Triathlon : Blessures et fatigue selon variation charge d’entraînement

Cet article correspond à l’introduction du mémoire de Master 2 Entrainement et Optimisation de la Performance Sportive de Baptiste LeFloch réalisé à l’Université de Montpellier (2021-2022) sous la direction de Robin Candau.

Titre du mémoire : Relation entre le risque de blessures et de fatigue importante en triathlon et la variation de charge d’entrainement représentée par le « sweet-spot ».

Un lien de téléchargement est disponible en bas de l’article pour le télécharger en intégralité.

Le triathlon se caractérise par la nature multidisciplinaire du sport où la natation, le cyclisme et la course à pied sont effectués séquentiellement au sein d’une même épreuve.

Le sport possède une grande diversité de formats, allant de la course de relais mixte (environ 20 min), à la course de distance sprint, d’une durée d’environ 1h, en passant par la distance olympique d’une durée d’environ 1h45 à 2h, ainsi que le triathlon longue distance, couru sur une durée de 7h21 pour le plus rapide à plus de 9 h.

Ces efforts indiquent que le système aérobie est au centre de cette pratique. En triathlon, posséder une consommation d’oxygène maximale (𝑉̇𝑂2 max) élevée semble être l’un facteur prépondérant de la performance.

Lors des épreuves, la production d’énergie doit être soutenue pendant de longues périodes, ce qui rend l’économie de course également très importante (O’Toole et Douglas, 1995).

Ajouté au 𝑉̇𝑂2 max et à l’économie de course, la fraction d’utilisation de la capacité maximale aérobie, les considérations d’équilibre énergétique, hydrique et électrolytique ainsi que la fonction cardiaque au fil du temps sont des facteurs de performances essentiels au succès du triathlète (O’Toole et Douglas, 1995).

En plus des volumes d’entraînement élevés généralement entrepris pour les sports d’endurance, l’entraînement pour les trois disciplines sportives différentes nécessite une planification réfléchie, avec un grand nombre de séances d’entraînement pouvant représenter un volume de 30 heures à plus de 35 heures par semaines (Millet et al., 2011 ; Mujika, 2014).

Ces grands volumes d’entrainement peuvent ne pas être sans conséquences. En effet, ces derniers peuvent augmenter l’incidence des maladies et des blessures (Extebarria et al., 2019), mais également mener à des états de « surentrainement ».

Dans les faits, il existe plutôt un continuum entre le désentraînement et le surentrainement passant par divers états.

Le premier de ces états étant le surmenage fonctionnel qui va générer une baisse des performances à court termes pour permettre le phénomène de surcompensation.

Le second, le surmenage non-fonctionnel va générer une baisse des performances sur plusieurs semaines voire plusieurs mois sans permettre de surcompensation malgré la récupération complète. Pour arriver au surentrainement (Bell et al., 2020).

L’obtention de performances optimales ne peut être atteints que lorsque les athlètes sont capables de récupérer et d’équilibrer de manière optimale le stress de l’entraînement et la récupération ultérieure.

Lorsque l’intensité et le volume augmentent pendant l’entraînement, l’évaluation subjective ainsi qu’objective des athlètes devient très importante, car un déséquilibre à long terme entre le stress (e.g., lié à l’entraînement, à la compétition et hors entraînement) et la récupération peut conduire à un état de surentraînement (Lehmann et al., 2007).

Par conséquent, il est recommandé de surveiller en permanence le stress et la récupération pendant le processus d’entraînement (Hooper et al., 1999 ; Kellmann et al., 2001).

En ce sens il parait d’autant plus important de quantifier la charge d’entrainement afin de surveiller le stress soumis à l’athlète au cours des cycles de travail.

Dans les sports à dominante aérobie, la quantification de la charge d’entrainement et les méthodes pour quantifier la charge de travail ont beaucoup été étudiées.

L’une des méthodes les plus utilisée pour quantifier le stress provoqué par les séances est la méthode de Banister.

En 1980, Banister et Calvert proposent une méthode de quantification basée sur les données de fréquence cardiaque (FC) moyenne de l’exercice réalisé.

Cette méthode sera nommée « TRIMP », en référence au rythme cardiaque lors de l’entraînement (Training Impulse). Une première équation a été proposé pour calculer les charges d’entraînement « TRIMP ».

Elle est le produit de la fréquence cardiaque moyenne de l’exercice et de la durée de ce dernier. Le résultat final est exprimé en unités arbitraires (UA).

