Fermer Le Menu
    FORUM
    Apple

    watchOS 26.2 serre la vis du Sleep Score et du Wi-Fi UE

    YvesPar Aucun commentaire11 Minutes de Lecture
    Close-up of a smartwatch displaying sleep tracking data in German.
    Photo de Patrick sur Pexels.

    En décembre 2025watchOS 26.2 resserre le barème du Sleep Score et ajoute une friction au jumelage Wi-Fi d’une Apple Watch dans l’Union européenne. Le chiffre peut baisser sans que votre nuit ait empiré, tandis qu’un réglage manuel s’invite dans le jardin clos.

    Le Sleep Score passe au contrôle technique

    Le changement le plus visible concerne le Sleep Scoreapparu avec watchOS 26. Apple a resserré les plages utilisées pour classer la qualité d’une nuit. La note maximale doit désormais correspondre à une nuit jugée très récupératrice, au lieu d’être attribuée avec un barème plus généreux.

    Deux nuits comparables peuvent donc recevoir des scores différents avant et après l’installation. Une note en baisse ne signifie pas automatiquement que le sommeil s’est dégradé. Le barème a changé. Le chiffre bouge, pas forcément la nuit.

    Comme tout score de santé connectée, le Sleep Score dépend des données captées, des indicateurs retenus et des seuils choisis. La durée du sommeil, les interruptions et d’autres signaux nocturnes sont transformés en une note facile à lire, mais cette note reste une interprétation. Ce n’est pas une prise de sang avec une virgule en plus.

    Un score n’est pas un diagnostic, même avec un joli cadran

    Une revue de Montini et Provini, publiée le 25 juillet 2025 dans Clinical Neurophysiologyrappelle que les règles classiques de notation du sommeil décrivent parfois mal les profils de personnes atteintes de maladies neurodégénératives. Elle présente un système alternatif testé sur des enregistrements de polysomnographie vidéo provenant de neuf patients atteints de maladie de Parkinson, de démence à corps de Lewy ou d’atrophie multisystémique. Les auteurs rapportent un accord excellent entre évaluateurs, tout en demandant une validation sur un groupe plus large.

    Cette publication ne porte pas sur l’Apple Watch et n’évalue donc pas le Sleep Score. Elle donne toutefois un repère utile : même en laboratoire, classer les phases du sommeil n’est pas une opération parfaitement universelle. Pour l’utilisateur, la note de la montre reste un indicateur de suivi, pas un examen clinique. Les promesses de précision doivent rester à leur place.

    Le Wi-Fi européen prend le chemin des réglages

    Modern office scene with adult using laptop and smartwatch, emphasizing tech integration.
    Photo de cottonbro studio sur Pexels.

    La deuxième modification concerne la configuration d’une nouvelle Apple Watch dans l’Union européenne. Avec watchOS 26.2le partage automatique des identifiants Wi-Fi de l’iPhone vers la montre est désactivé pendant le jumelage. L’utilisateur peut donc devoir sélectionner manuellement le réseau auquel la montre doit se connecter.

    La modification suit les règles du Digital Markets Act, le règlement européen qui encadre les grandes plateformes numériques. Elle intervient surtout lors de la configuration initiale d’un nouvel appareil et n’ajoute pas une nouvelle fonction à la montre. Il faut simplement prévoir une étape de réglage là où l’écosystème cherchait jusque-là à la rendre invisible.

    Pas de quoi faire trembler une keynote, mais ce changement montre comment la réglementation descend jusque dans les écrans de configuration. Apple conserve un parcours intégré, tandis que le cadre européen lui impose une friction supplémentaire. Le résultat tient à une sélection de réseau, pas à une révolution au poignet.

    Le DMA met le jardin clos en mode manuel

    Close-up of a person in a green sweater using a smartwatch.
    Photo de MART PRODUCTION sur Pexels.

    Le transfert automatique du Wi-Fi illustre la continuité entre l’iPhone et l’Apple Watch : moins de saisie, moins de réglages, une première connexion presque invisible. Avec watchOS 26.2le choix du réseau devient explicite pour les utilisateurs concernés par la règle européenne.

    La montre ne perd pas sa connexion et le jumelage ne devient pas inutilisable. Lorsqu’un nouveau modèle est configuré dans l’Union européenne, il faut seulement sélectionner le réseau à la main si le partage automatique n’est plus proposé. Le jardin clos reste fermé, mais le portail européen change la poignée.

