Un jeu de données réel pour détecter le lavage des mains dans la vie quotidienne à partir des mouvements du poignet mesurés par des objets connectés

Se laver les mains, veiller à la santé

La plupart d’entre nous se lavent les mains sans y penser à deux fois. Pour les personnes travaillant dans les hôpitaux ou manipulant des aliments, et pour celles vivant avec un trouble obsessionnel‑compulsif (TOC), le lavage des mains influence la santé, la sécurité et la vie quotidienne. Cette étude présente une nouvelle ressource de données : des semaines d’enregistrements réels de capteurs portés au poignet qui capturent à la fois les lavages de main ordinaires et les lavages compulsifs. L’objectif est d’aider les futures montres intelligentes à reconnaître quand on se lave les mains — et, à terme, à distinguer les routines saines des rituels motivés par la détresse.

Pourquoi le lavage des mains importe tant

Des mains propres sont l’une des défenses les plus simples contre les infections, que ce soit à la maison, en clinique ou en cuisine industrielle. Pourtant, il est étonnamment difficile de surveiller le lavage des mains en dehors d’un cadre contrôlé. Les systèmes existants reposent souvent sur des caméras près des éviers ou des capteurs installés dans des lieux précis, ce qui peut être intrusif, soulever des problèmes de confidentialité ou tout simplement ne pas s’adapter à la vie quotidienne. Parallèlement, pour de nombreuses personnes atteintes d’un TOC, le lavage des mains n’est pas qu’une question d’hygiène : il peut devenir une réponse longue et douloureuse à des peurs accablantes de contamination. Leur lavage peut être bien plus fréquent et prolongé que nécessaire, entraînant des lésions cutanées et une qualité de vie réduite. Une technologie capable de repérer de manière fiable le lavage des mains tel qu’il se produit naturellement pourrait donc répondre à deux besoins très différents : vérifier que les professionnels se lavent suffisamment, et aider les patients à repérer quand le lavage est poussé par l’anxiété plutôt que par le besoin.

Un mois de vie au poignet

Pour construire une image réaliste du lavage des mains « in the wild », les chercheurs ont recruté 22 adultes diagnostiqués pour un TOC avec lavage compulsif en Suisse. Chaque personne a porté une montre connectée Android au poignet pendant quatre semaines, visant au moins six heures par jour. La montre enregistrait les mouvements subtils du poignet 50 fois par seconde grâce aux capteurs de mouvement intégrés, similaires à ceux des traqueurs d’activité. Chaque fois que les participants terminaient un lavage, ils appuyaient sur un bouton sur la montre puis répondaient à quelques questions rapides : ce lavage était‑il compulsif ou routinier, quelle était l’intensité de l’envie de se laver et quel était leur niveau de tension (tous notés sur une échelle de 1 à 5). Chaque soir, la montre leur demandait aussi d’évaluer la fréquence et l’intensité des lavages de la journée ainsi que la fréquence à laquelle ils avaient pensé à confirmer les lavages.

Transformer des journées bruyantes en données exploitables

La vie réelle est désordonnée : les gens oublient de porter les appareils, les boutons peuvent être mal utilisés, et les montres restent sur des tables en n’enregistrant rien d’autre que du silence. L’équipe a donc conçu un processus de nettoyage et d’étiquetage approfondi. Ils ont supprimé des enregistrements entiers lorsqu’il n’y avait clairement aucun mouvement ou lorsque les fichiers étaient trop courts ou corrompus, et ils ont marqué de longues périodes d’inactivité afin que d’autres chercheurs puissent les ignorer facilement. Comme chaque pression de bouton fournissait un point temporel unique, les scientifiques ont dû déduire le début et la fin de chaque lavage. D’abord, ils ont estimé les durées typiques de lavage à partir d’un exemple supervisé en laboratoire, puis ils ont affiné les étiquettes en utilisant une fenêtre temporelle glissante et, pour six participants soigneusement sélectionnés, un réétiquetage manuel minutieux réalisé par des annotateurs formés qui inspectaient visuellement les traces de mouvement. Le résultat final est le jeu de données OCDetect : environ 2 600 heures d’activité quotidienne, comprenant environ 31 heures de lavage des mains réparties sur 2 930 lavages, répartis presque également entre événements auto‑déclarés routiniers et compulsifs.

Apprendre aux machines à repérer le lavage

Avec ce jeu de données, l’équipe a testé dans quelle mesure des méthodes classiques d’apprentissage automatique pouvaient extraire le lavage des mains du reste des activités quotidiennes. C’est un défi de taille : le lavage ne représente qu’environ 1 % du temps enregistré, et chaque personne se lave d’une manière très différente. En utilisant de courtes fenêtres de cinq secondes de données de mouvement et un ensemble de caractéristiques simples — par exemple la force ou la saccade des mouvements — ils ont entraîné des modèles classiques comme les forêts aléatoires et le gradient boosting. Ces modèles ont été évalués de façon stricte, en testant toujours sur des participants que les algorithmes n’avaient jamais vus auparavant. La meilleure configuration a atteint un score F1 allant jusqu’à 0,77 (en moyenne environ 0,33 selon les personnes), bien au‑dessus du hasard, pour la simple décision « lavage de mains ou non ». Cependant, lorsque la tâche consistait à séparer les lavages routiniers des lavages compulsifs, les performances retombaient au niveau du hasard. Autrement dit, les seuls motifs de mouvement ne révèlent pas de manière fiable les raisons émotionnelles d’un lavage.

Ce que cela signifie pour les futures montres intelligentes

Pour le grand public, le message est double. Premièrement, les montres intelligentes disposent déjà d’une puissance de détection suffisante pour repérer la plupart des épisodes de lavage des mains dans la vie quotidienne, même sur le fond bruyant de la marche, de la cuisine ou du travail. Deuxièmement, savoir pourquoi quelqu’un se lave — pour l’hygiène ou sous l’effet d’un détresse liée au TOC — est beaucoup plus difficile que de savoir simplement qu’il se lave. Le jeu de données OCDetect, maintenant disponible publiquement, offre aux chercheurs une base réaliste et partagée pour améliorer les méthodes de détection, explorer des modèles plus avancés et combiner les données de mouvement avec d’autres indices ou un éclairage clinique. Avec le temps, cela pourrait ouvrir la voie à des outils qui soutiennent délicatement à la fois le contrôle des infections et la thérapie du TOC, tout en restant respectueux de la vie privée et peu intrusifs au poignet.

Citation: Burchard, R., Kirsten, K., Miché, M. et al. A Real-World Dataset for detecting Handwashing in daily Life using Wrist Motion Data from Wearables. Sci Data 13, 179 (2026). https://doi.org/10.1038/s41597-026-06698-2

Mots-clés: lavage des mains, capteurs portables, trouble obsessionnel-compulsif, données de montre connectée, reconnaissance d'activité humaine