Habituellement, le pourcentage de FC max est pris en compte pour définir l’intensité de l’exercice. Il semble cependant plus pertinent de prendre en compte la fréquence cardiaque de réserve de l’exercice notamment par rapport à son équivalence directe avec le % de VO2max.

Mais aussi du fait que la FC de repos peut varier avec de nombreux paramètres comme l’âge ou le niveau d’entraînement (Impellizzeri et al., 2005 ; Dellal et al., 2008 ; Karvonen., 1988).

En 1985, Banister et Hamilton ont perfectionné le modèle TRIMP en ajoutant à cette dernière la fréquence cardiaque de réserve de l’athlète afin de déterminer l’intensité de l’exercice, mais également un complément à l’équation en prenant en compte le facteur de pondération « k » qui représente l’augmentation exponentielle de la lactatémie lors de l’exercice.

Ce qui nous donne pour 0,64 ∗ 𝑒1,92 pour les hommes et pour 0,86 ∗ 𝑒1,67 pour les femmes.

En plus des entrainements spécifiques à l’activité, la musculation commence également à se démocratiser dans les sports dit d’endurance.

Il a été démontré que la combinaison d’un entrainement d’endurance et d’un entrainement de la force permettrait d’améliorer l’économie de course en course à pied.

Il semblerait également qu’un entrainement de la force maximale puisse permettre l’amélioration significative de la performance en cyclisme (Paavolainen et al., 1999 ; Spurrs et al., 2003 ; Bieuzen et al., 2007 ; Aagaard et al., 2011 ; Støren et al., 2013).

En ce qui concerne la natation, un programme d’entraînement de la force, couplé aux séances de natation habituelles a montré des améliorations de la force lors de propulsion et également permis de constater une baisse significative du temps sur 400m nage libre (Aspenes et al., 2009).

De plus, l’étude de Lopes et al., 2021 a mis en évidence le fait qu’un entrainement de la force pouvait augmenter la force lors du cycle de bras, permettre de maximiser la performance du nageur et l’économie de la nage.

La pratique de la musculation, au vu des effets positifs qu’elle a sur la performance, peut (si le temps et les moyens le permettent) faire partie intégrante de l’entrainement du triathlète.

Il faut donc pouvoir quantifier la charge qu’a cette dernière afin d’essayer d’obtenir des indices de charge d’entrainement globaux. A ce jour, il n’existe pas de méthode de calcul précise pour obtenir une charge d’entrainement proche de la réalité en musculation.

En considérant que la fonction neuromusculaire est altérée exponentiellement par l’accumulation de la fatigue (Imbach, 2021).

L’intensité de l’exercice en musculation ainsi que le volume des répétitions provoque une baisse de la vitesse maximale du taux de montée en force ainsi que du taux de montée en force de 0 à 100ms.

Ceci indique que l’exercice induit des altérations exponentielles des caractéristiques contractiles du muscle.

Comme le taux de montée en force (RFD) décroît de façon exponentielle au fil des répétitions, il est possible d’estimer le taux d’apparition de la fatigue grâce aux pentes de régression individuelles (Imbach, 2021).

Tout cela étant conforme aux travaux de Tesi et al (2000) où la génération de force (y compris la constante de vitesse de montée en force) et la libération de phosphate inorganique sont étroitement et négativement corrélé.

Dans ce contexte, le RFD apparait donc comme étant un indicateur pertinent de l’apparition de la fatigue myofibrillaires et des déficience neuromusculaire.

En connaissant cela, le modèle de quantification de la charge d’entrainement en musculation peut être imaginé par la formule :

Où V représente le total de répétition effectuée, I l’intensité de l’exercice, et alphareprésente dans notre cas 6,77 qui est la constante de temps dressée en se basant sur l’équation de Reynolds.

Sur la base du principe exposé par Banister, il a été proposé que la charge d’entrainement en musculation soit pondérée en fonction de la chute du RFD lié à l’intensité de l’exercice.

De nombreuses méthodes sont aujourd’hui à notre disposition pour permettre une quantification précise de la charge d’entrainement des séances réalisées.

Cette dernière doit ensuite être analysée afin de pouvoir donner des indicateurs pertinents de la charge subie par les athlètes.

Pour cela, différents modèles de quantification ont été mises au point.

Un des modèles permettant de définir si l’augmentation ou la baisse de la charge d’entrainement s’est faite de manière trop brutale est le ratio Acute : Chronic (ACWR).

