Apple Watch, Fitbit, Polar… Les objets connectés promettent de décoder nos nuits en graphiques colorés et en pourcentages de sommeil profond. Une étude récente, menée à domicile et comparant trois dispositifs à la polysomnographie, rappelle une réalité essentielle : ces outils peuvent aider à observer des tendances, mais ils ne mesurent pas le sommeil avec la précision d’un examen médical.
Au réveil, un coup d’œil au poignet suffit désormais pour obtenir un bilan de nuit : durée de sommeil, temps d’éveil, « sommeil léger », « profond » ou paradoxal, parfois même un score global censé résumer la qualité de votre nuit. Ces données séduisent. Elles donnent l’impression de rendre visible un phénomène intime, habituellement difficile à saisir : ce qui se passe pendant que nous dormons.
Mais que valent réellement ces estimations ? Peut-on se fier à une montre ou à un bracelet pour savoir si l’on manque de sommeil profond, si l’on se réveille trop souvent, ou si l’on récupère mal ? Une étude publiée en 2026 dans la revue Sleep Medicine apporte des éléments de réponse. Les chercheurs ont comparé trois objets connectés grand public — Apple Watch Series 7, Fitbit Charge 5 et Polar Vantage M2 — à la polysomnographie, la méthode de référence utilisée en médecine du sommeil, ainsi qu’à l’actigraphie utilisée en recherche clinique.
Les résultats ne montrent pas de révolution depuis les dernières publications mais renforcent ce que l’on peut attendre de ces appareils. Aucune des trois montres n’a fourni des résultats suffisamment proches de la polysomnographie pour être considérée comme une alternative à cet examen de référence. Ces objets peuvent être intéressants pour suivre l’évolution de ses habitudes sur plusieurs semaines. En revanche, leurs chiffres sur les stades du sommeil doivent être interprétés avec prudence, surtout lorsqu’ils deviennent source d’inquiétude ou sont utilisés pour tirer des conclusions médicales.
Pourquoi comparer les montres à la polysomnographie ?
Le sommeil ne se résume pas à l’absence de mouvements (premier paramètre mesuré par les montres). Au fil de la nuit, le cerveau alterne entre plusieurs états : sommeil lent léger, sommeil lent profond et sommeil paradoxal — la phase associée à une activité cérébrale intense et à la plupart des rêves mémorisés. Ces stades sont définis, en médecine du sommeil, à partir de l’activité électrique du cerveau, enregistrée par électroencéphalogramme (EEG).
La polysomnographie, souvent réalisée en laboratoire mais ici pratiquée au domicile des participants, enregistre simultanément de nombreux signaux : activité cérébrale, mouvements oculaires, tonus musculaire, respiration, rythme cardiaque, oxygénation, mouvements des jambes… C’est cet ensemble qui permet de reconnaître avec précision les différentes phases du sommeil et d’identifier certains troubles, tels que l’apnée du sommeil, les mouvements périodiques des jambes ou des anomalies du comportement en sommeil paradoxal.
Les montres connectées ne disposent pas de ces informations. Elles estiment le sommeil à partir de signaux indirects : mouvements détectés par accéléromètre, fréquence cardiaque et variabilité de la fréquence cardiaque, parfois informations optiques de l’oxymétrie recueillies par photopléthysmographie au niveau de la peau. Leurs algorithmes, propriétaires et donc peu transparents, transforment ensuite ces indices en catégories de sommeil.
La différence est fondamentale : la polysomnographie mesure les signaux qui définissent les stades de sommeil ; la montre les extrapole à partir de comportements physiologiques associés, de façon probabiliste.
Cette distinction explique pourquoi une personne immobile dans son lit, mais réveillée et préoccupée, peut être prise pour une personne endormie. Elle explique aussi pourquoi il est difficile, sans EEG, de différencier de manière fiable un sommeil léger d’un sommeil profond, ou de reconnaître précisément le sommeil paradoxal.
Une étude réalisée dans des conditions proches de la vie réelle
L’étude a été menée à l’hôpital universitaire King Abdulaziz de Djeddah, en Arabie saoudite, entre juillet 2022 et mai 2023. Elle a inclus 54 volontaires adultes en bonne santé, âgés de 18 à 45 ans, sans trouble du sommeil connu ni maladie chronique déclarée.
Les participants ont été répartis en trois groupes :
- 20 personnes ont porté un Fitbit Charge 5 ;
- 19 personnes une Apple Watch Series 7 ;
- 15 personnes une Polar Vantage M2.
Chaque participant a porté son objet connecté pendant l’enregistrement d’une nuit de polysomnographie à domicile. Ce choix méthodologique est intéressant : dormir dans sa propre chambre évite, au moins en partie, l’effet parfois perturbateur d’une nuit en laboratoire. Les chercheurs ont également utilisé un actimètre porté pendant sept jours. L’actimétrie, fondée principalement sur l’analyse des mouvements, est très utile pour étudier les rythmes veille-sommeil dans la durée, mais elle n’est pas non plus équivalente à une polysomnographie pour décrire l’architecture du sommeil.
