Le projet « Bateau qui Vole »

Le projet « Bateau qui Vole » a débuté il y a 1 an, suite à la rencontre de Gilles Duret, l’un des 2 fondateurs de Meritis et Sébastien Rogues, skippeur du Multi 50 Primonial. L’ambition de Gilles Duret était de mettre le savoir-faire de Meritis dans le domaine de l’Intelligence Artificielle au service de la performance du bateau de Sébastien .

Pour ce faire, Meritis a proposé à Loic Veyssière, Data Scientist chez Meritis de contribuer au projet.

La mission à la fois exigeante et passionnante de Loïc : récolter et analyser de nombreuses données issues du bateau, qui permettront, lors de futures courses, d’anticiper, en temps réel, les réactions de ce dernier en fonction de l’environnement auquel il est confronté (vitesse du vent, taille des vagues…). Ces informations permettront alors à Sébastien d’adapter au mieux sa navigation et d’optimiser les performances de son bateau.

Il s’agit d’un projet innovant, ambitieux et au long cours qui mèle Data, Intelligence Artificielle & Machine learning. Il devrait donner ses pleines performances en 2022 lors de la Route du Rhum à laquelle Sébastien participera.

Naviguer vers l’innovation

Les enjeux clés

L’enjeu premier du projet va être de pouvoir passer d’une navigation de réaction subie, sensible aux perturbations, à une navigation d’anticipation souple et sécurisée. Pour ce faire, l’expertise technique est bien entendu cruciale, mais la collaboration et la capacité à travailler en équipe de Loic, Sébastien et son équipe est également clé dans la réussite du projet.

Enjeux de l’analyse différée (En cours)

Comprendre les variables de la course au large
- Enregistrement des informations utiles,
- Ajouts de capteurs,
- Ajouts de données externes.
Collaborer avec les marins
- Utilisation d’outils communs,
- Création d’une plateforme d’analyse.
Identifier ensemble les axes de performance
- Constitution d’abaques,
- Importance d’études ML (vagues, pilotage automatique, dynamique du bateau).

Enjeux de l’analyse temps-réel (A venir)

Appuyer le skipper dans ses choix stratégiques
- Construction de KPI en temps-réel.
Accompagner le skipper dans sa navigation
- Anticipation de grosses vagues,
- Alertes en cas de détérioration de la performance.
Améliorer le pilotage automatique
- Navigation plus souple et plus intelligente.

Data et Machine Learning

Le travail de Loic, Data Scientist, s’articule donc en 2 grandes étapes : récolte puis analyse de données.

Le trimaran est équipé de 30 capteurs. Stockés à bord, ces données sont par la suite envoyées puis exploitées par Loic.

25

points d’enregistrement par seconde

1758

heures d’enregistrement sur 3 ans

211GB

de données à traiter

Aujourd’hui, Loïc travaille sur la première étape, à savoir le traitement des données. Un travail de grande ampleur étant donné qu’il récupère 25 données par seconde, sur 100 variables différentes.