Même les manipulations GPS les plus sophistiquées laissent des empreintes numériques. Ces traces sont souvent subtiles, mais détectables de manière systématique. Notre mission chez LaceUp est claire : traquer ces empreintes avant qu'elles ne faussent les classements ou ne sapent l'esprit d'une compétition équitable.
Priorité à la qualité GPX plutôt qu'à la manipulation
Dans la plupart des cas, il s'agit moins de falsification intentionnelle que de qualité GPX : quelle est la précision des données de position? La fréquence d'échantillonnage est-elle stable? Les vitesses et accélérations sont-elles plausibles?
C'est pourquoi nous combinerons à l'avenir machine learning et vérification humaine. Nous nous assurons ainsi que chaque sortie est évaluée de manière fiable – de façon automatisée, mais avec du bon sens là où la technique atteint ses limites.
L'équipe derrière le projet
Le projet est un véritable travail d'équipe : la profondeur scientifique de l'EPF de Zurich rencontre l'expérience pratique de centaines d'événements LaceUp. Des étudiants comme Kevin Kosch et Nikolaus Rath ont apporté des contributions essentielles dans le cadre de leurs travaux de bachelor, tandis que Benedikt Soja, Matthias Aichinger-Rosenberger, Tobias W., Nico Schefer et Sebastian de Castelberg ont fait avancer la recherche, la validation et l'intégration dans la plateforme.
C'est seulement grâce à cette combinaison de recherche et de pratique que naît un système robuste, traçable et équitable.
Comment nous battons la sortie truquée «parfaite»
- Générer des fakes contrôlés : nous avons délibérément construit des sorties qui ressemblent à s'y méprendre à des données réelles – pour mettre nos systèmes de détection à l'épreuve de manière ciblée.
- Analyser systématiquement : nous recherchons les motifs les plus fins – par exemple des interpolations non plausibles, des profils d'accélération ou des métadonnées qui ne concordent pas.
- Combiner ML et humain : l'algorithme évalue automatiquement, des reviewers examinent manuellement les cas critiques.
- Créer de la transparence : si une activité est exclue, la participante ou le participant reçoit une justification claire et compréhensible.
La suite du programme
- Extension des contrôles aux e-bikes, véhicules motorisés et à de nouveaux sports (course à pied, course d'orientation, natation, ski)
- Détection des athlètes virtuels («Strava Jockeys»)
- Amélioration du chiffrement et de l'intégrité des données GPS/GNSS
- Construction d'un avenir plus intelligent et plus équitable pour le sport numérique
Un coup d'œil dans les coulisses
Membres du projet «Digital Doping», avec le travail de bachelor de Kevin Kosch et Nikolaus Rath.
Beaucoup d'idées pour défier l'algorithme de détection – et ainsi l'améliorer en continu.
Une sortie manipulée presque parfaite – visuellement convaincante, mais pas exempte d'empreintes numériques.
Conclusion
Le dopage numérique est réel – mais pas invincible.
En comprenant les attaques et en les simulant nous-mêmes, nous apprenons à les détecter et à les prévenir. L'équité reste notre boussole : le plaisir et la participation sont au centre, mais le contrôle de qualité est aujourd'hui indispensable pour que chaque résultat reflète la performance réelle.
Crédits
Kevin KoschNikolaus RathBenedikt Soja, Matthias Aichinger-Rosenberger, Nico Schefer, Sebastian de Castelberg, Tobias W.