La surveillance du diabète se résumait autrefois à une affaire de chiffres. Elle devient aujourd’hui une affaire de prédiction.
Une nouvelle génération de capteurs de glucose, d’appareils connectés, de pompes à insuline et de moniteurs reliés à des applications fait de la prise en charge du diabète l’un des tests les plus révélateurs de l’IA dans les soins de santé du quotidien. Ces gadgets ne sont pas tous des « appareils dotés d’IA » au sens marketing du terme. Mais ensemble, ils montrent la direction prise par la technologie médicale : du simple suivi passif à l’interprétation en temps réel, aux alertes précoces, aux décisions automatisées et aux retours personnalisés.
Cette évolution est importante, car la gestion du diabète produit exactement le type de données désordonnées et continues que les systèmes d’IA sont conçus pour analyser. La glycémie varie selon l’alimentation, le sommeil, le stress, l’exercice, les médicaments et des dizaines d’autres facteurs. La prochaine vague de technologies dédiées au diabète tente de donner un sens à ce tourbillon avant qu’il ne se transforme en crise.
- 1. Dexcom Stelo démocratise le suivi continu de la glycémie
- 2. Abbott Lingo fait du suivi de la glycémie une technologie de santé grand public
- 3. L’association Oura Ring-Dexcom Stelo montre la direction prise par les objets connectés
- 4. Dexcom G7 15 Day montre que la course aux capteurs reste centrale
- 5. Les systèmes d’administration automatisée d’insuline rapprochent la prédiction de l’action
- Ce que les technologies du diabète disent de l’avenir de l’IA dans les soins de santé
1. Dexcom Stelo démocratise le suivi continu de la glycémie
Le Stelo de Dexcom est l’un des signes les plus évidents que le suivi de la glycémie dépasse désormais le marché traditionnel, réservé aux personnes diabétiques munies d’une ordonnance.
La FDA a autorisé le Stelo en 2024, ce qui en fait le premier système de mesure continue du glucose vendu sans ordonnance aux États-Unis. Il est destiné aux adultes atteints de diabète de type 2 qui n’utilisent pas d’insuline, ainsi qu’aux personnes qui souhaitent mieux comprendre l’évolution de leur glycémie.
L’intérêt de l’IA ne tient pas au fait que Stelo serait en lui-même un minuscule médecin fixé au bras. Il tient plutôt au fait que les systèmes de mesure continue du glucose vendus sans ordonnance créent un réservoir plus vaste de données métaboliques, que les applications et les plateformes d’analyse peuvent exploiter pour montrer aux utilisateurs comment les repas, l’activité physique, le sommeil et le stress influent sur leur glycémie.
Cela modifie le rapport entre l’utilisateur et ses données. Au lieu de consulter un chiffre à des moments isolés, les utilisateurs peuvent observer des tendances au fil du temps et commencer à poser une question plus intéressante : que va probablement faire mon corps ensuite ?
2. Abbott Lingo fait du suivi de la glycémie une technologie de santé grand public
Le Lingo d’Abbott est un autre signe que le suivi de la glycémie s’étend au marché plus vaste des objets connectés, même s’il ne doit pas être considéré comme un remplacement de la surveillance prescrite du diabète ou des conseils médicaux.
L’appareil est présenté comme un biocapteur portable grand public plutôt que comme un dispositif traditionnel de gestion du diabète. En 2025, Abbott a étendu la distribution de Lingo aux magasins Walmart, rendant le suivi continu de la glycémie plus accessible aux personnes qui n’auraient peut-être pas rempli les critères pour bénéficier d’un système de mesure continue du glucose remboursé par leur assurance maladie.
Cette expansion dans la grande distribution est importante, car elle place le suivi métabolique aux côtés des montres connectées, des bagues, des trackers de sommeil et des bracelets de fitness. À long terme, l’intérêt de l’IA ne réside pas seulement dans le suivi de la glycémie. Il réside dans le contexte.
