Les Apple Watch pourraient prédire bien plus précisément votre santé grâce à ces données

En février dernier, on apprenait qu’Apple allait lancer une étude scientifique particulièrement ambitieuse. L’idée était alors de proposer à ses utilisateurs de confier les données récoltées par leur Apple Watch pour savoir si certains algorithmes pourraient prévoir l’état de santé.

Pour aller plus loin
Quelle Apple Watch choisir en 2026 ? Notre comparatif des meilleures montres connectées d’Apple

Il faut dire que, jusqu’à présent, les algorithmes utilisés par Apple se basent essentiellement sur les mouvements de l’utilisateur et sur les données du capteur optique de fréquence cardiaque. Or, l’étude visait à savoir si, en intégrant davantage de données, les prédictions pourraient être plus fiables. Pêle-mêle, l’étude visait à utiliser la fréquence respiratoire la nuit, le taux d’oxygène sanguin, la masse corporelle, les calories dépensées, le nombre de pas, la fréquence cardiaque au repos ou la vitesse d’ascension.

Le 30 juin dernier, Apple a finalement publié les premiers résultats de son étude, relayés par le site 9to5Mac.

Un nouvel algorithme basé sur l’IA évalué par Apple

Au total, ce sont ainsi les données de près de 162 000 personnes qui ont été utilisées, pour un total de 15 milliards d’heures de données. Logiquement, pour analyser autant de données brutes, Apple est passé par une IA, en l’occurrence Mamba-2, pour évaluer un nouvel algorithme de santé, baptisé WBM (pour Wearable Behavior Model, ou modèle de comportement portable).

Pour aller plus loin
Signes vitaux : comment fonctionne la nouvelle application Vitals des Apple Watch

L’idée était alors de comparer les analyses de l’algorithme WBM par rapport à la seule analyse optique de la fréquence cardiaque (PPG) actuellement utilisée par Apple dans certains scénarios. Apple a ainsi cherché à savoir si ce modèle pouvait mieux prédire des maladies artérielles, une grossesse, des infections urinaires, l’anxiété, une fibrillation auriculaire, les phases de sommeil ou l’apnée du sommeil :

Les représentations de WBM parviennent à une forte performance et dépassent constamment l’historique médical de base. Surtout, la combinaison de WBM et de la PPG fait mieux dans quasiment toutes les tâches, démontrant la complémentarité des données comportementales et des données des capteurs pour les tâches de détection de santé.

À titre d’exemple, le nouvel algorithme cumulé au capteur optique a ainsi su analyser une grossesse dans 92,1 % des cas, contre 87,3 % pour le capteur PPG seul. Pour la durée du sommeil, le cumul des deux données a permis de passer de 59,0 à 60,1 % de précision. Seul contre-exemple, le diabète reste mieux mesuré par la PPG seule, à 82,9 %, que par l’intégration de données comportementales, à 82,8 %.

Pour l’heure, il ne s’agit encore que d’une étude de la part d’Apple et, a fortiori, d’une prépublication. S’il semble plus que probable que la marque américaine intégrera, à plus ou moins long terme, les données comportementales à ses différents algorithmes de santé, elle n’a pas encore communiqué officiellement sur une intégration de ces mesures au sein de son application Apple Santé.