L'IA qui analyse votre sommeil : ce que SleepFM sait faire, et ses limites

Qu'est-ce que SleepFM ?

SleepFM est né à Stanford, dans les équipes du médecin du sommeil Emmanuel Mignot et du chercheur en science des données James Zou, avec des partenaires dont l'Université technique du Danemark. L'étude, menée par Rahul Thapa et Magnus Ruud Kjaer, a paru le 6 janvier 2026 dans Nature Medicine.

Le modèle a appris sur environ 585 000 heures de polysomnographie, l'examen complet du sommeil pratiqué en laboratoire, enregistrées chez quelque 65 000 personnes. Le plus gros groupe vient du centre du sommeil de Stanford : environ 35 000 patients âgés de 2 à 96 ans, enregistrés entre 1999 et 2024. Leurs nuits ont ensuite été reliées à leur dossier médical, avec jusqu'à 25 ans de suivi.

SleepFM est un modèle de fondation. Comme les modèles de langage qui font tourner les assistants conversationnels, il apprend d'abord la structure générale de ses données, ici une nuit de sommeil, puis réutilise ce savoir pour des questions précises. Les outils plus anciens visaient en général une seule maladie à la fois.

Comment une IA lit-elle une nuit de sommeil ?

Ce qu'enregistre un laboratoire du sommeil

La polysomnographie capte plusieurs signaux en même temps : l'activité du cerveau (EEG), les mouvements des yeux (EOG), le tonus des muscles (EMG), le rythme du cœur (ECG), la respiration et l'oxygène du sang. Ensemble, ils dessinent les stades de la nuit, dont le sommeil paradoxal : les yeux bougent vite, les muscles se relâchent, et les rêves sont souvent les plus vifs.

Jusqu'ici, ces enregistrements servaient surtout à diagnostiquer l'apnée du sommeil ou la narcolepsie. La question posée par SleepFM est simple : contiennent-ils plus d'informations que ce que les médecins y lisent d'habitude ?

Un seul modèle pour de nombreuses questions

Le modèle découpe chaque nuit en segments de cinq secondes. Pendant l'apprentissage, il masque un type de signal, le cœur par exemple, et apprend à le reconstituer à partir des autres. Cette étape ne demande aucun diagnostic : le modèle apprend seulement comment cerveau, cœur, muscles et respiration évoluent d'ordinaire ensemble.

Ce n'est qu'ensuite qu'il est relié aux dossiers médicaux, pour voir quels profils de sommeil précèdent quels diagnostics. Selon Stanford, c'est la combinaison de tous les signaux qui donne les meilleurs résultats. Les chercheurs ont aussi remarqué que des signaux désaccordés, un cerveau qui semble dormir pendant que le cœur semble éveillé par exemple, paraissaient aller de pair avec un risque plus élevé.

Que peut prédire SleepFM, et avec quelle fiabilité ?

L'équipe a testé plus de 1 000 catégories de maladies. Pour 130 d'entre elles, le modèle atteint un indice C d'au moins 0,75. Cet indice mesure un classement : on prend deux personnes et on regarde si le modèle attribue le risque le plus élevé à celle qui tombe malade la première. 0,5 correspond au hasard, 1 à un classement parfait.

Maladies neurodégénératives

Les scores les plus frappants concernent le cerveau : 0,89 pour la maladie de Parkinson et 0,85 pour la démence. C'est cohérent avec ce que la médecine du sommeil savait déjà. Dans le trouble du comportement en sommeil paradoxal, la personne « joue » ses rêves parce que la paralysie musculaire habituelle ne se fait plus, et ce trouble précède souvent de plusieurs années une maladie de Parkinson ou une affection apparentée.

SleepFM ne s'appuie pas sur ce seul signe : il cherche des motifs plus discrets dans l'ensemble des signaux. Un bon score n'est pas pour autant un verdict. Un modèle qui classe bien des milliers de personnes peut se tromper sur une seule.

Maladies cardiovasculaires et cancers

Hors neurologie, Stanford rapporte un indice C de 0,81 pour l'infarctus, de 0,84 pour le décès toutes causes confondues, de 0,89 pour le cancer de la prostate et de 0,87 pour le cancer du sein. Une hypothèse : certaines maladies modifieraient la régulation automatique du cœur et de la respiration pendant le sommeil bien avant les premiers symptômes.

Ces chiffres décrivent des personnes suivies en clinique du sommeil. Ils ne disent rien de votre risque personnel, et le modèle n'est pas proposé comme un examen que l'on peut réserver.

