Une page de référence : quels chiffres d’un objet connecté sont lus par un capteur et lesquels sont produits par un modèle, quelle est l’erreur sur chacun, et les deux qui méritent une place dans votre semaine.
D’abord la version courte. Une montre ou une bague grand public sait bien dire quand vous avez dormi, et suit bien votre pouls. Sur la variabilité de la fréquence cardiaque, elle reste approximative. Phases de sommeil, scores de forme et de récupération, courbes de stress et VO2 max sont tous calculés à partir de ces quelques données, et l’écran ne dit jamais de combien ce calcul peut se tromper.
Ce qui suit est la réponse longue, étude par étude, avec les limites de chacune écrites noir sur blanc et la liste complète des sources à la fin. Une version plus courte et plus personnelle du même argument paraît sur Substack. Je dors avec une bague au doigt et je m’entraîne avec une montre depuis des années, donc une partie de ce qui suit vient de mes propres données, et je le signalerai à chaque fois.
Points clés
Les horaires de sommeil sont bien mesurés. Dans un test en laboratoire portant sur six appareils, chacun a distingué correctement le sommeil de l’éveil pendant 86 à 89 % de la nuit, découpée en tranches de trente secondes, et c’est pourquoi les chercheurs ont jugé les six valides pour dire quand et combien de temps vous dormez.
La fréquence cardiaque nocturne est bien mesurée elle aussi : quatre des six appareils concordaient avec l’ECG, avec des corrélations intraclasse de 0,85 ou plus.
La variabilité de la fréquence cardiaque est mesurée sans grande précision. Pour l’appareil typique, les limites d’agrément avec un ECG atteignaient 55 à 77 millisecondes.
Les phases de sommeil sont déduites sans le signal cérébral qui les définit, en partie à partir d’a priori inscrits dans le modèle sur le moment de la nuit où chaque phase survient d’ordinaire.
Aucun des fabricants à l’origine des quatorze scores composites examinés n’a rendu public le mode de calcul.
Les estimations de la VO2 max fondées sur l’effort sont proches en moyenne sur un groupe, et peuvent se tromper d’environ 10 ml/kg/min sur une seule personne.
Deux chiffres méritent votre attention : la dispersion de votre heure de mi-sommeil sur une semaine, et votre fréquence cardiaque au repos comparée à ce qui est normal pour vous.
Il s’agit d’un point de vue pédagogique et stratégique, pas d’un avis médical personnel.
Les opinions exprimées sont celles de l’auteur et ne constituent pas des déclarations d’Atlas Cove Lda.
La réponse courte : mesuré ou calculé
Chaque chiffre d’un objet connecté part de l’un des quatre signaux bruts dont il dispose, un accéléromètre pour le mouvement, un capteur optique pour le pouls, un petit thermomètre posé contre la peau et une horloge, et tout ce que l’écran affiche au-delà de ces quatre-là sort d’un modèle qui ne vaut jamais mieux que les personnes sur lesquelles on l’a entraîné. Tout le reste, c’est du calcul.
Pour chaque chiffre de l’application, la question utile est donc de savoir de quel flux il vient et combien d’étapes de calcul séparent le capteur de l’affichage ; l’heure du coucher, l’heure du réveil et le pouls n’en demandent qu’une. Un total de sommeil profond, un score de forme ou une estimation de la capacité aérobie en demandent plusieurs, et chaque étape ajoute une erreur que vous ne voyez pas. Un chiffre obtenu en une étape mérite plus de confiance qu’un chiffre obtenu en cinq, même s’il s’affiche en gros caractères.
Je n’affirme rien de plus, et c’est voulu. Rien ici ne dit que les appareils sont mauvais. Sur ce qu’ils captent réellement, ils font mieux que les outils de recherche qui les ont précédés.
Ce que les capteurs mesurent bien
Le capteur optique est le plus intéressant. Il envoie une lumière verte dans la peau et mesure ce qui en revient, une quantité qui varie à chaque pulsation, au rythme où les petits vaisseaux sous la peau se remplissent et se vident, et la technique, la photopléthysmographie, repose sur le même principe que la pince qu’on vous pose au bout du doigt à l’hôpital. En tirer une fréquence cardiaque ne demande presque aucune modélisation.
