UX/UI design · Données & IA
F1 PitWall
Ce que l’on voit d’une course dépend entièrement de ce que la réalisation TV décide de montrer.
J’ai imaginé une application de second écran qui place les fans de Formule 1 sur le muret des stands : classement détaillé, télémétrie, circuit en direct et prédictions de course.
- Contexte
- Cours WebDon, HEIG-VD
- Année
- 2025
- Durée
- Novembre 2025
- Mon rôle
- Concept, données et UI
- Équipe
- Projet solo
- Outils
- Figma, Ergast, FastF1, OpenF1

Le problème
Les fans restent spectateurs : les données de course leur échappent.
Ma réponse
Une app qui rend visibles la course et sa stratégie, en direct.
Le résultat
5.5/6, pour un concept jugé « original et ambitieux ».
Des spectateurs passifs
Je suis passionné de Formule 1 depuis tout petit. Mais devant une course, il me manque quelque chose : les statistiques, les images et les caméras embarquées sont choisies par la F1 ou par les diffuseurs. Impossible de suivre ce qui m’intéresse vraiment.
Pendant ce temps, sur le muret des stands, des ingénieurs analysent la course en temps réel et prennent les décisions qui la font basculer. Mon idée : donner aux fans un accès à ce point de vue.


Visualiser, analyser, prédire


01 / 05
L’accueil montre la course en cours ou la prochaine, le calendrier et les classements. On rejoint la course en un geste.

02 / 05
Le classement va plus loin que la TV : l’âge et le type de pneus, le rythme par secteur. Et le circuit montre la position de chaque pilote, les zones DRS, la météo et les incidents.

03 / 05
La télémétrie traduit les données brutes en courbes lisibles : vitesse, accélération, freinage. Et on peut comparer la trajectoire de deux pilotes, virage par virage.

04 / 05
La caméra embarquée et les radios entre le pilote et son équipe, parfois avant qu’elles ne passent à la TV.

05 / 05
Les prédictions et le simulateur : chances de victoire, fenêtres d’arrêt, scénarios « et si » et sa propre stratégie à tester.
Des données bien réelles
Le concept repose sur des sources qui existent : Ergast pour l’historique des résultats, FastF1 pour la télémétrie, OpenF1 pour un prototype, et un flux officiel sous licence pour la version finale. Pour chaque écran, j’ai décrit précisément les données qu’il recevrait, du classement en direct aux résultats du modèle.

Prédire la fin de la course
Pour les prédictions, j’ai proposé un modèle hybride. LightGBM estime le temps au tour de chaque pilote, avec sa marge d’incertitude, à partir de son rythme, de ses pneus, de la météo et de son historique sur le circuit. Puis une simulation Monte-Carlo joue des milliers de fins de course, en tenant compte des arrêts, du trafic et des voitures de sécurité.
Ergast · FastF1 · live
Données
Rythme, pneus, météo, historique du circuit
Machine learning
LightGBM
Temps au tour attendu et incertitude
Simulation
Monte-Carlo
Des milliers de fins de course simulées
Le même principe recommande la meilleure stratégie d’arrêts : zéro, un ou deux arrêts sont simulés, et l’app affiche les trois meilleures options avec le gain attendu.
Résultats
- note du projet
- 5.5/6note du projet
- vues : accueil, classement, circuit, télémétrie, stratégie
- 5vues : accueil, classement, circuit, télémétrie, stratégie
- sources de données ouvertes pour un premier prototype
- 3sources de données ouvertes pour un premier prototype
« Concept original et ambitieux, une exploitation des données remarquable et des aspects techniques solides. »
Ce que je retiens
Partir d’une passion m’a poussé loin dans les données et les algorithmes. Le retour m’a aussi appris à simplifier : l’interface était trop chargée, et la valeur du concept aurait gagné à être démontrée par des cas d’usage concrets.
La suite logique : un premier prototype sur les données ouvertes, puis des tests avec de vrais fans pour alléger l’interface.
Crédits
- Luca Leone · Projet solo
Cours WebDon du Bachelor en Ingénierie des médias, HEIG-VD. Données et marques de Formule 1 utilisées à titre d’exemple.