La base DREAM : l'activité du cerveau face aux récits de rêves

La recherche sur les rêves bute sur un autre obstacle : peu de laboratoires réveillent assez de dormeurs pour réunir des données solides. La base DREAM, présentée dans Nature Communications en août 2025, met ce travail en commun. Sa première version rassemble 20 jeux de données, 505 participants et 2 643 réveils, chacun avec l'enregistrement du cerveau juste avant le réveil et une description standardisée de ce que la personne a vécu.

Le premier résultat est modeste, et parlant. À partir du seul EEG, un modèle devine mieux que le hasard si le dormeur va rapporter une expérience, plus nettement en sommeil paradoxal que dans les autres stades. Il indique si quelqu'un rêvait probablement, pas de quoi il rêvait.

La base est ouverte aux chercheurs. C'est un pas de plus pour comprendre pourquoi nous rêvons, et un rappel : le contenu d'un rêve vient toujours des mots de celui qui l'a fait.

Que peut faire l'IA de vos récits de rêves ?

Du codage à la main à l'analyse automatique

Pendant des décennies, le contenu des rêves s'étudiait à la main. Avec la méthode de Hall et Van de Castle, publiée en 1966, des codeurs formés comptent les personnages, les interactions et les émotions de chaque récit. C'est fiable, mais lent.

En 2020, des chercheurs ont conçu un outil qui applique cette grille automatiquement et l'ont testé sur environ 24 000 récits de l'archive DreamBank. Les résultats vont dans le sens de l'hypothèse de continuité : les rêves prolongent souvent les préoccupations et les relations de la vie éveillée. Une étude de 2026 sur ce qui façonne le contenu des rêves va dans la même direction.

Ces outils décrivent de grands groupes. Ils ne disent pas ce que signifie un rêve en particulier, et ils ne servent à diagnostiquer personne.

Comment l'IA de Noctalia lit vos récits de rêves

Ici, l'IA travaille sur ce dont vous vous souvenez, pas sur des signaux cérébraux. Vous racontez votre rêve à voix haute ou par écrit, il est transcrit, et l'IA propose une lecture : symboles, émotions, liens possibles avec vos journées, questions à creuser. Cette lecture n'a lieu que si vous avez accepté le traitement par IA dans l'application. Chaque lecture est une piste, pas un verdict.

Exemple fictif : en trois semaines, un journal réunit un miroir qui renvoie un visage un peu différent, une clé qui n'ouvre plus la porte d'entrée et un chemin qui se divise dans le brouillard. Chaque entrée note aussi une humeur : malaise, puis curiosité. Relus ensemble, ces rêves posent une question plutôt qu'une réponse : qu'est-ce qui change dans ma vie en ce moment, et comment je le vis ?

C'est ce que permet un journal de rêves : voir ce qui revient avec le temps. Noctalia ne remplace pas un thérapeute, et des cauchemars qui abîment durablement votre sommeil méritent l'avis d'un professionnel.

Et ensuite ? Perspectives et limites

Un bilan de santé en une nuit ?

Pas encore. SleepFM a besoin d'un enregistrement complet en laboratoire, avec de nombreux capteurs et un technicien. L'équipe de Stanford veut améliorer ses prédictions, peut-être en ajoutant des données de montres ou de bagues connectées. Ces objets mesurent beaucoup moins de signaux, et leur précision a des limites, comme l'explique notre article sur les traqueurs de sommeil connectés.

Si de tels outils arrivent un jour en consultation, ils serviraient plutôt de premier tri, suivi des examens médicaux habituels.

Limites et questions éthiques

Les auteurs signalent eux-mêmes plusieurs limites. La plupart des patients avaient été adressés à une clinique du sommeil : ils ne représentent pas la population générale. Les performances baissent un peu sur les enregistrements les plus récents. La validation externe, sur la cohorte américaine Sleep Heart Health Study, n'a pu porter que sur une partie des maladies. Et le modèle ne sait pas encore expliquer, cas par cas, ce qui fonde une prédiction.

Viennent ensuite les questions éthiques. Qui aura accès à ces prédictions ? Un assureur pourrait-il les exiger ? Comment vivre avec une fausse alerte sur un risque de Parkinson ? Le droit de ne pas savoir, discuté de longue date en génétique, devra peut-être s'étendre aux données de sommeil.

Les travaux sur les rêves et la santé mentale et sur les rêves et la créativité le rappellent : le sommeil n'est pas qu'un biomarqueur. C'est une expérience intime, et la surveiller chaque nuit pose de vraies questions de vie privée et d'autonomie.

Un point pratique, en attendant : si vous ronflez avec des pauses respiratoires, si vous êtes très somnolent dans la journée, ou si l'on vous dit que vous « vivez » vos rêves en bougeant, consultez votre médecin. Un enregistrement du sommeil est justement l'examen prévu pour cela.