Chaque pas que nous faisons résulte d’une coordination précise entre la moelle épinière, le cerveau, les nerfs, les muscles et les articulations. Traditionnellement, on évaluait les défauts de démarche à l’aide de chronomètres, de caméras ou d’observateurs entraînés, mais ces dernières années, les progrès de la capture de mouvement, des capteurs portables et de la science des données ont rendu possible la quantification de chaque pas. En tant que chercheurs en biomécanique et performance humaine, nous utilisons ces données pour améliorer le mouvement humain – non seulement pour aider les athlètes à repousser leurs limites, mais aussi pour soutenir la réhabilitation des patients grâce à un retour personnalisé ; le mouvement pourrait ainsi devenir un signe vital majeur.

Dans le monde entier, des chercheurs combinent physiologie, biomécanique et science des données pour décoder le mouvement humain. Les algorithmes d’apprentissage automatique détectent des schémas dans les données de suivi continu, offrant des perspectives pour améliorer la santé. Par exemple, l’unité de mesure inertielle de l’Apple Watch enregistre les mouvements et fournit le nombre de pas, la longueur de foulée, etc., mais les données brutes nécessitent un traitement du signal pour en extraire des informations significatives. Le traitement du signal ressemble à la retouche d’une photo floue : il filtre le bruit et extrait les informations reflétant les fonctions corporelles.

Les techniques d’apprentissage automatique transforment ensuite ces signaux traités en indicateurs interprétables, identifiant les caractéristiques liées à la performance motrice et à la santé. L’équipe de l’Université d’État de l’Oklahoma peut évaluer le niveau de condition physique uniquement à partir des données de marche, sans tests complexes. La vitesse de marche étant un indicateur de longévité, cela démontre davantage la valeur des données de marche.

Ces algorithmes ne se contentent pas de suivre les performances : ils jouent un rôle majeur dans la réhabilitation et la prévention des blessures. L’analyse des mouvements corporels des athlètes permet d’évaluer le risque de blessure ; le suivi des schémas de marche des patients victimes d’AVC évalue les progrès de réhabilitation. Des outils similaires permettent d’établir des plans de traitement personnalisés, favorisant ainsi le développement de la médecine personnalisée. Dans la maladie de Parkinson, ces méthodes sont déjà utilisées pour le diagnostic, le suivi de la maladie et la détection des difficultés de marche.

Les dispositifs portables d’assistance comme les exosquelettes améliorent la mobilité grâce à une production d’énergie précisément synchronisée. L’évaluation des stratégies de mouvement des militaires révèle que ceux présentant de mauvaises caractéristiques biomécaniques ont un risque accru de blessure. Les dispositifs au poignet détectent les blessures dues à une surutilisation. Toutes ces innovations visent à restaurer et améliorer les capacités de mouvement humain.