Cet article a été rédigé par Fanny Lyrheden, de Smart Eye, et adapté pour iMotions.com.
Qu’est-ce qui fait un bon conducteur ?
Nous pouvons tous améliorer nos compétences au volant de différentes manières. Mais que se passe-t-il lorsqu’on place un conducteur dans une situation qui dépasse largement ce à quoi la plupart d’entre nous sommes habitués ? Pour répondre à cette question, on peut notamment s’intéresser à la conduite sportive.
Conduire à la vitesse jugée normale sur un circuit automobile ne peut être qualifié que de conditions de conduite extrêmes pour les conducteurs lambda. Les pilotes de haut niveau sont constamment confrontés à des situations où ils doivent prendre des décisions complexes rapidement et avec très peu d’informations. Pour accentuer encore davantage la pression sur le pilote dans ce contexte, ces décisions ont des conséquences considérables, qu’elles entraînent une perte de temps ou, pire encore, un véhicule accidenté et un pilote blessé.
Selon les moniteurs de pilotage automobile, le principal obstacle à l’amélioration de la vitesse tout en garantissant la sécurité réside dans la capacité du pilote à percevoir efficacement les situations, à prendre des décisions rapides et à maîtriser le véhicule avec justesse. Cela nécessite non seulement des années d’entraînement, mais aussi une formation ciblée qui développe les capacités cognitives du pilote d’une manière très spécifique.
Mais comment les formateurs identifient-ils les situations et les expériences appropriées pour développer les capacités cognitives du conducteur, telles que l’anticipation et l’attention, afin de réduire le délai entre la perception, la décision et la réaction ? Et comment les chercheurs peuvent-ils mesurer efficacement le processus d’apprentissage chez les conducteurs au fur et à mesure qu’ils apprennent ?
Dans cette étude, nous avons soumis la technologie d’oculométrie de Smart Eye et la plateforme d’analyse biométrique d’iMotions à un test décisif : transformer les signaux physiologiques des pilotes de course en conditions extrêmes en informations précieuses qui les aident à améliorer leurs performances au volant.
L’étude Bondurant : comment notre technologie se comporte-t-elle dans des conditions extrêmes ?
En septembre 2020, Aaron Galbraith, ingénieur commercial senior chez Smart Eye, s’est rendu en Arizona pour mener une collecte de données dans le cadre d’un projet pilote avec un instructeur de conduite sportive, alors qu’il se trouvait sur le site de la Bondurant High Performance Driving School. La Bondurant High Performance Driving School (rebaptisée depuis Radford Racing School) est spécialisée dans l’enseignement de la conduite haute performance, mais permet également aux conducteurs lambda d’améliorer leurs compétences. Situé à Chandler, en Arizona, le circuit offre de multiples situations de conduite difficiles dans un environnement désertique. Afin d’obtenir les résultats escomptés de l’étude, le client avait défini un certain nombre d’exigences :
- Le système de Smart Eye devait être capable de déterminer si l’élève conducteur regardait à travers le pare-brise, par la vitre côté conducteur ou par la vitre côté passager.
- Le système devait également permettre d’enregistrer et de revoir où le conducteur en formation posait son regard lors de virages et de manœuvres difficiles. Cela permettrait au formateur de lui donner des conseils pour l’aider à comprendre ses erreurs et à corriger immédiatement ses mauvaises habitudes de conduite.
- À l’issue de la session de formation, le client souhaitait pouvoir obtenir des images vidéo des visages des conducteurs afin de les inclure dans son rapport.
- Enfin, le client souhaitait pouvoir associer les données du véhicule, notamment celles relatives à l’accélération, au freinage et à l’angle de braquage, à d’autres données biométriques, telles que le regard ou les émotions, afin de comparer l’état d’esprit de l’élève à la manière dont le véhicule était conduit à ce moment-là.
La collecte de données dans une voiture de course : des défis particuliers et des solutions innovantes
Afin de fournir à notre client les données d’oculométrie les plus précises possibles, nous avons utilisé notre oculomètre à distance le plus performant : le Smart Eye Pro.
