3 points clés à retenir
- Un comportement santé ne se résume pas à un résultat binaire atteint / non atteint. Sa dynamique dans le temps apporte une information supplémentaire.
- Une intervention peut ne pas modifier significativement certains indicateurs de performance tout en étant associée à une différence dans l’enchaînement temporel des épisodes de non-atteinte de l’objectif.
- Fréquence et durée des interruptions, variabilité, délai de reprise et maintien peuvent compléter les indicateurs moyens, à condition de ne pas leur faire dire davantage que ce qu’ils mesurent.
Une intervention est testée pendant douze semaines pour augmenter la marche.
À la fin, le taux moyen d’atteinte de l’objectif est de 87 % dans le groupe intervention comme dans le groupe contrôle. L’essai ne détecte pas non plus de différence significative entre les groupes sur l’évolution du nombre de pas.
L’intervention n’a rien changé ? Pas nécessairement.
Dans le même essai, les participants ayant reçu des messages personnalisés présentent un hazard plus faible de survenue d’épisodes de deux semaines consécutives sans atteindre leur objectif.
Les indicateurs moyens ne diffèrent pas significativement.
Mais la dynamique temporelle des épisodes de non-atteinte, elle, diffère.
Cette étude randomisée publiée en 2026 dans JMIR mHealth and uHealth pose ainsi une question intéressante pour l’évaluation des interventions comportementales : mesurons-nous suffisamment ce qui se passe dans le temps lorsque l’objectif n’est plus atteint ?
Changement de comportement santé : deux performances moyennes similaires peuvent masquer des dynamiques différentes
L’essai de Jang et Sohn a randomisé 174 adultes dans un programme de marche de douze semaines en Corée du Sud.
Les deux groupes utilisaient une application de suivi des pas, recevaient des informations générales sur la santé et des incitations liées à l’atteinte des objectifs.
Le groupe intervention recevait en plus des messages hebdomadaires personnalisés selon ses performances mesurées en milieu de semaine.
Sur les 174 personnes randomisées, 141 ont effectivement participé et ont été incluses dans les analyses.
L’essai n’a pas détecté de différence entre les groupes sur le taux moyen d’atteinte de l’objectif : 87 % dans les deux groupes. Aucune différence significative n’a non plus été observée sur l’évolution hebdomadaire du nombre de pas.
Mais les chercheurs avaient prévu un autre critère : la survenue de deux semaines consécutives sans atteindre l’objectif fixé.
Sur cet indicateur, les résultats diffèrent.
Le hazard de survenue d’un tel épisode était plus faible dans le groupe recevant les messages personnalisés : HR = 0,67 ; IC 95 % [0,52–0,86] ; p = 0,002.
Ce résultat doit être interprété précisément. Un hazard ratio de 0,67 ne signifie pas que la probabilité cumulée d’échec a été réduite de 33 %. Il indique une différence entre les groupes dans le taux instantané de survenue de l’événement étudié au cours du suivi.
Et surtout, l’étude ne démontre ni une capacité générale à « rebondir », ni une augmentation de la probabilité de reprise après un écart.
Elle montre quelque chose de plus circonscrit : deux groupes présentant des résultats moyens similaires peuvent différer dans la survenue d’épisodes consécutifs de non-atteinte.
Atteint / non atteint : une information parfois trop grossière
Imaginons deux personnes qui n’atteignent pas leur objectif pendant quatre semaines.
- Pour la première : objectif atteint → sous l’objectif → objectif atteint → sous l’objectif → objectif atteint
- Pour la seconde : objectif atteint → sous l’objectif → sous l’objectif → sous l’objectif → sous l’objectif
Le nombre de périodes de non-atteinte peut être proche. Leur organisation temporelle ne l’est pas.
Dans un cas, les périodes sous l’objectif sont séparées par des retours à l’objectif. Dans l’autre, elles forment une séquence prolongée de non-atteinte.
Cela ne signifie pas qu’une succession de deux semaines sous l’objectif constitue un abandon. Pas plus qu’un retour ponctuel au-dessus du seuil ne démontre un maintien durable.
La reprise doit elle-même être distinguée de l’amélioration : un comportement peut reprendre tout en restant très variable ou revenir rapidement sous le niveau ciblé.
Il faut également se méfier du seuil lui-même.
Transformer un comportement continu en variable binaire (objectif atteint ou non atteint) peut masquer des différences importantes.
Une personne située juste sous l’objectif et une autre très éloignée de celui-ci seront toutes deux classées en « non-atteinte ».
