Contexte juridique

Une action collective a été intentée contre Oura, alléguant que le suivi du sommeil de son anneau intelligent ne serait fiable qu’à « une chance de pile ou face ». La plaignante, Madison Surber, a acheté le dispositif pour 503 $, puis a invoqué un taux de réussite de 53 % dans l’identification des stades de sommeil, selon une étude publiée dans *Nature*. La plainte souligne l’absence de capteurs classiques de polysomnographie – ondes cérébrales, mouvements oculaires, activité cardiaque détaillée et électromyogramme – jugés indispensables pour une mesure neurologique précise.

Oura a répliqué en invoquant des travaux scientifiques évalués par les pairs, affirmant que les variations physiologiques mesurées au doigt (fréquence cardiaque, variabilité, température, respiration) sont « fiablement utilisées pour classifier les stades de sommeil ». La société soutient que son modèle d’intelligence artificielle repose sur une base de données validée, mais la plainte conteste la pertinence de ces signaux comme substituts aux mesures cérébrales.

Méthodologie de suivi du sommeil d’Oura

L’anneau Oura intègre un capteur photopléthysmographique (PPG) pour la fréquence cardiaque, un thermomètre cutané, un accéléromètre à trois axes et un capteur de respiration dérivé des variations de la forme d’onde PPG. Ces flux sont agrégés par un algorithme d’apprentissage automatique qui prédit les stades de sommeil (léger, profond, REM) à partir de corrélations statistiques entre les paramètres physiologiques et les phases de sommeil observées dans des études de référence.

Le modèle repose sur des ensembles de données où les signaux du doigt ont été alignés avec des enregistrements polysomnographiques. Cependant, le PPG au doigt présente une résolution limitée pour détecter les micro‑variations de la fréquence cardiaque liées aux transitions REM, et il est sensible aux artefacts de mouvement. L’absence de mesures directes d’EEG ou d’EMG empêche la capture de signatures neurologiques spécifiques, ce qui contraint l’algorithme à « deviner » dans les zones de faible corrélation.

Analyse scientifique de la précision

Comparé au standard polysomnographique, un taux de 53 % de classification correcte des stades correspond à une performance marginalement supérieure à un tirage aléatoire (50 %). Les études indépendantes rapportent généralement une précision de 70‑80 % pour la distinction sommeil/veille, mais la différenciation fine des stades chute souvent sous les 60 %. La variabilité inter‑individuelle – par exemple, les différences de température périphérique ou de réponse autonomique – amplifie l’écart entre les prédictions du modèle et la réalité physiologique.

Les revendications d’Oura selon lesquelles les changements physiologiques sont « mesurables et reproductibles » sont techniquement exactes, mais la relation de causalité entre ces changements et les stades cérébraux reste statistique, non déterministe. Sans capteurs EEG, le système ne peut pas valider directement les ondes cérébrales qui définissent le sommeil paradoxal ou le sommeil lent profond, limitant ainsi la robustesse des inférences.

Implications pour le marché des wearables

Si le tribunal confirme les allégations, les fabricants de dispositifs similaires devront justifier leurs revendications de précision ou intégrer des capteurs supplémentaires, ce qui augmenterait les coûts et la consommation d’énergie. La confiance des consommateurs, déjà mise à l’épreuve par des prix premium comme les 503 $ du modèle Oura, pourrait être affectée, poussant les acteurs à renforcer la transparence des métriques publiées.

Sur le plan technique, l’ajout de capteurs ECG au poignet ou d’électrodes EEG discrètes (ex. oreille) offrirait des données neurologiques plus directes, mais impliquerait des défis d’intégration ergonomique et de traitement en temps réel. La voie la plus réaliste reste l’amélioration des modèles d’apprentissage avec des bases de données plus diversifiées et la validation continue contre la polysomnographie clinique.