Le Smart Eye Pro offre la meilleure combinaison du marché en termes de boîte de tête, de champ de vision et de précision de suivi du regard. C’est également un système incroyablement polyvalent, réputé pour fournir des résultats précis quelles que soient les circonstances. Mais serait-il capable de tenir le coup dans des conditions aussi extrêmes que celles du circuit de la Bondurant High Performance Driving School ? Sur place, nous avons été confrontés à des défis particuliers qui ont vraiment mis le Smart Eye Pro à l’épreuve :
Installation des caméras
Smart Eye Pro utilise plusieurs caméras qui peuvent être placées librement à l’intérieur du véhicule. Cependant, dans le cadre de cette étude, les formateurs n’étaient pas autorisés à apporter de modifications permanentes au véhicule. Cela signifiait, par exemple, que les caméras ne pouvaient pas être fixées au véhicule en perçant des trous dans le tableau de bord ou la console centrale. La solution a consisté à utiliser du ruban adhésif double face pour fixer les caméras aux surfaces intérieures du véhicule. Bien que moins fiable qu’une solution de fixation solide, le ruban adhésif double face a en réalité très bien tenu compte des contraintes importantes auxquelles le système était soumis. Dans ce contexte, la flexibilité du système s’est avérée très avantageuse, car les caméras Smart Eye Pro peuvent être placées à distance dans n’importe quel environnement. Le système est également non intrusif, ce qui signifie que les sujets n’ont pas besoin de porter de lunettes ou de casque pour être suivis. De ce fait, les caméras pouvaient être repositionnées pour obtenir la meilleure vue possible de la tête et des yeux du conducteur, tout en garantissant une expérience de conduite très réaliste pour ce dernier.
Vibrations du véhicule
Il est difficile d’imaginer un environnement plus exigeant pour un système que celui d’une voiture de course. Entre accélérations et décélérations extrêmes, freinages et virages, le véhicule est littéralement mis à rude épreuve. Compte tenu de tous ces problèmes potentiels, nous avons été très satisfaits de constater à quel point l’étalonnage de la caméra du Smart Eye Pro a bien résisté.
L’étude Bondurant nous a montré que, bien que Smart Eye Pro soit un système de pointe destiné à la recherche, il ne se limite pas aux environnements de recherche statiques, tels qu’un laboratoire ou un simulateur de véhicule
fixe.
Le nombre de caméras
Combien de caméras faudrait-il pour suivre le regard du conducteur ?
L’un des avantages de Smart Eye Pro est qu’il s’adapte à tous les besoins. Cela signifie que le nombre de caméras nécessaires dépend de chaque cas d’utilisation spécifique.
Pour cette étude, nous avons décidé d’utiliser la configuration automobile classique de Smart Eye : trois caméras sur le tableau de bord et une caméra à côté de la console centrale. Cette configuration offre une très bonne couverture du pare-brise, des rétroviseurs latéraux, du tableau de bord et de la console centrale. Nous aurions toutefois pu obtenir des résultats similaires en matière de suivi du regard en limitant le nombre de caméras aux trois situées sur le tableau de bord, puisque Bondurant ne souhaitait pas suivre le regard dans la zone de la console centrale.
Des différences de luminosité frappantes
Smart Eye Pro fonctionne dans toutes les conditions d’éclairage. Comme le système utilise uniquement la lumière produite par ses flashs, la lumière extérieure ou ambiante ne pose généralement pas de problème. Mais sur le circuit de Bondurant, la différence d’éclairage entre l’intérieur et l’extérieur du véhicule était si marquée que nous avons dû faire preuve de créativité. Le plan initial était d’utiliser une caméra de scène placée par-dessus l’épaule, mais en raison du contraste d’éclairage, cela n’a pas été possible. À la place, nous avons reconfiguré la caméra en caméra réactive orientée vers l’avant dans iMotions, et nous avons alors pu utiliser la base de données Affectiva dans iMotions pour détecter les émotions du conducteur. Mais nous y reviendrons dans un instant.