Lorsque cela est pertinent, l’indicateur binaire gagne donc à être complété par le niveau absolu du comportement et sa distance au seuil.
Le changement de comportement santé est aussi une dynamique temporelle
Cette question rejoint un problème plus général : les comportements de santé ne deviennent pas nécessairement stables selon un calendrier uniforme.
Une revue systématique et méta-analyse publiée en 2024 a examiné 20 études portant sur 2 601 participants et différents comportements de santé : activité physique, alimentation, hydratation ou hygiène bucco-dentaire.
Seules quatre études permettaient d’estimer directement la durée de formation d’une habitude.
Elles rapportaient des médianes comprises entre 59 et 66 jours, des moyennes de 106 à 154 jours et une variabilité individuelle allant de 4 à 335 jours. (Voir notre article à ce sujet).
Mais 11 des 20 études incluses étaient classées à haut risque de biais.
L’information la plus robuste n’est donc pas l’existence d’un délai précis, par exemple les fameux « 21 jours » ou même « deux mois », mais l’importante variabilité observée et l’incertitude qui demeure sur la durée nécessaire à la formation d’une habitude.
Les données disponibles ne permettent pas de fixer un moment universel à partir duquel un comportement pourrait être considéré comme définitivement stabilisé.
D’où l’intérêt de ne pas mesurer uniquement un résultat à une date donnée, mais également son évolution dans le temps.
Que devient le changement d’un comportement santé lorsque le soutien s’arrête ?
Un autre essai randomisé, publié en 2026 dans PLOS Medicine, apporte un éclairage complémentaire.
Il a inclus 572 adultes présentant au moins un comportement à risque pour la santé, recrutés à la sortie d’un service d’urgence à Hong Kong.
Le groupe contrôle recevait un bref conseil téléphonique. Le groupe intervention recevait une intervention téléphonique structurée, complétée par des messages hebdomadaires via WhatsApp ou WeChat pendant six mois.
À six mois, 30,1 % des participants du groupe intervention déclaraient avoir cessé au moins un comportement à risque, contre 19,9 % dans le groupe contrôle : RR = 1,51 ; IC 95 % [1,13–2,02] ; p = 0,006.
Après six mois, les messages ont cessé.
À douze mois, la différence entre groupes sur ce critère d’arrêt d’au moins un comportement à risque n’était plus statistiquement significative.
Mais tous les résultats favorables n’avaient pas disparu : la réduction du nombre de comportements à risque restait supérieure dans le groupe intervention à douze mois.
Il est donc plus exact de parler d’une atténuation de certains effets après l’arrêt du soutien que d’une disparition générale du bénéfice.
Là encore, la limite est importante : cette étude ne mesure pas directement une dynamique individuelle de « reprise ». Elle apporte surtout des informations sur l’évolution de certains effets après l’arrêt du soutien.
Initier un changement en santé et le maintenir ne sont pas la même question
Elle permet en revanche de poser une question importante : une intervention associée à un changement pendant la période de soutien produit-elle le même effet lorsque ce soutien disparaît ?
Ce résultat ne peut pas être supposé. Il doit être mesuré.
Les deux essais ne permettent pas, à eux seuls, de déterminer quelle stratégie de soutien est la plus efficace pour maintenir ou réengager un comportement après une baisse de performance.
Ils invitent cependant à distinguer l’effet observé pendant l’intervention de ce qui se produit ensuite.
Et si le moment du soutien comptait aussi ?
De nombreuses interventions numériques délivrent encore leur soutien selon un calendrier prédéfini : un message chaque semaine, une notification chaque jour, un rappel après une durée déterminée.
Les résultats de Jang et Sohn permettent de formuler une autre hypothèse de conception : la dynamique récente du comportement pourrait être utilisée pour déterminer le moment du soutien, plutôt que de délivrer celui-ci uniquement selon un calendrier fixe.
Cette hypothèse reste à tester.
Il est possible que le besoin de soutien varie selon la dynamique récente du comportement, mais l’étude ne permet pas de déterminer si, ni quand, une intensification du soutien serait bénéfique.
Pour le démontrer, il faudrait notamment comparer expérimentalement une stratégie dans laquelle le soutien est déclenché par un signal comportemental prédéfini à une stratégie de référence.
Cette distinction est importante.
Observer : baisse → soutien → amélioration ne permettrait pas, à lui seul, de conclure que le soutien a provoqué l’amélioration.
Il faut notamment tenir compte de la régression vers la moyenne : lorsqu’une intervention est déclenchée après une performance exceptionnellement basse, une amélioration ultérieure peut survenir en partie indépendamment de l’intervention.
