Votre montre connectée pense que vous avez brûlé 847 calories. Vous en avez réellement brûlé 612.

Le chiffre sur votre poignet vous ment

J'ai terminé une séance de vélo de 45 minutes mardi dernier. Ma montre connectée m'a félicité : 523 calories brûlées. Ça fait plaisir. Puis je me suis souvenu de l'étude de Stanford ouverte dans mes onglets — celle qui montre que les capteurs de fréquence cardiaque optiques surestiment la dépense énergétique du vélo de 52 % en moyenne. Ma dépense réelle ? Probablement plus proche de 344 calories.

Ce n'est pas un simple problème de calibrage. Une étude de validation de 2025 publiée dans Medicine & Science in Sports & Exercise a testé sept appareils portables populaires contre la calorimétrie indirecte (la référence absolue, qui mesure la consommation réelle d'oxygène) et a constaté une surestimation systématique pour chaque appareil testé. Tous. Sans exception.

L'écart entre ce que votre montre affiche et ce que votre corps brûle réellement a des conséquences réelles. Les gens prennent des décisions alimentaires basées sur ces chiffres. Ils calculent des déficits. Ils se demandent pourquoi les calculs ne fonctionnent pas.

Pourquoi les appareils portables se trompent : le problème physique

Voici quelque chose que la plupart des entreprises de fitness ne vont pas annoncer : estimer la dépense calorique à partir des mouvements du poignet et de la fréquence cardiaque est vraiment difficile. Genre, niveau thèse de doctorat.

Votre montre utilise des algorithmes qui prédisent la dépense énergétique en fonction de quelques données : fréquence cardiaque, schémas de mouvement, et peut-être votre âge, poids et sexe. Mais ces algorithmes ont généralement été validés sur de la marche sur tapis roulant en conditions de laboratoire. La vie réelle ne ressemble en rien à ça.

Le problème fondamental est que la fréquence cardiaque est corrélée à la dépense énergétique... vaguement. Votre fréquence cardiaque augmente quand vous êtes nerveux, caféiné, déshydraté ou en train de regarder un film d'horreur. Rien de tout cela ne brûle de calories significatives. Pendant ce temps, la musculation peut brûler une énergie substantielle tout en élevant à peine la fréquence cardiaque pendant les périodes de repos.

Une analyse de 2024 dans le Journal of Personalized Medicine a examiné 23 études de validation et identifié trois sources d'erreur principales. Les artefacts de mouvement provenant du mouvement du bras pendant des activités comme le vélo créent de fausses lectures d'accéléromètre. Les capteurs optiques ont du mal avec les tons de peau plus foncés et les poignets tatoués. Et les équations au niveau de la population ne tiennent tout simplement pas compte de la variation métabolique individuelle, qui peut osciller de 15 % dans un sens ou dans l'autre.

Les taux d'erreur spécifiques par activité

Toutes les activités ne trompent pas votre montre de la même façon. Le schéma est cohérent dans toutes les études : plus une activité s'éloigne de la marche ou de la course en régime permanent, plus l'estimation est mauvaise.

La marche produit les plus petites erreurs — généralement une surestimation de 20 à 28 %. Les algorithmes ont été conçus pour cela. La course montre des schémas similaires, avec une surestimation d'environ 25 à 35 % selon l'allure et le terrain.

Le vélo, c'est là que ça devient bizarre. Parce que votre poignet reste relativement immobile sur le guidon, les données de l'accéléromètre deviennent presque inutiles. L'appareil s'appuie presque entièrement sur la fréquence cardiaque, qui est influencée par des facteurs comme la position de cyclisme, la résistance au vent et si vous grimpez une côte ou descendez en roue libre. Les études montrent une surestimation de 40 à 52 % pour le vélo.

La musculation représente le pire scénario. Une étude de 2025 a fait effectuer à des participants des circuits de résistance standardisés tout en portant cinq appareils différents. Surestimation moyenne : 93 %. Un appareil a signalé 412 calories pour une séance qui en a réellement brûlé 214. Le problème est structurel — la fréquence cardiaque pendant la levée de poids reflète la tension cardiovasculaire due à la retenue de la respiration et à la contraction musculaire, pas la dépense énergétique aérobie.