Températures extrêmes
Lors de notre visite, le soleil d’août en Arizona faisait grimper les températures jusqu’à 48 °C (119 °F). Malgré cela, la fixation par ruban adhésif double face a tenu bon d’un jour à l’autre. Et comme l’habitacle du véhicule était climatisé, la température intérieure est restée bien en deçà des limites normales de fonctionnement du système.
Analyse des données : comment tirer réellement des enseignements des données recueillies sur le terrain
Malgré des conditions difficiles, nous avons pu recueillir des données très précieuses sur le circuit de Bondurant. Mais comment analyser ces données pour tirer des enseignements utiles de cette séance d’entraînement ?
L’analyse des données biométriques peut-elle contribuer à améliorer les compétences de conduite des automobilistes ?
Tout d’abord, prenons un instant pour expliquer ce que nous entendons par « analyse des données biométriques ». La recherche biométrique consiste à étudier les signaux physiologiques émis par le corps – tels que la fréquence cardiaque, les mouvements du regard ou la transpiration – afin de mettre en évidence des caractéristiques liées aux émotions, à l’attention, à la cognition et à l’excitation physiologique. Cela permet aux chercheurs d’adopter une approche multidimensionnelle pour comprendre et expliquer le comportement humain. La plateforme iMotions intègre et synchronise plusieurs biocapteurs – tels que l’oculométrie, l’analyse des expressions faciales, l’EDA/GSR, l’EEG, l’ECG et l’EMG – au sein d’une plateforme unique dédiée à la visualisation et à l’analyse. Grâce à la plateforme iMotions, les chercheurs peuvent analyser la manière dont une personne vit un film, un jeu ou, dans le cas présent, une séance d’entraînement – instant par instant.
Dans la vidéo ci-dessous, Nam Nguyen, spécialiste senior des produits en neurosciences chez iMotions, vous montre à quoi peuvent ressembler les données issues du logiciel Smart Eye Pro lorsqu’elles sont transmises à la plateforme iMotions.
3 défis perçus liés à l’analyse des données
L’analyse multimodale des données biométriques permet aux chercheurs de mieux comprendre le comportement humain qu’en se concentrant sur un seul signal physiologique à la fois. Mais ce n’est pas parce que les données sont complexes que leur analyse doit nécessairement l’être aussi.
En collaborant avec des moniteurs d’auto-école, nous avons constaté qu’ils percevaient trois difficultés qui les préoccupaient concernant l’utilisation des données biométriques.
- Il faut un docteur ou un spécialiste de l’enseignement supérieur pour décrypter ces signaux
. À première vue, les données peuvent sembler d’une complexité insurmontable. Il existe plusieurs canaux différents, plusieurs façons d’interpréter les données, et certaines d’entre elles ne sont que des signaux bruts. On pourrait donc croire qu’il faut être un expert chevronné pour simplement décrypter toutes ces informations. - Cette analyse prend trop de temps.
Compte tenu du volume considérable de données, on pourrait avoir l’impression que leur examen et leur exploration constitueraient un processus long et fastidieux, qui devrait peut-être être réalisé hors site. Si tel était le cas, il faudrait des semaines et des semaines avant de pouvoir tirer des conclusions de ces données. - « Les données doivent toujours être analysées à l’aide d’un outil
coûteux et sur mesure. » Lorsqu’ils devaient travailler avec des données biométriques, certains moniteurs d’auto-école craignaient de devoir recourir à une solution sur mesure, spécialement conçue à cet effet. Ils redoutaient ainsi que leur propre jugement et leur expérience ne pèsent guère dans l’analyse.
Quelques indicateurs clés permettant de dégager des conclusions pertinentes sur les qualités d’un bon conducteur
Ces idées reçues ne sont pas sans fondement ; les données brutes peuvent être volumineuses, complexes et décourageantes. Les chercheurs ayant une formation en analyse de données trouveront leurs compétences utiles, et investir dans un outil de performance et d’analyse, tel qu’iMotions, peut permettre d’automatiser l’extraction de certaines informations à partir des données. Mais l’analyse des données biométriques ne doit pas nécessairement être un processus colossal et complexe. Il n’est pas nécessaire d’être un expert pour accéder à des informations importantes concernant l’entraînement. Bien que l’analyse puisse être assez approfondie, elle s’appuie sur quelques signaux clés, tels que le profil d’attention ou les indicateurs d’engagement. Ces signaux aident les formateurs à obtenir rapidement des informations pertinentes, dès la fin de la session de formation. Et avec suffisamment de pratique, les formateurs gagneront en confiance dans leur capacité à analyser et à reconnaître ce que le conducteur ressentait et comment il se comportait à un moment donné.
