Une montre sait compter les pas. Peut-elle aussi estimer la position des jambes, du torse et des bras, sans filmer son utilisateur ? Avec EchoMotion, des chercheurs de Cornell explorent cette possibilité grâce aux ultrasons et à un modèle d’intelligence artificielle. L’intérêt tient à une idée simple : transformer un objet déjà porté au poignet en capteur du mouvement de tout le corps.
Dans une présentation publiée le 11 novembre, l’université met en lumière ces travaux de son laboratoire SciFi. L’étude a été publiée dans la revue IMWUT en septembre et présentée en octobre : l’actualité porte sur sa mise en avant récente, pas sur le lancement d’une fonction commerciale.
Un sonar au poignet, interprété par l’IA
Le principe consiste à émettre un signal ultrasonore avec le haut-parleur de la montre, puis à capter ses réflexions avec le microphone. Les échos changent selon la position du corps. Un modèle d’apprentissage profond apprend à associer ces variations à une posture et estime les coordonnées de douze articulations en trois dimensions. Ce fonctionnement est décrit dans le résumé scientifique publié par le coauteur Jiwan Kim.
La différence avec un simple compteur d’activité est importante. Mesurer l’accélération du poignet renseigne directement sur le déplacement de la montre ; reconstruire une posture suppose d’inférer des informations sur d’autres parties du corps. EchoMotion ajoute une source d’information acoustique à cette tâche.
Il ne faut donc pas imaginer une photographie sonore détaillée de l’utilisateur. Le résultat est une estimation de points corporels, produite par un modèle à partir de signaux appris. Cette distinction compte dès que l’on envisage de commenter la qualité d’un geste.
Des erreurs mesurées en centimètres
Le résumé des auteurs distingue trois évaluations : dix participants avec un prototype matériel, quinze avec une montre commerciale et dix dans une expérience plus proche de conditions réelles. L’erreur moyenne de position par articulation atteint respectivement 5,36 cm, 5,99 cm et 6,41 cm. Ces valeurs décrivent les protocoles étudiés ; elles ne garantissent pas la même précision chez chaque utilisateur.
Une moyenne de six centimètres ne signifie pas non plus que chaque articulation reste à moins de six centimètres de sa position réelle. Certaines estimations peuvent s’écarter davantage. Pour apprécier un futur usage, il faudra regarder quelles erreurs surviennent, à quel moment et sur quels mouvements.
Une démonstration sur des montres du commerce
Selon Cornell, le système a été testé sur une Galaxy Watch 6 non modifiée. Le même modèle a aussi fonctionné sur Galaxy Watch 7 et Pixel Watch 3 sans nouvel entraînement. Une session de trente minutes sur la Galaxy Watch 6 a consommé entre 5 et 6 % de batterie dans les conditions rapportées.
Le communiqué signale toutefois une dégradation dans un couloir, liée aux échos d’autres personnes. Les chercheurs travaillent notamment sur des applications de suivi d’exercice. Ces observations restent celles de l’équipe, avec des groupes limités : elles ne constituent pas une validation à grande échelle.
Cette recherche s’inscrit dans une continuité. La page de publications de la coauteure Catherine Yu décrit également WatchHand, consacré au suivi des articulations de la main par acoustique active sur montre. EchoMotion étend l’ambition au corps entier, ce qui pose une autre difficulté : déduire des mouvements éloignés du poignet.
Sans vidéo, la confidentialité reste une question concrète
L’absence de caméra offre un avantage évident pour des exercices pratiqués dans un lieu partagé : elle évite de constituer des images des personnes présentes. Elle ne dispense cependant pas d’examiner le traitement des données produites.
Avant une éventuelle commercialisation, les questions utiles seraient précises : les signaux restent-ils sur l’appareil ? Les postures estimées sont-elles conservées ? Un utilisateur peut-il suspendre la mesure et effacer son historique ? Ce sont des critères d’évaluation proposés ici, pas des garanties annoncées pour EchoMotion.
Le vrai test sera la fiabilité du retour sur les gestes
Le potentiel dépasse le comptage des répétitions. Si une montre distingue suffisamment bien les positions corporelles, elle pourrait aider à documenter une séance avec moins d’équipement. Mais entre reconnaître un mouvement et expliquer comment le corriger, il reste un écart considérable.
Un futur service devra notamment savoir signaler son incertitude plutôt que produire systématiquement un conseil assuré. Un geste mal estimé peut conduire à un retour inadapté ; les usages de rééducation exigeraient leur propre validation.
EchoMotion montre surtout une direction intéressante pour l’IA : enrichir les capacités d’un appareil courant par l’interprétation de signaux physiques. La prochaine étape décisive sera de vérifier si cette approche reste fiable dans la diversité des corps, des vêtements, des exercices et des espaces du quotidien.
Références
- Cornell Chronicle — présentation des travaux, 11 novembre 2026.
- Jiwan Kim — résumé scientifique et référence IMWUT, DOI 10.1145/3832001.
- Catherine Yu — publications EchoMotion et WatchHand.