    Mise à jour ou mise au lit?

    watchOS 26.2 reste une mise à jour de maintenance. Elle privilégie les correctifs de fonctionnement et la fiabilité quotidienne plutôt qu’une nouvelle application ou une refonte visuelle. Tous les appareils compatibles avec watchOS 26 sont également compatibles avec cette version 26.2.

    Pour l’installer, ouvrez l’app Watch sur l’iPhonepuis accédez à Général et à Mise à jour logicielle. La montre doit disposer d’un niveau de batterie suffisant et peut devoir rester sur son chargeur pendant l’opération.

    1. Ouvrez l’app Watch sur l’iPhone.
    2. Accédez à Généralpuis à Mise à jour logicielle.
    3. Lancez l’installation de watchOS 26.2 et laissez l’Apple Watch sur son chargeur si le système le demande.

    Après l’installation, comparez les scores de sommeil sur plusieurs nuits. Pour un prochain jumelage dans l’Union européenne, gardez aussi le mot de passe Wi-Fi sous la main. Même le réseau domestique a droit à son petit passage en douane.

    Sources et références scientifiques
    1. Andrew Orr. Sleep scores sharpen and EU Wi-Fi setup shifts in watchOS 26.2. 2025.
    2. Montini A, Provini F.. Sleep scoring in neurodegenerative diseases: Towards new rules.. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 2025. DOI: 10.1016/j.clinph.2025.2110946 · PMID: 40769811. (résumé scientifique structuré; texte intégral non fourni)
    3. Performance of an Automated Sleep Scoring Approach for Actigraphy Data in Children and Adolescents – PMC. Sleep. DOI: 10.1093/sleep/zsaf282 · PMID: 40973655.
    4. 1.Matricciani L, Paquet C, Galland B, Short M, Olds T. Children’s sleep and health: A meta-review. Sleep Med Rev. 2019;46:136-150. doi: 10.1016/j.smrv.2019.04.011 [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.smrv.2019.04.011.
    5. 2.Jansen EC, Dunietz GL, Matos-Moreno A, Solano M, Lazcano-Ponce E, Sánchez-Zamorano LM. Bedtimes and Blood Pressure: A Prospective Cohort Study of Mexican Adolescents. Am J Hypertens. 2020;33(3):269-277. doi: 10.1093/ajh/hpz191 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1093/ajh/hpz191.
    6. 3.Jansen EC, Dunietz GL, Chervin RD, et al. Adiposity in Adolescents: The Interplay of Sleep Duration and Sleep Variability. Journal of Pediatrics. 2018;203:309-316. doi: 10.1016/j.jpeds.2018.07.087 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/j.jpeds.2018.07.087.
    7. 4.Mitchell J a, Rodriguez D, Schmitz KH, Audrain-McGovern J. Sleep duration and adolescent obesity. Pediatrics. 2013;131(5):e1428-34. doi: 10.1542/peds.2012-2368 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1542/peds.2012-2368.
    8. 5.Buysse DJ. Sleep Health: Can We Define It? Does It Matter? Sleep. 2014;37(1):9-17. doi: 10.5665/sleep.3298 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5665/sleep.3298.
    9. 6.Fekedulegn D, Andrew ME, Shi M, Violanti JM, Knox S, Innes KE. Actigraphy-Based Assessment of Sleep Parameters. Ann Work Expo Health. 2020;64(4):350-367. doi: 10.1093/ANNWEH/WXAA007 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1093/ANNWEH/WXAA007.
    10. 7.Weaver RG, de Zambotti M, White J, et al. Evaluation of a device-agnostic approach to predict sleep from raw accelerometry data collected by Apple Watch Series 7, Garmin Vivoactive 4, and ActiGraph GT9X Link in children with sleep disruptions. Sleep Health. 2023;9(4):417-429. doi: 10.1016/J.SLEH.2023.04.005 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/J.SLEH.2023.04.005.
    11. 8.Smith C, Galland B, Taylor R, Meredith-Jones K. ActiGraph GT3X+ and Actical Wrist and Hip Worn Accelerometers for Sleep and Wake Indices in Young Children Using an Automated Algorithm: Validation With Polysomnography. Front Psychiatry. 2020;10. doi: 10.3389/FPSYT.2019.00958 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3389/FPSYT.2019.00958.
