L’Apple Watch peut garder une trace d’un épisode cardiaque au bon moment, mais elle ne transforme pas le poignet en cabinet de cardiologie. Trois études montrent ce que l’ECG, la fréquence cardiaque et la variabilité cardiaque permettent réellement d’interpréter.
Pour parler d’Apple Watch et de santé cardiaque, il faut séparer deux technologies. La montre utilise la photopléthysmographie, ou PPG, pour estimer la fréquence cardiaque grâce aux variations de volume sanguin au poignet. Elle peut aussi produire un ECG à une dérivation, pendant une durée limitée, grâce à ses électrodes et au doigt de l’utilisateur.
La différence n’est pas un détail de fiche technique. La fréquence cardiaque indique à quelle vitesse le cœur bat. L’ECG donne une représentation électrique du rythme. La variabilité de la fréquence cardiaque, ou HRV, mesure les variations entre les intervalles de battements. Ces mesures n’ont donc pas la même portée, même si les tableaux de bord les rangent côte à côte.
La montre peut documenter un épisode. Elle ne pose pas, à elle seule, le diagnostic.
ECG, mon amour : une piste qui bat
Un cas clinique publié en 2020 dans Annals of Noninvasive Electrocardiology montre l’intérêt concret d’un ECG réalisé au moment des symptômes. Une adolescente de 16 ans souffrait de palpitations récurrentes, parfois liées à l’exercice, avec des épisodes durant de 30 à 60 minutes. Un enregistrement effectué avec une Apple Watch Series 4 a capturé une tachycardie d’environ 225 battements par minute, malgré un artefact important sur le tracé.
Le tracé a conduit à une étude électrophysiologique, qui a confirmé une tachycardie par réentrée nodale, ou AVNRT. Une ablation par radiofréquence a ensuite été réalisée. Le cas ne prouve pas que l’Apple Watch Series 4 détecte toutes les tachycardies. Il montre pourquoi un tracé enregistré pendant une palpitation peut fournir un élément exploitable au cardiologue.
Le suivi ambulatoire porté pendant deux semaines n’avait enregistré aucune arythmie, la patiente étant asymptomatique durant cette période. La montre a donc capturé ce que le dispositif de suivi n’avait pas rencontré : l’épisode au moment où il se produisait.
Une dérivation, pas douze coups
La limite physique est claire : l’ECG de l’Apple Watch Series 4 produit un tracé à une seule dérivation pendant 30 secondes au maximum. Il peut aider à repérer un rythme au moment d’un symptôme, mais il ne fournit pas la même information qu’un ECG à 12 dérivations réalisé dans un contexte médical.
Une étude publiée le 20 novembre 2023 dans le Journal of Interventional Cardiac Electrophysiology permet de mesurer cette nuance. Les chercheurs ont étudié 47 patients dont la tachycardie supraventriculaire avait été documentée sur un ECG à 12 dérivations. Les tachycardies ont été induites durant une étude électrophysiologique, puis enregistrées avec une Apple Watch Series 6.
Le groupe comprenait 27 cas de tachycardie par réentrée nodale, 11 tachycardies par réentrée atrioventriculaire et 9 tachycardies atriales ou flutters atriaux. Des internes et des cardiologues ont ensuite interprété les tracés. Les cardiologues ont obtenu une exactitude comprise entre 66,0 et 76,6 %, contre 68,1 à 74,5 % pour les internes. L’accord entre les internes était modéré, avec un kappa de Fleiss de 0,465.
Ces pourcentages évaluent l’interprétation médicale d’un ECG à une dérivation, pas la précision autonome de la montre. Même avec un tracé enregistré au bon moment, la distinction entre plusieurs tachycardies peut rester délicate. Le bouton d’enregistrement n’a pas reçu son diplôme de cardiologie.
HRV : le cœur joue en mode syncopé
La variabilité cardiaque est souvent présentée comme un thermomètre du stress, de la récupération ou de la forme physique. La mesure reste sensible à la méthode utilisée, au mouvement, au sommeil, à la respiration et au contexte de la journée. Une valeur isolée ne raconte donc pas toute l’histoire.
