L’avenir du suivi de la glycémie par les montres connectées : ce qu’il faut savoir

Une montre connectée capable de suivre la glycémie sans aiguille relève encore du fantasme technologique en 2026. Mais grâce à l’IA, cette perspective est désormais plus proche qu’on ne le pense.

L’histoire qui se joue en coulisses a changé : les avancées les plus déterminantes dans le suivi du glucose ne se produisent plus uniquement dans les laboratoires qui développent les capteurs. Elles se produisent dans les logiciels, où l’IA transforme un flot de données de glucose en quelque chose qui s’apparente davantage à un conseiller métabolique personnel.

Pour les responsables informatiques, les dirigeants d’entreprises de santé et les développeurs de solutions de santé numérique, l’avenir immédiat ne consiste pas à créer une montre qui mesure la glycémie. Il s’agit de bâtir un écosystème intelligent capable d’agréger, de traduire et d’exploiter en toute sécurité les données métaboliques.

Le poignet ne remplace toujours pas un laboratoire

En février 2024, la FDA a publié une alerte de sécurité demandant aux consommateurs de ne pas faire confiance aux montres ou bagues connectées qui prétendent mesurer la glycémie sans percer la peau. L’agence indique avoir identifié des dizaines d’entreprises commercialisant de tels appareils sous plusieurs marques et a averti que des mesures inexactes pouvaient conduire une personne à prendre une dose incorrecte d’insuline ou d’un autre médicament.

Les conséquences de l’utilisation de ces appareils vont de la confusion au coma. Cette alerte est toujours en vigueur aujourd’hui, et aucune montre ni bague connectée n’a depuis obtenu l’autorisation de la FDA pour mesurer elle-même la glycémie de manière non invasive.

Point crucial, l’alerte prévoit une exception : les applications de montre qui se contentent d’afficher les données d’un dispositif de mesure continue du glucose autorisé par la FDA, ou CGM. Cette distinction constitue le pivot autour duquel toute l’industrie s’organise désormais.

Le projet décennal d’Apple vient de changer de mains

Le capteur de glucose non invasif d’Apple, conçu semble-t-il à l’époque de Steve Jobs, est toujours en développement plus de 15 ans plus tard. Ce qui a changé ce printemps, c’est la personne qui le dirige. 

Mark Gurman, de Bloomberg, a rapporté en mai qu’Apple avait transféré la supervision du projet de Tim Millet, responsable de l’architecture des plateformes, à Zongjian Chen, le responsable de l’ingénierie qui dirige également l’Advanced Technologies Group d’Apple ainsi que le développement du matériel modem. Selon Gurman, ce passage de relais indique qu’Apple estime que la science est peut-être enfin suffisamment avancée pour passer à un produit commercialisable, même si aucun calendrier n’a été annoncé.

Dans le domaine du non-invasif, un appareil présenté au CES 2026 et baptisé PreEvnt Isaac a adopté une approche totalement différente. Il détecte dans l’haleine l’acétone, un biomarqueur associé à une hausse de la glycémie, plutôt que d’effectuer une mesure à travers la peau. Ce n’est pas exactement une montre, mais un appareil prenant la forme d’un pendentif qui fait encore l’objet d’essais cliniques. Cet appareil illustre les nombreuses pistes parallèles de détection non invasive qui sont encore à l’étude.

Samsung développe la couche d’IA au lieu d’attendre le capteur

Samsung a choisi une approche plus progressive. Les modèles actuels de Galaxy Watch ne peuvent pas mesurer directement la glycémie, mais l’entreprise travaille depuis des années à poser les fondations analytiques nécessaires. 

La série Galaxy Watch8 a inauguré un indice antioxydant, qui utilise la spectroscopie optique sur le bout du doigt pour estimer les taux de caroténoïdes liés à la consommation de fruits et légumes, ainsi qu’un indice des AGE qui fonctionne pendant la nuit afin de suivre un marqueur associé à la vitesse à laquelle l’organisme accumule des sous-produits métaboliques liés au vieillissement. Samsung a décrit les travaux sous-jacents sur le capteur comme un effort de R&D mené sur huit ans, comprenant une validation clinique par rapport aux taux sanguins de caroténoïdes et à la spectroscopie Raman.

Les dirigeants de Samsung ont également confirmé que l’entreprise menait activement des recherches sur un capteur de glucose optique et non invasif, sans toutefois fournir de date de lancement. En attendant, la Galaxy Watch sert d’écran et d’interface d’alerte pour les CGM compatibles de Dexcom et d’autres fabricants, auxquels s’ajoutent les propres indicateurs de santé métabolique de Samsung.

Le véritable produit commercialisé aujourd’hui : des CGM coachés par l’IA et accessibles sans ordonnance

La partie la plus aboutie de cet écosystème n’est pas une montre. C’est l’émergence de dispositifs de mesure continue du glucose vendus sans ordonnance et associés à des applications de coaching pilotées par l’IA.

Commercialisés auprès d’adultes à la recherche d’informations sur leur santé métabolique plutôt que d’un traitement du diabète, Stelo de Dexcom et Lingo d’Abbott ont fait leurs débuts en 2024 comme les premiers CGM en vente libre autorisés par la FDA pour les personnes n’utilisant pas d’insuline.

Les deux coûtent environ 85 à 99 dollars US par mois, sont éligibles aux comptes HSA/FSA et se connectent aux montres connectées, notamment à l’Apple Watch et, dans le cas de Stelo, à l’Oura Ring. Dexcom a étendu les fonctionnalités d’IA de Stelo cette année, notamment avec une base de données nutritionnelles enrichie et l’enregistrement des repas à partir de photos.

