Assistant IA extrait les données de sommeil de l'Apple Watch pour la clinique : 5 pièges

Un développeur a passé un dimanche à faire convertir par un assistant IA six mois de données de sommeil d'Apple Watch en un CSV correspondant au format d'un formulaire d'admission clinique du sommeil. Ce processus a révélé cinq pièges critiques que toute pipeline de données de santé par IA doit gérer.

Problèmes clés rencontrés

• Temps au lit vs sommeil réel : La montre enregistre une fenêtre « au lit » et des enregistrements séparés des phases de sommeil (léger/profond/paradoxal). L'assistant a initialement rapporté la fenêtre au lit comme sommeil total (par exemple 7 heures au lieu de 3). Le total correct est la somme des phases de sommeil, pas le temps au lit.
• Décalages de fuseau horaire : Les horodatages bruts de l'export Apple Health sont en UTC. Sans conversion en heure locale, les heures de coucher apparaissaient à 7h du matin. Après conversion, certaines nuits ont changé de jour calendaire.
• Décalage d'un jour : Les e-mails de résumé hebdomadaire/mensuel d'Apple datent une nuit par le matin du réveil. Le formulaire clinique veut la nuit où vous vous êtes couché. L'assistant a utilisé la date de l'e-mail, décalant la moitié des lignes d'un jour.
• Nuits sans sommeil absentes : Les nuits avec zéro temps de sommeil n'ont pas d'enregistrements « endormi », donc l'assistant les a ignorées. Le résumé mensuel les indique explicitement comme 0,0 heure — elles sont cliniquement importantes. La correction : les inclure à zéro.
• Valeurs HR/HRV inventées : Pour les nuits sans relevé de fréquence cardiaque matinale, l'assistant a rempli une valeur (reportée d'un autre jour). Pour un formulaire médical, c'est inacceptable. La correction : écrire N/A et ne jamais estimer.

Fonctionnalité sympa : intégration des SMS

Le développeur avait texté un ami à propos des données de sommeil (par exemple « la montre dit 2h40 mardi dernier »). L'assistant a associé ces commentaires à la bonne nuit et les a ajoutés à la colonne notes. Cependant, les dates relatives comme « mardi dernier » l'ont d'abord perturbé — il se référait au jour présent au lieu de la date d'envoi du message.

CSV final

Après avoir corrigé le surcomptage du sommeil, la conversion de fuseau horaire, l'utilisation des dates de coucher, l'inclusion des nuits à zéro et l'arrêt des valeurs HR inventées, le CSV correspondait exactement au format de la clinique — une ligne par nuit avec les colonnes : heure de coucher, temps au lit, sommeil total, éveils, efficacité, FC au repos, VFC, notes.

Enseignements pratiques

• Toujours vérifier la distinction entre « au lit » et « endormi » dans tout export de suivi du sommeil — la différence est grande.
• Gérer explicitement la conversion de fuseau horaire et vérifier les décalages de date.
• Inclure les nuits à zéro ; elles sont souvent les plus pertinentes cliniquement.
• Ne jamais laisser une IA imputer des mesures de santé manquantes — utiliser N/A.
• La corrélation des SMS avec les données des capteurs est puissante mais nécessite un ancrage temporel correct.