Le test le plus propre que je connaisse est celui de Miller et ses collègues, qui ont équipé cinquante-trois jeunes adultes de six appareils grand public pour une seule nuit dans un laboratoire du sommeil, avec en parallèle une polysomnographie complète et un ECG (Miller et al., 2022). Quatre appareils se portaient au poignet, un était une bague et un autre un patch adhésif posé sur le front, doté de ses propres électrodes, et quand la nuit a été découpée en périodes de trente secondes, chacun d’eux a distingué correctement le sommeil de l’éveil entre 86 et 89 % du temps, et c’est pourquoi les auteurs ont jugé les six valides pour dire quand et combien de temps une personne dort. Pour la fréquence cardiaque au fil de la nuit, quatre des six concordaient avec l’ECG, avec des corrélations intraclasse de 0,85 à 0,99. Le pouls, c’est le plus facile.
La littérature plus large va dans le même sens. Une synthèse de l’état des connaissances parue en 2024 conclut que, rapportés au laboratoire, les appareils grand public actuels évaluent le sommeil mieux que les actigraphes de recherche classiques que la discipline a utilisés pendant des décennies (de Zambotti et al., 2024).
Ce bon résultat a un point faible, et il aura son importance plus loin. Chaque appareil de l’étude de Miller a repéré plus de neuf périodes de sommeil sur dix, mais la part d’éveil réel reconnue comme éveil allait de 26 à 57 % selon les appareils de poignet et de doigt. Chinoy et ses collègues ont retrouvé le même profil avec sept autres appareils de suivi grand public, sur trois nuits en laboratoire : une sensibilité pour le sommeil d’au moins 0,93, une spécificité pour l’éveil comprise entre 0,18 et 0,54 (Chinoy et al., 2021). Pour un accéléromètre, rester immobile sans dormir ressemble beaucoup au sommeil. Les courts moments d’éveil dans la nuit sont ce qui lui échappe le plus souvent.
Variabilité de la fréquence cardiaque : une mesure approximative
Votre cœur ne bat pas comme un métronome. L’intervalle entre deux battements s’allonge et se raccourcit, par petits écarts de quelques millisecondes, en grande partie parce que le nerf vague freine le cœur puis relâche le frein, à chaque respiration et selon votre état général. La variabilité de la fréquence cardiaque résume ce flottement, et le résumé le plus courant est la rMSSD, la racine carrée de la moyenne des carrés des différences entre intervalles successifs. Au repos et pendant le sommeil, on y lit couramment le reflet de l’activité parasympathique, et l’étude sur la bague présentée plus bas l’a calculée sur des fenêtres d’une et de cinq minutes précisément pour saisir les variations parasympathiques rapides (Altini and Kinnunen, 2021).
La HRV est plus exigeante. Une fréquence cardiaque s’accommode de quelques battements mal captés. Une mesure construite sur les écarts entre intervalles individuels, non, si bien qu’un capteur optique doit écarter tout intervalle dont il n’est pas sûr, et l’article sur la bague ne gardait un intervalle que si les deux précédents et les deux suivants paraissaient propres eux aussi. Les six appareils de Miller ne s’accordaient même pas sur la fenêtre : certains donnaient la HRV sur toute la nuit, un par blocs de quatre heures, un autre à partir d’un test de trois minutes que vous lancez vous-même.
Sur cette même nuit de laboratoire, le résultat était modéré. Quatre des six appareils concordaient avec l’ECG sur la HRV avec des corrélations intraclasse de 0,63 à 0,69, et leurs limites d’agrément allaient jusqu’à environ 55 à 77 millisecondes de part et d’autre, un écart plus large que la plupart des variations d’un jour à l’autre auxquelles on prête un sens en ouvrant l’application le matin. Un appareil a atteint 0,99. Mais sur des données brutes fournies aux chercheurs par son fabricant, pas sur ce que l’application à votre poignet vous montre.
La HRV mesurée au poignet ou au doigt est un indicateur, et la valeur d’un matin, à elle seule, ne dit pas grand-chose. J’ai toujours lu la mienne ainsi, comme une courbe parmi d’autres, et les données de validation ne me donnent aucune raison de lui faire prendre du galon.
