Aux États-Unis, une part significative des adultes portent un bracelet connecté ou utilisent une application pour suivre leur santé quotidiennement. Ce chiffre cache une fracture : Selon le rapport GSMA 2025, 93 % des personnes non connectées à l’internet mobile vivent dans des pays à revenu faible ou intermédiaire. Les données biométriques font l’objet d’une utilisation croissante dans certains modèles assurantiels, et ceux qui ne peuvent pas les produire supportent des tarifs standards.

L’essentiel

  • La donnée biométrique individuelle, captée par les bracelets connectés, fait l’objet d’une utilisation croissante dans certains modèles assurantiels aux États-Unis. Le cadre fédéral encadre les programmes de bien-être des régimes collectifs soumis à HIPAA et à l’ACA, mais son champ n’est pas universel.
  • Selon le rapport GSMA 2025, 93 % des personnes non connectées à l’internet mobile vivent dans des pays à revenu faible ou intermédiaire ; les femmes représentent 58 % de l’écart d’usage mobile et ont 12 % moins de chances que les hommes d’utiliser Internet sur mobile.
  • Les prix des dispositifs de suivi varient fortement selon le modèle ; certains commencent autour de 249 dollars et d’autres dépassent 400 dollars, ajoutant une barrière tarifaire à la barrière numérique.
  • La bifurcation est encore ouverte : régulation des usages assurantiels ou privatisation durable d’un bien de santé qui était jusqu’ici collectif.

Un marché de l’assurance qui apprend à lire les corps

Le modèle traditionnel de l’assurance santé repose sur la mutualisation du risque. On cotise en fonction de grandes catégories, âge, sexe, antécédents, parce que c’est tout ce qu’un assureur peut observer. Les bracelets connectés changent cette équation. Ils produisent une granularité nouveau : fréquence cardiaque au repos, variabilité du rythme, heures de sommeil, pas quotidiens, niveaux de stress estimés. Un assureur qui accède à ces flux peut substituer un profil individuel précis à une estimation statistique de groupe.

Plusieurs grandes compagnies américaines ont déjà franchi le pas. John Hancock intègre les données de suivi d’activité dans ses contrats d’assurance vie depuis 2018. UnitedHealthcare Motion est un programme volontaire de récompenses liées à des objectifs d’activité, dont la forme dépend du régime. Les données biométriques ne servent pas encore à fixer les primes de santé en temps réel pour la majorité des contrats, mais la direction est lisible : le marché récompense ceux qui produisent des données favorables.

Ce que Luigi Zingales a documenté sur la capture réglementaire s’applique ici avec une précision remarquable. Son travail sur le capitalisme et le pouvoir politique, publié via le forum ProMarket de l’université de Chicago, décrit comment les acteurs dominants convertissent des biens collectifs en rentes privées dès que la régulation publique est absente ou en retard. La santé préventive a longtemps été traitée comme un bien collectif : les programmes de prévention, les bilans de santé, les données épidémiologiques servent l’ensemble de la population. Quand ces données migrent vers des plateformes privées et des contrats individuels d’assurance, des effets distributifs pourraient en résulter selon le cadre réglementaire applicable.

La fracture numérique est aussi une fracture de santé

Les Américains qui suivent leur santé quotidiennement ne sont pas un échantillon représentatif de la population. Selon la GSMA 2025, à l’échelle mondiale, 93 % des personnes non connectées à l’internet mobile vivent dans des pays à revenus faibles ou intermédiaires. Même à l’intérieur des États-Unis, les inégalités d’équipement numérique épousent les inégalités de revenus et d’ethnicité.

Le coût et l’éligibilité des dispositifs dépendent du programme et du modèle ; aucun seuil universel de 200–400 dollars n’est établi. À ce prix, les dispositifs connectés sont socialement inégalement adoptés, mais ne sont pas réservés aux seuls ménages du haut de la distribution. Les femmes, surreprésentées dans les revenus les plus bas, cumulent deux désavantages documentés par le GSMA : elles représentent 58 % de l’écart d’usage entre hommes et femmes sur Internet mobile, et ont 12 % moins de probabilité que les hommes d’utiliser ce même Internet sur leur téléphone. Les incitations tarifaires peuvent créer des écarts. Dans les programmes collectifs conditionnés à un facteur de santé, l’absence de données ne peut pas entraîner automatiquement une prime fondée sur la santé lorsqu’une alternative raisonnable ou une dérogation est requise.

Le mécanisme est d’autant plus pervers qu’il tend à s’autorenforcer. Les populations qui ont le moins accès aux dispositifs de suivi rencontrent souvent des conditions de vie, de travail, d’alimentation plus difficiles. Les programmes de bien-être collectifs conditionnés à un facteur de santé doivent offrir une alternative raisonnable ou une dérogation pour obtenir la récompense. Ceux qui peuvent prouver qu’ils marchent dix mille pas par jour obtiennent une récompense. Les populations ayant des conditions de travail moins flexibles rencontrent des obstacles supplémentaires pour accéder à ces dispositifs et aux récompenses associées.

Ce mécanisme rejoint les dynamiques décrites dans notre analyse de la polarisation par les robots : quand une technologie amplifie la productivité des travailleurs déjà bien équipés sans être accessible aux autres, elle creuse l’écart au lieu de le combler.

