Les données F1 : quelles sources utiliser ?

Le modèle VisiF1 traite plus d'un million de points de données par saison, extraits de trois sources complémentaires : la FIA pour les résultats officiels, FastF1 pour la télémétrie via Python, et OpenF1 pour les données temps réel (source : VisiF1 data pipeline documentation). Voici comment chaque source contribue aux prédictions.

Quelles données officielles la FIA fournit-elle ?

La FIA publie les résultats officiels de chaque Grand Prix dans les 2 heures suivant la course (source : FIA Sporting Regulations, Article 57). Ces données constituent le « ground truth » du modèle VisiF1 : c'est la référence contre laquelle la précision est mesurée.

Les données FIA incluent : classements finaux et écarts, positions de qualification (Q1, Q2, Q3), tours menés par chaque pilote, points marqués, abandons avec code de cause (mécanique, accident, pénalité), et pénalités appliquées. Sur les saisons 2020-2025, cela représente 144 GP × 20 pilotes × ~15 variables = plus de 43 000 enregistrements de résultats.

La principale limitation de la FIA est le manque de granularité : pas de temps au tour individuels, pas de données de télémétrie, pas d'information sur les stratégies de pneumatiques. C'est pourquoi FastF1 et OpenF1 complètent ces données.

Comment FastF1 donne-t-il accès à la télémétrie ?

FastF1 est une bibliothèque Python open-source (docs.fastf1.dev) qui accède aux données de chronométrage officiel de la F1 via une API non documentée. Elle fournit les temps au tour secteur par secteur, les vitesses en courbe, et les données d'accélération/freinage (source : FastF1 documentation, v3.x).

Pour chaque session (essais libres, qualifications, course), FastF1 fournit : temps au tour par secteur (3 secteurs), mini-secteurs (25+ par tour), vitesses GPS interpolées, données de changement de rapport, et informations sur les pneumatiques (composé, âge).

Le code type pour extraire les données d'un GP est simple : charger la session avec `fastf1.get_session(2026, 'Belgium', 'R')`, puis accéder aux tours via `session.laps`. Le DataFrame résultant contient 50+ colonnes par tour et par pilote.

FastF1 est la source principale de VisiF1 pour les métriques de performance brute. Son avantage : des données historiques stables et bien structurées. Sa limitation : un léger délai (les données sont disponibles ~30 minutes après la session).

Que fournit l'API OpenF1 en temps réel ?

OpenF1 (openf1.org) est une API REST ouverte qui fournit des données F1 en temps réel et historiques au format JSON. Elle couvre les positions en direct, les intervalles entre pilotes, les données radio, et les températures de pneus (source : OpenF1 API documentation).

Contrairement à FastF1 (centré sur les données post-session), OpenF1 excelle dans les données live : positions actualisées chaque seconde, gaps entre pilotes, et messages radio transcrits. Ces données alimentent le pipeline VisiF1 pour les mises à jour pre-race (après les qualifications) et les ajustements temps réel.

L'API est simple : un GET sur `/api/v1/position?session_key=latest` retourne les positions en direct en JSON. Pas d'authentification requise, pas de rate limiting agressif. C'est la source la plus accessible pour débuter un projet de données F1.

Comment ces sources sont-elles combinées dans le pipeline ?

Le pipeline VisiF1 ingère les données de manière séquentielle : d'abord les résultats FIA (ground truth), puis les données FastF1 (télémétrie détaillée), enfin les données OpenF1 (compléments temps réel). Chaque source est normalisée dans un format unifié avant l'entraînement du modèle.

Les données sont stockées dans MongoDB et versionées par saison et par course. Le pipeline est automatisé : après chaque GP, un script Python collecte, nettoie et intègre les nouvelles données en 15-20 minutes. Le modèle est ensuite ré-entraîné avec les données mises à jour.

Au total, pour chaque course, le modèle dispose de plus de 50 variables par pilote : résultats, performances, stratégies, conditions. C'est cette richesse de données, couvrant 6 saisons complètes, qui permet d'atteindre 92,2% de précision Top 5.

Découvrez comment notre modèle LSTM exploite ces données pour produire des prédictions fiables.

Questions fréquentes

Les données sont-elles gratuites ?

Oui. La FIA publie ses résultats gratuitement. FastF1 est open-source (licence MIT). OpenF1 est gratuit sans authentification. Aucune de ces sources ne nécessite de paiement pour un usage non commercial (source : documentation respective de chaque API).

Peut-on utiliser ces données pour un projet personnel ?

FastF1 et OpenF1 sont utilisables pour des projets personnels. Les données FIA sont publiques. Pour un usage commercial, vérifiez les conditions de licence de chaque source. VisiF1 a construit son propre pipeline d'ingestion automatisé (source : VisiF1 documentation).

Quelle source choisir pour débuter ?

OpenF1 pour sa simplicité (API REST, JSON, pas d'authentification). FastF1 pour la profondeur des données (Python, DataFrames, télémétrie). La FIA pour les résultats officiels. Idéalement, combinez les trois comme VisiF1 (source : recommandation VisiF1).