SensorFM de Google veut devenir le cerveau unique pour toutes les données de santé de vos objets connectés
Google Research a entraîné un modèle de fondation sur plus de mille milliards de minutes de données Fitbit et Pixel Watch provenant de cinq millions de personnes. Il surpasse des modèles spécialisés dans 34 tâches de santé sur 35 et laisse entrevoir l’avenir des assistants de santé par IA.
Google Research a présenté SensorFM, un modèle d’IA qui apprend à comprendre simultanément le flux désordonné de données provenant de votre montre connectée, rythme cardiaque, sommeil, mouvements, température cutanée, au lieu de traiter une fonction après l’autre. Il a été entraîné sur plus de mille milliards de minutes de données de capteurs anonymisées, issues de cinq millions d’utilisateurs de Fitbit et de Pixel Watch dans plus de 100 pays. Google affirme qu’il s’agit du jeu de données d’objets connectés le plus vaste et le plus diversifié jamais utilisé pour ce type de modèle.
Voici le problème que SensorFM cherche à résoudre. Aujourd’hui, chaque fonction de santé de votre montre repose sur son propre petit programme : un modèle détecte les phases du sommeil, un autre estime la santé cardiaque, un troisième évalue votre niveau de stress. Chacun nécessite ses propres données d’entraînement coûteuses et annotées manuellement. SensorFM est un modèle de fondation, le même principe que ChatGPT, mais appliqué aux signaux du corps plutôt qu’au texte. Il apprend les tendances générales de la physiologie humaine à partir de données brutes et non étiquetées, puis peut être adapté à de nombreuses questions de santé avec relativement peu d’exemples.
L’astuce d’entraînement est facile à imaginer : le modèle reçoit des enregistrements de capteurs dont certains passages ont été volontairement masqués, puis apprend à remplir les blancs. Comme les véritables données des objets connectés comportent de réelles lacunes, vous retirez votre montre, le capteur glisse, les chercheurs lui ont appris à gérer les deux types de données manquantes. Lors de tests portant sur les données de 13 985 personnes qu’il n’avait jamais vues, SensorFM a surpassé les modèles spécialisés de comparaison dans 34 tâches sur 35. Celles-ci couvraient le sommeil, la santé cardiaque et métabolique, ainsi que des indicateurs de santé mentale comme les symptômes de dépression et d’anxiété.
Que se joue-t-il derrière cette recherche ? Google pose les fondations d’assistants de santé par IA qui connaissent réellement quelque chose de vous. Un agent conversationnel capable de lire votre dernier mois de données de capteurs avec autant d’aisance qu’un texte pourrait fournir des réponses bien plus personnelles qu’un système qui ne connaît que des faits médicaux généraux. Une réserve s’impose : il s’agit d’une recherche, pas d’un produit, et prédire des symptômes d’anxiété à partir d’un capteur porté au poignet correspond exactement au type d’affirmation qui exige une validation dans le monde réel, ainsi que des règles de confidentialité rigoureuses, avant d’arriver au poignet de quiconque.
Ce que cela signifie pour vous : rien ne change aujourd’hui sur votre montre. Mais si vous possédez une Fitbit ou une Pixel Watch, voici la direction à laquelle vos données contribuent : moins de fonctions isolées, davantage d’une couche de santé unique dans laquelle les assistants d’IA pourront puiser. Une évolution à surveiller, tout comme les paramètres de confidentialité lorsqu’elle arrivera.
Sources
Étude : 41 % des longues publications LinkedIn sont écrites par IA, un record parmi les plateformes
Pangram, spécialiste de la détection de l’IA, a analysé plus d’un million de publications sur les réseaux sociaux. Une longue publication sur quatre est générée par IA toutes plateformes confondues ; sur LinkedIn, c’est quatre sur dix. Voici comment interpréter ces chiffres.