L’objectif est de faire de la couche logicielle, et pas seulement du capteur, la raison pour laquelle les clients restent abonnés. Lingo d’Abbott, de son côté, adopte une approche de coaching plus directive, en convertissant les pics de glucose en un score quotidien unique, le « Lingo Count », conçu pour les personnes qui n’ont jamais suivi leur glycémie auparavant.

Le capteur devient de plus en plus un produit standardisé, et c’est dans la couche de coaching par IA construite par-dessus que les entreprises cherchent à se différencier et à fidéliser leurs abonnés.

L’expansion du marché : les profils démographiques évoluent

Le public cible du suivi du glucose est officiellement sorti de son silo traditionnel. Désormais, le suivi métabolique ne se limite plus strictement aux adultes qui gèrent un diabète de type 1 ou de type 2 : il s’étend directement aux soins pédiatriques courants et aux programmes de bien-être préventif en entreprise.

Le mois dernier, le cadre réglementaire s’est élargi lorsque la FDA a autorisé le premier dispositif de mesure continue du glucose en vente libre pour les enfants et les adolescents âgés de 2 à 18 ans, selon Healthline. Le déploiement d’options sans ordonnance, comme l’écosystème Dexcom Stelo, auprès d’un public plus jeune signifie que les écoles, les réseaux de pédiatrie et les plateformes de santé destinées aux familles doivent désormais s’adapter à un afflux régulier de données en temps réel issues du liquide interstitiel et transmises directement aux montres connectées des enfants.

Quand l’IA pourrait compter davantage qu’un meilleur matériel

Un CGM produit environ 288 mesures par jour. C’est bien plus de données qu’une personne ne peut interpréter utilement seule, ce qui correspond exactement au type de problème de reconnaissance de schémas auquel l’IA est adaptée. La recherche universitaire a largement dépassé le stade des simples courbes de tendance. 

Une équipe ayant publié ses travaux sur arXiv a présenté GluFormer, un modèle de fondation génératif entraîné sur plus de 10 millions de mesures de CGM provenant de plus de 10 000 adultes, dont la plupart n’étaient pas diabétiques. Il est conçu pour apprendre les schémas glycémiques et les traduire en prédictions plus générales sur la santé métabolique. 

Une autre étude publiée en 2024 a décrit CGM-LSM comme un modèle fondé sur une architecture Transformer et entraîné sur 1,6 million de relevés de glucose, qui a réduit de près de moitié l’erreur de prévision à une heure par rapport aux approches précédentes. De plus récentes recherches cliniques ont cherché à déterminer si la prédiction des hypoglycémies pilotée par l’IA, fondée sur des modèles comme XGBoost, pouvait signaler des chutes dangereuses jusqu’à 30 minutes avant qu’elles ne surviennent, à partir de données issues d’essais en conditions réelles.

Voilà le bénéfice concret : non pas un capteur plus intelligent, mais un système capable d’avertir une personne que sa glycémie s’oriente vers une situation problématique avant qu’elle ne le devienne. Un système capable d’aider à relier ce pic à un repas précis, à une mauvaise nuit de sommeil ou à une séance de sport manquée.

Architecture de la pile logicielle moderne du suivi du glucose par objets connectés

Pour les équipes techniques qui évaluent ou déploient des initiatives de santé numérique, l’architecture produit standard ne repose plus sur un seul fournisseur de matériel. Elle se présente comme un écosystème modulaire à trois niveaux :

Ce que les acheteurs du secteur informatique et des technologies de santé doivent réellement suivre

Pour les organisations qui évaluent des investissements dans la santé numérique, des avantages liés au bien-être ou des programmes de suivi à distance, les annonces concernant les capteurs constituent le signal le moins utile. Les questions les plus pertinentes portent sur la pile logicielle qui se construit autour des données de CGM :

• Portabilité et normes des données : savoir si les données de glucose provenant de Dexcom, Abbott, Apple Health et Samsung Health peuvent alimenter un dossier commun sans dépendance à un écosystème propriétaire.
• Validation des modèles, pas seulement leur existence : Les modèles de fondation entraînés sur d’immenses jeux de données de CGM sont prometteurs, mais les chercheurs qui développent des outils de prévision à une semaine ont souligné qu’une validation externe est encore nécessaire avant que ces outils soient prêts pour un usage clinique, et que certains gains de précision s’obtiennent au prix d’un coût de calcul élevé par rapport à des modèles plus simples.
• Limites réglementaires : La distinction établie par la FDA entre « afficher des données de CGM » et « mesurer la glycémie » n’est pas près de disparaître, et tout produit ou partenariat qui l’estompe s’expose au type d’examen rigoureux que l’agence a déjà montré qu’elle était prête à appliquer.
• Architecture de la confidentialité : La glycémie se retrouve désormais aux côtés du sommeil, de la fréquence cardiaque et des données nutritionnelles au sein des plateformes de santé grand public. Cette agrégation est précisément ce qui rend le coaching par IA utile, et précisément ce qui en fait une cible plus importante.

En résumé

Aucune montre connectée ne va mesurer votre glycémie à travers votre peau en 2026. Mais ce n’est plus l’aspect le plus intéressant. 

L’aspect le plus intéressant est que l’industrie a cessé d’attendre cette avancée et a commencé à construire toute une couche d’interprétation pilotée par l’IA autour des CGM qui existent déjà. Les paris d’Apple et de Samsung sur les capteurs pourraient mettre encore des années à porter leurs fruits. La course aux logiciels est déjà lancée.

À lire également : à mesure que l’IA s’intègre plus profondément aux soins de santé, les législateurs cherchent eux aussi à renforcer la protection des données médicales sensibles partagées avec les plateformes d’IA.