Une étude publiée en 2024 dans la revue Sensors a comparé les mesures de HRV d’une Apple Watch Series 9 et d’une Apple Watch Ultra 2 avec celles d’une ceinture thoracique Polar H10 associée au logiciel Kubios HRVutilisés comme référence dans l’étude. La cohorte comprenait 39 adultes en bonne santé, avec 316 mesures recueillies sur 14 jours.
L’Apple Watch sous-estimait la HRV de 8,31 millisecondes en moyenne, avec une différence statistiquement significative dans cette étude. L’erreur absolue moyenne atteignait 20,46 millisecondes et l’erreur absolue moyenne en pourcentage 28,88 %. Les mesures ne se situaient pas dans la marge d’équivalence prédéfinie de plus ou moins 10 millisecondes.
La fréquence cardiaque au repos présentait un résultat plus favorable : l’écart moyen était de moins 0,08 battement par minute, avec une erreur absolue moyenne de 3,73 battements par minute. Dans les conditions de cette étude, la montre évaluait donc correctement cette donnée, alors que la HRV restait nettement plus incertaine.
Une fréquence cardiaque au repos fiable ne rend pas automatiquement la variabilité cardiaque fiable. Cette distinction compte pour les tableaux de bord qui transforment chaque fluctuation en verdict sur le sommeil, le stress ou la récupération. Une daube, la HRV? Non. Mais la traiter comme une analyse clinique précise, c’est aller un peu vite en besogne.
Le jardin clos ne remplace pas le cabinet
L’écosystème Apple facilite la collecte et le partage d’un tracé. Dans le cas clinique de 2020, l’ECG pouvait être conservé au format PDF puis transmis à un médecin. La montre devient alors un carnet de bord pratique : elle associe une heure, une durée, des symptômes et un tracé.
Elle ne règle pas le problème des épisodes intermittents. Une montre ne réalise pas en continu un ECG à une dérivation. Elle ne capture donc pas nécessairement l’événement qui survient sous la douche, pendant le sommeil ou au milieu d’une séance de sport. Le suivi médical doit choisir l’outil adapté, qu’il s’agisse d’un holter, d’un patch ou d’un examen plus approfondi.
La bonne lecture consiste à considérer les données comme des indices personnels à vérifier. Une tendance répétée peut donner un contexte au médecin, tandis qu’une valeur unique, surtout après un mouvement ou un mauvais contact, doit rester à sa place : une mesure isolée.
Le bon réflexe, pas le grand diagnostic
Lorsqu’une palpitation survient sans signe de gravité immédiate, quelques gestes peuvent rendre l’enregistrement plus utile :
- S’asseoir et garder le bras immobile afin de limiter les artefacts.
- Enregistrer l’ECG pendant l’épisode, sans chercher à provoquer une accélération du rythme par un effort.
- Noter l’heure de début, la durée, les symptômes associés et le contexte de l’épisode.
- Conserver le tracé et le présenter à un professionnel de santé, même si la montre affiche un résultat rassurant.
Le cas d’AVNRT capturée avec une Apple Watch Series 4 montre ce que cette méthode peut apporter : un événement bref devient enfin visible. L’étude menée avec l’Apple Watch Series 6 rappelle cependant que plusieurs tachycardies peuvent se ressembler sur une seule dérivation. Celle consacrée aux modèles Series 9 et Ultra 2 ajoute une autre limite, cette fois sur la HRV.
La place de l’Apple Watch est donc assez nette : témoin ponctuel, outil de suivi, support de discussion. Pas cardiologue de poche. Le jardin clos peut exporter un PDF, mais il n’a toujours pas ouvert de cabinet au poignet.
Sources et références scientifiques
- TIC-FusionNet: A multimodal deep learning framework with temporal decomposition and attention-based fusion for time series forecasting – PMC. PloS one. DOI: 10.1371/journal.pone.0333379 · PMID: 41066756.
