Diplômé en ingénierie automobile, je termine un MSc en Advanced Motorsport Engineering. Je développe actuellement un modèle de simulation de véhicule chez Van Amersfoort Racing.
Mon expérience couvre la mécanique automobile, la simulation de véhicules, l’analyse de données et le développement logiciel.
Modèle Canopy de la Formule 4 de VAR, construit à partir des paramètres du véhicule et de données de piste.
Deux saisons au département suspension, de la conception aux essais, sur deux voitures de course.
Overlays C++ pour iRacing, avec une base de données de ghost laps.
Optimisation des réglages par réseau de neurones : 0,614 s plus rapide par tour.
mai 2026 – aujourd’hui
Van Amersfoort Racing (VAR), Zeewolde (NL)
Stage de 6 mois dans le VAR Talent Program, en parallèle de mon mémoire de Master.
Je développe un modèle de la Formule 4 de VAR dans Canopy, en combinant les paramètres connus du véhicule avec des données réelles de piste, pour améliorer la corrélation entre la simulation et la voiture réelle.
Projet indépendant, Genève (CH)
J’ai aidé des pilotes amateurs à progresser sur simulateur. J’analysais leur télémétrie et leur donnais des retours sur la technique de pilotage, les trajectoires et le racecraft, pour améliorer leur régularité et leurs temps au tour.
janv. 2024 – nov. 2024
Armée suisse, Drognens et Payerne (CH)
Service militaire obligatoire, accompli d’une seule traite (service long) :
2021 – 2023
Bern Racing Team, Bienne (CH)
Deuxième saison au département suspension, sur Nebula, la nouvelle voiture de l’équipe. Mes principales tâches :
Saison 2023 : 3e au classement général à la FS Switzerland (10 équipes) et 5e à la FS Czech (37 équipes), la meilleure saison de l’équipe à l’époque.
Première saison au département suspension, sur la construction d’Adia. Mes principales tâches :
| Épreuve | Général | Épreuves dynamiques | Épreuves statiques | ||||||
|---|---|---|---|---|---|---|---|---|---|
| End. | AutoX | Acc. | Skid. | Eff. | Des. | BP | Cost | ||
| FS Switzerland | P3/10 | 2 | 3 | – | 3 | – | 6 | 2 | 4 |
| FS ATA | P11/30 | – | 9 | 7 | 5 | – | 10 | 10 | 22 |
| FS Czech | P5/37 | 5 | 6 | 5 | 10 | 3 | 14 | 33 | 29 |
| FS Alpe Adria | P9/36 | 9 | 9 | 12 | 14 | 6 | 25 | 24 | 23 |
| Épreuve | Général | Épreuves dynamiques | Épreuves statiques | ||||||
|---|---|---|---|---|---|---|---|---|---|
| End. | AutoX | Acc. | Skid. | Eff. | Des. | BP | Cost | ||
| FS Switzerland | P11/15 | – | – | – | – | – | 11 | 6 | 13 |
| FS Alpe Adria | P16/31 | 9 | 16 | 15 | 15 | 9 | 25 | 23 | 16 |
| FS Spain | P28/38 | – | 10 | 7 | – | – | 32 | 27 | 34 |
Épreuves dynamiques
Épreuves statiques
juil. 2022 – sept. 2022
Enrico Fulgenzi Racing, Jesi (IT)
Stage de deux mois dans une écurie de course. Mes tâches :
Projet personnel
Une application C++ pour iRacing qui affiche des données en direct en surimpression à l’écran. Elle utilise l’iRacing Telemetry SDK et Direct2D pour un affichage à faible latence. Ses modules transparents comprennent un tableau de bord numérique, les commandes d’accélérateur, de frein et de direction en direct, des indicateurs d’angle mort, un historique des temps au tour, un calculateur de carburant et un G-mètre. Ils n’affectent pas les performances du simulateur.
La fonction principale est une base de données de ghost laps. L’application enregistre les commandes du pilote et conserve les trois tours les plus rapides pour chaque voiture et chaque circuit. En roulant, elle superpose l’accélérateur, le frein, la direction, le rapport engagé et la vitesse actuels à ceux d’un ghost lap choisi, sur un graphique centré sur la position de la voiture.
Le pilote voit ainsi où il perd du temps, ce qui l’aide à affiner ses points de freinage et sa régularité, sans exporter les données vers un logiciel d’analyse séparé.