L'entraînement par intervalles à haute intensité se situe quelque part au milieu, avec une surestimation de 35 à 50 %. Les transitions rapides entre effort et repos confondent les algorithmes qui s'attendent à des schémas en régime permanent.

La variation individuelle aggrave les choses

Les moyennes de population sont déjà préoccupantes. Mais la variation individuelle est ce qui mine vraiment la confiance dans ces chiffres.

Cette étude de validation de Medicine & Science in Sports & Exercise comprenait 147 participants de différents âges, compositions corporelles et niveaux de forme physique. Pour le même protocole de tapis roulant de 30 minutes, les erreurs individuelles des appareils variaient de -12 % (rare sous-estimation) à +67 % de surestimation. Même appareil. Même activité. Précision radicalement différente selon qui le portait.

Le niveau de forme physique joue un rôle important. Les athlètes entraînés ont tendance à voir des surestimations plus importantes parce que leurs systèmes cardiovasculaires sont plus efficaces — ils brûlent moins de calories à une fréquence cardiaque donnée que la personne moyenne supposée par les algorithmes. Une étude a révélé que les anciens athlètes universitaires connaissaient des taux d'erreur 41 % plus élevés que les participants sédentaires.

La composition corporelle compte aussi. Les équations supposent des pourcentages moyens de graisse corporelle. Si vous avez plus de masse musculaire que la moyenne, vous brûlerez plus de calories que prévu (rare sous-estimation). Plus de masse grasse que la moyenne ? Votre dépense réelle tombe en dessous de l'estimation.

Facteurs de correction fondés sur des données probantes

Les chercheurs ont commencé à publier des facteurs de correction qui peuvent rapprocher les estimations des appareils portables de la réalité. Ce n'est pas parfait, mais c'est mieux que de prendre les chiffres bruts pour argent comptant.

Pour la marche et la course, multipliez l'estimation calorique de votre appareil par 0,75-0,80. Une course signalée de 400 calories devient 300-320 calories réelles. Cette correction s'est maintenue sur plusieurs marques d'appareils dans l'analyse du Journal of Personalized Medicine de 2024.

Pour le vélo, multipliez par 0,65-0,70. Cette sortie de 500 calories ? Probablement 325-350.

Pour la musculation, la correction est plus agressive : multipliez par 0,50-0,55. Votre montre dit 300 calories ? Attendez-vous à 150-165.

Pour le HIIT et les activités mixtes, utilisez 0,60-0,70.

Ces facteurs proviennent de la comparaison des estimations des appareils portables à la calorimétrie indirecte dans plusieurs études. Ce sont des moyennes de population, donc les résultats individuels varieront. Mais ils vous rapprocheront plus que les chiffres bruts.

Ce qui fonctionne réellement mieux

Si la précision vous importe — et pour la gestion du poids, elle devrait probablement — il existe des alternatives à la foi aveugle dans les estimations au poignet.

Les moniteurs de fréquence cardiaque à sangle thoracique améliorent la précision d'environ 15 à 20 % par rapport aux capteurs optiques au poignet. Ils sont moins pratiques, mais le contact des électrodes fournit des données de fréquence cardiaque plus nettes avec moins d'artefacts de mouvement.

Les capteurs de puissance pour le vélo mesurent la production réelle de travail mécanique. Une moyenne de 200 watts sur 45 minutes représente environ 540 kilojoules de travail mécanique, ce qui se traduit par environ 650-700 calories de dépense métabolique (en tenant compte des pertes d'efficacité). C'est beaucoup plus précis que les estimations basées sur la fréquence cardiaque.

Pour la musculation, les estimations basées sur le temps peuvent en fait surpasser les appareils portables. La recherche suggère une estimation approximative de 4 à 6 calories par minute pour un entraînement de résistance d'intensité modérée, ajusté selon le poids corporel. Une personne de 150 livres faisant 40 minutes de levée brûle environ 160-240 calories. Pas précis, mais plus réaliste que les chiffres gonflés des appareils portables.