Comment une montre estime les phases de sommeil sans lire le cerveau
En laboratoire, une phase de sommeil est une définition appliquée à l’activité du cerveau. Un technicien lit les signaux électriques du cuir chevelu, les mouvements des yeux et le tonus musculaire par tranches de trente secondes, et le sommeil profond est le nom donné à un tracé d’ondes EEG lentes et amples, et comme un appareil au poignet ne dispose d’aucune de ces données, chaque phase qu’il affiche est une prédiction tirée du mouvement, du pouls, de la température et de l’heure.
Walch et ses collègues ont publié, en toute transparence, la façon dont une telle prédiction peut se construire, avec une montre grand public ordinaire et trente et une personnes sans trouble du sommeil (Walch et al., 2019). Le mouvement seul était le prédicteur le plus faible pour distinguer le sommeil paradoxal du sommeil lent. La fréquence cardiaque apportait beaucoup. Venait ensuite une troisième donnée, que les auteurs ont appelée un substitut d’horloge : une courbe qui reproduit à peu près la propension circadienne au sommeil au fil de la nuit. Avec les trois, le modèle distinguait correctement l’éveil, le sommeil paradoxal et le sommeil lent environ 72 % du temps.
Altini et Kinnunen, qui travaillaient tous deux avec le fabricant de la bague que je porte, sont allés plus loin sur 440 nuits de 106 personnes et ont rendu compte de chaque étape (Altini and Kinnunen, 2021). L’accéléromètre seul réussissait la classification en quatre stades 57 % du temps, l’ajout de la température portait ce chiffre à 60, et l’ajout de la variabilité de la fréquence cardiaque le menait à 76 : c’est là que se fait l’essentiel du gain. Les trois derniers points, jusqu’à 79, venaient de ce qu’ils appellent des variables indépendantes des capteurs : un cosinus qui tient lieu de rythme circadien, une décroissance exponentielle qui tient lieu de pression de sommeil, et une droite qui monte de zéro à un au fil de la nuit, toutes trois ajoutées pour dire au modèle que le sommeil profond arrive d’ordinaire en début de nuit et le sommeil paradoxal en fin de nuit. J’ai pris plus de plaisir à lire cet article que je ne l’aurais cru, parce qu’il dit franchement ce que la plupart des pages produit passent sous silence.
Ce résultat mérite qu’on le salue. Un score de 79 % est proche de ce qu’obtiennent deux lecteurs humains expérimentés comparés l’un à l’autre sur le même enregistrement, que l’article situe entre 82 et 83, et sur une nuit ordinaire, c’est du bon travail d’ingénieur.
Les tableaux de Miller, phase par phase, montrent où se trouve la vraie difficulté. Parmi les périodes de trente secondes que le laboratoire avait classées en sommeil profond, les quatre appareils de poignet et de doigt qui affichent le sommeil profond à part en ont eux aussi classé entre 28 et 62 % en sommeil profond, et pour le sommeil paradoxal, les mêmes quatre appareils obtenaient entre 49 et 66 %. En comptant toutes les phases et l’éveil ensemble, les appareils de poignet et de doigt s’accordaient avec le laboratoire 50 à 61 % du temps. Le patch frontal, seul appareil à lire directement les signaux du cerveau, atteignait 65 % au total et repérait 68 % du sommeil profond. L’appareil qui capte le signal cérébral s’en est le mieux sorti sur la phase que ce signal définit, ce qui est à peu près ce qu’on pouvait attendre.
La nuit atypique, point faible des modèles
Regardez sur quelles personnes ces modèles ont été entraînés. L’équipe de Walch a exclu les personnes souffrant d’insomnie, les travailleurs postés et quiconque avait traversé plus de deux fuseaux horaires le mois précédent, et parmi les limites qu’ils reconnaissent eux-mêmes, les auteurs ont écrit que la performance pourrait baisser en cas d’insomnie, parce que la méthode suppose un système nerveux autonome qui se comporte normalement. Altini et Kinnunen ont eux aussi entraîné leur modèle sur des personnes sans trouble du sommeil.
