Santé : une IA analyse la marche de 3 328 adultes et révèle des indices sur 18 fonctions de l’organisme

Une étude publiée le 6 novembre 2026 dans Nature Medicine montre qu'une analyse informatisée des mouvements peut fournir des indices sur de nombreux paramètres de santé, au-delà de la seule mobilité. Les chercheurs ont étudié 3 328 adultes à l'aide d'une caméra mesurant les mouvements du corps en trois dimensions. Ces résultats dessinent une piste pour de futurs outils d'évaluation, et non un test médical déjà validé.

Le modèle développé par l'équipe de l'Institut Weizmann des sciences, en Israël, s'intéresse à la coordination des articulations et aux séquences de mouvements plutôt qu'à la seule longueur du pas ou à la vitesse de marche. Présentés dans l'article de recherche de Nature Medicine, les résultats suggèrent que la façon dont une personne bouge contient des informations associées à sa composition corporelle, à ses capacités physiques et à d'autres caractéristiques de santé. Une présentation scientifique complémentaire publiée le 9 novembre en explicite les principaux enseignements.

Cinq exercices pour analyser plus finement les mouvements

Les 3 328 participants ont réalisé cinq tâches motrices devant une caméra de profondeur, sans qu'il soit nécessaire de placer une multitude de capteurs directement sur leur corps. Les chercheurs ont ensuite entraîné un modèle d'apprentissage profond à reconnaître des caractéristiques dans les mouvements tridimensionnels du squelette. Cette représentation mathématique, parfois appelée « empreinte de marche », va au-delà des mesures habituelles telles que la cadence ou la longueur de foulée.

Les données de mouvement ont été rapprochées d'informations de santé détaillées déjà recueillies chez ces participants. Au total, les auteurs ont évalué 3 210 cibles ou caractéristiques, relevant de 18 systèmes et domaines de l'organisme. Les représentations produites par le modèle étaient statistiquement associées à 1 887 de ces cibles. L'association ne signifie pas que la caméra détecte directement autant de maladies : une partie des cibles correspond à des mesures biologiques, physiques ou à des habitudes de vie, et non à des diagnostics.

Des informations sur le métabolisme, la fragilité et le sommeil

L'approche s'est révélée plus performante que plusieurs indicateurs conventionnels de marche pour estimer certaines caractéristiques. Les auteurs rapportent, par exemple, une corrélation de 0,91 pour l'indice de masse corporelle, de 0,83 pour la surface de graisse viscérale et de 0,69 pour l'âge. Ces nombres décrivent la qualité des associations prédictives dans les données étudiées ; ils ne sont ni des taux de réussite clinique ni des probabilités individuelles de maladie.

Par rapport à une approche tenant déjà compte de l'âge, de la taille, de l'indice de masse corporelle et de la graisse viscérale, l'ajout des mouvements a amélioré les prédictions dans les 18 domaines chez les hommes et dans 17 domaines sur 18 chez les femmes. L'étude suggère aussi que les mouvements des jambes apportent davantage d'informations sur certains aspects du métabolisme et de la fragilité, tandis que ceux du tronc sont associés à des caractéristiques du sommeil et du mode de vie.

Les chercheurs ont également évalué des liens statistiques avec des diagnostics et des traitements déclarés ou recensés. Cette capacité à retrouver des associations connues ne permet cependant pas d'affirmer que l'outil saurait dépister une maladie avant l'apparition de ses symptômes, ni qu'il améliorerait le pronostic d'un patient.

Pourquoi un test clinique ne peut pas encore en être déduit

La différence entre une étude de prédiction et un examen utilisé en médecine est essentielle. Pour qu'un tel système puisse aider un professionnel de santé, il faudrait confirmer sa fiabilité chez des personnes d'âges, d'origines et de situations médicales variés, puis démontrer qu'il apporte un bénéfice concret aux patients. Les auteurs ont réalisé leurs évaluations sur les données disponibles dans le projet étudié ; cela ne constitue pas, à soi seul, une validation indépendante dans les conditions ordinaires des consultations.

Un autre enjeu tient à la confidentialité : filmer et analyser des mouvements produit des données susceptibles d'inférer des caractéristiques personnelles. Leur collecte et leur utilisation dans un service de soins devraient donc respecter les règles de protection des données de santé. L'article signale que les données individuelles du projet ne sont accessibles aux chercheurs que dans un cadre contrôlé.

À ce stade, il ne s'agit ni d'un dispositif recommandé pour dépister une pathologie ni d'une solution à reproduire avec une vidéo prise au téléphone. L'intérêt de la publication est de montrer qu'une mesure relativement simple des mouvements pourrait, après des validations supplémentaires, compléter les examens existants, notamment pour mieux étudier la fragilité et certaines dimensions du vieillissement.