Le moment du soutien constitue donc une hypothèse particulièrement intéressante pour les interventions adaptatives, mais elle doit faire l’objet d’une évaluation causale spécifique.
Personnaliser le contenu… mais peut-être aussi le moment
La personnalisation en santé numérique est souvent pensée en termes de contenu : quel message proposer à cette personne ?
Mais si les comportements évoluent dans le temps, une deuxième dimension apparaît : à quel moment proposer ce soutien ?
Une baisse ponctuelle, plusieurs périodes consécutives sous l’objectif et une variabilité croissante ne décrivent pas exactement la même situation.
Cela ne signifie pas que chacun de ces signaux doive automatiquement déclencher une intervention.
Un écart ponctuel peut refléter une maladie, un déplacement, une contrainte professionnelle ou familiale, ou simplement la variabilité habituelle du comportement.
Déclencher systématiquement une notification ou un contact à chaque baisse pourrait même produire un soutien inutile ou intrusif.
L’enjeu est donc moins de « corriger » chaque écart que de tester si certaines dynamiques observées permettent d’adapter utilement le soutien.
Que mesurer en pratique ?
Un taux moyen de réussite reste informatif. Mais lorsqu’on cherche à comprendre la dynamique d’un comportement, il peut être complété par d’autres indicateurs :
- niveau du comportement : quelle quantité ou fréquence est réellement observée ?
- variabilité : à quel point le comportement fluctue-t-il au cours du temps ?
- fréquence des interruptions : combien d’épisodes de non-atteinte surviennent ?
- durée des interruptions : combien de temps persistent-elles ?
- délai de reprise : combien de temps s’écoule avant un retour au comportement ou au niveau ciblé ?
- maintien : que devient le comportement lorsque le soutien diminue ou s’arrête ?
Ces indicateurs ne sont pas interchangeables et ne doivent pas nécessairement être mesurés dans toutes les interventions.
Leur sélection dépend du comportement étudié, de l’hypothèse causale et du résultat recherché.
Et surtout, décrire une dynamique ne démontre pas encore comment la modifier.
Constater que certaines personnes connaissent des périodes prolongées de non-atteinte peut permettre d’identifier une situation intéressante à étudier. Cela ne démontre pas encore qu’intervenir à ce moment précis améliorera leur comportement.
Conclusion
Nous évaluons souvent les interventions comportementales à partir d’indicateurs moyens : nombre de pas, pourcentage d’objectifs atteints…. Ces mesures sont nécessaires.
Mais elles peuvent masquer une partie de ce qui se passe dans le temps.
Deux personnes présentant un résultat moyen similaire peuvent connaître des séquences de comportement différentes. Une intervention peut ne pas montrer de différence significative sur certains indicateurs moyens tout en étant associée à une différence dans la dynamique des épisodes de non-atteinte.
Cela ne démontre ni une meilleure « résilience », ni une meilleure capacité de reprise, ni une stratégie optimale de réengagement.
Cela suggère plutôt que l’évaluation du changement comportemental peut gagner à compléter les indicateurs de niveau par des indicateurs de dynamique : variabilité, fréquence et durée des interruptions, délai de reprise et maintien après réduction du soutien.
La question n’est donc pas seulement : « cette intervention augmente-t-elle le taux de réussite ? » mais aussi « que se passe-t-il lorsque la personne s’écarte de l’objectif, combien de temps cet écart persiste-t-il et que devient le comportement ensuite ? ».
Cette perspective constitue une piste d’évaluation à tester : ne pas seulement mesurer combien de fois une personne atteint son objectif, mais aussi décrire ce qui se passe entre deux périodes d’atteinte.
Références
Jang, S., & Sohn, A. (2026). Personalized mobile app-based messaging and step tracking for improving walking behavior in adults: Randomized controlled trial. JMIR mHealth and uHealth, 14, e84430. https://doi.org/10.2196/84430
Li, W. H. C., et al. (2026). Effect of a digitally augmented general health promotion intervention on abstinence from health-risk behaviors among emergency department discharge patients: A randomized controlled trial. PLOS Medicine, 23(9), e1004916. https://doi.org/10.1371/journal.pmed.1004916
Singh, B., Murphy, A., Maher, C., & Smith, A. E. (2024). Time to form a habit: A systematic review and meta-analysis of health behaviour habit formation and its determinants. Healthcare, 12(23), 2488. https://doi.org/10.3390/healthcare12232488