Une mesure de la glycémie peut prendre davantage de sens lorsque les utilisateurs peuvent la comparer au sommeil, aux repas, à l’exercice, au stress et à d’autres signaux comportementaux. L’IA appliquée aux soins de santé devient plus utile lorsqu’elle peut aider à repérer des tendances entre différents comportements, plutôt que de fixer isolément un seul chiffre.
Le risque, bien sûr, est que davantage de données ne signifie pas automatiquement une meilleure santé. Sans conception réfléchie, le suivi de la glycémie destiné au grand public peut devenir un nouveau tableau de bord anxiogène. Les entreprises qui s’imposeront sur ce marché seront probablement celles qui transformeront les données en conseils utiles et mesurés, au lieu de faire de chaque sandwich une alerte rouge.
3. L’association Oura Ring-Dexcom Stelo montre la direction prise par les objets connectés
L’intégration d’Oura avec Dexcom Stelo est peut-être le pont le plus évident entre la surveillance du diabète et le bien-être grand public alimenté par l’IA.
En 2025, Oura a ajouté le suivi de la glycémie et la journalisation des repas par IA, permettant aux utilisateurs d’associer le système de mesure continue du glucose Stelo de Dexcom à l’application Oura. Cette fonctionnalité fait entrer les données de glycémie dans le même environnement que le sommeil, le stress, l’activité et les autres signaux biométriques.
C’est le rêve de la technologie de santé en miniature : une application qui examine plusieurs flux de données corporelles et propose une vision plus complète de ce qui se passe.
C’est aussi à ce stade que l’IA devient plus crédible. Une mesure de la glycémie peut révéler un pic. Un écosystème d’objets connectés pourrait aider les utilisateurs à comparer ce pic à d’autres signaux, comme le sommeil, l’activité, le stress ou l’horaire des repas, afin de repérer des tendances récurrentes.
La distinction est importante. Les bagues connectées et les montres connectées ne sont pas la même chose que les systèmes de mesure continue du glucose, et la FDA a mis en garde les consommateurs contre l’utilisation de montres ou de bagues non autorisées qui prétendent mesurer ou estimer la glycémie sans percer la peau. Pour l’instant, la voie la plus crédible passe par l’intégration : des objets connectés qui ajoutent du contexte aux données de mesure continue du glucose, sans remplacer les capteurs de glycémie de qualité médicale.
L’IA la plus utile dans les soins de santé ne prendra peut-être pas la forme d’un chatbot donnant des conseils médicaux. Elle ressemblera peut-être davantage à un discret moteur d’analyse des tendances, qui aide les gens à comprendre ce que leurs propres données essaient de leur dire depuis des semaines.
4. Dexcom G7 15 Day montre que la course aux capteurs reste centrale
L’IA a besoin de données. Dans la prise en charge du diabète, cela signifie de meilleurs capteurs.
Le système G7 15 Day de Dexcom a été autorisé par la FDA en 2025, portant la durée de port à 15,5 jours maximum pour les adultes diabétiques. Les systèmes de mesure continue du glucose plus durables peuvent sembler n’être qu’une amélioration matérielle progressive, mais pour les soins de santé intégrant l’IA, la fiabilité et la continuité sont essentielles.
Moins il y a de lacunes dans les données, mieux les futurs systèmes pourront détecter les tendances, prévoir l’évolution de la glycémie et contribuer à l’administration automatisée d’insuline. Chaque jour supplémentaire de mesure fiable aide à dresser un tableau plus complet de l’évolution de la glycémie d’une personne selon les repas, l’exercice, le stress, le sommeil, la maladie et les changements de traitement.
C’est pourquoi les systèmes de mesure continue du glucose deviennent plus que de simples moniteurs. Ils constituent une infrastructure de données pour la prise en charge du diabète.