Le protocole de Chinoy a testé directement le cas inverse. Pour chaque participant, l’une des trois nuits en laboratoire était perturbée exprès, hachée comme l’est une mauvaise nuit, et les appareils s’en sont moins bien sortis ces nuits-là. Les auteurs demandent que les appareils soient testés sur d’autres populations et dans d’autres contextes avant qu’on fasse dire davantage à ces résultats.
Ce rapprochement est le mien, aucune des deux études ne l’a testé : un modèle qui s’appuie en partie sur la place habituelle des phases dans une nuit typique devrait être le moins fiable précisément la nuit qui n’a rien de typique. C’est la nuit du décalage horaire, la nuit d’un enfant malade, la nuit où, à trois heures, vous fixez encore le plafond. C’est aussi la nuit où vous avez le plus de chances d’ouvrir l’application pour comprendre.
Les algorithmes du commerce sont propriétaires. Je ne peux pas vous dire que tel ou tel produit fonctionne comme les deux recettes publiées. Ce que je peux dire, c’est que les deux recettes publiées ont eu besoin d’une horloge pour obtenir leur meilleur résultat.
La VO2 max de la montre : une estimation à large marge d’erreur
Pendant la préparation pour Cascais, ma propre montre m’a donné trois valeurs, 54,7 en avril, 52,4 en juillet et 51,6 en octobre, soit une baisse de 3,1 points en six mois, alors que tous les autres indicateurs montraient que l’entraînement se passait bien. Je l’ai prise pour argent comptant. En juillet, sur la foi de cette deuxième valeur, j’ai failli remettre des séances de fractionné dans un plan qui n’avait plus de place pour elles. La ceinture thoracique a amélioré les données de pouls. Elle n’a pas rendu la valeur d’oxygène moins hypothétique pour autant, parce que rien de ce que je portais n’a jamais mesuré l’oxygène.
La méta-analyse de Molina-Garcia et ses collègues a regroupé quatorze études de validation et expose comment sont construites les deux grandes familles d’estimation (Molina-Garcia et al., 2022). La famille fondée sur l’effort enregistre quelques données personnelles, l’âge au minimum, relève la fréquence cardiaque et la vitesse pendant une course ou une sortie à vélo, garde les segments qui semblent fiables, et déduit la VO2 max du rapport entre fréquence cardiaque et vitesse. La famille fondée sur le repos part de la fréquence cardiaque au repos, de la variabilité de la fréquence cardiaque, de l’âge, du niveau d’activité déclaré et de quelques autres données que vous saisissez, sans qu’aucun exercice physique n’entre dans le calcul.
En moyenne, les estimations au repos surestimaient la valeur d’environ 2 ml/kg/min, avec des limites d’agrément d’environ moins 13 à plus 17. Les estimations à l’effort n’avaient presque aucun biais moyen, moins 0,09, mais des limites d’agrément d’environ 10 ml/kg/min de part et d’autre, et c’est pourquoi les auteurs jugent l’estimation fondée sur l’effort bonne pour décrire une population et médiocre pour décrire une personne en particulier.
Dix points dans un sens ou dans l’autre, c’est plus de trois fois la baisse qui a failli changer mon été. Je lis désormais la VO2 max d’une montre comme un repère approximatif, et je ne vois de tendance dans aucun changement plus petit que cette marge.
Il existe un contre-argument sérieux. Concorder avec le laboratoire sur un grand nombre de personnes est une chose, suivre fidèlement les changements d’une seule personne en est une autre, et un appareil qui surestimerait chaque utilisateur de quatre points pourrait quand même suivre correctement la tendance de chacun. La méta-analyse ne le teste pas, et je n’ai trouvé aucune étude qui le fasse, donc je considère la question comme ouverte. Pourquoi la VO2 max pèse moins qu’on ne le croit sur une longue course, je l’explique plus longuement dans ce que la VO2 max décide, et ce qu’elle ne décide pas.