Gabbett et ses collaborateurs ont introduit le concept de ratio de charge ACWR afin de modéliser la relation entre la variation de charge d’une semaine sur l’autre et le risque de blessures.

Ce ratio compare la charge de la semaine en cours par rapport aux 4 dernières semaines de travail. Pour obtenir ce ratio, la moyenne des charges d’entraînement de la semaine en cours (charge aigue) est divisée par la moyenne des charges des quatre dernières semaines (charge chronique).

Cette méthode suggère que si la charge chronique augmente de manière progressive et que la charge aiguë baisse, les athlètes seront à l’abris des risques de blessures et bien préparés.

Mais si la charge aiguë dépasse la charge chronique de façon constante, l’athlète s’expose au risque de blessure.

Cette méthode comporte cependant d’importantes limites. Le calcul de la moyenne des 4 semaines permet seulement de montrer les tendances générales de la charge d’entraînement tout en masquant les pics et creux potentiels.

De plus, le calcul de la charge moyenne ne tient pas compte des stimuli qui peuvent survenir entre-temps, comme l’effet d’un pic d’intensité d’entraînement qui diminue avec le temps (Menaspà, 2017).

Le ratio ACWR ignore le principe physiologique selon lequel les effets d’une charge d’entraînement vont s’atténuer avec le temps.

En effet, selon ce ratio la charge d’un entraînement d’il y a 1 mois impacte autant le calcul de la charge chronique que la charge d’entraînement de la veille (Moussa, 2020).

L’un des problèmes majeurs que rencontre cette méthode est l’obligation d’attendre 4 semaines pour obtenir le premier ratio.

Pour palier a ces limites, Williams et ses collaborateurs (2017) proposent l’Exponentially Weighted Moving Average (EWMA) qui consiste à affecter une plus grande pondération aux entrainements réalisés pendant la phase « aiguë ». Avec cette nouvelle approche, on observe une atténuation des problèmes cités précédemment et donc permet de rendre cette méthode plus sensible.

Mais ce modèle comporte également des limites qui rendent son utilisation compliquée. En effet, en termes de suivi à long termes le problème de l’ACWR semble persister sur ce modèle, puisque pour 100 jours d’entrainement, la charge du jour en cours ne représente que 2/101^ème de la charge totale.

Ce qui en fait un indicateur fiable uniquement à court termes qui est également très sensibles aux données manquantes (Moussa, 2020).

L’outils qui semble être aujourd’hui le plus pertinent et celui que nous allons utiliser est le REDI (Robust Exponential Decrease Index) (Moussa et al., 2019).

Cet index permet « d’introduire un poids exponentiel qui multiplie chaque charge de travail. Ensuite, toutes les charges de travail pondérées sont divisées par les sommes des poids, afin de normaliser l’indice.

En ce sens, l’indice est défini comme une moyenne pondérée des charges de travail » (Moussa, 2020). Cet index est moins sensible aux données manquantes et permet de diminuer le poids des séances passées à mesure que l’on s’éloigne du jour en cours.

A cela, des chercheurs et entraineurs ont tenté de mettre au point des méthodes d’interprétation dans le but de pouvoir prédire ou du moins avoir un œil sur les risques de blessures.

Tiré de différents sports, le « sweet-spot » permet d’interpréter et d’appliquer les données tirées des rapports de charge de travail cités précédemment.

En termes de risque de blessure, des rapports de charge de travail compris entre 0,8 et 1,3 pourraient être considérés comme un rapport permettant de réduire le risque de blessures. Cette zone comprise entre 0,8 et 1,3 se nomme le « sweet-spot ».

A l’inverse, les ratios de charge de travail ≥1,5 représentent la « zone de danger » où le risque de blessure est important.

Pour minimiser le risque de blessure, les entraineurs devraient selon Gabbett (2016) viser à maintenir le rapport de charge de travail aiguë/chronique dans une fourchette d’environ 0,8 à 1,3.

Toutefois ce modèle semble être à nuancer, puisqu’en 2020, Sedeaud et ses collaborateurs ont mis en évidence qu’il n’existerait aucune relation entre un soi-disant « sweet-spot » et la survenu d’une blessure en pentathlon et en football.

Afin de pouvoir obtenir des indicateurs de charge globaux, il faudrait donc effectuer des associations de plusieurs paramètres (e.g., charge de travail, antécédents de blessures, sommeil, fatigue, récupération, tests dynamomètres, myocène, variabilité de fréquence cardiaque etc.) afin d’identifier des indices cohérents et des modèles individuels pour réduire le risque de blessure.

