Google Research a presente SensorFM, un modele de fondation concu pour lire le corps a travers les donnees que les appareils portables collectent deja. Il a ete preentraine sur plus de mille milliards de minutes de signaux de capteurs recueillis aupres d'environ cinq millions de personnes, a partir de donnees anonymisees collectees entre septembre 2024 et septembre 2025, et l'ambition qui le sous-tend est simple a enoncer. Faire pour les flux de capteurs physiologiques ce que les modeles de fondation ont fait pour le langage et les images, preentrainer un seul grand modele sur une enorme masse de donnees non etiquetees, puis adapter ce modele unique a de nombreuses taches specifiques sans avoir besoin d'un nouveau jeu de donnees etiquetees pour chacune.
Ce que le modele consomme reellement est une image compacte mais riche du corps sur une journee. SensorFM absorbe 34 caracteristiques agregees d'une minute derivees de cinq modalites de capteurs, la photoplethysmographie, l'accelerometrie, l'activite electrodermale, la temperature cutanee et l'altimetrie. Ensemble, ces signaux capturent la frequence cardiaque et sa variabilite, la saturation en oxygene du sang, les stades du sommeil, le mouvement et les pas, la conductance cutanee et la temperature sur une fenetre complete de 24 heures. A partir de ce flux continu, le modele apprend une representation generaliste de la physiologie humaine, un resume numerique de ce que fait un corps qui peut ensuite etre oriente vers des questions specifiques.
L'echelle est l'essentiel, tant pour les donnees que pour les resultats. Le corpus de preentrainement couvre plus de 100 pays, les 50 Etats americains et plus de 20 modeles d'appareils Fitbit et Pixel Watch, totalisant plus de deux milliards d'heures de signal a resolution d'une minute. Google indique que la representation se transfere a 35 taches de prediction de sante et prend en charge une adaptation efficace en etiquettes ainsi que le remplissage de donnees, comblant les lacunes la ou un capteur a lache. Sa plus grande variante, entrainee sur le corpus complet de cinq millions de personnes, a reduit la perte de reconstruction de 31 pour cent par rapport a la plus petite version et a ameliore les resultats en aval de 9 pour cent en moyenne sur les taches de classification et de 21 pour cent sur les taches de regression, le schema que l'on recherche lorsque la mise a l'echelle conjointe de la taille du modele et des donnees fonctionne.
L'application vers laquelle pointe Google est un outil d'ancrage pour ce qu'elle appelle un Personal Health Agent, un assistant qui pourrait raisonner sur les signaux de votre corps avec un veritable modele de physiologie en dessous plutot que de deviner a partir de chiffres bruts. Ce cadrage merite d'etre pris au serieux et merite aussi de la prudence. Il s'agit d'une publication de recherche, pas d'un produit que vous pouvez utiliser, et il produit des predictions et des representations de sante, pas des diagnostics cliniques, c'est donc une fondation sur laquelle batir plutot qu'un medecin dans votre montre. Les gains rapportes sont ceux de Google, et l'ensemble repose sur une enorme quantite de donnees de sante personnelles anonymisees, ce qui comporte le poids en matiere de vie privee qu'implique tout projet de cette ampleur.
Ce qui compte, c'est la direction plus que n'importe quel chiffre isole. La recette des modeles de fondation, preentrainer largement puis adapter etroitement, s'echappe des domaines du texte et de l'image ou elle a grandi et s'etend aux donnees physiologiques continues que des centaines de millions de personnes generent deja chaque jour. Si l'approche tient, un seul modele preentraine devient une couche de base partagee sur laquelle de nombreuses applications de sante peuvent reposer, et le cadrage du Personal Health Agent montre ou Google veut mener cela, un assistant ancre dans le langage de votre propre corps. Ce n'est pas un moteur de diagnostic aujourd'hui, mais c'est un signal clair que les appareils portables deviennent une modalite serieuse pour les grands modeles, pas seulement une source de comptages de pas.