Les performances de freinage (frottement, bruit, usure etc.) restent encore mal maîtrisées en raison des conditions de contact qui reste, en apparence, « chaotique ». Malgré les efforts importants sur le développement de modélisations, les simulations numériques restent encore très éloignées de la réalité. Afin de pallier à cet écueil, une stratégie de compréhension et de quantification du « chaos » est opérée. En utilisant le machine learning, nous montrons qu’on arrive à classifier les phénomènes tout en liant les aspects multi-physique, nous permettant d’avancer vers du "smart braking".