Les montres connectées promettent de plus en plus de nous aider à comprendre notre stress, notre fatigue ou notre humeur. Dans le discours marketing, certaines semblent presque capables de “lire” nos émotions. En réalité, la science est plus nuancée. Ces dispositifs ne captent pas directement la peur, la tristesse ou la joie : ils mesurent surtout des signaux corporels indirects, comme la fréquence cardiaque, la variabilité de la fréquence cardiaque, l’activité électrodermale, le sommeil ou le mouvement.
Cette distinction est essentielle, notamment en santé mentale. Selon la définition de cadrage de la FDA, un biomarqueur est une caractéristique mesurée servant d’indicateur d’un processus biologique ou d’une réponse à une intervention. Autrement dit, un biomarqueur numérique n’est pas, en soi, “ce que ressent une personne”. Entre la donnée physiologique et l’expérience émotionnelle, il existe toujours une étape d’interprétation. C’est précisément là que se jouent à la fois les promesses et les limites des montres qui prétendent lire nos émotions.
Ce que mesurent réellement les montres connectées
Lorsqu’une montre affiche un niveau de stress ou suggère un état émotionnel, elle s’appuie généralement sur plusieurs indices physiologiques. Les plus étudiés dans la littérature récente sont la fréquence cardiaque, la HRV, l’EDA, l’activité physique, le sommeil et parfois la géolocalisation ou d’autres données contextuelles. Ces mesures sont dites passives lorsqu’elles sont recueillies sans effort particulier de l’utilisateur, au fil de la vie quotidienne.
Le point clé est que ces données ne constituent pas une émotion en elles-mêmes. Une accélération du rythme cardiaque peut être liée à l’anxiété, mais aussi à une montée d’escaliers, à la caféine, à un manque de sommeil, à une infection, à la chaleur ou à une simple excitation positive. De même, une baisse de HRV peut accompagner un stress psychologique, sans en être une preuve spécifique.
Cette relation indirecte entre émotions et système nerveux autonome est au cœur du sujet. Les wearables exploitent des marqueurs périphériques utiles, mais le lien entre ces signaux et l’état émotionnel reste intrinsèquement indirect. C’est pourquoi parler de “lecture des émotions” est souvent excessif : les montres infèrent des corrélats physiologiques, elles ne décodent pas directement l’expérience subjective.
Pourquoi la promesse scientifique est réelle
Il serait pourtant erroné de balayer ces technologies d’un revers de main. La littérature de 2025 confirme un potentiel important pour repérer des états de stress, certains profils anxieux et des épisodes dépressifs à partir de données recueillies par des dispositifs portables. Plusieurs revues récentes concluent que ces outils sont prometteurs, en particulier pour suivre des vulnérabilités psychophysiologiques au long cours.
Les progrès de l’intelligence artificielle renforcent cette dynamique. Une étude publiée en 2025 dans Scientific Reports a montré qu’une IA multimodale améliore la reconnaissance émotionnelle lorsqu’elle combine plusieurs signaux physiologiques issus de wearables. Cette approche est cohérente avec l’état des connaissances : aucune métrique isolée ne suffit, mais plusieurs capteurs ensemble peuvent mieux capter la complexité des réponses humaines.
On voit aussi émerger des dispositifs testés pour le dépistage du stress mental associant, par exemple, HRV et cortisol dans la sueur. Cette évolution vers des approches multimodales est importante. Elle suggère que l’avenir des biomarqueurs numériques ne réside pas dans une jauge émotionnelle unique, mais dans l’intégration prudente de plusieurs indices physiologiques, comportementaux et contextuels.
Le fossé entre le laboratoire et la vraie vie
Une grande partie des performances impressionnantes rapportées par les études provient de conditions contrôlées. En laboratoire, les participants sont souvent assis, les tâches sont standardisées, le bruit de mesure est limité et les moments émotionnels sont provoqués de manière assez nette. Dans ce cadre, les algorithmes détectent plus facilement des variations physiologiques associées au stress ou à l’activation émotionnelle.
