Des outils d’intelligence artificielle plus puissants vont prendre une place croissante dans l’élaboration des règles aérodynamiques de la Formule 1. La FIA annonce un partenariat élargi avec Amazon Web Services (AWS) pour accélérer les simulations, gagner en fidélité de calcul et mieux exploiter les données techniques, avec un impact attendu aussi bien sur la conception des futures voitures que sur certains processus internes de la fédération.

Un partenariat FIA–AWS centré sur l’IA, le cloud et la simulation

AWS devient le partenaire officiel de la FIA pour l’intelligence artificielle, le cloud computing, le machine learning et l’infrastructure cloud. L’ambition affichée dépasse la simple puissance de calcul : la FIA veut s’appuyer sur ces moyens pour façonner plus efficacement de futures réglementations, améliorer ses systèmes de licences à l’échelle mondiale, et renforcer l’intégration de ces outils dans ses opérations internes.

Concrètement, l’objectif est d’exécuter les campagnes de CFD (mécanique des fluides numérique) sur une infrastructure plus moderne afin d’obtenir des simulations plus rapides et à plus haute fidélité, puis d’y superposer des « raccourcis » via l’IA, tout en utilisant aussi l’IA pour aider à vérifier la cohérence du règlement lui-même.

À ce stade, il n’est pas question d’utiliser l’IA générative pour proposer directement des idées de design : la priorité est d’accélérer et de soutenir le travail humain.

Dans les coulisses de la CFD : de la maquette numérique aux cartes de pression

En plaçant AWS au cœur du travail CFD, la FIA renforce son « tunnel de vent virtuel » et la création de voitures concepts capables d’évaluer, par exemple, la perte d’appui lorsqu’une voiture en suit une autre, ou encore si les règles produisent le type de course recherché.

Le processus virtuel s’appuie sur des dessins numériques 3D de pièces qui sont assemblées en modèles. L’air autour de la voiture est ensuite découpé en millions de petites cellules : les équations sont résolues cellule par cellule, puis une phase de post-traitement transforme les nombres bruts en cartes de pression, visualisations d’écoulement et forces que la FIA peut analyser.

OpenFOAM, accélération matérielle et IA pour manipuler les données

Dominic Harlow, directeur technique adjoint de la FIA pour la F1, explique que l’infrastructure AWS alimente un processus CFD « traditionnel » exécuté avec OpenFOAM (logiciel open source) et divers outils de post-traitement. Ensuite, des améliorations dans la visualisation et la manipulation des données CFD pourraient provenir de l’IA.

L’idée est notamment d’entraîner des approches « substitutives » (surrogate models) sur les résultats CFD déjà calculés, afin de raccourcir certaines simulations. À la clé : plus de productivité avec moins de temps de calcul, moins de temps d’ingénierie, moins d’énergie consommée et moins de coûts.

Comment l’IA peut changer la façon de concevoir les voitures

Bien que le règlement actuel n’en soit qu’à sa première année, des travaux sont déjà en cours pour ce qui pourrait déboucher sur une introduction autour de 2030, avec de nouvelles voitures et de nouveaux moteurs.

Dominic Harlow estime que le tunnel de vent, la CFD et l’IA seront corrélés entre eux pour développer ces futures règles : soit pour combler des manques dans les données de piste, soit pour augmenter la charge de développement virtuel.

Le principe d’un modèle substitutif : prédire sans résoudre toute la physique

Une simulation CFD complète peut prendre des heures. À l’inverse, un modèle substitutif est une IA entraînée sur des centaines de résultats CFD passés : elle apprend la relation entre une forme (par exemple un profil) et le résultat aérodynamique, puis prédit ce résultat pour une nouvelle forme en quelques secondes ou minutes, sans résoudre l’intégralité de la physique.

Pour la FIA, cela ouvre la possibilité de tester bien plus de variantes d’un projet de règle — comme des formes d’ailerons ou des géométries de fond plat — à temps constant. Et ces bénéfices ne se limitent pas à l’aérodynamique : le département performance de la FIA s’intéresse aussi à l’électronique et aux règles moteur.

Analyse des données : vision par ordinateur, tableaux de bord et contrôles

Selon Harlow, la performance s’appuie déjà sur des outils comme la vision par ordinateur (analyse d’images et de vidéos) et des systèmes permettant de regrouper sur des tableaux de bord de nombreuses métriques collectées : certaines liées à la sécurité, d’autres à la gestion de l’énergie, d’autres encore aux contrôles de conformité. Avec l’IA, ces flux peuvent être traités plus vite pour surveiller les tendances et détecter des motifs.

Détection d’anomalies côté groupe moteur

Harlow souligne aussi l’usage de ces outils dans le groupe « power unit » pour la détection d’anomalies. Le principe évoqué : un réseau de neurones peut représenter des fonctions continues très complexes. En apprenant ce que sont des traces « normales », il peut ensuite signaler ce qui s’en écarte — par exemple repérer une chute de pression d’huile dans des données de piste.

Ces outils sont particulièrement utiles pour l’analyse de la FIA, car ils peuvent aider à anticiper un résultat dans un contexte différent en interrogeant les données disponibles.

Vers une boucle continue d’apprentissage… avec une vigilance sur l’explicabilité

Faire évoluer les modèles « au fil de l’eau » pourrait transformer un travail de règlementation ponctuel en une boucle continue : les outils apprennent comment de nouvelles règles se comportent en conditions réelles et s’ajustent progressivement.

