L'Apple Watch peut anticiper les maladies grâce à l'IA

L’intelligence artificielle et la santé connectée n’ont jamais été aussi étroitement liées. Apple, déjà pionnière sur le segment du bien-être avec l’Apple Watch, appuie encore son ambition avec une étude inédite dévoilant un nouveau modèle d’IA basé sur les comportements utilisateurs. Résultat : des prédictions de santé pouvant atteindre 92% de précision, parfois plus fiables que les données brutes issues des capteurs classiques.

Un modèle comportemental plutôt que purement physiologique

Traditionnellement, les montres connectées s’appuient essentiellement sur des capteurs comme la fréquence cardiaque (PPG) ou l’oxymètre pour évaluer l’état de santé. Mais la nouvelle étude initiée par Apple et publiée dans le cadre de l’Apple Heart and Movement Study (AHMS) propose une approche différente : exploiter directement les habitudes de vie mesurées par la montre (nombre de pas, stabilité de la marche, mobilité, VO₂ max, sommeil…).

Le modèle, baptisé WBM (Wearable Behavior Model), capitalise sur plus de 2,5 milliards d’heures de données collectées auprès de plus de 160 000 participants équipés d’iPhone et d’Apple Watch. Cette IA ne se contente plus de lire les signaux bruts, souvent bruités ou difficiles à interpréter, mais s’alimente de 27 métriques dérivées et validées par des experts de la santé. Cette abstraction offre une image plus stable des comportements sur le temps et permet une meilleure modélisation des tendances durables, comme l’apparition d’un état de santé particulier ou les changements liés à la grossesse.

Quand l’IA comportementale surpasse les capteurs traditionnels

Testée sur 57 tâches liées à la santé, la WBM a surpassé un modèle PPG sur 18 des 47 prédictions dites “statiques”, par exemple l’usage de bêtabloquants, et sur presque toutes les prédictions “dynamiques” comme la qualité du sommeil ou la détection de la grossesse. Seule exception : le diabète, où le modèle PPG reste plus pertinent. Mais le vrai coup de maître réside dans la combinaison des deux modèles. En croisant les comportements et les signaux physiologiques, la précision grimpe à 92% pour certaines tâches, dont la détection de la grossesse.

Cette approche hybride ouvre la voie à une personnalisation accrue et à la détection précoce de nombreux états de santé. Pour Apple, c’est une nouvelle étape logique : enrichir ses fonctionnalités santé, comme déjà amorcé avec la détection de la fibrillation auriculaire ou le suivi et la détection de l'apnée du sommeil, avec des modèles d’IA capables de s’adapter à l’évolution de chaque utilisateur.

Ce travail s’inscrit dans une tendance plus large où les objets connectés deviennent de véritables partenaires de prévention, à la croisée des données brutes et de l’analyse comportementale. Alors que la concurrence s’organise – on pense notamment à Fitbit ou Garmin – Apple continue de consolider son écosystème santé, misant autant sur la technologie que sur l’intelligence logicielle pour se démarquer dans un secteur en pleine effervescence.