2025 – 2026
National Motorsport Academy (NMA)
1re place d’une compétition de simracing avec des réglages de voiture imposés, où la performance ne pouvait venir que du pilote. J’ai analysé la télémétrie dans MoTeC pour repérer où mes commandes de frein, d’accélérateur et de direction me faisaient perdre du temps, puis je les ai affinées.
2023
Haute école spécialisée bernoise (BFH)
Une application iOS (Swift, Xcode) pour recueillir les retours du pilote, et une application MATLAB pour analyser et noter des réglages de voiture testés sur simulateur. Un réseau de neurones entraîné sur ces données a généré de nouveaux réglages : le meilleur était 0,614 s plus rapide par tour que le réglage de référence à Spielberg.
Résumé du travail de Bachelor (PDF)
2025 – aujourd’hui
National Motorsport Academy (NMA)
Diplôme délivré par De Montfort University (DMU), Leicester (UK)
Neuf modules : huit modules d’enseignement de 15 crédits, résumés ci-dessous en anglais, et un projet final de 60 crédits, le mémoire de Master (en cours).
This module combined a literature review comparing the tyre models used in iRacing and rFactor 2, contrasting empirical, Pacejka-based approaches with more physics-driven modelling, with a technical project exploring whether machine learning could complement traditional tyre modelling. An LSTM-based recurrent neural network was built in Python (TensorFlow/Keras) to learn tyre force, degradation, and wear from simulated telemetry, using track identity as a categorical input alongside continuous time-series data.
This module applied a full systems engineering lifecycle to the design of an autonomous pit-stop traffic light system, intended to reduce team involvement in release timing during a pit stop. The process moved from requirements capture and functional analysis through a structured Failure Modes and Effects Analysis (FMEA), before converging on a final system architecture and component layout.
This module correlated a ChassisSim vehicle model against 7-post rig data to establish a validated baseline, then used the model to explore suspension setup changes aimed at improving mechanical grip and handling balance. Setup quality was evaluated through contact patch load consistency, damper velocity distribution, and handling balance indicators, rather than lap time alone.
This module analysed the organisational structure of a GT3 racing team, covering its competitive programme, roles and responsibilities, operating methods, and regulatory and insurance framework, before developing a full logistics plan for the team's participation in the 24 Heures du Mans. The plan covers transport, accommodation, and legal, health and safety, and personnel compliance requirements.
This module used steady-state CFD to evaluate the aerodynamic and thermal implications of a top-exit exhaust design on a 918 silhouette, across three scenarios: whether exhaust momentum affected downforce and load distribution during cornering, whether low-speed operation created a thermal risk to rear composite structures, and how aerodynamic lift developed with pitch angle at maximum speed.
This module developed a data-based coaching framework combining variance-based time loss localisation, pedal and braking point comparison, and racing line geometry analysis. Derived channels such as slip ratio, neutral steer angle, and grip factor were used to separate technique-driven performance gaps from vehicle or grip limitations.
This module built and validated vertical and lateral dynamic models of the Juno SS3-V6 prototype in MATLAB/Simulink: a 2-DOF quarter car model for vertical response, extended with non-linear bump stop and damping effects, and a 2-DOF single track model benchmarking linear and Pacejka tyre formulations against measured vehicle data to assess handling behaviour at the limit of grip.
This module developed a custom race strategy solver in MATLAB, combining a lap-by-lap simulation with a branch-and-bound Depth-First Search algorithm to generate regulation-compliant pit stop and driver rotation strategies for an endurance race. A dynamic solver adapts the strategy in real time to in-race events such as Full Course Yellow periods or an unplanned incident.
2020 – 2023
Haute école spécialisée bernoise (BFH), Bienne (CH)
Orientation : technique du véhicule. Le programme couvre quatre domaines :
Attestation de compétence (certificat BFH « Orientation Engineering ») : CAD with NX (advanced), Computational Fluid Dynamics, applications de MATLAB/Octave et électrotechnique du véhicule.
2019 – 2020
Orientation Technique, architecture et sciences de la vie
Ecole technique – Ecole des métiers Lausanne (ETML), Lausanne (CH)
Un an à plein temps après le CFC. Elle donne accès aux hautes écoles spécialisées (HES).
Branches principales : mathématiques, physique, chimie, français, allemand et anglais.
2015 – 2019
Ecole technique – Ecole des métiers Lausanne (ETML), Lausanne (CH)
Certificat fédéral de capacité (CFC) : formation de quatre ans à plein temps en école, alliant théorie et pratique. Principaux domaines :
Pratique à l’atelier de l’école, sur des véhicules de clients et lors d’un stage chez AMAG, Prangins (CH), d’août 2017 à janvier 2018.