Un outil complémentaire à ceux vus précédemment permettrait d’évaluer la fatigue des athlètes et ainsi leur état de forme. Cet outil est basé sur l’analyse de la variabilité de fréquence cardiaque (VFC).

La VFC correspond à une mesure de la variation de temps entre chaque battement du muscle cardiaque dans le temps (intervalle R-R).

L’analyse de la fatigue comprend différents types de déficiences déclenchées non seulement par le déséquilibre de la charge d’entraînement et de la récupération, mais aussi par des épisodes infectieux, trouble du sommeil (qui peut être un symptôme de fatigue) ou atteinte émotionnelle/affective (Meeusen et al., 2013).

Toutes ces conditions peuvent conduire à un certain déséquilibre physiologique susceptible d’impliquer un certain changement dans les paramètres autonomes, et enfin un changement dans l’analyse de VFC.

Les mesures de VFC interviennent sur deux domaines. L’un d’eux est le domaine temporel qui permet d’isoler les intervalles R-R et de mesurer les écarts de temps entre deux battements cardiaques, les écarts types entre deux battements (SDNN) et le RMSSD qui est la moyenne quadratique des intervalles R-R successifs qui exprime aussi la variabilité de haute fréquence principalement d’origine parasympathique.

L’autre domaine analysé est le domaine fréquentiel. Ce dernier permet par une analyse spectrale (transformée de Fourier) de renseigner sur les différentes ondes et leurs fréquences.

Ces fréquences sont les très basses fréquences (VLF) qui traduisent des mécanismes de régulation à long termes qui peuvent être liés à la thermorégulation, le système rénine angiotensine ainsi que d’autres paramètres.

Elle renseigne également sur les basses fréquences (LF) qui sont un indicateur principalement de l’activité sympathique et les hautes fréquences (HF) qui sont des indicateurs de l’activité parasympathique.

Dans une revue complète sur la prévention, le diagnostic et le traitement du syndrome de surentraînement, Meeusen et al. (2013) ont mis en évidence l’importance du diagnostic et du suivi des modifications de la fatigue dans le sport d’élite.

Avec ce type d’analyse, Hedelin et al. (2000) ont montré des performances en compétition réduites et des états d’humeur associés à une diminution de la puissance LF, tandis que la puissance HF restait élevée.

A l’inverse, Uusitalo et al. (2000) ont mis en évidence que le surentrainement était associé à des analyses de VFC dans lesquelles la puissance HF était diminuée chez neuf athlètes féminines d’endurance subissant un entraînement intensif sur une période de 6 à 9 semaines.

Schmitt et al., 2013 ont également mis en avant que lors de mesures, les valeurs de VFC étaient significativement plus faibles chez les sportifs étant en état de « fatigue » que chez ceux « sans fatigue » chez les athlètes d’endurance de niveau élite.

Il a également été mis en avant quatre types de fatigue différents dans le ski nordique de haut niveau (Schmitt et al., 2016).

Le premier vient se caractériser par de faibles niveaux de HF et LF dans les positions allongées (Su) et debout (St) ainsi qu’une FC haute allongé et debout ou connue sous le nom d’hypotonie parasympathique et orthosympathique.

Le deuxième type de fatigue présente lui de forts niveaux de LF Su et faibles en St venant caractériser ici une hypertonie orthosympathique.

Le troisième niveau montre quant à lui des niveaux de HF faibles en Su et fort en St.

Le dernier des niveaux de fatigue montre lui de forts niveaux de HF en Su venant caractériser une hypertonie parasympathique.

L’analyse de VFC montre donc une forte pertinence pour déceler les niveaux de fatigue chez des athlètes et donc permettre de modifier au besoin les séances afin de s’adapter à la fatigue des sportifs.

A travers cette revue de la littérature, il en ressort que le triathlon est un sport à dominante aérobie où les volumes d’entrainements sont conséquents. Ce qui peut amener des états de fatigue importants chez les athlètes.

En conséquence, la quantification de la charge interne semble tenir un rôle prépondérant dans l’entrainement des sportifs et l’analyse de VFC constituerait également un moyen fiable de détecter des états de fatigue.

Cette étude à pour objectif de déterminer s’il existe une relation entre le risque de blessures et de fatigue importante en triathlon, et la variation de charge d’entrainement représentée par le « sweet-spot ».

Pour télécharger le mémoire de Baptise LeFloch complet :