Les scientifiques ont comparé, pour chaque appareil, plusieurs variables : le temps passé au lit, le temps total de sommeil, ainsi que la durée des phases de sommeil paradoxal, léger et profond. Ils ne se sont pas limités à rechercher une différence moyenne. Ils ont également évalué la concordance entre les méthodes, c’est-à-dire leur capacité à donner des résultats similaires chez un même individu.
C’est un point crucial car deux techniques peuvent présenter des moyennes proches sur un groupe tout en étant très imprécises pour une personne donnée. Pour une utilisation clinique, ce qui compte n’est pas seulement que l’erreur moyenne soit modérée : il faut que les résultats soient suffisamment stables et proches, individu par individu.
Des erreurs différentes selon les appareils et les stades
Le premier constat est qu’il n’existe pas « une » erreur uniforme des objets connectés. Chaque appareil a présenté son propre profil de biais, selon le paramètre étudié.
Le Fitbit Charge 5 a surestimé le sommeil léger d’environ 58 minutes en moyenne par rapport à la polysomnographie. En parallèle, il a sous-estimé le sommeil profond d’environ 33 minutes. Autrement dit, une part du sommeil lent profond enregistré par l’examen de référence semblait être reclassée par la montre comme du sommeil plus léger.
L’Apple Watch Series 7 a, quant à elle, sous-estimé le temps passé au lit d’environ 56 minutes et le sommeil léger d’environ 74 minutes. À l’inverse, elle a surestimé le sommeil paradoxal d’environ 30 minutes. Le temps total de sommeil et le sommeil profond ne différaient pas significativement de la polysomnographie dans ce groupe ; mais cette absence de différence moyenne ne signifie pas que les mesures soient fiables pour chaque utilisateur.
Enfin, la Polar Vantage M2 a surtout surestimé le sommeil paradoxal, là encore d’environ 32 minutes en moyenne. Les autres paramètres ne différaient pas significativement de ceux mesurés par polysomnographie, mais les écarts individuels demeuraient importants.
Les chercheurs ont ensuite examiné la concordance à l’aide de plusieurs outils statistiques. Le résultat est sans ambiguïté : les accords étaient globalement faibles. Les coefficients de corrélation intraclasse, qui servent à estimer la fiabilité d’une mesure par rapport à une référence, se situaient le plus souvent dans une zone jugée faible à modérée. D’autres analyses montraient par ailleurs de larges écarts possibles entre les données de la montre et celles de la polysomnographie.
En pratique, cela signifie que, même lorsqu’une montre ne semble pas très éloignée de la moyenne, son estimation peut être très inexacte chez une personne particulière, au cours d’une nuit particulière.
L’Apple Watch arrive en tête… sans être un outil clinique
En combinant plusieurs indicateurs — erreur moyenne absolue, dispersion des erreurs, largeur des limites d’accord et fiabilité — les auteurs classent l’Apple Watch Series 7 devant le Fitbit Charge 5, puis la Polar Vantage M2.
Cette hiérarchie doit cependant être comprise correctement. Dire que l’Apple Watch « fait mieux » que les deux autres ne signifie pas qu’elle mesure fidèlement l’architecture du sommeil. Elle est simplement la moins imprécise des trois dans les conditions spécifiques de cette étude.
Son avance est d’ailleurs modeste : l’erreur absolue composite est estimée à 84,9 minutes pour l’Apple Watch, contre 85,6 minutes pour le Fitbit et 95,1 minutes pour la Polar. Surtout, les auteurs insistent sur le fait qu’aucun des dispositifs n’atteint un niveau de concordance permettant de le substituer à la polysomnographie ou même, pour l’estimation de la durée moyenne de sommeil, à l’actimétrie.
Il faut donc rester très critiques sur ces classements. Les comparaisons entre marques et modèles dépendent de l’algorithme utilisé, de sa version, de la population étudiée, des conditions de sommeil, de la qualité du signal et de la manière dont les données sont analysées. Or les algorithmes évoluent souvent, sans que les utilisateurs disposent toujours d’informations détaillées sur les changements intervenus.
Pourquoi les stades du sommeil restent difficiles à estimer
Les difficultés rencontrées dans cette étude ne sont pas surprenantes. Les montres connectées ont accès à des signaux utiles, mais indirects.
L’accéléromètre détecte les mouvements. Il est très efficace pour repérer l’activité, mais beaucoup moins pour distinguer l’éveil calme du sommeil. Or l’insomnie se caractérise fréquemment par des périodes d’éveil immobile : une personne peut ruminer, attendre le sommeil ou se réveiller la nuit sans bouger beaucoup. Dans cette situation, l’objet peut confondre immobilité et sommeil.
