L’IA peut-elle vraiment prédire nos maladies futures ?

À long terme, l’IA et les objets connectés vont-ils vraiment nous aider à mieux prévenir la maladie, ou bien finir par saturer le quotidien de mesures impossibles à interpréter, donc rejetées ? L’incertitude ne vient pas seulement de la technologie. Elle vient du contrat implicite qu’on accepte – ou pas – quand la santé devient une suite de données, produites en continu, puis discutées avec un médecin, une application, voire un assureur.

Le signal faible est déjà là : les montres et bracelets de suivi n’enregistrent plus seulement des pas, mais des indicateurs cardiaques, du sommeil et parfois des tracés comparables à un électrocardiogramme. La promesse est tentante : détecter un problème avant une consultation, voire avant les symptômes. La limite l’est tout autant : une donnée accessible n’est pas automatiquement une donnée fiable, validée, et correctement comprise.

La force qui pousse cette trajectoire, c’est la convergence entre capteurs banalisés, algorithmes d’analyse et bascule culturelle vers une santé moins réactive. Quand la prévention devient « mesurable », elle change de statut : elle ressemble moins à un conseil général et plus à un protocole suivi dans le temps. Cette logique déplace aussi les responsabilités : patient, soignants, industriels et régulateurs n’ont pas la même tolérance au risque ni la même définition de ce qui est « acceptable ».

La promesse d’une santé plus anticipatrice

Le paysage décrit pour 2026 insiste sur des soins plus rapides, plus ciblés, et sur une prévention qui s’appuie davantage sur des marqueurs biologiques : santé mentale avec des traitements à effet plus rapide, neuromodulation à domicile, microbiote comme levier de prévention, immunité et sommeil pensés comme variables cliniques. Cette bascule vers une médecine prédictive, telle qu’elle est racontée dans certaines innovations santé 2026, rend les données personnelles encore plus centrales, car elles servent de pont entre mode de vie, signaux corporels et décisions de soin.

Dans cette logique, le suivi connecté paraît presque inévitable : comment prescrire le sommeil « comme un médicament » sans le mesurer, au moins partiellement ? Comment vérifier l’effet d’un changement alimentaire, ou d’une stratégie anti-inflammatoire, sans indicateurs réguliers ? C’est précisément là que se joue le long terme : l’IA peut aider à transformer une masse de mesures en trajectoires lisibles, mais elle peut aussi donner un vernis de certitude à des signaux bruités.

Ce que les capteurs savent… et ce qu’ils suggèrent trop vite

Sur le cœur, les objets portés au poignet savent déjà faire beaucoup. Une partie des mesures repose sur la photopléthysmographie (PPG) : une lumière, au dos de l’appareil, interagit avec les vaisseaux sanguins de la peau pour estimer des variations de volume sanguin, puis en déduire fréquence et rythme. Certains modèles peuvent aussi enregistrer un ECG, ce qui ouvre un intérêt concret en consultation, surtout quand les symptômes sont intermittents.

L’intérêt, c’est la durée : un ECG clinique peut enregistrer sur une fenêtre limitée (par exemple 24 ou 72 heures), alors qu’une montre est portée de longues heures, sur des semaines. Cela augmente les chances de capturer une palpitation au bon moment. Les nuances sont détaillées dans l’analyse sur les wearables cardiaques : oui, certains usages peuvent aider à orienter un diagnostic probable, y compris sur des rythmes anormaux, mais la question centrale reste la confiance qu’on peut accorder à chaque métrique, dans chaque contexte.

Le point sensible est la tension entre marketing et médecine. La pression artérielle, souvent estimée via PPG, peut être fournie comme une fourchette plutôt qu’une valeur. S’ajoute un problème de validation : la British and Irish Hypertension Society, qui valide les tensiomètres à brassard, ne dispose pas d’un cadre de validation pour les wearables, ce qui laisse planer un flou sur les promesses de « qualité médicale ». Sans standardisation, deux appareils peuvent même donner des lectures différentes pour une même personne.

