Le 14 octobre 2026, Samsung Health a réduit le seuil nécessaire pour lancer son analyse du sommeil : trois jours de données sur les deux dernières semaines suffisent, contre sept jours sur un mois auparavant. La mise à jour se déploie progressivement pendant octobre.
Le changement raccourcit le délai de démarrage. Le nouveau graphique en pentagone rassemble la durée, la régularité, le temps d’éveil nocturne, la satisfaction du sommeil et le score énergétique. Il rend l’affichage plus lisible, mais ne transforme pas ces données en mesure clinique.
Le score reste une estimation.
Un smartphone ne passe pas l’examen
Une application de sommeil transforme les signaux dont elle dispose en catégories telles que la durée, la régularité ou les périodes d’éveil. Les technologies de suivi à domicile peuvent combiner détection des mouvements, paramètres physiologiques et données de l’environnement, mais toutes ne recueillent pas le même ensemble de signaux.
La polysomnographie, ou PSG, reste la référence pour diagnostiquer les troubles du sommeil. Elle enregistre notamment l’activité cérébrale, les mouvements des yeux, l’activité musculaire, le rythme cardiaque et la respiration. Un smartphone ne recueille pas nécessairement cet ensemble de données. Son score ne se lit donc pas comme un résultat de PSG.
Les études ne valident pas tous les chiffres

Une étude publiée entre janvier et mars 2022 dans la revue Sleep Science a évalué des applications de suivi repérées sur Google Play et l’iTunes Store avec la Mobile Application Rating Scale, ou MARS. Les chercheurs ont aussi interrogé un échantillon de convenance sur les changements de comportement perçus.
La note moyenne de qualité atteignait 3,3 sur 5. Entre 30 % et 50 % des participants pensaient que ces applications pouvaient accroître la connaissance de leurs habitudes de sommeil, améliorer l’hygiène du sommeil ou encourager une demande d’aide. Ces chiffres mesurent une perception, pas une amélioration clinique observée. La MARS renseigne sur la qualité de l’application, pas sur la précision médicale de ses estimations. Les auteurs demandent d’autres études de validité.
Application, montre ou matelas : le compromis change
Une revue publiée en mars 2025 dans Sensors a comparé 46 solutions de suivi à domicile : 21 applications pour smartphone, 16 montres connectées et neuf matelas intelligents. Elle a examiné leurs capacités de suivi, la collecte de données physiologiques, la détection des mouvements, la mesure de l’environnement, les analyses par intelligence artificielle et l’intégration possible aux soins.
Dans cette comparaison, les applications sont économiques et faciles à essayer, mais leur précision est plus faible. La revue les destine plutôt au suivi courant des habitudes qu’à un usage clinique. Les montres connectées offrent le meilleur compromis entre précision, coût et facilité d’usage. Les matelas intelligents assurent un suivi passif et confortable, mais ils coûtent davantage et leur validation clinique reste limitée.
La revue examine aussi les analyses par intelligence artificielle. Elle cite la fusion de plusieurs capteurs, la transparence des modèles, l’efficacité énergétique et la validation clinique parmi les axes de travail. La présence d’une IA ne suffit donc pas à établir la validité médicale d’un score.
Tester une tendance sans fabriquer une certitude

Pour lire une application sans surinterpréter ses résultats, partez d’une question limitée. Le protocole doit comparer une donnée précise, dans des conditions aussi stables que possible.
- Formulez une question. Choisissez un indicateur fourni par l’application, comme la durée, la régularité, le temps d’éveil, la satisfaction ou le score énergétique.
- Stabilisez la mesure. Gardez le même appareil, les mêmes réglages et le même emplacement pendant la période d’observation. Changer d’outil en cours de route introduit une autre méthode de calcul.
- Ajoutez votre ressenti. Notez au réveil votre perception de la nuit et votre niveau de fatigue. Une divergence entre le score et votre expérience constitue une information à conserver.
- Lisez les définitions. Distinguez la durée, la régularité, les périodes d’éveil, la satisfaction et le score énergétique. Ces indicateurs ne décrivent pas la même chose.
- Fixez une limite. Si les données ne répondent pas à votre question, ne multipliez pas les réglages pour obtenir un résultat plus rassurant. En cas de problème persistant, utilisez plutôt l’historique comme support de discussion avec un professionnel.
Une nuit classée favorable alors que la fatigue persiste ne prouve pas que l’application ou votre ressenti est erroné. Elle montre que l’estimation et l’expérience vécue ne coïncident pas. Conservez cette divergence avant de modifier vos réglages.
