OpenMetabolics : Estimer la dépense énergétique à l’aide d’un smartphone porté dans une poche

Pourquoi votre téléphone pourrait révolutionner la santé

Rester actif est l’un des moyens les plus simples de protéger sa santé, et pourtant nous avons encore du mal à mesurer précisément combien de mouvement notre corps accomplit chaque jour. Les traqueurs d’activité et compteurs de pas donnent des estimations approximatives, mais ils manquent souvent les courtes poussées d’effort et évaluent mal l’intensité. Cette étude présente OpenMetabolics, une nouvelle méthode qui utilise un smartphone ordinaire porté dans la poche d’un pantalon pour estimer l’énergie dépensée dans la vie quotidienne, donnant potentiellement à toute personne disposant d’un téléphone un accès à un suivi de l’activité proche du niveau de laboratoire.

Transformer les téléphones de poche en compteurs d’activité

L’idée centrale d’OpenMetabolics est que les jambes réalisent l’essentiel du travail lors d’activités courantes comme la marche, la montée d’escaliers, la course et le vélo. Lorsqu’un téléphone est dans votre poche, ses capteurs de mouvement intégrés perçoivent chaque balancement de la jambe. Les chercheurs ont conçu un système qui observe ce mouvement de jambe et l’utilise pour estimer l’énergie consommée par les muscles. Plutôt que de s’appuyer sur de simples compteurs de pas ou des zones de fréquence cardiaque, le système analyse le motif de mouvement de chaque pas et le relie à la dépense énergétique mesurée lors d’expériences de laboratoire antérieures.

Du mouvement brut à la dépense énergétique

Pour que cela fonctionne, l’équipe a d’abord dû traduire le mouvement désordonné du monde réel en quelque chose qu’un ordinateur pouvait apprendre. Ils ont conçu des algorithmes qui alignent la position du téléphone sur la cuisse, décomposent le mouvement en pas individuels de marche ou de course, et réduisent chaque pas à une description compacte du déplacement de la jambe. Ils ont ensuite entraîné un modèle d’apprentissage automatique—construit à partir de nombreux petits arbres de décision—sur des données de 36 personnes effectuant des activités en laboratoire pendant que leur dépense énergétique réelle était mesurée avec un équipement respiratoire spécialisé. Ce modèle a appris la relation entre le mouvement des jambes, la taille du corps et la dépense énergétique, ce qui lui permettait ensuite d’estimer l’énergie dépensée pour chaque pas en dehors du laboratoire.

Devancer les objets connectés populaires dans la rue

Ensuite, les chercheurs ont testé OpenMetabolics en conditions quotidiennes. Des volontaires ont marché, couru, monté des escaliers, fait du vélo et marché en montée en extérieur tout en portant un système respiratoire de type sac à dos pour les mesures de référence, ainsi que des appareils courants : une montre connectée, un moniteur de fréquence cardiaque, un podomètre, un capteur de mouvement porté sur la cuisse et un téléphone attaché à la cuisse. Sur l’ensemble de ces activités, le système OpenMetabolics basé sur smartphone a fourni les estimations d’énergie les plus précises, avec environ la moitié de l’erreur cumulée de nombreux outils existants. Il a particulièrement bien performé lors de la marche réelle sur trottoirs et escaliers, où les compteurs de pas simples et les dispositifs portés au poignet confondent souvent la marche lente et facile avec la montée plus exigeante ou la marche en pente.

Corriger le problème des poches qui bougent

Bien sûr, les gens ne portent pas normalement leur téléphone attaché à la cuisse. Dans la vie réelle, les téléphones se déplacent dans des poches larges, créant un « bruit de mouvement » qui peut perturber les capteurs. Pour résoudre ce problème, l’équipe a enregistré des données de marche de personnes portant différents types de vêtements—jeans, pantalons de survêtement, shorts ordinaires et shorts de sport—en portant un téléphone dans la poche et un autre solidement attaché à la cuisse. Ils ont entraîné un modèle de correction simple qui apprend le mouvement supplémentaire typique causé par le déplacement du téléphone dans la poche et le soustrait. Cela a réduit les erreurs de mouvement de plus d’un quart et a éliminé la plupart du biais dans les estimations d’énergie selon les types de vêtements. Lorsque les chercheurs ont simulé des centaines de combinaisons de personnes et de vêtements, les données corrigées du téléphone en poche se sont avérées aussi précises que celles d’un téléphone solidement attaché.

Observer la vie quotidienne avec un grand niveau de détail

Enfin, l’équipe a mené une étude à domicile d’une semaine au cours de laquelle les participants portaient simplement un smartphone d’étude dans leur poche pendant les heures d’éveil. OpenMetabolics a produit une estimation d’énergie pour presque chaque pas, révélant des motifs riches sur plusieurs jours et semaines. Il a capté la concentration d’activité autour des heures de trajet, les différences de niveaux d’activité entre individus, et la baisse de dépense énergétique le dimanche par rapport aux jours de semaine—des tendances qui correspondent aux observations d’études de population plus larges. Parce que l’ensemble du système est implémenté sous forme d’application et que les données et le code sont partagés ouvertement, il peut, en principe, être utilisé avec de grands groupes dans de nombreux contextes, y compris des communautés qui n’ont pas accès à des dispositifs médicaux coûteux.

Ce que cela signifie pour la santé quotidienne

Pour le grand public, la conclusion est simple : ce travail montre qu’un smartphone ordinaire dans votre poche peut suivre de près l’énergie que vous dépensez, pas à pas, rivalisant avec du matériel de laboratoire spécialisé et surpassant de nombreux objets connectés populaires. En rendant les méthodes et le logiciel open source, les auteurs espèrent que chercheurs, cliniciens et organismes de santé publique pourront conduire des études larges et peu coûteuses qui clarifieront enfin comment le mouvement réel influence la santé, le risque de maladie et le succès des traitements. À long terme, des outils comme OpenMetabolics pourraient aider à personnaliser les conseils d’exercice, guider l’aménagement urbain, soutenir les programmes de gestion du poids et de rééducation, et apporter un suivi d’activité de haute qualité à des personnes qui n’ont jamais possédé de traqueur d’activité.

Citation: Cho, H., Slade, P. OpenMetabolics: Estimating energy expenditure using a smartphone worn in a pocket. Commun Eng 5, 35 (2026). https://doi.org/10.1038/s44172-026-00604-9

Mots-clés: activité physique, dépense énergétique, capteurs de smartphone, technologie portable santé, schémas de marche