De premiers travaux de recherche récents vont dans le même sens. Des modèles prépubliés comme CGM-LSM et GlucoFM sont développés pour analyser les données de glycémie en continu et améliorer les prédictions auprès de différents patients et dans divers contextes. Il s’agit de systèmes de recherche, pas de gadgets grand public ni d’outils cliniques validés, mais ils montrent pourquoi la qualité des capteurs est importante : l’IA ne peut pas prédire ce qu’elle ne peut pas observer de manière fiable.
5. Les systèmes d’administration automatisée d’insuline rapprochent la prédiction de l’action
La plus grande avancée des technologies du diabète ne consiste pas seulement à connaître le taux de glucose. Il s’agit d’utiliser ces mesures pour contribuer à ajuster le traitement.
Les systèmes d’administration automatisée d’insuline, parfois appelés systèmes de pancréas artificiel, relient les systèmes de mesure continue du glucose à des pompes à insuline et à des algorithmes qui ajustent l’administration d’insuline en fonction des mesures de glycémie. Le MiniMed 780G de Medtronic, les systèmes Control-IQ de Tandem, Omnipod 5 et l’iLet Bionic Pancreas de Beta Bionics vont tous dans la même direction : des dispositifs dédiés au diabète qui réagissent aux données presque en temps réel.
Ces systèmes ne remplacent pas entièrement la prise en charge clinique de manière autonome. Les utilisateurs ont toujours besoin d’une formation, d’un suivi et, dans de nombreux cas, d’annoncer leurs repas ou de fournir d’autres informations. Comme les dispositifs d’administration d’insuline présentent des risques directs pour la sécurité, les lecteurs doivent également consulter les avis de rappel actuels de la FDA et les recommandations des fabricants avant de s’en remettre à un système particulier.
Mais la direction est claire. L’appareil ne se contente plus d’enregistrer la glycémie. Il contribue à décider quoi faire ensuite.
C’est à ce moment que la surveillance du diabète devient un aperçu de ce que pourrait être plus largement l’IA dans les soins de santé. La question la plus importante n’est pas de savoir si un appareil porte une étiquette « IA » sur sa boîte. C’est de savoir si le système peut utiliser des données du monde réel pour rendre les soins plus adaptatifs, moins contraignants et plus sûrs.
Ce que les technologies du diabète disent de l’avenir de l’IA dans les soins de santé
La surveillance du diabète devient l’un des terrains d’expérimentation les plus concrets de l’IA en médecine, car le problème est continu, personnel et riche en données.
L’avenir ne sera pas défini par un gadget unique. Il le sera par des systèmes connectés : des capteurs qui recueillent de meilleures données, des applications qui les interprètent, des algorithmes qui prédisent les risques et des appareils capables d’agir en toute sécurité sur la base de ces prédictions.
Cet avenir a toutefois besoin de garde-fous. Les données de glycémie peuvent être déroutantes. Les applications de santé grand public peuvent exagérer ce qu’elles savent. Les systèmes d’administration automatisée d’insuline doivent être soumis à des exigences bien plus élevées que les tableaux de bord dédiés au bien-être. Et les personnes qui utilisent ces outils doivent s’en remettre aux professionnels de santé, et non aux seules notifications des applications, pour prendre des décisions médicales.
Le signal plus général reste néanmoins difficile à ignorer. La surveillance du diabète passe de « quel est mon taux de glucose maintenant ? » à « que va-t-il probablement se passer ensuite, et que puis-je y faire ? »
C’est la véritable histoire de l’IA dans les soins de santé qui se cache sous le patch capteur.
À mesure que la surveillance du diabète évolue vers l’analyse prédictive et les soins connectés, le principal défi pourrait être de garantir la fiabilité de l’IA qui sous-tend ces informations. Pour approfondir cette question, lisez notre article consacré aux raisons pour lesquelles l’analyse reproductible devient un fondement essentiel de l’IA dans les soins de santé et les sciences de la vie.