Si vous vous êtes déjà demandé à quel point vous pouvez faire confiance aux anneaux colorés et autres données d’exercice de votre Apple Watch, une nouvelle étude révèle une réalité en demi-teinte.
Des chercheurs de l’Université du Mississippi ont analysé la précision des activités de l’Apple Watch et ont observé des résultats variés, notamment des points forts dans certaines statistiques clés, mais des erreurs significatives dans d’autres.
Cette équipe a effectué une méta-analyse en examinant les résultats de 56 études comparant les performances de l’Apple Watch avec celles d’outils médicaux de référence pour les mêmes mesures.
Selon le professeur Minsoo Kang et l’étudiant en doctorat Ju-Pil Cho, les mesures de la fréquence cardiaque et des comptes de pas sont généralement précises. Les chercheurs ont rapporté des erreurs de pourcentage absolu moyen de 4,43 % pour la fréquence cardiaque et de 8,17 % pour les comptes de pas, tandis que l’erreur pour les dépenses énergétiques s’élevait à 27,96 %.
Comme le souligne CNET, les limitations des dispositifs portables destinés aux consommateurs font que des taux d’erreur inférieurs à 10 % sont considérés comme « excellents ». Ainsi, les mesures de la fréquence cardiaque et des comptes de pas rentrent dans cette catégorie.
Cependant, les estimations de l’Apple Watch concernant les calories brûlées se situent bien au-delà de cette fourchette lors de tests impliquant diverses activités telles que la marche, la course, les entraînements à intensité mixte et le cyclisme. Cela reste une statistique difficile à estimer en raison des nombreuses variables comme le poids corporel et la technique d’exercice.
Les chercheurs soulignent que les utilisateurs ne doivent pas ignorer ces données ; elles peuvent servir de motivation plutôt que d’informations absolument fiables.
« Ces dispositifs sont excellents pour suivre les habitudes et rester motivé, » a déclaré Kang. « Mais ne considérez pas chaque chiffre comme une vérité absolue, surtout les calories. Pensez-y comme un guide utile, mais pas un outil de diagnostic. C’est pratique, mais pas parfait. »
La précision semble améliorer avec les modèles récents, ce qui indique qu’Apple progresse à la fois en matière de matériel et d’algorithmes au fil du temps. Kang espère que l’étude pourra aider la société de Cupertino dans ses efforts d’amélioration.
« En montrant où se situent les faiblesses, nous pouvons aider les développeurs à obtenir des retours concrets, » a-t-il expliqué. « S’ils savent ce qu’il faut corriger, ils peuvent concevoir de meilleurs capteurs ou algorithmes. »