De quoi est fait un score de forme ou de récupération
Doherty et ses collègues ont examiné quatorze scores composites, issus de dix fabricants et couvrant la forme, la récupération, la charge, le stress et l’énergie (Doherty et al., 2025). Sur ces quatorze, 86 % utilisaient la variabilité de la fréquence cardiaque comme donnée d’entrée et 79 % la fréquence cardiaque au repos. Aucun fabricant n’a rendu la formule publique. Les fenêtres de temps et les pondérations différaient de l’un à l’autre, peu pouvaient faire état d’une validation publiée dans une revue à comité de lecture, et comme Altini, l’un des cinq auteurs, est aussi premier auteur de l’article sur la bague, la critique vient de l’intérieur du domaine, et non de quelqu’un qui aurait une dent contre lui.
Le score typique mélange donc la donnée mesurée approximativement avec celle qui est bien mesurée, dans des proportions que personne hors de l’entreprise ne peut voir, et affiche un nombre à deux chiffres. Je suis ingénieur de formation, et ce qui me gêne est très précis : un chiffre construit sur une recette cachée ne peut pas être vérifié, et on ne peut donc pas démontrer qu’il est faux. Toute l’objection est là. J’ai cessé de regarder le mien il y a un moment déjà, surtout parce que j’ai remarqué que rien de ce que je faisais ne changeait quand il bougeait.
Les scores ont pourtant de vrais arguments. Une couleur le matin, c’est simple, et pour quelqu’un qui, sans cela, ne prêterait aucune attention au sommeil, un petit coup de pouce pour aller se coucher à une heure raisonnable fait du bien, même quand le calcul derrière ce coup de pouce est fragile.
Le risque apparaît ailleurs. Dans l’étude de Gavriloff, soixante-trois personnes souffrant d’insomnie ont porté un appareil puis ont reçu le lendemain matin un retour inventé, au hasard soit une bonne nuit, soit une mauvaise (Gavriloff et al., 2018). Celles à qui l’on avait dit qu’elles avaient mal dormi se sont déclarées moins alertes, plus somnolentes et plus fatiguées dans la journée, alors qu’à un test objectif de vigilance, les deux groupes obtenaient les mêmes résultats. Il s’agit de personnes insomniaques, sur une seule journée, ce n’est donc pas une loi générale. C’est tout de même l’élément le plus clair que je connaisse pour montrer qu’un chiffre de sommeil peut changer la façon dont une journée se vit sans changer ce que vous êtes capable d’y faire.
Cela m’oblige aussi à corriger quelque chose. Dans le premier article de cette série, je suggérais de suivre la tendance hebdomadaire de récupération que donne une montre. Je le limiterais aujourd’hui à la fréquence cardiaque au repos qui se trouve sous cette tendance.
Ce qui mérite d’être lu, et un test de six semaines
Ma propre liste est courte. La bague répond pour moi à quatre questions : combien de temps j’ai dormi, le milieu de la nuit et sa dérive sur sept jours, le pouls et la HRV comme indicateurs, et si je suis resté assis trop longtemps. La montre répond à trois : quelle distance, où, à quelle fréquence cardiaque. Tout le reste, sur l’un ou l’autre écran, je n’y touche pas.
Commencez par l’heure de mi-sommeil. C’est le moment qui tombe à mi-chemin entre l’endormissement et le réveil, et ce qui compte, c’est à quel point il vagabonde sur une semaine. La régularité des horaires repose sur des preuves d’une solidité inhabituelle : dans une cohorte de 60 977 personnes, Windred et ses collègues ont constaté que la régularité du sommeil prédisait mieux le risque de mortalité que sa durée (Windred et al., 2024). C’est une association, et les auteurs restent prudents sur la causalité. La matière première, elle, vient de l’horloge et de l’accéléromètre, les deux éléments qu’un appareil lit le mieux. Pourquoi les horaires pèsent autant, c’est le sujet de l’architecture du sommeil, pas les heures de sommeil. Suivez aussi la durée du sommeil, puisque vous la regarderez de toute façon et que l’appareil l’estime à peu près correctement.
Le second chiffre, c’est la fréquence cardiaque au repos, lue au regard de votre propre historique. Quer et ses collègues ont suivi 92 457 adultes aux États-Unis, porteurs de bracelets connectés, pendant une durée médiane de 320 jours chacun, et d’une personne à l’autre, la fréquence cardiaque normale au repos pouvait différer jusqu’à 70 battements par minute (Quer et al., 2020), si bien qu’une fourchette valable pour tout le monde vous dit très peu de chose sur vous-même. Chez une même personne, la valeur était bien plus stable, avec une légère dérive saisonnière, et 20 % des gens ont connu au moins une semaine où elle s’est décalée d’au moins 10 battements. Ce sont ces semaines-là qu’il faut repérer. Les données de Quer ne les expliquent pas.