Dans les vidéos suivantes, Nam Nguyen montrera comment se concentrer sur quelques signaux clés peut aider les formateurs à influencer le comportement global des conducteurs.
Contrôle de l’attention
Dans cette vidéo, vous découvrirez comment distinguer les techniques de conduite correctes des techniques incorrectes sur l’ovale de Maricopa. C’est sur ce circuit que se déroule la première évaluation des pilotes, et ce tronçon peut sembler l’un des plus difficiles de l’ensemble du circuit Bondurant. En analysant les données d’oculométrie recueillies par Smart Eye Pro, nous pouvons voir où le pilote concentre son attention et, par conséquent, corriger sa technique de conduite.
IA émotionnelle
Nous allons maintenant voir comment les formateurs peuvent utiliser l’analyse des expressions faciales pour mieux comprendre le comportement d’un conducteur dans différentes situations. Pour cette partie de l’analyse, nous utilisons un logiciel développé par Affectiva (qui fait désormais partie de Smart Eye), pionnier de l’IA émotionnelle. Affectiva est capable d’identifier un visage filmé par une caméra vidéo standard, de tracer des repères spécifiques sur le visage et d’identifier des indicateurs. Ces indicateurs comprennent différents niveaux d’émotions, des mesures comportementales de base telles que l’inclinaison de la tête, ainsi que d’autres types de mouvements musculaires généraux.
Regardez la vidéo pour découvrir comment l’IA émotionnelle a été utilisée pour analyser les expressions faciales d’un pilote sur le circuit de Bondurant.
Données biométriques : un nouveau regard sur la recherche comportementale
Le comportement humain est bien plus complexe qu’il n’y paraît, ou même que ce dont nous avons conscience. Pourtant, en exploitant simplement quelques signaux biométriques clés, nous pouvons accéder à des informations précieuses qui non seulement nous permettent de prendre conscience de nos réactions physiques, cognitives ou émotionnelles, mais aussi d’adapter notre comportement en fonction de celles-ci.
Dans le cadre de la conduite sportive, cela peut s’avérer particulièrement utile en raison des conditions extrêmes et de la vitesse élevée des parcours d’entraînement. Grâce à la collecte et à l’analyse en temps réel de données biométriques, les moniteurs de conduite peuvent aider leurs élèves à corriger des comportements dont ils n’avaient probablement même pas conscience.
Mais l’analyse des données biométriques peut être utilisée dans pratiquement tous les domaines de recherche visant à comprendre le comportement humain. Qu’il s’agisse d’étudier comment prédire les tendances en matière de streaming musical sur Spotify ou de déterminer comment la mesure des réactions émotionnelles des athlètes peut aider Adidas à améliorer le processus de R&D de ses chaussures, les domaines d’application de la recherche biométrique sont pratiquement infinis. La recherche biométrique a également aidé Duracell à révolutionner son processus de R&D en misant davantage sur les études de consommation. Pour en savoir plus sur ce que la recherche biométrique et l’analyse des données peuvent apporter à la science du comportement humain, le site web d’iMotions regorge d’articles de blog sur des cas d’utilisation, des guides, les avancées scientifiques et bien plus encore.
Pour visionner l’intégralité du webinaire sur l’entraînement et la performance en pilotage (de voiture de course) avec Nam Nguyen et Aaron Galbraith, cliquez sur ce lien :
Vous souhaitez en savoir plus sur Smart Eye Pro, la suite logicielle iMotions ou l’IA émotionnelle d’Affectiva ? Cliquez sur le nom des entreprises pour obtenir plus d’informations ou demander une démonstration des produits.