Le point de bascule, dans les 3 à 5 ans, pourrait donc être moins « un capteur miracle » qu’un ensemble de décisions techniques et juridiques : méthodes standardisées, cadres de validation, clarification réglementaire entre bien-être et dispositif médical, et intégration propre dans les dossiers de santé électroniques. Le plan du NHS évoque l’idée d’un usage standard en traitement d’ici 2035, mais l’atterrissage dépendra de la compatibilité entre marques, de l’assurance qualité et de la capacité des soignants à accéder à des données exploitables, pas à des graphiques isolés.

Quand la santé devient une trajectoire… et une mémoire

Si rien ne change radicalement, l’usage le plus probable restera pragmatique : suivre des tendances (sommeil, activité, fréquence cardiaque), vérifier si une « remise en forme » a un effet, et apporter au clinicien des indices lors d’épisodes ponctuels. L’IA, dans ce cadre, servirait surtout à trier et contextualiser, sans prétendre remplacer l’examen médical. Cette trajectoire maintient aussi une fragmentation : données éparpillées, métriques non harmonisées, et bénéfices inégaux selon les profils.

Si l’adoption s’accélère, la frontière entre prévention et soin pourrait se déplacer. Des alertes précoces, mieux calibrées, deviendraient des déclencheurs de parcours : téléconsultations, examens ciblés, suivi renforcé à distance, voire ajustements de protocole pour des patients à risque. Les évolutions organisationnelles évoquées pour 2026 – élargissement de certaines compétences infirmières, prévention plus structurée – pourraient rendre ce modèle plus opérationnel. Mais une accélération accroît aussi mécaniquement l’enjeu de la fausse alerte, de l’anxiété induite et de l’excès d’actions inutiles.

Une réaction de rejet reste plausible si un scandale de données, une utilisation jugée abusive ou une série de sur-promesses fragilise la confiance. Le long terme, ici, ne se joue pas seulement pendant la vie : il se joue aussi après. Une donnée de santé, accumulée année après année, peut devenir une biographie intime. Les débats autour des « clones » conversationnels et de l’économie du deuil décrits dans les questions de grief tech posent une question voisine : qui a le droit d’exploiter une trace numérique sensible, et avec quel consentement, quand la personne n’est plus là – ou quand elle n’a jamais pensé à ce futur usage ?

Signaux précoces à surveiller dès maintenant

Quelques indicateurs, déjà observables, aideront à comprendre quelle trajectoire prend le dessus : l’apparition d’un cadre officiel de validation pour la pression artérielle au poignet ; des exigences plus strictes sur les allégations « médicales » ; des standards d’interopérabilité permettant d’intégrer les données dans un dossier de santé sans bricolage ; des recommandations publiques lisibles sur ce que ces mesures peuvent ou ne peuvent pas dire ; et, à l’inverse, la multiplication d’histoires de mesures incohérentes, de surdiagnostics perçus, ou de fuites de données qui refroidiraient durablement l’adoption.

La trajectoire la plus probable, et la question qui reste

Le pari le plus crédible ressemble à un compromis : montée en puissance des objets connectés, mais encadrée par davantage de validation et par une intégration plus sélective dans le soin. Les capteurs pourraient devenir « cliniques » sur des usages précis (rythme, épisodes symptomatiques, suivi de tendances), tandis que d’autres métriques resteraient du côté du bien-être, utiles sans être décisives. Cette issue suppose d’accepter une idée simple : l’IA améliore la lecture, pas la vérité de la mesure.

Reste une incertitude de fond : dans quelques années, la société voudra-t-elle d’une santé pilotée par des flux continus, ou préférera-t-elle préserver des zones de silence, sans capteurs, pour que le corps ne soit pas en permanence un tableau de bord ? Quels signaux faibles, dans votre secteur, laissent penser qu’on se dirige plutôt vers l’acceptation encadrée… ou vers la lassitude et le refus ?