- 1.Box GEP, Jenkins GM, Reinsel GC, Ljung GM. Time series analysis: forecasting and control. John Wiley & Sons; 2015. [Google Scholar].
- 2.Bollerslev T. Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics. 1986;31(3):307-27. [Google Scholar].
- 3.Cont R. Empirical properties of asset returns: stylized facts and statistical issues. Quantitative Finance. 2001;1(2):223. [Google Scholar].
- 4.Sain STR. The nature of statistical learning theory. 1996..
- 5.Breiman L. Random forests. Machine learning. 2001;45:5-32. [Google Scholar].
- iedman JEH. Greedy function approximation: a gradient boosting machine. Annals of Statistics. 2001:1189-232. [Google Scholar].
- 7.Fischer T, Krauss C. Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research. 2018;270(2):654-69. [Google Scholar].
- 8.Hoseinzade E, Haratizadeh S. CNNpred: CNN-based stock market prediction using a diverse set of variables. Expert Systems with Applications. 2019;129:273-85. [Google Scholar].
- 9.Vaswani A, Shazeer N, Parmar N, Uszkoreit J, Jones L, Gomez AN, et al. Attention is all you need. Advances in neural information processing systems. 2017;30. [Google Scholar].
- 10.Zhou H, Zhang S, Peng J, Zhang S, Li J, Xiong H, et al. Informer: Beyond efficient transformer for long sequence time-series forecasting. In: Proceedings of the AAAI Conference on Artificial Intelligence. 2021. p. 11106-15..
- 11.Haixu W, Jiehui X, Wang J, Mingsheng L. Decomposition transformers with auto-correlation for long-term series forecasting. 2022..
- 12.Liu Y, Hu T, Zhang H, Wu H, Wang S, Ma L, et al. Itransformer: Inverted transformers are effective for time series forecasting. 2023. [Google Scholar].
- Yalin K, Soysal AU, Ikitimur B, Yabaci BI, Onder SE, Atici A, Tokdil H, Incesu G, Yalman H, Cimci M, Karpuz H.. Diagnostic accuracy of Apple Watch Series 6 recorded single-lead ECGs for identifying supraventricular tachyarrhythmias: a comparative analysis with invasive electrophysiological study.. Journal of interventional cardiac electrophysiology : an international journal of arrhythmias and pacing. 2023. DOI: 10.1007/s10840-023-01695-6 · PMID: 37985539. (résumé scientifique structuré; texte intégral non fourni)
- AVNRT captured by Apple Watch Series 4: Can the Apple watch be used as an event monitor? – PMC. Annals of noninvasive electrocardiology : the official journal of the International Society for Holter and Noninvasive Electrocardiology, Inc. DOI: 10.1111/anec.12742 · PMID: 31994780.
- Frisch, D. R. (2019). A novel technique to expand the electrocardiographic recording capability from an Apple Watch. American Journal of Medicine, 132, 940-941. 10.1016/j.amjjmed.2019.03.005 [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.amjjmed.2019.03.005.
- Ip, J. E. (2019). Evaluation of cardiac rhythm abnormalities from wearable devices. JAMA, 321(11), 1098-1099. 10.1001/jama.2019.1681 [DOI] [PubMed] [Google Scholar]. doi:10.1001/jama.2019.1681.
- View in NLM Catalog.
- Download.nbib.nbib.
- Format: AMA APA MLA NLM.
- AMA APA MLA NLM.
- The Validity of Apple Watch Series 9 and Ultra 2 for Serial Measurements of Heart Rate Variability and Resting Heart Rate – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s24196220 · PMID: 39409260.
- 1.Shandhi M.M.H., Singh K., Janson N., Ashar P., Singh G., Lu B., Hillygus D.S., Maddocks J.M., Dunn J.P. Assessment of ownership of smart devices and the acceptability of digital health data sharing. NPJ Digit. Med. 2024;7:44. doi: 10.1038/s41746-024-01030-x. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/s41746-024-01030-x.
