et l’IA physiologique constitue le véritable avenir du coaching running. Mais cela n’est possible qu’avec l’aide de chaque coureur(se) qui permet, à son échelle, de compiler des milliers de données qui, bien utilisées, construiront l’entraînement de demain. Finalement, de là à dire qu’à nos côtés, tu contribues à façonner le futur de ton sport, il n’y a qu’une foulée.
Nolwenn
Publié le , mis à jour le
partager
