Le projet MyHealthCompanions est une initiative de recherche (Financements IDEX) qui soutient la création de plusieurs dispositifs qualifiés de "compagnons de santé" : ce sont des objets de la vie quotidienne améliorés par la technologie pour encourager des comportements "favorables" à la santé. Il s’intéresse notamment au développement du Vélo Électrique Intelligent pour la Santé (VELIS). Il s'agit d'un vélo électrique associé à une série de capteurs et doté d'une "intelligence artificelle" afin d'adapter finement la puissance délivrée aux besoins et objectifs de chaque utilisateur. Ce dispositif est utilisé dans le cadre d'un programme de réhabilitation à l’effort et d’éducation thérapeutique. Pour accompagner son développement, il a semblé nécessaire d'explorer en amont les modalités d'usage de ce dispositif pour la santé, pour s'assurer qu'il réponde aux besoins de l’ensemble des parties prenantes impliquées dans les usages de ce dernier. Une recherche a été conduite en associant les analyses thématiques de 17 entretiens et de 2 focus groups menés avec les différentes parties prenantes (chercheurs, patients et moniteurs d’activité physique adaptée), ainsi que par l’analyse des outils de communication du projet et une série d'observations participantes (présentations du dispositif par les chercheurs, participation à une expérimentation impliquant le VELIS, réunion entre les promoteurs du projet et une équipe de recherche travaillant sur des sujets similaires). Nous avons réalisé les analyses en nous appuyant sur les modèles d’acceptabilité des technologies de Reinares-Lara et al. (2018) et de Venkatesh (2022), complétés par des travaux critiques de ces approches (Bobillier Chaumon, 2016; Greenhalgh et al., 2017).  Les résultats qui seront détaillés dans l'article complet montrent que l’ensemble des acteurs s’accordent sur un intérêt du "vélo électrique intelligent" pour la réadaptation. Ils mettent aussi en évidence les défis posés par la "datafication" des sorties à vélo, c'est-à-dire le fait de transformer des expériences d’usage en données chiffrées pour en tirer de la valeur. Pour les chercheurs, le traitement algorithmique des données favorise l’obtention de financements, en justifiant, d’une part du caractère innovant de leur dispositif et, d’autre part, de son intérêt médico-scientifique. L’objectif scientifique mis en avant consiste ainsi à adapter l’assistance électrique fournie par le vélo aux besoins de chaque utilisateur, et à analyser a posteriori les progrès réalisés au cours des séances au moyen d’analyses appuyées par l’intelligence artificielle. Pour les moniteurs d’activité physique adaptée, l’analyse des données d’usage peut être vue comme un moyen de légitimer leur profession en démontrant son intérêt pour la santé, et ainsi d'échapper au statut de simple animateur sportif. Pour les patients potentiels, la visualisation des sorties et des progrès réalisés est perçue comme une source de motivation. Ils sont davantage attirés par la perspective de sorties en groupe à l'extérieur, que par l'utilisation d'un dispositif innovant. Dans le même temps, les différents acteurs interrogés soulignent les limites de cette « datafication » : les données recueillies ne permettent pas d’estimer le bien-être et le plaisir éprouvés par les participants, ce qui est pourtant nécessaire pour le maintien de l’activité physique au-delà des séances prescrites. Le développement de ce "vélo électrique intelligent" soulève par ailleurs de nouveaux enjeux de formation et de gestion des équipements : en pratique, peu de moniteurs sont capables d’assurer le rôle prévu par les concepteurs du dispositif, qui nécessite une triple compétence en santé, en vélo et en analyse de données.   L'observation de la "datafication" des usages d'un dispositif destiné à une pratique en vie quotidienne pour la santé soulève des questions sur la manière dont les données modifient les relations de pouvoir, transforment l'expérience personnelle et imposent de nouvelles normes (Ruckenstein & Dow Schull, 2017). Les acteurs concernés par le VELIS mettent en lumière les limites de cette "datafication", qui, si elle peut favoriser l’obtention de financements pour la recherche et le développement, nécessite l'apparition de nouveaux métiers et structures pour accueillir le dispositif. Nos observations révèlent des défis opérationnels, notamment la nécessité de former des moniteurs capables de gérer un dispositif qui exige des compétences en santé, en vélo, et en analyse de données, une expertise rarement réunie chez un même individu. Cela souligne l'importance d'anticiper ces enjeux pratiques pour que la technologie soit réellement efficace et bénéfique et d'intégrer l'utilisation des données traitées par l'intelligence artificielle dans la formalisation des usages par l'ensemble des acteurs. Bibliographie : Bobillier Chaumon, M.-E. (2016). L’acceptation située des technologies dans et par l’activité: Premiers étayages pour une clinique de l’usage. Psychologie du Travail et des Organisations, 22(1), 4–21. https://doi.org/10.1016/j.pto.2016.01.001 Flores, M., Glusman, G., Brogaard, K., Price, N. D., & Hood, L. (2013). P4 medicine: How systems medicine will transform the healthcare sector and society. Personalized Medicine, 10(6), 565–576. https://doi.org/10.2217/PME.13.57 Greenhalgh, T., Wherton, J., Papoutsi, C., Lynch, J., Hughes, G., A’Court, C., Hinder, S., Fahy, N., Procter, R., & Shaw, S. (2017). Beyond Adoption: A New Framework for Theorizing and Evaluating Nonadoption, Abandonment, and Challenges to the Scale-Up, Spread, and Sustainability of Health and Care Technologies. Journal of Medical Internet Research, 19(11), e8775. https://doi.org/10.2196/jmir.8775 Reinares-Lara, E., Olarte-Pascual, C., & Pelegrín-Borondo, J. (2018). Do you want to be a cyborg? The moderating effect of ethics on neural implant acceptance. Computers in Human Behavior, 85, 43–53. https://doi.org/10.1016/j.chb.2018.03.032 Ruckenstein, M. S., & Dow Schull, N. (2017). The datafication of health. Annual Review of Anthropology. Venkatesh, V. (2022). Adoption and use of AI tools: A research agenda grounded in UTAUT. Annals of Operations Research, 308(1), 641–652. https://doi.org/10.1007/s10479-020-03918-9