Cela peut être précieux lors de grands changements de réglementation, quand les données historiques ne reflètent plus correctement les nouvelles voitures. Mais Harlow rappelle un point de vigilance : les réseaux de neurones peuvent fonctionner comme des « boîtes noires », dont le raisonnement interne est difficile à retracer. La FIA doit donc être en mesure de comprendre pourquoi un outil a signalé un point particulier.

Et malgré la complexité des F1, l’IA reste pour l’instant peu adaptée à la création de quelque chose d’entièrement nouveau. La notion de « prompt engineering » est évoquée comme une piste possible plus tard, mais pas comme une réalité immédiate.

Des bénéfices plus larges : GPU, porpoising et outils linguistiques sur mesure

Un autre gain attendu du partenariat est l’accès aux GPU (processeurs graphiques) de dernière génération. Traditionnellement, la CFD tournait sur CPU, mais les logiciels sont réécrits pour exploiter les GPU, souvent beaucoup plus rapides et capables de gérer un grand volume de calculs simples en parallèle — un point pertinent à la fois pour l’IA et la CFD. Du meilleur matériel permet des résultats plus rapides et plus précis.

Exemple concret : mieux anticiper le porpoising

Harlow cite l’effet de porpoising, qui a surpris plusieurs équipes et la FIA au début de l’ère à effet de sol en 2022. Avec davantage de puissance et des méthodes plus avancées, il devient possible d’aller au-delà d’une simulation CFD stationnaire : on peut exécuter des simulations temporelles en conditions instationnaires, et potentiellement mieux comprendre ce type de phénomène avant qu’il ne devienne un problème visible à grande échelle.

Interroger un règlement complexe avec des modèles linguistiques privés

L’IA pourrait aussi soutenir les processus de la FIA via des modèles de langage mieux adaptés à ses besoins : aide aux questions des équipes sur la légalité, et « stress test » des réglementations. L’enjeu est de disposer d’une version plus privée et sécurisée que des assistants grand public, afin de cloisonner la propriété intellectuelle : des matériaux confidentiels resteraient au sein de la FIA tout en pouvant servir à analyser un règlement volumineux, complexe et composé de clauses interconnectées.

De la piste au centre d’opérations : sécurité, conformité et limites de piste

Les usages envisagés couvrent aussi l’assistance à des tableaux de bord pour la sécurité, la gestion de l’énergie et les contrôles de conformité en course, ainsi que le soutien au centre d’opérations à distance de Genève qui appuie le contrôle de course durant les événements.

Un exemple cité concerne les limites de piste : le système automatisé actuel peut générer des centaines d’incidents que des humains doivent vérifier. L’IA pourrait aider en proposant une liste priorisée, ou en suggérant une série de vérifications avant décision — avec un principe inchangé : ce sont toujours des humains qui tranchent, mais plus vite et avec davantage de constance.

Conclusion

En combinant puissance de calcul moderne, CFD accélérée et outils d’IA, la FIA cherche à gagner du temps, de la précision et de la cohérence, tout en gardant l’humain au centre des décisions techniques et sportives. Si ces outils tiennent leurs promesses, la prochaine génération de règles pourrait être façonnée par une boucle d’apprentissage plus rapide, plus fine et plus réactive face aux défis de la F1 moderne.

Et à mesure que la simulation et l’analyse progressent, c’est toute la manière d’imaginer la performance et le spectacle en Formule 1 qui pourrait entrer dans une nouvelle ère.

Foire aux Questions

Qu’est-ce que la CFD en Formule 1 ?

La CFD (mécanique des fluides numérique) simule l’écoulement de l’air autour d’une voiture. On découpe l’air en millions de cellules, on résout les équations dans chacune, puis on obtient des cartes de pression, des visualisations d’écoulement et des forces aérodynamiques.

À quoi sert un modèle substitutif (surrogate model) en aérodynamique ?

Un modèle substitutif est une IA entraînée sur de nombreux résultats CFD précédents. Au lieu de recalculer toute la physique, elle peut prédire rapidement l’effet d’une nouvelle forme (aileron, plancher, etc.), ce qui permet d’évaluer beaucoup plus de variantes dans le même délai.

Pourquoi les GPU deviennent-ils importants pour la simulation ?

Les GPU sont conçus pour effectuer énormément de calculs simples en parallèle. Comme la CFD et certains traitements d’IA reposent sur de grands volumes de calculs répétitifs, exécuter ces tâches sur GPU peut accélérer les simulations et améliorer la productivité.

Le porpoising peut-il être mieux anticipé avec ces outils ?

Oui, l’idée évoquée est de passer plus facilement d’une CFD stationnaire à des simulations temporelles en conditions instationnaires. Cela pourrait aider à mieux comprendre des phénomènes dynamiques comme le porpoising avant qu’ils ne se manifestent clairement en piste.

Comment l’IA peut-elle aider à interpréter un règlement complexe ?

La FIA envisage l’usage de modèles de langage conçus pour être plus sécurisés et adaptés à ses besoins, afin d’aider à répondre aux questions de légalité et à tester la robustesse d’un règlement très vaste, tout en gardant les informations sensibles dans un cadre privé.

En filigrane, ces avancées inspirent aussi nos rêves de route: de la McLaren F1 à votre garage, le leasing (LOA/LLD) devient aussi précis qu’une simulation. Pour un accompagnement clair et des garanties sereines, explorez Joinsteer.