L'approche la plus précise reste la calorimétrie indirecte, mais cela nécessite un équipement de laboratoire coûtant des dizaines de milliers de dollars. Certaines universités de recherche et centres de performance sportive offrent des tests métaboliques pour 100-300 $, ce qui peut établir votre référence personnelle.

L'argument des données de tendance

Les fabricants d'appareils portables répondent souvent aux critiques de précision en mettant l'accent sur la cohérence relative. Votre montre peut surestimer de 30 %, mais si elle surestime à peu près du même montant à chaque fois, vous pouvez quand même suivre les tendances.

Cet argument a du mérite. Si votre course du mardi affiche 450 calories et votre course du jeudi affiche 480 calories, la course du jeudi était probablement plus exigeante — même si les deux chiffres sont gonflés. Pour suivre les progrès de forme physique sur des semaines et des mois, une surestimation constante importe moins qu'une erreur aléatoire.

Mais l'argument s'effondre quand vous utilisez ces chiffres pour des décisions nutritionnelles. Une surestimation de 30 % sur une dépense calorique active quotidienne signalée de 2 400 signifie que vous brûlez réellement 1 680 calories actives. Si vous compensez vos « calories d'exercice », c'est un surplus quotidien de 720 calories. Sur une semaine, c'est une livre de gain de graisse au lieu du maintien que vous attendiez.

L'argument de tendance suppose également des taux d'erreur cohérents entre les activités. Mais si vous faites plus de vélo une semaine et plus de course la suivante, le profil d'erreur change. La surestimation « cohérente » devient incohérente.

Vers où se dirige la technologie

La prochaine génération d'appareils portables pourrait résoudre certaines de ces limitations. Plusieurs entreprises développent des approches multi-capteurs qui combinent la fréquence cardiaque optique avec la température cutanée, la réponse galvanique de la peau et la saturation en oxygène du sang. La théorie est que plusieurs signaux physiologiques peuvent lever l'ambiguïté entre la demande métabolique réelle et les facteurs confondants.

Les modèles d'apprentissage automatique entraînés sur des ensembles de données plus grands et plus diversifiés montrent des promesses dans les recherches préliminaires. Une étude pilote de 2025 utilisant des algorithmes personnalisés — entraînés sur les propres données de tests métaboliques d'un individu — a réduit l'erreur d'estimation à 12-15 % pour toutes les activités. Le hic : cela nécessitait une séance de calibrage initiale avec un équipement de laboratoire.

Certains chercheurs explorent la surveillance continue du glucose comme indicateur de la dépense énergétique. L'utilisation du glucose est corrélée au taux métabolique, et la technologie CGM est devenue de plus en plus précise. Les premières études montrent du potentiel, bien que la relation soit suffisamment complexe pour que nous soyons probablement à des années des applications grand public.

Pour l'instant, la réponse honnête est que l'estimation calorique au poignet a des limitations fondamentales que de meilleurs algorithmes ne peuvent que partiellement résoudre.

Faire la paix avec des données imparfaites

Je porte toujours ma montre connectée. Les comptes de pas sont raisonnablement précis. Les tendances de fréquence cardiaque m'aident à remarquer quand je m'entraîne trop ou que je tombe malade. Le suivi du sommeil est... eh bien, c'est un autre article.

Mais j'ai arrêté de traiter les chiffres de calories comme des données exploitables. Quand ma montre affiche un entraînement de 600 calories, je note mentalement « probablement 400-450 » et je passe à autre chose. Je ne compense pas les calories d'exercice. Je ne calcule pas de déficits précis.

La technologie nous donne l'illusion de la précision — quatre chiffres significatifs sur un nombre qui est probablement faux de 30 %. Cette fausse confiance pourrait être pire que pas de données du tout, parce qu'elle encourage des décisions basées sur des données erronées.

Jusqu'à ce que la précision des appareils portables s'améliore considérablement, l'approche la plus utile pourrait être de traiter ces appareils pour ce qu'ils sont réellement : des indicateurs de tendance approximatifs, pas des laboratoires métaboliques. Votre corps brûle des calories. Votre montre devine combien. Ce sont des choses différentes.