La vie réelle est autrement plus désordonnée. Les signaux sont perturbés par le mouvement, les capteurs bougent, les routines changent, le port de la montre est irrégulier, et les émotions elles-mêmes sont moins nettes que dans une expérience. Plusieurs revues récentes soulignent ainsi un écart persistant entre les résultats obtenus en laboratoire et les usages quotidiens. Le bruit des signaux, la variabilité interindividuelle et le contexte d’usage compliquent fortement la généralisation.
Pour la psychologie et la santé mentale, ce décalage n’est pas un détail technique : il touche directement la validité clinique. Une alerte de “stress” n’a pas la même signification si elle apparaît après une réunion difficile, une séance de sport, une nuit blanche ou un trajet en retard dans les transports. Sans contexte, le risque est de surinterpréter une donnée physiologique pourtant ambiguë.
Le problème décisif de la qualité des signaux
La précision d’une montre dépend d’abord de ce qu’elle mesure réellement et de la qualité du signal disponible. Les capteurs grand public utilisent souvent la photopléthysmographie, ou PPG, pour estimer la fréquence cardiaque et des métriques dérivées. Mais les données accessibles à l’utilisateur ou au chercheur sont parfois de basse résolution, incomplètes ou déjà fortement prétraitées par le fabricant.
Une étude de 2026 a ainsi développé des algorithmes pour estimer des indicateurs de HRV à partir de données de fréquence cardiaque basse résolution fournies par des montres courantes. Le simple fait qu’un tel retraitement soit nécessaire montre une limite majeure : dans de nombreux cas, les données brutes disponibles sont insuffisantes pour une interprétation robuste sans traitement supplémentaire.
Une autre étude de 2025 sur le PRV rappelle que le filtrage et le traitement du signal restent déterminants pour améliorer l’extraction de biomarqueurs à partir de wearables. En pratique, une “lecture des émotions” n’est jamais seulement une affaire de capteur : elle dépend aussi d’algorithmes, de choix méthodologiques et d’hypothèses statistiques. Deux dispositifs différents peuvent produire des conclusions très différentes à partir d’un même poignet.
Stress, anxiété, dépression : des usages possibles, mais encore immatures
Dans le champ de la santé mentale, les applications les plus étudiées concernent le stress, l’anxiété et la dépression. Les résultats sont encourageants, notamment pour identifier des patterns physiologiques et comportementaux associés à des périodes de vulnérabilité. Pour la dépression, les wearables couplés à l’IA font l’objet d’un nombre croissant d’études, avec des performances parfois intéressantes.
Mais les méta-analyses récentes restent prudentes. Elles insistent sur la nécessité de validations à long terme, sur des populations plus diverses et dans des contextes d’usage plus réalistes. Les cohortes demeurent souvent petites, peu représentatives et recrutées dans des environnements académiques spécifiques, ce qui limite la généralisabilité des résultats.
Le consensus implicite des revues 2025-2026 est donc double : oui, les montres peuvent détecter des corrélats physiologiques utiles des émotions et de certains états cliniques ; non, elles ne peuvent pas encore lire les émotions de façon fiable, universelle et cliniquement interprétable dans tous les contextes. Pour un public concerné par le trauma, l’anxiété ou la dépression, cette nuance est essentielle afin d’éviter les promesses excessives.
La vraie promesse : suivre des tendances individuelles dans le temps
La perspective la plus crédible aujourd’hui n’est pas la lecture instantanée d’un état émotionnel précis, mais le suivi longitudinal d’une personne. Les revues récentes sur les biomarqueurs numériques insistent sur la valeur d’un monitoring continu en vie réelle pour détecter des changements intra-individuels. Autrement dit, ce qui compte souvent n’est pas de savoir si une montre “voit” votre anxiété à 14 h 32, mais si elle repère qu’un schéma inhabituel se répète depuis plusieurs jours ou semaines.
Cette logique est particulièrement pertinente en santé mentale. Chez une même personne, une baisse durable de l’activité, une dégradation du sommeil, une modification de la HRV et une augmentation des marqueurs de stress peuvent signaler une période de fragilisation. Utilisés avec prudence, ces indices peuvent soutenir l’auto-observation, la psychoéducation ou le dialogue avec un clinicien.