La fréquence cardiaque et sa variabilité apportent des informations complémentaires. Elles changent au cours de la nuit et peuvent aider un algorithme à estimer des probabilités de stades. Mais ces signaux sont influencés par de nombreux facteurs : stress, alcool, médicaments, fièvre, activité physique, rythme respiratoire, position, troubles cardiaques ou encore qualité du contact entre le capteur et la peau.
Le sommeil profond pose un problème particulier. Il est défini par la présence d’ondes lentes sur l’EEG, une information que ne recueille pas une montre portée au poignet. Le sommeil paradoxal est lui aussi complexe à identifier : il associe une activité cérébrale particulière, des mouvements oculaires rapides et une atonie musculaire. Une faible activité motrice, à elle seule, ne permet donc pas de l’identifier de façon certaine.
Enfin, la précision peut varier selon les personnes. La pigmentation cutanée, la perfusion périphérique, la morphologie, les mouvements nocturnes, l’âge, la qualité du sommeil, l’existence d’apnées ou d’éveils fréquents peuvent affecter les capteurs ou la validité des algorithmes. Une montre entraînée sur certaines populations ne sera pas nécessairement aussi performante dans toutes les autres.
Que peut-on faire, concrètement, avec ces données ?
Faut-il pour autant abandonner les montres et bagues connectées ? Non. Leur intérêt n’est pas nul ; il doit simplement être remis dans son contexte, avec ses limites.
Ces objets peuvent être utiles pour suivre des tendances personnelles sur plusieurs semaines : régularité des horaires, heure approximative du coucher, heure de lever, durée globale estimée, évolution avant et après un changement de rythme de vie, de travail, d’activité physique ou de consommation d’alcool. Ils peuvent aussi aider certaines personnes à prendre conscience d’horaires très irréguliers ou d’un temps passé au lit insuffisant.
En revanche, les données de stades de sommeil ne doivent pas être lues comme un bilan neurologique de la nuit. Voir « seulement 35 minutes de sommeil profond » ne suffit pas à conclure que l’on dort mal, que l’on est en dette de récupération ou qu’il existe un trouble médical. Les variations nuit à nuit sont normales, et l’incertitude de mesure s’ajoute à cette variabilité biologique.
Quelques repères pratiques peuvent aider :
- Privilégier les évolutions sur plusieurs semaines plutôt qu’une nuit isolée.
- Regarder d’abord les horaires, leur régularité et le temps total de sommeil estimé, plutôt que les pourcentages précis de sommeil profond ou paradoxal.
- Croiser les données avec le ressenti diurne : somnolence, fatigue, troubles de concentration, irritabilité, endormissements involontaires.
- Éviter de multiplier les vérifications nocturnes ou matinales si les données augmentent l’anxiété liée au sommeil.
- Consulter si des symptômes persistent : ronflements importants, pauses respiratoires observées, somnolence excessive, insomnie durable, mouvements nocturnes inhabituels ou comportement agité pendant les rêves.
Cette dernière précaution est particulièrement importante face à un phénomène de plus en plus décrit : l’orthosomnie. Ce terme désigne la préoccupation excessive pour l’optimisation des chiffres de sommeil, qui peut paradoxalement aggraver l’insomnie. Le sommeil n’est pas une performance à réussir chaque nuit ; il varie naturellement et ne se résume pas à un score.
Des outils à mieux intégrer à la prévention
Cette étude ne condamne pas les technologies grand public : elle en définit plus clairement les limites actuelles. Elles ne sont pas des instruments diagnostiques et ne remplacent ni l’entretien clinique, ni un agenda de sommeil, ni l’actimétrie, ni, lorsque c’est nécessaire, une polysomnographie.
Leur potentiel est pourtant réel. Utilisées avec discernement, elles peuvent soutenir l’éducation au sommeil et encourager l’observation de comportements modifiables : coucher plus régulier, réduction de l’exposition tardive aux écrans, limitation de l’alcool le soir, maintien d’horaires de lever cohérents ou repérage d’une dette chronique de sommeil.
La prochaine étape ne consiste pas seulement à ajouter des capteurs ou à promettre des graphiques plus détaillés. Elle suppose des validations indépendantes, réalisées sur des populations diversifiées, incluant des personnes âgées et des patients souffrant d’insomnie, d’apnée du sommeil ou d’autres troubles. Elle suppose aussi davantage de transparence sur les algorithmes et sur les modifications logicielles qui peuvent changer, sans prévenir, la façon dont une montre « lit » nos nuits.
Pour l’instant, la meilleure manière d’utiliser un sleep tracker est sans doute de le considérer comme un carnet de bord imparfait, mais parfois utile. Il peut aider à poser de bonnes questions sur ses habitudes. Il ne doit pas prétendre apporter, à lui seul, les réponses médicales.
