Firmware Beats Hardware!

Les entreprises de montres connectées comme Garmin, Apple ou Amazfit sortent plusieurs appareils par an. Cependant, ces dernières années, peu de choses ont changé en termes de matériel pour la plupart d'entre elles. Les changements majeurs se situent désormais au niveau logiciel, et c'est là que les marques se distinguent le plus, notamment en ce qui concerne les mesures de santé et de sport. Il existe trois niveaux de données : le niveau un concerne les mesures directes (fréquence cardiaque, GPS) et le niveau deux les métriques dérivées (stades de sommeil, détection d'apnée). Un troisième niveau, de plus en plus crucial, pourrait avoir un impact majeur sur la vie des gens. Dans cette analyse, nous allons démontrer que le micrologiciel et le logiciel sont devenus plus importants que jamais pour le suivi sportif et de santé, et que cela pourrait être le facteur différenciateur des performances des marques dans les années à venir. Jusqu'à présent, les améliorations logicielles ont principalement concerné les métriques de santé de premier et deuxième ordre. Mais dans quelques années, les métriques dérivées de troisième ordre vont probablement encore plus distinguer les marques et devenir de plus en plus importantes, non sans dangers. Actuellement déjà, les mises à jour logicielles sont aussi importantes que le matériel pour améliorer les performances d'une montre connectée ou de tout autre tracker de santé, et leur importance devrait croître. Examinons quelques données. Rob, un scientifique post-doctoral spécialisé dans l'analyse de données biologiques, a étudié les stades de sommeil suivis par l'Oura Ring et le Whoop Strap, et comment les améliorations logicielles ont entraîné des changements significatifs. L'Oura Ring et le Whoop Strap sont des trackers de santé très populaires. Les données traitées montrent le pourcentage de sommeil profond au fil du temps. Les changements matériels sont indiqués en orange et les changements de micrologiciel en bleu. Par exemple, le passage de l'Oura Ring 2 à l'Oura Ring 3 a entraîné une légère augmentation du sommeil profond. Cependant, deux mises à jour majeures du micrologiciel pour le suivi des stades de sommeil, notamment l'algorithme "sleepstage 2.0", ont provoqué une forte baisse du pourcentage de sommeil profond, passant d'environ 23% à 17%. Le lancement de l'Oura Ring 4 n'a, lui, eu aucun impact sur le sommeil profond, démontrant que le matériel, sur un produit mature, ne fait plus une grande différence, contrairement aux algorithmes logiciels. La déviation standard du sommeil profond a également chuté après l'algorithme 2.0, passant d'environ six à trois, soulignant l'impact de l'algorithme. Pour le Whoop Strap, les changements logiciels majeurs ont souvent coïncidé avec des changements matériels. Cependant, le passage de la génération 3.0 à 4.0 n'a pas apporté beaucoup de changements matériels au niveau des capteurs. Une amélioration logicielle et matérielle a entraîné une augmentation de l'accord moyen avec la référence, probablement davantage due au logiciel. Les stades de sommeil sont des métriques dérivées de second ordre, car les données brutes des capteurs sont d'abord traduites en fréquence cardiaque, variabilité de la fréquence cardiaque, mouvement, etc., puis calculées en stades de sommeil. Même la fréquence cardiaque est une métrique dérivée de premier ordre, calculée à partir des signaux bruts du capteur PPG. C'est déjà une tâche complexe où toutes les marques ne performent pas de la même manière. La marque est un facteur déterminant pour la précision de la fréquence cardiaque, bien plus que les mises à jour des capteurs au sein d'une même marque. Cela suggère que les algorithmes sont cruciaux, même pour la fréquence cardiaque. Les montres Pixel et Apple, bien que n'étant pas des marques sportives typiques, sont parmi les meilleures en termes de performance, probablement grâce à leurs algorithmes et leur expertise en IA. Elles disposent des ressources humaines et techniques pour transformer les données brutes et bruyantes des capteurs en mesures précises. Les marques de montres sportives comme Coros, Garmin, Sunu, Polar font un travail correct, mais n'ont probablement pas le même niveau d'expertise en IA que les géants comme Apple et Google. Passons aux métriques dérivées de troisième ordre, où l'écart entre les marques pourrait s'élargir considérablement. Les développements récents dans les "modèles de fondation", similaires à ceux utilisés par ChatGPT mais appliqués à la santé, vont permettre le calcul de ces métriques. Il s'agit principalement de modèles de prédiction de maladies (cardiaques, cérébrales), mais aussi de prédiction de blessures ou de métriques de récupération précises. Une étude récente a montré qu'une seule nuit de sommeil en laboratoire pouvait prédire des maladies futures avec une précision incroyable, grâce