Le test que je propose est gratuit. Pendant six semaines, vous ne lisez que ces chiffres-là, et rien d’autre à l’écran. Chaque fois que vous auriez voulu un score avant une décision (une séance dure, un repas tardif, un café de plus), vous notez la décision prise sans lui. À la fin, vous reprenez la liste, vous marquez chaque décision qu’un score aurait pu modifier, et vous vous demandez si elle en aurait été meilleure. À mon avis, très peu. Si quelqu’un arrive à un autre compte, j’aimerais le savoir.
Ce que disent les études, du mesuré au calculé
| Chiffre | Mesuré ou calculé | À quoi ressemble l’erreur |
|---|---|---|
| Endormissement, réveil, durée du sommeil | Mesuré : horloge et mouvement | 86 à 89 % de concordance ; brefs éveils souvent manqués |
| Fréquence cardiaque nocturne | Mesuré : pouls optique | CCI 0,85 à 0,99 sur quatre appareils sur six |
| Variabilité de la fréquence cardiaque | Mesuré, sans grande précision | CCI 0,63 à 0,69 ; limites d’agrément 55 à 77 ms |
| Phases de sommeil | Calculé à partir du mouvement, du pouls, de la température et de l’heure | 50 à 61 % de concordance, phases et éveil confondus |
| Scores de forme, de récupération, de stress | Calculé, formule non publiée | Inconnue ; peu de validations publiées dans des revues à comité de lecture |
| VO2 max, fondée sur l’effort | Calculé à partir de la fréquence cardiaque et de la vitesse | Proche en moyenne ; environ 10 ml/kg/min dans un sens ou dans l’autre pour une personne |
| VO2 max, fondée sur le repos | Calculé à partir de données de repos | Environ 2 ml/kg/min trop haut en moyenne ; marge plus large |
Limites, et ce qui me ferait changer d’avis
Une page comme celle-ci doit dire honnêtement où elle est fragile, alors voici les limites, étude par étude.
Les meilleures données de validation viennent de personnes jeunes et en bonne santé. Les volontaires de Miller avaient 25 ans en moyenne et ont passé une nuit chacun au laboratoire ; ceux de Chinoy étaient eux aussi de jeunes adultes en bonne santé. Une personne d’une cinquantaine d’années au sommeil fragmenté n’est pas le profil sur lequel ces appareils ont été testés.
Les appareils et les algorithmes changent. Les mises à jour logicielles modifient les modèles, si bien que chaque validation décrit une version à un moment donné. La hiérarchie du mesuré sur le calculé a tenu dans toutes les études présentées ici ; les pourcentages exacts, eux, ne tiendront pas.
Les liens avec l’industrie sont partout dans cette littérature. L’équipe de Miller déclare un soutien à la recherche de la part d’un fabricant, et les deux auteurs de l’article sur la bague étaient affiliés à l’entreprise qui la fabrique. Aucun de ces faits ne rend les résultats faux. L’article sur la bague est même, à bien y regarder, l’exposé le plus transparent de la manière dont fonctionne la classification des phases.
Pour la revue des scores, je m’en tiens à son résumé. La revue des scores de Doherty et ses collègues n’est citée ici que pour ce qu’énonce son résumé : la part des scores utilisant chaque donnée d’entrée, l’absence de formules publiées et la rareté des validations.
L’expérience des retours inventés a une portée étroite. Soixante-trois personnes répondant aux critères de l’insomnie, un seul jour de faux résultats. Il montre que le mécanisme est possible, pas son ampleur chez tous les autres.
Le suivi des tendances n’a pas été testé, à ma connaissance. Une étude qui mesurerait à plusieurs reprises, sur des mois, la VO2 max des mêmes personnes en laboratoire et sur une montre nous dirait si l’on peut se fier à la tendance qu’indique une montre même quand on ne peut pas se fier à sa valeur absolue. Cela changerait la façon dont je lis mes trois relevés.