Il faut cependant rappeler qu’un changement de tendance n’est pas un diagnostic. Un biomarqueur numérique peut aider à repérer une évolution, pas à expliquer à lui seul sa cause ni à résumer l’expérience psychique d’une personne. Dans une approche centrée sur le soin, ces données ont davantage de valeur comme point d’appui pour une conversation que comme verdict automatique.
Les défis méthodologiques et éthiques restent majeurs
Le principal obstacle n’est pas uniquement technologique. Il est aussi méthodologique. Les travaux récents pointent des cohortes de petite taille, des échantillons peu diversifiés, des biais de sélection, un manque de validation externe et un reporting hétérogène. De plus, les caractéristiques analysées, la cadence d’étiquetage des états émotionnels et les méthodes de validation varient fortement d’une étude à l’autre.
Ces limites ont des conséquences très concrètes. Un algorithme entraîné sur de jeunes adultes en bonne santé peut mal fonctionner chez des personnes âgées, traumatisées, neurodivergentes, ou vivant avec des maladies chroniques. En santé mentale, où les trajectoires sont fortement influencées par l’histoire personnelle, le contexte social et le corps lui-même, les biais de généralisation peuvent être particulièrement problématiques.
À cela s’ajoute la question de l’acceptabilité. Une revue de 2025 sur les attitudes du public envers les technologies de monitoring montre que la confiance, la transparence et les bénéfices perçus conditionnent largement l’adhésion. C’est encore plus vrai lorsque les données touchent à des dimensions intimes comme l’humeur, le stress ou le fonctionnement psychique. Pour beaucoup d’utilisateurs, la question n’est pas seulement “est-ce possible ?”, mais aussi “qui interprète mes données, dans quel but, et avec quelles garanties ?”.
Régulation, santé mentale et prudence clinique
Sur le plan réglementaire, les autorités rappellent une idée simple : un outil de santé doit démontrer sa sécurité et son efficacité pour un usage précis. La FDA traite les wearables et autres technologies de santé numérique comme des dispositifs dont l’évaluation dépend de leur finalité revendiquée. En novembre 2025, son Digital Health Advisory Committee a d’ailleurs discuté des bénéfices, des risques et des stratégies de mitigation pour les dispositifs de santé mentale numériques intégrant de l’IA générative.
L’EMA souligne elle aussi que la science des biomarqueurs et des technologies numériques évolue rapidement. Son attention porte notamment sur l’évaluation des critères dérivés de la technologie, la robustesse des données et l’intégration des outils numériques selon leur maturité scientifique et leur contexte réglementaire. En d’autres termes, la nouveauté technique ne dispense pas de validation rigoureuse.
Pour les cliniciens comme pour le grand public, cela implique une prudence active. Une montre peut devenir un outil utile de suivi, de prévention ou de recherche, mais elle ne doit pas être confondue avec une expertise psychologique ou psychiatrique. Plus les données paraissent intimes, plus il est important de distinguer aide au repérage, soutien à la décision et véritable acte clinique.
Les biomarqueurs numériques ouvrent un champ passionnant à l’intersection de la psychologie, de la physiologie et de l’IA. Ils peuvent aider à mieux observer le stress, certaines fluctuations de l’humeur et des changements subtils du fonctionnement quotidien. Leur potentiel est réel, en particulier lorsqu’ils sont utilisés pour suivre des tendances personnelles dans le temps plutôt que pour prétendre nommer instantanément une émotion.
Mais en 2025-2026, la conclusion la plus solide reste mesurée : les montres connectées ne lisent pas nos émotions au sens fort. Elles détectent des signaux corporels indirects, utiles mais ambigus, qui exigent contexte, validation et interprétation. Pour la santé mentale, la voie la plus prometteuse n’est pas la fascination pour une machine qui nous “connaîtrait” mieux que nous-mêmes, mais le développement d’outils fiables, transparents et réellement au service du soin et du bien-être.
