Fraude au bien-être en entreprise : pourquoi votre secteur de 60 Md$ ne peut pas vérifier une pompe

Le problème

Des gens attachent leurs Fitbits à des ventilateurs de plafond. Ils fixent des trackers de pas sur des métronomes. Ils laissent des vidéos d'entraînement tourner pendant qu'ils dînent — et votre programme de bien-être en entreprise enregistre tout cela comme « terminé ». Ce n'est pas un risque hypothétique. C'est une réalité observée sur les plateformes de fitness gamifiées et dans les économies Move-to-Earn. L'effondrement des premiers projets Web3 de fitness comme STEPN a été alimenté en partie par la course aux armements entre la capacité du système à détecter le mouvement réel et celle des utilisateurs à le falsifier par usurpation GPS et secoueurs mécaniques.

Le secteur du fitness numérique repose sur une faille fondamentale. La plupart des applications « propulsées par l'IA » fonctionnent comme un lecteur vidéo auquel on aurait greffé un moteur de recommandation. Vous regardez un entraîneur faire une séance. L'application suppose que regarder équivaut à faire. À la fin, elle enregistre la séance comme terminée, estime votre dépense calorique à partir de tableaux génériques et vous remet un badge numérique. Aucune de ces données ne résiste à un audit.

C'est ce que le livre blanc appelle l'économie du « Vibes » — des données qui semblent correctes et paraissent encourageantes sur un tableau de bord, mais qui ont une fidélité physique nulle. Lorsque votre entreprise associe de vrais dollars à ces données — remises d'assurance, cotisations HSA, incitations bien-être — vous payez pour des résultats dont vous ne pouvez pas prouver qu'ils se sont réellement produits. Votre budget bien-être devient un test de confiance fondé sur une confiance brisée.

Pourquoi cela compte pour votre entreprise

Le bien-être en entreprise est une industrie de 60 milliards de dollars avec un problème de fraude. Les entreprises paient pour des résultats qu'elles ne reçoivent jamais. Lorsque vous attachez de l'argent à une mesure invérifiable, vous déclenchez ce que les économistes comportementaux appellent la loi de Campbell : la mesure cesse de mesurer la santé et devient une cible à contourner.

Voici comment cela touche vos résultats :

• Dépenses d'incitation gaspillées. Les employés secouent leur téléphone pour atteindre leurs objectifs de pas et toucher des cotisations HSA. Vous payez l'incitation sans obtenir aucun gain de productivité ni aucune amélioration de la santé.
• Distorsion des primes d'assurance. Les assureurs offrent actuellement des remises pour les abonnements à la salle de sport (qui vérifient la localisation, pas l'effort) ou les nombres de pas (qui vérifient le mouvement de l'appareil, pas l'intensité de l'exercice). Vos primes sont calculées sur des données qui se dissolvent dès qu'on les examine de près.
• Exposition à la conformité. En environnement d'entreprise, des données auto-déclarées invérifiables utilisées pour le calcul des primes d'assurance ou la distribution d'incitations bien-être créent un risque d'audit. Si un régulateur ou un auditeur vous demande comment vous avez validé les données derrière vos affirmations sanitaires, « c'est l'application qui l'a dit » n'est pas une réponse défendable.
• Effondrement de l'engagement. Quand des employés honnêtes réalisent 100 véritables pompes et qu'un collègue en enregistre 200 fausses pour remporter le classement, votre système a pénalisé l'effort et récompensé la malhonnêteté. Les plus performants se désengagent. L'intégrité des données entame une course vers le bas.
• Inobservance en rééducation. Les troubles musculosquelettiques sont l'un des principaux facteurs de coûts pour les employeurs. La télérééducation résout le problème d'accès, mais pas celui de l'observance. L'adhésion des patients aux exercices à domicile est auto-déclarée et souvent inférieure à 50 %. Les patients exécutent les mouvements avec une mauvaise forme, ce qui retarde la récupération et augmente vos coûts.

On ne peut pas corriger ce qu'on ne peut pas mesurer. Or, à l'heure actuelle, vous mesurez des vibes.

Ce qui se passe réellement sous le capot

La cause profonde est une erreur d'architecture commise par le secteur il y a des années. La plupart des applications de fitness traitent l'exercice comme un problème de classification d'images. Elles peuvent utiliser l'estimation de pose — un logiciel qui extrait les coordonnées de votre squelette à partir d'un flux caméra. Des bibliothèques comme OpenPose, BlazePose et MoveNet savent repérer où se trouvent vos coudes, vos genoux et vos hanches dans n'importe quelle image.

Mais voici la lacune critique : l'estimation de pose est un capteur, pas une intelligence. Elle vous dit où se trouvent vos articulations sur une seule image figée. Elle ne peut pas dire si vous êtes en train de descendre en position de pompe ou de remonter. Elle ne peut pas dire si vous maintenez cette position depuis 30 secondes ou 30 millisecondes. Elle ne détecte pas les tremblements dus à la fatigue ni un décalage dangereux de votre équilibre.

