Pourquoi les montres intelligentes surestiment ou sous-estiment le sommeil et la pression artérielle

Les montres intelligentes affichent chaque matin des données précises sur la durée du sommeil, les phases profondes ou paradoxales, la fréquence cardiaque, la saturation en oxygène, voire la pression artérielle. Ces chiffres, exprimés au minute près ou à la fraction de pourcentage près, donnent l’illusion d’un laboratoire médical miniature au poignet. Pourtant, la réalité est plus nuancée : nombre de ces valeurs ne sont pas mesurées directement, mais reconstruites par des algorithmes à partir d’autres signaux captés.

Le prix élevé d’un appareil ne transforme pas automatiquement ses capteurs en instruments médicaux certifiés. L’investissement couvre aussi l’écran, le processeur, la batterie, le design, les matériaux, le système d’exploitation, la connectivité avec le smartphone ou encore le module GPS — pas seulement la fiabilité des mesures sanitaires.

La plupart des montres et bracelets utilisent un capteur optique appelé PPG, qui émet une lumière vers la peau et analyse les variations de la lumière réfléchie liées au flux sanguin. Ce signal, combiné à ceux d’accéléromètres et de gyromètres, alimente des modèles algorithmiques destinés à inférer des paramètres physiologiques. Or, il existe une différence fondamentale entre la détection d’un indicateur fortement corrélé à ce que capte le capteur — comme le pouls — et l’estimation d’un paramètre complexe, tel que la pression artérielle ou les stades du sommeil.

Contrairement au tensiomètre classique, qui comprime un brassard autour du bras pour mesurer directement la pression artérielle dans l’artère brachiale, les dispositifs sans brassard reposent sur des signaux indirects : le capteur PPG, la forme de l’onde pulsatile ou le temps de transit de la vague de pression, souvent enrichis par des modèles d’apprentissage automatique. Selon une déclaration scientifique de l’American Heart Association, les résultats fournis par certains de ces appareils reflètent surtout une variation relative par rapport à une mesure initiale de calibrage, non une valeur absolue indépendante à chaque utilisation.

C’est pourquoi les recommandations américaines sur la pression artérielle publiées en 2025 par l’American Heart Association et l’American College of Cardiology précisent clairement qu’il ne faut pas s’appuyer sur les dispositifs sans brassard — y compris les montres intelligentes — pour obtenir des mesures cliniquement fiables, tant que leur précision et leur reproductibilité n’ont pas été rigoureusement validées. La Food and Drug Administration (FDA) a également mis en garde contre l’utilisation de fonctions non approuvées de montres ou de bagues intelligentes prétendant mesurer la pression artérielle, soulignant que des lectures erronées pourraient conduire à un diagnostic inexact ou à des décisions thérapeutiques inappropriées.

L’enjeu n’est pas l’inexactitude universelle des montres, mais la confusion entre estimation algorithmique et mesure médicale standardisée. Cette distinction devient particulièrement évidente dans le suivi du sommeil. Lorsqu’un appareil indique « 1 heure et 12 minutes de sommeil profond », il ne lit pas l’activité cérébrale : il interprète des données périphériques — mouvements, fréquence cardiaque, variations photopléthysmographiques — pour deviner la phase probable du cycle veille-sommeil.

La référence clinique reste la polysomnographie (PSG), examen qui enregistre simultanément l’activité électroencéphalographique, les mouvements oculaires et l’activité musculaire. Une étude publiée en 2025 dans la revue *SLEEP Advances*, affiliée à l’Université d’Oxford, a comparé six dispositifs grand public — Apple Watch Series 8, Fitbit Sense, Fitbit Charge 5, Whoop 4.0, Garmin Vivosmart 4 et Withings ScanWatch — à des examens PSG réalisés chez 62 participants. Tous les appareils ont bien détecté le sommeil global, avec une sensibilité supérieure à 90 %. En revanche, leur capacité à identifier correctement les périodes d’éveil variait fortement : de 29 % pour le Garmin Vivosmart 4 à 52 % pour l’Apple Watch Series 8, tandis que le Fitbit Sense atteignait 49 % et le Fitbit Charge 5, 48 %.

Les chercheurs expliquent ce biais par un phénomène simple : une personne éveillée, allongée immobile, produit des signaux similaires à ceux d’une personne endormie, du point de vue d’un capteur fixé au poignet.

Les écarts se sont accentués lors de l’analyse des stades du sommeil. Selon la même étude, le Whoop 4.0 surestimait en moyenne le sommeil profond de près de 31 minutes, tandis que l’Apple Watch Series 8 le sous-estimait de 25 minutes par rapport au PSG. Pour le sommeil paradoxal (REM), le Whoop 4.0 surestimait de 15 minutes, l’Apple Watch Series 8 sous-estimait de 13 minutes. Concernant le sommeil léger, l’Apple Watch Series 8 surestimait de 59 minutes, alors que le Withings ScanWatch le sous-estimait de plus de 33 minutes.

Ces écarts ne signifient pas qu’un modèle soit intrinsèquement « mauvais », mais qu’une lecture comme « 1 heure et 17 minutes de sommeil profond » reste une estimation algorithmique, susceptible de diverger significativement de la mesure clinique.

Une autre étude, publiée en 2026 toujours dans *SLEEP Advances*, a évalué des dispositifs comme Fitbit ou Oura chez des adultes jeunes et âgés. Elle a montré que les performances des capteurs diminuaient notamment chez les personnes âgées, notamment pour le repérage précis du moment d’endormissement. Les appareils tendaient à situer le début du sommeil plus tôt que ne le révélait la polysomnographie, ce qui entraînait une surestimation de la durée totale de sommeil.

Cette difficulté met en lumière une limite structurelle : la relation entre mouvement, fréquence cardiaque et stades du sommeil n’est pas universellement stable. Elle varie selon l’âge, la morphologie, l’état de santé ou la pathologie sous-jacente.

Pourquoi ces appareils restent-ils chers ? Parce que leur coût intègre bien plus que la précision biométrique : écrans haute résolution, puces performantes, batteries longue durée, systèmes d’exploitation complexes, modules GPS, connectivités sans fil, étanchéité renforcée, matériaux haut de gamme, et des années de développement logiciel. Des investissements massifs améliorent effectivement la qualité des capteurs et des algorithmes, mais ne peuvent contourner une contrainte physique fondamentale : une algorithme ne peut pas calculer une donnée que le capteur n’a pas enregistrée.

Ainsi, en l’absence de mesure directe de l’activité cérébrale, des mouvements oculaires ou de la myotonie, la classification des phases du sommeil demeure une inférence statistique. De même, sans compression artérielle directe, la pression artérielle reste une reconstruction indirecte.

Cela ne rend pas les données inutiles. Une synthèse de l’étude des six appareils conclut que certains — notamment l’Apple Watch Series 8, le Fitbit Sense et le Fitbit Charge 5 — peuvent être utiles pour suivre des évolutions majeures et durables dans les habitudes de sommeil. La valeur réelle réside moins dans la précision absolue d’une nuit que dans la détection d’une tendance : si la durée moyenne de sommeil chute régulièrement de sept heures à cinq heures sur plusieurs semaines, cette dérive est plus cliniquement parlante que la question de savoir si l’on a eu 47 ou 59 minutes de sommeil profond la veille. Le même principe vaut pour les autres paramètres : la montre intelligente est un outil efficace pour surveiller des tendances et détecter des changements potentiels, mais elle ne remplace pas les dispositifs médicaux validés pour le diagnostic ou la décision thérapeutique.