Progrès récents dans les systèmes portables intelligents : des caractéristiques biomécaniques multiscales à la prédiction de l’intention de mouvement humain

Lire les corps avant qu’ils ne bougent

Imaginez qu’une montre connectée, une semelle intelligente ou un exosquelette léger puisse percevoir ce que vous allez faire et vous aider discrètement — stabiliser un pas avant que vous ne glissiez, soutenir un muscle fatigué ou permettre à une main prothétique de bouger presque aussi naturellement qu’une main réelle. Cet article de synthèse explique comment les chercheurs construisent des systèmes portables « conscients de l’intention » qui lisent les signaux mécaniques et électriques du corps pour prédire nos prochains mouvements, ouvrant de nouvelles possibilités en rééducation, sécurité au travail, performance sportive, réalité virtuelle et conduite.

Comment le corps indique le mouvement à venir

Notre corps laisse échapper des indices sur les actions à venir à plusieurs niveaux physiques. Au niveau de l’ensemble du corps, de subtiles variations d’accélération — souvent mesurées près de la taille — révèlent la stabilité du centre de gravité et indiquent quand nous allons accélérer, ralentir ou changer de direction. Des changements brusques de ces schémas peuvent précéder une glissade ou un virage serré de quelques fractions de seconde, offrant aux algorithmes une fenêtre pour prédire une chute ou une manœuvre rapide. En zoomant sur les articulations, les variations d’angles et de vitesses angulaires de la hanche, du genou, de la cheville, de l’épaule, du coude et des doigts forment des « signatures » de mouvement riches pour la marche, le levage ou la préhension. Au niveau le plus profond, de petites décharges électriques musculaires, captées par des électrodes de surface sur la peau, apparaissent des dizaines à des centaines de millisecondes avant le mouvement visible, fournissant un avertissement précoce d’intention particulièrement précieux pour commander des membres prothétiques et des exosquelettes.

Des capteurs intelligents intégrés au quotidien

Pour capturer ces signaux, les ingénieurs déploient un réseau de petits capteurs sur le corps. Des unités inertielles suivent l’accélération et la rotation des segments corporels ; des capteurs flexibles de contrainte et de pression mesurent la flexion des articulations et les forces au niveau du pied ; des capteurs bioélectriques surveillent l’activité musculaire, les signaux cérébraux et le rythme cardiaque ; et même des capteurs optiques, acoustiques et chimiques observent le flux sanguin, les changements tissulaires et la chimie de la sueur. Ces composants sont intégrés dans des objets familiers — montres, brassards, chaussures et gants intelligents — ainsi que dans des textiles électroniques et des patchs semblables à la peau qui épousent les articulations et les muscles. En superposant des capteurs au niveau du corps, des articulations et des muscles, les concepteurs peuvent suivre le mouvement depuis la première étincelle neuronale dans les fibres musculaires, en passant par le couple à une articulation, jusqu’aux variations de l’équilibre global du corps.

Apprendre aux machines à lire le mouvement humain

Collecter des données n’est que la moitié du travail ; l’autre moitié consiste à les interpréter assez rapidement pour que cela soit utile. Les systèmes antérieurs reposaient sur des règles faites à la main et des méthodes classiques d’apprentissage automatique qui examinaient des caractéristiques soigneusement choisies, comme l’activité musculaire moyenne ou l’angle articulaire maximal, puis classaient chaque pattern en une action connue. Ces méthodes sont efficaces et fonctionnent bien sur de petits appareils alimentés par batterie, mais elles peinent lorsque les mouvements deviennent plus variés ou bruités. Plus récemment, des approches d’apprentissage profond — réseaux neuronaux convolutionnels, récurrents et de type transformeur — ont été entraînées à repérer des motifs complexes dans le temps et simultanément sur plusieurs capteurs. Elles peuvent fusionner accélération, pression et signaux musculaires pour reconnaître les phases de la marche, prédire des angles articulaires à l’avance ou estimer le couple que l’humain va bientôt générer, souvent avec des erreurs de prédiction de seulement quelques dizaines de millisecondes.

Des cliniques et usines aux stades et simulateurs

Ces dispositifs portables prédictifs d’intention passent des prototypes de laboratoire à de nombreux environnements réels. En rééducation, des exosquelettes type vêtement et des orthèses de genou passives utilisent les angles articulaires, les forces et l’activité musculaire pour fournir juste l’assistance nécessaire à la marche ou aux exercices thérapeutiques, en s’adaptant aux progrès de chaque patient. Pour les travailleurs et les robots industriels, l’accélération corporelle et les capteurs musculaires peuvent signaler la fatigue, prévoir des mouvements dangereux et permettre aux robots d’anticiper et de coordonner leurs actions avec des partenaires humains. Les sportifs bénéficient d’e-skins et de combinaisons de mouvement légères qui suivent les charges articulaires et l’usage musculaire pour affiner la technique et réduire le risque de blessure. En réalité virtuelle, des bagues et gants intelligents utilisent le mouvement des doigts et les indices musculaires pour offrir une préhension et un toucher plus naturels, tandis que dans les voitures, des capteurs de tête et de membres aident à anticiper le freinage, les changements de voie ou la somnolence pour soutenir les systèmes d’aide à la conduite.

Obstacles vers l’usage quotidien

Malgré des précisions impressionnantes en tests contrôlés, déployer ces systèmes dans la vie courante reste difficile. Les environnements réels sont désordonnés : transpiration, électrodes qui glissent, déplacements de vêtements et bruit électrique peuvent déformer les signaux, tandis que les personnes varient énormément en morphologie, force et style de mouvement. Cela signifie que des modèles entraînés sur un groupe donnent souvent de mauvaises performances sur un autre ou pour de nouvelles tâches. Les matériaux de capteurs flexibles doivent aussi résister à des pliages et étirements continus sans perdre en sensibilité, et des sources d’énergie compactes doivent alimenter des systèmes multi-capteurs pendant de longues périodes. En outre, le flux riche de données physiologiques et de mouvement pose de sérieuses questions de confidentialité, car il peut révéler l’état de santé, les habitudes et même les états émotionnels s’il est détourné ou divulgué.

Ce que cela signifie pour l’avenir

Les auteurs concluent que la prédiction de l’intention de mouvement humain n’est plus de la science-fiction, mais transformer cette capacité en une technologie sûre et digne de confiance au quotidien exigera des progrès sur plusieurs fronts simultanément. Des méthodes d’apprentissage plus intelligentes devront s’adapter à chaque utilisateur et rester robustes lorsque les signaux se dégradent ; les matériaux de capteurs devront être durables, confortables et éconergétiques ; et des garde-fous solides seront nécessaires pour sécuriser les données personnelles de mouvement et de santé. Si ces éléments s’assemblent, les futurs dispositifs portables pourraient former une boucle « perception–décision–action » transparente autour du corps, comprenant discrètement ce que nous avons l’intention de faire et offrant de l’aide — qu’il s’agisse de stabiliser un pas, d’amplifier la puissance musculaire, de guider la récupération ou d’approfondir notre connexion avec les machines et les mondes virtuels.

Citation: Chen, S., Peng, C., Yang, B. et al. Recent advances in intelligent wearable systems: from multiscale biomechanical features towards human motion intent prediction. npj Artif. Intell. 2, 33 (2026). https://doi.org/10.1038/s44387-026-00083-5

Mots-clés: capteurs portables, prédiction du mouvement humain, biomécanique, exosquelettes, prothèses