Principe de fonctionnement
EyesRhythm s’installe comme une petite fenêtre à côté de l’application en cours. Le programme ne débute le comptage que lorsque la webcam détecte la présence de l’utilisateur devant l’écran, ce qui garantit que les mesures concernent exclusivement le temps d’exposition. En analysant les variations d’intensité autour des yeux, l’outil identifie chaque fermeture de paupière et incrémente un compteur interne. Cette approche repose sur la supposition que la majorité des clignements se produisent pendant une utilisation active du poste, ce qui correspond aux données publiées sur la réduction du taux de clignement sous charge visuelle.
Calcul de l'Ocular Rhythm Index
Le logiciel combine deux dimensions : la fréquence (nombre de clignements par minute) et la régularité (écart‑type des intervalles). Ces deux valeurs sont normalisées sur une échelle de 0 à 100 pour former l’Ocular Rhythm Index (ORI). Un ORI élevé indique à la fois une fréquence suffisante et une distribution homogène des clignements, tandis qu’un score bas signale soit une fréquence insuffisante, soit des périodes de sécheresse prolongées. Le modèle de normalisation n’est pas détaillé dans la documentation publique, ce qui limite la transparence du calcul.
Alertes et accompagnement
Lorsque l’ORI chute sous un seuil configurable, EyesRhythm déclenche une alerte visuelle : un petit point orange clignote dans la fenêtre. L’utilisateur peut choisir d’ajouter un signal sonore ou un bip à chaque clignement détecté. Un mode « coach » propose une séance de deux minutes où l’on suit l’évolution du rythme en temps réel, afin d’instaurer une habitude de clignement régulier. Le même principe s’étend à la posture du cou (« Poise ») : un indicateur tourne vert lorsqu’une zone du champ de vision a été couverte, et rouge sinon, incitant l’utilisateur à ajuster sa position.
Limites et considérations
Le dispositif ne prétend pas être un appareil médical, ce qui exclut toute validation clinique officielle. L’absence d’informations sur l’algorithme de détection (par exemple, seuils de contraste ou modèle de machine‑learning) rend difficile l’évaluation de la robustesse face à des conditions d’éclairage variables. De plus, la dépendance à la webcam soulève des questions de confidentialité : aucune mention n’est faite quant au stockage ou à la transmission des images capturées. Enfin, le calcul de l’ORI ne prend pas en compte les facteurs individuels tels que la sécheresse oculaire préexistante, ce qui peut conduire à des scores inadaptés pour certains utilisateurs.