    12. 9.Lee XK, Chee NIYN, Ong JL, et al. Validation of a Consumer Sleep Wearable Device With Actigraphy and Polysomnography in Adolescents Across Sleep Opportunity Manipulations. J Clin Sleep Med. 2019;15(9):1337-1346. doi: 10.5664/JCSM.7932 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5664/JCSM.7932.
    13. 10.Yavuz-Kodat E, Reynaud E, Geoffray MM, et al. Validity of Actigraphy Compared to Polysomnography for Sleep Assessment in Children With Autism Spectrum Disorder. Front Psychiatry. 2019;10:551. doi: 10.3389/FPSYT.2019.00551 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3389/FPSYT.2019.00551.
    14. 11.Pesonen AK, Kuula L. The Validity of a New Consumer-Targeted Wrist Device in Sleep Measurement: An Overnight Comparison Against Polysomnography in Children and Adolescents. J Clin Sleep Med. 2018;14(4):585-591. doi: 10.5664/JCSM.7050 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5664/JCSM.7050.
    15. 12.Meltzer LJ, Walsh CM, Traylor J, Westin AML. Direct comparison of two new actigraphs and polysomnography in children and adolescents. Sleep. 2012;35(1):159-166. doi: 10.5665/SLEEP.1608 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5665/SLEEP.1608.
    16. Bridging AI and Clinical Practice: Integrating Automated Sleep Scoring Algorithm with Uncertainty-Guided Physician Review – PMC. Nature and science of sleep. DOI: 10.2147/nss.s455649 · PMID: 38827394.
    17. rry RB, Brooks R, Gamaldo C, et al. AASM Scoring Manual Updates for 2017 (Version 2.4). J Clin Sleep Med. 2017;13(5):665-666. doi: 10.5664/jcsm.6576 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5664/jcsm.6576.
    18. 2.Patel AK, Reddy V, Shumway KR, Araujo JF. Physiology, Sleep Stages. In: StatPearls. Treasure Island (FL): StatPearls Publishing; 2022. [PubMed] [Google Scholar].
    19. 3.Dorffner G, Vitr M, Anderer P. The effects of aging on sleep architecture in healthy subjects. Adv Exp Med Biol. 2015;821:93-100. [DOI] [PubMed] [Google Scholar].
    20. 4.Kahn A, Dan B, Groswasser J, Franco P, Sottiaux M. Normal sleep architecture in infants and children. J Clin Neurophysiol. 1996;13(3):184-197. doi: 10.1097/00004691-199605000-00002 [DOI] [PubMed] [Google Scholar]. doi:10.1097/00004691-199605000-00002.
    21. 5.Liu Y, Zhang J, Lam V, et al. Altered sleep stage transitions of REM sleep: a novel and stable biomarker of narcolepsy. J Clin Sleep Med. 2015;11(8):885-894. doi: 10.5664/jcsm.4940 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5664/jcsm.4940.
    22. 6.Wei Y, Colombo MA, Ramautar JR, et al. Sleep stage transition dynamics reveal specific stage 2 vulnerability in insomnia. Sleep. 2017;40(9):10.1093/sleep/zsx117. [DOI] [PubMed] [Google Scholar]. doi:10.1093/sleep/zsx117.
    23. 7.Goh DY, Galster P, Marcus CL. Sleep architecture and respiratory disturbances in children with obstructive sleep apnea. Am J Respir Crit Care Med. 2000;162(2):682-686. doi: 10.1164/ajrccm.162.2.9908058 [DOI] [PubMed] [Google Scholar]. doi:10.1164/ajrccm.162.2.9908058.
    24. 8.Malhotra A, Younes M, Kuna ST, et al. Performance of an automated polysomnography scoring system versus computer-assisted manual scoring. Sleep. 2013;36(4):573-582. doi: 10.5665/sleep.2548 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.5665/sleep.2548.
    25. 9.Fiorillo L, Puiatti A, Papandrea M, et al. Automated sleep scoring: a review of the latest approaches. Sleep Med Rev. 2019;48:101204. doi: 10.1016/j.smrv.2019.07.007 [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.smrv.2019.07.007.
    26. 10.Perslev M, Darkner S, Kempfner L, Nikolic M, Jennum PJ, Igel C. U-Sleep: resilient high-frequency sleep staging. NPJ Digit Med. 2021;4(1):72. doi: 10.1038/s41746-021-00440-5 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/s41746-021-00440-5.