Quand l’écran cède la place au soin
Le suivi numérique peut servir de journal de tendances : horaires irréguliers, durée estimée plus courte ou évolution d’un indicateur. La publication de 2022 présente ces applications comme des outils potentiels d’auto-prise en charge, tout en demandant de nouvelles études de validité.
La revue de 2025 évalue aussi leur intégration possible dans les soins, mais cette possibilité ne transforme pas chaque outil grand public en dispositif de diagnostic. Un score ne suffit pas à expliquer une difficulté de sommeil ni à confirmer un trouble. Quand le problème persiste, l’évaluation doit sortir de l’écran.
Une application documente une habitude, pas un diagnostic.
Sources et références scientifiques
- Smartphone applications for sleep tracking: rating and perceptions about behavioral change among users – PMC. Sleep science (Sao Paulo, Brazil). DOI: 10.5935/1984-0063.20210007 · PMID: 35273749.
- 1.Fietze I. Sleep applications to assess sleep quality. Sleep Med Clin. 2016 Dec;11(4):461-468. doi: 10.1016/j.jsmc.2016.08.008. [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.jsmc.2016.08.008.
- 2.Grandner MA. Sleep, health, and society. Sleep Med Clin. 2017 Mar;12(1):1-22. doi: 10.1016/j.jsmc.2016.10.012. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/j.jsmc.2016.10.012.
- 3.Yoo SS, Hu PT, Gujar N, Jolesz FA, Walker M P. A deficit in the ability to form new human memories without sleep. Nat Neurosci. 2007 Feb;10:385-392. doi: 10.1038/nn1851. [DOI] [PubMed] [Google Scholar]. doi:10.1038/nn1851.
- 4.Rasch B, Born J. About sleep’s role in memory. Physiol Rev. 2013 Apr;93(2):681-766. doi: 10.1152/physrev.00032.2012. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1152/physrev.00032.2012.
- 5.Lim J, Dinges DF. A meta-analysis of the impact of short-term sleep deprivation on cognitive variables. Psychol Bull. 2010;136(3):375-389. doi: 10.1037/a0018883. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1037/a0018883.
- 6.Van Dongen HPA, Maislin G, Mullington JM, Dinges D F. The cumulative cost of additional wakefulness: dose-response effects on neurobehavioral functions and sleep physiology from chronic sleep restriction and total sleep deprivation. Sleep. 2003 Mar;26(2):117-126. doi: 10.1093/sleep/26.2.117. [DOI] [PubMed] [Google Scholar]. doi:10.1093/sleep/26.2.117.
- 7.Minkel JD, Banks S, Hataik OO, Moreta MC, Jones C W, McGlinchey EL, et al. Sleep deprivation and stressors: evidence from elevated negative affect in response to mild stressors when sleep deprived. Emotion. 2012 Oct;12(5):1015-1020. doi: 10.1037/a0026871. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1037/a0026871.
- 8.Mendelsohn AR, Larrick J W. Sleep facilitates clearance of metabolites from the brain: glymphatic function in aging and neurodegenerative diseases. Rejuvenation Res. 2013 Dec;16(6):518-523. doi: 10.1089/rej.2013.1530. [DOI] [PubMed] [Google Scholar]. doi:10.1089/rej.2013.1530.
- 9.Xie L, Kang H, Xu Q, Chen MJ, Liao Y, Thiyagarajan M, et al. Sleep drives metabolite clearance from the adult brain. Science. 2013 Oct;342(6156):373-377. doi: 10.1126/science.1241224. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1126/science.1241224.
- 10.Kawakami N, Takatsuka N, Shimizu H. Sleep disturbance and onset of type 2 diabetes. Diabetes Care. 2004 Jan;27(1):282-283. doi: 10.2337/diacare.27.1.282. [DOI] [PubMed] [Google Scholar]. doi:10.2337/diacare.27.1.282.
- 11.Xie D, Li W, Wang Y, Gu H, Teo K, Liu L, et al. Sleep duration, snoring habits and risk of acute myocardial infarction in China population: results of the INTERHEART study. BMC Public Health. 2014 May;14:531-531. doi: 10.1186/1471-2458-14-531. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1186/1471-2458-14-531.