L’argument de la nuit atypique est une inférence. Il relie deux résultats ; un test direct de la précision de la classification sur des nuits perturbées, phase par phase, avec des modèles entraînés sur des personnes sans trouble du sommeil, le confirmerait ou le démentirait.
Où Atlas Cove trouve sa place
Les chiffres les plus bruts que j’ai rapportés de Cascais restent ceux auxquels je fais le plus confiance : une fréquence cardiaque de 143 en natation, 142 à vélo, 144 en course à pied, relevée par une ceinture thoracique, tenue à deux battements près pendant plus de onze heures. Aucun modèle là-dedans. Le carnet d’entraînement que je tenais cette année-là suivait une seule chose, le nombre d’heures, et n’avait aucune case pour noter quand j’allais me coucher, ce qui est un peu gênant vu la conclusion à laquelle arrive cette page.
La première semaine de mesures que nous avons accueillie à Atlas Cove suivait la même logique. Le chiffre le plus utile venait d’un dynamomètre à main : un ressort, un cadran, et aucun modèle derrière. La force de préhension a aidé chacun à voir si les mois à venir devaient pencher vers la force, l’endurance ou le sommeil, et comme nous l’avons mesurée deux fois, nous avons aussi appris qu’elle varie selon l’heure de la journée, ce qu’il vaut mieux savoir avant de prêter un sens à une valeur isolée. Pour le sommeil, seuls les horaires ont mérité leur place : le milieu de la nuit, les minutes qu’il fallait pour s’endormir, et le fait de se réveiller à trois heures ou à cinq.
Une semaine Atlas Cove commence donc par des mesures. Nos hôtes ne mesurent une chose que s’ils peuvent dire à l’avance ce qu’un résultat élevé et un résultat faible changeraient chacun à vos journées. Un chiffre qui ne passe pas ce test ne figure pas sur votre page, et c’est la même règle que celle posée dans l’article sur le lactate.
Les questions fréquentes
Les scores de sommeil d’une montre ou d’une bague sont-ils fiables ?
Les horaires sur lesquels ils reposent, oui. L’heure de l’endormissement et celle du réveil sont bien mesurées, avec 86 à 89 % de concordance avec un laboratoire dans le meilleur test que je connaisse. Le score lui-même, non. Il est calculé à partir de données et de pondérations non publiées, donc personne hors de l’entreprise ne peut vous dire quelle est sa précision.
Le suivi du sommeil profond par un objet connecté est-il précis ?
Assez peu. Dans une comparaison en laboratoire, les appareils de poignet et de doigt ont classé en sommeil profond entre 28 et 62 % du sommeil réellement profond, parce que le sommeil profond se définit par des ondes cérébrales qu’ils ne peuvent pas enregistrer. Je lirais le total de sommeil profond de la nuit comme une estimation grossière, et jamais comme un objectif.
Puis-je me fier à la HRV de ma montre ?
Comme tendance par rapport à votre propre normale, avec prudence. Face à un ECG, la plupart des appareils ne concordaient que modérément, avec des limites d’agrément d’environ 55 à 77 millisecondes, donc la valeur d’un seul matin dit très peu. Une série de matins qui vont dans le même sens en dit davantage.
La VO2 max affichée par ma montre est-elle juste ?
En moyenne sur de nombreuses personnes, les estimations fondées sur l’effort sont proches. Pour une seule personne, elles peuvent se tromper d’environ 10 ml/kg/min dans un sens ou dans l’autre, donc je traite la mienne comme un repère approximatif et j’ignore les changements plus petits que cela.
Que suivre à la place d’un score de forme ?
Deux choses : de combien votre heure de mi-sommeil se déplace sur une semaine, et votre fréquence cardiaque au repos par rapport à votre niveau habituel. Les deux viennent de ce qu’un appareil mesure directement, et la régularité des horaires de sommeil repose sur des preuves plus solides que n’importe quel score composite.