    27. 11.Fiorillo L, Monachino G, van der Meer J, et al. U-Sleep’s resilience to AASM guidelines. NPJ Digit Med. 2023;6(1):33. doi: 10.1038/s41746-023-00784-0 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/s41746-023-00784-0.
    28. 12.Danker-Hopfe H, Anderer P, Zeitlhofer J, et al. Interrater reliability for sleep scoring according to the rechtschaffen & kales and the new AASM standard. J Sleep Res. 2009;18(1):74-84. [DOI] [PubMed] [Google Scholar].
    29. Beyond accuracy: a framework for evaluating algorithmic bias and performance, applied to automated sleep scoring – PMC. Scientific reports. DOI: 10.1038/s41598-025-06019-4 · PMID: 40595988.
    30. rry, R. B. et al. AASM scoring manual version 2.2 updates: new chapters for scoring infant sleep staging and home sleep apnea testing (2015). [DOI] [PMC free article] [PubMed].
    31. 2.Redline, S. et al. The effects of age, sex, ethnicity, and sleep-disordered breathing on sleep architecture. Arch. Intern. Med.164, 406-418 (2004). [DOI] [PubMed] [Google Scholar].
    32. 3.Sahlin, C., Franklin, K. A., Stenlund, H. & Lindberg, E. Sleep in women: normal values for sleep stages and position and the effect of age, obesity, sleep apnea, smoking, alcohol and hypertension. Sleep Med.10, 1025-1030 (2009). [DOI] [PubMed] [Google Scholar].
    33. 4.Danker-Hopfe, H. et al. Interrater reliability for sleep scoring according to the rechtschaffen & kales and the new aasm standard. J. Sleep Res.18, 74-84 (2009). [DOI] [PubMed] [Google Scholar].
    34. 5.Rosenberg, R. S. & Van Hout, S. The american academy of sleep medicine inter-scorer reliability program: sleep stage scoring. J. Clin. Sleep Med.9, 81-87 (2013). [DOI] [PMC free article] [PubMed] [Google Scholar].
    35. 6.Lee, Y. J., Lee, J. Y., Cho, J. H. & Choi, J. H. Interrater reliability of sleep stage scoring: a meta-analysis. J. Clin. Sleep Med.18, 193-202 (2022). [DOI] [PMC free article] [PubMed] [Google Scholar].
    36. 7.Nikkonen, S. et al. Multicentre sleep-stage scoring agreement in the sleep revolution project. J. Sleep Res.33, e13956 (2024). [DOI] [PMC free article] [PubMed] [Google Scholar].
    37. 8.Natarajan, N., Dhillon, I. S., Ravikumar, P. K. & Tewari, A. Learning with noisy labels. Adv. Neural Inf. Process. Syst.26, 145 (2013). [Google Scholar].
    38. 9.Song, H., Kim, M., Park, D., Shin, Y. & Lee, J.-G. Learning from noisy labels with deep neural networks: a survey. IEEE Trans. Neural Netw. Learn. Syst.34, 8135-8153 (2022). [DOI] [PubMed] [Google Scholar].
    39. énay, B. & Verleysen, M. Classification in the presence of label noise: a survey. IEEE Trans. Neural Netw. Learn. Syst.25, 845-869 (2013). [DOI] [PubMed] [Google Scholar].
    40. 11.Perslev, M. et al. U-sleep: resilient high-frequency sleep staging. NPJ Digital Med.4, 72 (2021). [DOI] [PMC free article] [PubMed] [Google Scholar].
    41. 12.Fiorillo, L. et al. U-sleep’s resilience to aasm guidelines. NPJ Digital Med.6, 33 (2023). [DOI] [PMC free article] [PubMed] [Google Scholar].
    42. Sleep scores sharpen and EU Wi-Fi setup shifts in watchOS 26.2, AppleInsider Forums.
    43. Sleep scores sharpen and EU Wi-Fi setup shifts in watchOS 26.2.
    44. Sara Donnelly. Apple watchOS 26.2 Update Refines Sleep Score and Boosts Battery Life. 2025.

    Articles relatifs:

    Bonjour ! Je suis Yves, un passionné de technologie et du web, âgé de 35 ans. J'adore explorer les innovations numérique et partager mes connaissances avec autrui. Mon objectif est d'aider chacun à naviguer dans l'univers digital avec aisance. Bienvenue sur mon site !

    Connexes Postes

    Ajouter Un Commentaire
    Laisser Une Réponse