- oi J W, Song JS, Lee YJ, Won T Bin, Jeong DU. Increased mortality in relation to insomnia and obstructive sleep apnea in Korean patients studied with nocturnal polysomnography. J Clin Sleep Med. 2017 Jan;13(1):49-56. doi: 10.5664/jcsm.6386. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5664/jcsm.6386.
- Conway N, Campbell I, Forbes P, Cunningham S, Wake D.. mHealth applications for diabetes: User preference and implications for app development.. Health informatics journal. 2015. DOI: 10.1177/1460458215616265 · PMID: 26635324. (résumé scientifique structuré; texte intégral non fourni)
- A Comprehensive Review of Home Sleep Monitoring Technologies: Smartphone Apps, Smartwatches, and Smart Mattresses – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s25061771 · PMID: 40292882.
- 1.Zaki N.F., Spence D.W., Subramanian P., Bharti V.K., Karthikeyan R., BaHammam A.S., Pandi-Perumal S.R. Basic chronobiology: What do sleep physicians need to know? Sleep Sci. 2020;13:256-266. doi: 10.5935/1984-0063.20200026. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5935/1984-0063.20200026.
- 2.Zielinski M.R., McKenna J.T., McCarley R.W. Functions and mechanisms of sleep. AIMS Neurosci. 2016;3:67. doi: 10.3934/Neuroscience.2016.1.67. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3934/Neuroscience.2016.1.67.
- 3.Luyster F.S., Strollo P.J., Jr., Zee P.C., Walsh J.K. Sleep: A health imperative. Sleep. 2012;35:727-734. doi: 10.5665/sleep.1846. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5665/sleep.1846.
- 4.Ibáñez V., Silva J., Cauli O. A survey on sleep assessment methods. PeerJ. 2018;6:e4849. doi: 10.7717/peerj.4849. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.7717/peerj.4849.
- 5.Markun L.C., Sampat A. Clinician-focused overview and developments in polysomnography. Curr. Sleep Med. Rep. 2020;6:309-321. doi: 10.1007/s40675-020-00197-5. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1007/s40675-020-00197-5.
- 6.Van de Water A.T., Holmes A., Hurley D.A. Objective measurements of sleep for non-laboratory settings as alternatives to polysomnography-a systematic review. Pt 2J. Sleep Res. 2011;20:183-200. doi: 10.1111/j.1365-2869.2009.00814.x. [DOI] [PubMed] [Google Scholar]. doi:10.1111/j.1365-2869.2009.00814.x.
- 7.Hussain Z., Sheng Q.Z., Zhang W.E., Ortiz J., Pouriyeh S. Non-invasive techniques for monitoring different aspects of sleep: A comprehensive review. ACM Trans. Comput. Healthc. (HEALTH) 2022;3:1-26. doi: 10.1145/3491245. [DOI] [Google Scholar]. doi:10.1145/3491245.
- 8.Robbins R., Seixas A., Walton Masters L., Chanko N., Diaby F., Vieira D., Jean-Louis G. Sleep tracking: A systematic review of the research using commercially available technology. Curr. Sleep Med. Rep. 2019;5:156-163. doi: 10.1007/s40675-019-00150-1. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1007/s40675-019-00150-1.
- 9.Ameen M.S., Cheung L.M., Hauser T., Hahn M.A., Schabus M. About the accuracy and problems of consumer devices in the assessment of sleep. Sensors. 2019;19:4160. doi: 10.3390/s19194160. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3390/s19194160.
- 10.Kainec K.A., Caccavaro J., Barnes M., Hoff C., Berlin A., Spencer R.M. Evaluating Accuracy in Five Commercial Sleep-Tracking Devices Compared to Research-Grade Actigraphy and Polysomnography. Sensors. 2024;24:635. doi: 10.3390/s24020635. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3390/s24020635.
- 11.Kolla B.P., Mansukhani S., Mansukhani M.P. Consumer sleep tracking devices: A review of mechanisms, validity and utility. Expert Rev. Med. Devices. 2016;13:497-506. doi: 10.1586/17434440.2016.1171708. [DOI] [PubMed] [Google Scholar]. doi:10.1586/17434440.2016.1171708.
- Zambotti M., Cellini N., Menghini L., Sarlo M., Baker F.C. Sensors capabilities, performance, and use of consumer sleep technology. Sleep Med. Clin. 2020;15:1-30. doi: 10.1016/j.jsmc.2019.11.003. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/j.jsmc.2019.11.003.
- Samsung Health : l'application s'améliore pour les coureurs comme les dormeurs. 2026.