Voyez les choses ainsi. Remettre à une application de fitness des coordonnées squelettiques brutes revient à tendre à un patient une tension brute relevée sur un moniteur cardiaque et à lui demander de poser lui-même son diagnostic. Le capteur fournit des données brutes. Il faut autre chose pour interpréter le signal.

L'exercice n'est pas un instantané. C'est un processus qui se déploie dans le temps. Un squat crée un motif ondulatoire — votre hanche descend, remonte, redescend. Cette onde possède une profondeur (jusqu'où vous descendez), une vitesse (à quelle allure vous bougez) et une régularité (à quel point vous vacillez). La vision par ordinateur classique examine des images isolées. Elle passe complètement à côté de l'onde. Et les anciens modèles d'IA de traitement de séquences — appelés LSTM (Long Short-Term Memory networks, réseaux à mémoire longue courte) — traitent les données image par image dans un ordre strict. Ils ne peuvent pas être exécutés en parallèle, ce qui les rend trop lents pour un usage en temps réel sur un téléphone. Ils perdent aussi le contexte sur les longues séquences. Une séance de yoga de 5 minutes ou une série de 50 pompes suffit à saturer leur mémoire.

Ce qui fonctionne (et ce qui ne fonctionne pas)

Ce qui ne fonctionne PAS :

• Les données auto-déclarées. Demander aux utilisateurs « avez-vous fait le travail ? » et croire la réponse, c'est ignorer toutes les incitations mal alignées du comportement humain. C'est le socle de l'économie du « Vibes ».
• Les trackers de pas. Si votre système récompense les pas, les utilisateurs trouveront des moyens de faire bouger l'appareil sans bouger leur corps. La mesure devient la cible, plutôt que le résultat de santé.
• Les applications type lecteur vidéo avec estimation de pose greffée. Elles détectent les positions articulaires sur des images statiques, mais elles ne peuvent vérifier ni la qualité, ni la profondeur, ni l'achèvement d'un mouvement dans le temps. Ce sont des capteurs sans intelligence.

Ce qui FONCTIONNE — un moteur de vérification fondé sur la physique, en trois étapes :

1. Détecter (sur l'appareil). Un estimateur de pose léger s'exécute sur le processeur de votre téléphone. Il extrait uniquement les coordonnées squelettiques — quelques kilo-octets de données — et supprime immédiatement les images vidéo. Aucune donnée de pixel ne quitte jamais l'appareil. C'est la confidentialité dès la conception, pensée dès l'origine pour la conformité RGPD et HIPAA.

2. Analyser (traitement du signal via TCN). Le flux anonyme de coordonnées est transmis à un réseau neuronal convolutif temporel (TCN, Temporal Convolutional Network) — une architecture d'IA qui traite votre mouvement comme un signal ondulatoire plutôt que comme une suite d'images. Les TCN utilisent une technique appelée convolutions dilatées, qui permettent au système de vérifier simultanément la physique d'une image isolée (« votre genou rentre-t-il vers l'intérieur à cet instant ? ») et le motif sur plusieurs minutes de mouvement (« votre forme se dégrade-t-elle à mesure que la fatigue s'installe ? »). Contrairement aux anciens modèles, les TCN traitent toutes les étapes temporelles en parallèle. Cela signifie un retour en temps réel sur un appareil mobile.

3. Vérifier (sortie auditable). Le système produit un paquet de données pour chaque répétition vérifiée. Ce paquet contient un horodatage, un score de confiance et des mesures cinématiques — profondeur du mouvement, vitesse, régularité (mesurée comme le « jerk », le taux de variation de l'accélération) et symétrie gauche-droite. Une répétition ne compte que si le déplacement physique dépasse un seuil biomécanique. Pour truquer une pompe dans ce système, il faudrait en pratique construire un robot en forme d'être humain — ou simplement faire la pompe.

C'est la piste d'audit dont votre équipe de conformité a besoin. Chaque répétition vérifiée devient un enregistrement auditable — non pas une affirmation auto-déclarée, mais une mesure physique. Vos assureurs peuvent souscrire sur la base d'une capacité fonctionnelle vérifiée. Votre programme de bien-être peut lier les incitations aux Verified Active Minutes (minutes d'activité vérifiées). Vos cliniciens de télérééducation disposent d'un tableau de bord de l'observance vérifiée et des tendances de qualité, ce qui leur permet d'intervenir quand les données montrent un patient en difficulté — et non des semaines plus tard, au prochain rendez-vous. Le Remote Therapeutic Monitoring est désormais un code CPT remboursable aux États-Unis, ce qui crée une source de revenus directe pour les professionnels utilisant une technologie vérifiée.