- 2.Laricchia F. Wearables Unit Shipments Worldwide by Vendor from 1st Quarter 2014 to 3rd Quarter 2023 (in Millions) [(accessed on 31 July 2024)]. Sttatista, 2024. Available online:.
- 3.GVR Wearable Technology Market Size, Share & Trends Analysis Report by Product (Head & Eyewear, Wristwear), by Application (Consumer Electronics, Healthcare), by Region (Asia Pacific, Europe), and Segment Forecasts, 2023-2030; Grand View Research: 2023. [(accessed on 31 July 2024)]. Available online:.
- 4.Keogh A., Argent R., Doherty C., Duignan C., Fennelly O., Purcell C., Johnston W., Caulfield B. Breaking down the Digital Fortress: The Unseen Challenges in Healthcare Technology-Lessons Learned from 10 Years of Research. Sensors. 2024;24:3780. doi: 10.3390/s24123780. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3390/s24123780.
- 5.Schumann M., Doherty C. Bridging Gaps in Wearable Technology for Exercise and Health professionals: A brief review. Int. J. Sports Med. 2024. Online ahead of print. [DOI] [PubMed].
- 6.Shaffer F., Ginsberg J.P. An Overview of Heart Rate Variability Metrics and Norms. Front. Public Health. 2017;5:258. doi: 10.3389/fpubh.2017.00258. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3389/fpubh.2017.00258.
- 7.Task Force of the European Society of Cardiology the North American Society of Pacing Electrophysiology Heart Rate Variability: Standards of Measurement, Physiological Interpretation, and Clinical Use. Circulation. 1996;93:1043-1065. doi: 10.1161/01.CIR.93.5.1043. [DOI] [PubMed] [Google Scholar]. doi:10.1161/01.CIR.93.5.1043.
- 8.Vanderlei L.C., Pastre C.M., Hoshi R.A., Carvalho T.D., Godoy M.F. Basic notions of heart rate variability and its clinical applicability. Rev. Bras. Cir. Cardiovasc. 2009;24:205-217. doi: 10.1590/S0102-76382009000200018. [DOI] [PubMed] [Google Scholar]. doi:10.1590/S0102-76382009000200018.
- 9.Kim H.G., Cheon E.J., Bai D.S., Lee Y.H., Koo B.H. Stress and Heart Rate Variability: A Meta-Analysis and Review of the Literature. Psychiatry Investig. 2018;15:235-245. doi: 10.30773/pi.2017.08.17. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.30773/pi.2017.08.17.
- asure-Smith N., Lespérance F., Irwin M.R., Talajic M., Pollock B.G. The relationships among heart rate variability, inflammatory markers and depression in coronary heart disease patients. Brain Behav. Immun. 2009;23:1140-1147. doi: 10.1016/j.bbi.2009.07.005. [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.bbi.2009.07.005.
- 11.Williams D.P., Koenig J., Carnevali L., Sgoifo A., Jarczok M.N., Sternberg E.M., Thayer J.F. Heart rate variability and inflammation: A meta-analysis of human studies. Brain Behav. Immun. 2019;80:219-226. doi: 10.1016/j.bbi.2019.03.009. [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.bbi.2019.03.009.
- 12.Papaioannou V., Pneumatikos I., Maglaveras N. Association of heart rate variability and inflammatory response in patients with cardiovascular diseases: Current strengths and limitations. Front. Physiol. 2013;4:174. doi: 10.3389/fphys.2013.00174. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3389/fphys.2013.00174.
- Christine McKee. Amazon slashes Apple Watch Series 10 to $279 while supplies last. 2025.
- Christine McKee. Amazon slashes Apple Watch Series 10 to $279 while supplies last – NewsBreak. 2025.
- Christine McKee. Amazon slashes Apple Watch Series 10 46mm to record low $279 – NewsBreak. 2025.
- Amazon slashes Apple Watch Series 10 46mm to record low $279, AppleInsider Forums.