Sources
Miller, D. J., Sargent, C., & Roach, G. D. (2022). A validation of six wearable devices for estimating sleep, heart rate and heart rate variability in healthy adults. Sensors, 22(16), 6317. DOI: 10.3390/s22166317
Walch, O., Huang, Y., Forger, D., & Goldstein, C. (2019). Sleep stage prediction with raw acceleration and photoplethysmography heart rate data derived from a consumer wearable device. Sleep, 42(12), zsz180. DOI: 10.1093/sleep/zsz180
Chinoy, E. D., Cuellar, J. A., Huwa, K. E., Jameson, J. T., Watson, C. H., Bessman, S. C., Hirsch, D. A., Cooper, A. D., Drummond, S. P. A., & Markwald, R. R. (2021). Performance of seven consumer sleep-tracking devices compared with polysomnography. Sleep, 44(5), zsaa291. DOI: 10.1093/sleep/zsaa291
Windred, D. P., Burns, A. C., Lane, J. M., Saxena, R., Rutter, M. K., Cain, S. W., & Phillips, A. J. K. (2024). Sleep regularity is a stronger predictor of mortality risk than sleep duration: a prospective cohort study. Sleep, 47(1), zsad253. DOI: 10.1093/sleep/zsad253
Quer, G., Gouda, P., Galarnyk, M., Topol, E. J., & Steinhubl, S. R. (2020). Inter- and intraindividual variability in daily resting heart rate and its associations with age, sex, sleep, BMI, and time of year: retrospective, longitudinal cohort study of 92,457 adults. PLOS ONE, 15(2), e0227709. DOI: 10.1371/journal.pone.0227709
Doherty, C., Baldwin, M., Lambe, R., Burke, D., & Altini, M. (2025). Readiness, recovery, and strain: an evaluation of composite health scores in consumer wearables. Translational Exercise Biomedicine, 2(2), 128-144. DOI: 10.1515/teb-2025-0001
Gavriloff, D., Sheaves, B., Juss, A., Espie, C. A., Miller, C. B., & Kyle, S. D. (2018). Sham sleep feedback delivered via actigraphy biases daytime symptom reports in people with insomnia: implications for insomnia disorder and wearable devices. Journal of Sleep Research, 27(6), e12726. DOI: 10.1111/jsr.12726
Molina-Garcia, P., Notbohm, H. L., Schumann, M., Argent, R., Hetherington-Rauth, M., Stang, J., Bloch, W., Cheng, S., Ekelund, U., Sardinha, L. B., Caulfield, B., Brønd, J. C., Grøntved, A., & Ortega, F. B. (2022). Validity of estimating the maximal oxygen consumption by consumer wearables: a systematic review with meta-analysis and expert statement of the INTERLIVE network. Sports Medicine, 52(7), 1577-1597. DOI: 10.1007/s40279-021-01639-y
Altini, M., & Kinnunen, H. (2021). The promise of sleep: a multi-sensor approach for accurate sleep stage detection using the Oura ring. Sensors, 21(13), 4302. DOI: 10.3390/s21134302
de Zambotti, M., Goldstein, C., Cook, J., Menghini, L., Altini, M., Cheng, P., & Robillard, R. (2024). State of the science and recommendations for using wearable technology in sleep and circadian research. Sleep, 47(4), zsad325. DOI: 10.1093/sleep/zsad325
Il s’agit d’un point de vue pédagogique et stratégique, pas d’un avis médical personnel.
Les opinions exprimées sont celles de l’auteur et ne constituent pas des déclarations d’Atlas Cove Lda.
Tom Wuerden · Co-Founder
Engineer turned Ironman
À suivre
L’acide lactique provoque-t-il la brûlure musculaire et les courbatures ? Ce que montrent les données
Le lactate est un carburant que votre cœur et votre cerveau brûlent. Il ne provoque ni la brûlure dans les jambes ni les courbatures deux jours plus tard.
Architecture du sommeil plutôt que durée : ce que coûte vraiment une nuit écourtée
Écourter une nuit ne coûte pas la même chose à chaque stade. Les preuves sur le sommeil profond, le REM, l’alcool, la caféine et les capteurs de sommeil.
Ce qui fait vraiment bouger votre baseline de santé : mesurer, se reposer ou faire
Quatorze essais, 182 880 adultes, aucune vie sauvée. Les preuves sur les bilans de santé, les objets connectés, le repos et le seul chiffre qui répond au travail.