Mille milliards de minutes de capteurs pour un modèle de santé généraliste

Google Research présente SensorFM, un modèle de fondation pour les données de santé issues d'objets connectés. Sa particularité tient à l'échelle : il est pré-entraîné sur plus de mille milliards de minutes de signaux de capteurs, collectés auprès de cinq millions de participants consentants via des montres Fitbit et Pixel Watch, ce que Google décrit comme le plus vaste jeu de données de ce type à ce jour.

L'approche rompt avec l'usage courant. Jusqu'ici, la plupart des modèles de santé portés au poignet visaient un seul résultat, avec un pipeline supervisé taillé pour un objectif étroit. SensorFM apprend au contraire une représentation générale de la physiologie humaine, sans étiquettes, par reconstruction auto-supervisée, à partir de 34 caractéristiques tirées de cinq types de capteurs (photopléthysmographie, accéléromètre, activité électrodermale, température cutanée, altimètre). Cette représentation unique se transfère ensuite à 35 tâches de prédiction couvrant les domaines cardiovasculaire, métabolique, du sommeil et de la santé mentale, ainsi que des facteurs de mode de vie.

Un choix de conception se distingue : les données de capteurs sont par nature trouées (batterie, montre retirée, mise en veille), et là où les méthodes classiques comblent ces manques ou jettent les fenêtres incomplètes, SensorFM apprend directement des enregistrements fragmentés en traitant l'absence comme un signal à part entière. Google fait aussi état d'un effet d'échelle net : augmenter conjointement la taille du modèle et le volume de données améliore les performances de façon quasi linéaire, sans signe de saturation.

Deux prolongements sont mis en avant. Un « classroom » d'agents LLM, des modèles Gemini, écrit et affine automatiquement le code des têtes de prédiction, en explorant plus de trente mille solutions. Et intégré à un « Personal Health Agent », SensorFM a servi de point d'ancrage physiologique : selon un panel de cliniciens en aveugle, les résumés fondés sur ses inférences n'étaient pas jugés significativement inférieurs à ceux fondés sur de vraies mesures. Il s'agit de travaux de recherche, non d'un produit accessible.