L’absence de régulation fédérale n’est pas un oubli

Il existe un cadre fédéral pour les régimes collectifs : il limite et conditionne les incitations tarifaires liées aux programmes de bien-être. La loi de protection de la vie privée médicale la plus connue, la loi fédérale sur la confidentialité des données de santé adoptée en 1996, couvre les données détenues par les prestataires de soins, les hôpitaux et les assureurs dans leurs fonctions administratives. Les données d’une application ou d’un bracelet grand public ne sont généralement pas couvertes par cette loi, sauf lorsque le service agit pour le compte d’une entité couverte. Le parcours des données dépend de chaque application, plateforme et programme ; il ne peut pas être généralisé à Apple, Google, Garmin ou Fitbit puis à l’assureur.

Ce vide réglementaire structure l’accès aux données biométriques. Les assureurs peuvent accéder aux données biométriques favorables via des programmes d’incitation volontaires. Les programmes collectifs de bien-être conditionnés à un facteur de santé doivent prévoir une alternative raisonnable ou une dérogation selon les règles fédérales applicables.

Une lecture concurrente mérite d’être posée franchement. Des économistes proches du courant des marchés compétitifs, dont les travaux sur la tarification du risque fondée sur l’information, soutiennent que la différenciation fine des primes selon le comportement de santé réel est économiquement souhaitable : elle aligne les incitations, réduit l’aléa moral et peut, en théorie, baisser les coûts pour les populations les plus actives. L’argument a une cohérence interne. Il tient tant qu’on suppose que la décision de ne pas porter un bracelet est un choix libre. Quand 200 dollars représentent une dépense impossible pour un ménage au bas de la distribution, la liberté de choix est formelle.

La tarification différenciée peut refléter des inégalités de moyens plutôt que des différences de choix de comportement.

La thèse de Zingales dépasse le seul diagnostic d’inégalité. Une capture réglementaire pourrait concentrer des bénéfices vers certains acteurs du secteur, tandis que les populations à faibles revenus encourent des risques de tarification différenciée. Un marché compétitif fonctionnel exigerait des règles du jeu identiques pour tous les participants. L’accès inégal aux dispositifs peut produire des effets inégaux sous des règles formellement identiques.

Données collectives et données privées : deux logiques opposées

Une étude de l’American Heart Association de 2026 suggère qu’un bracelet expérimental pourrait détecter un arrêt cardiaque dans un contexte clinique et évoque un potentiel d’assistance plus rapide, sans établir l’affirmation générale sur l’amélioration de la détection des arythmies ou la réduction mesurée des délais de prise en charge. Cette valeur clinique est réelle. L’enjeu porte sur ses bénéficiaires et sur la forme que prend son organisation.

Un programme de santé publique qui collecte des données biométriques anonymisées et agrégées peut alimenter des modèles épidémiologiques, identifier des poches de risque cardiovasculaire dans certains quartiers, orienter des ressources préventives vers les populations qui en ont le plus besoin. C’est une logique de bien commun. Un programme assurantiel privé qui collecte les mêmes données au niveau individuel pour moduler une prime produit un effet inverse : il tend à diriger les avantages tarifaires vers ceux dont le profil de risque est déjà favorable. La donnée biométrique est le même objet dans les deux cas. Son usage public ou privé peut produire des effets distincts selon le cadre réglementaire applicable.

Le lien avec les enjeux de gouvernance numérique est ici direct. Comme le montre l’analyse de la régulation de la robotique autonome, les technologies qui interagissent directement avec des corps ou des droits individuels exigent un cadre de responsabilité civile et réglementaire que le marché seul ne peut pas construire.

2030 : ce qui reste possible et ce qui se ferme

La bifurcation entre les deux trajectoires possibles n’est pas encore fermée. Mais les fenêtres réglementaires ont une durée de vie limitée. Deux scénarios se dessinent d’ici 2030-2035, et les signaux qui permettront de les distinguer sont déjà mesurables.

Dans le premier scénario, les données biométriques restent captives des plateformes privées. Dans les marchés soumis à l’ACA, l’accès à des données de plateforme ne permet pas à l’assureur de différencier les primes selon ces données. Certains programmes offrent des récompenses liées à l’activité. L’absence de données ne peut pas, dans les marchés ACA concernés, entraîner une prime fondée sur la santé ; les programmes collectifs obéissent à des protections spécifiques.

L’assurance complémentaire concerne aussi une part des bénéficiaires Medicare à faibles revenus, mais son existence ne démontre pas que la stratification liée aux données biométriques les affecte. Le signal à surveiller est la croissance des contrats intégrant des clauses de modulation tarifaire liées aux données biométriques, que les régulateurs sectoriels peuvent documenter.

Dans le second scénario, un cadre réglementaire étend la protection des données biométriques et limite leur utilisation assurantielle. Certains États classent certaines données biométriques comme sensibles, mais il faut identifier une règle d’assurance précise pour affirmer qu’elle encadre les modèles tarifaires. Une classification de données biométriques comme données sensibles existe dans certains États. La réglementation européenne sur la protection des données personnelles limite le traitement automatisé produisant des effets juridiques à partir de données de santé. Aux États-Unis, le niveau fédéral reste le seul qui puisse créer un plancher uniforme.

Des programmes publics de distribution subventionnée de dispositifs de suivi de santé, conditionnés à une gestion des données sous contrôle public et non commercial, pourraient compléter cette régulation par l’offre. L’écart de taux d’équipement entre les ménages les plus aisés et les moins aisés, dans les pays où de telles politiques ont été mises en place, est le second signal à suivre.

Le premier scénario a la force de l’inertie. Les acteurs du secteur de l’assurance et des technologies de santé disposent de ressources substantielles et d’une présence établie dans les processus réglementaires. Le second scénario a besoin d’une coalition politique qui n’existe pas encore clairement : des régulateurs de santé, des défenseurs des données personnelles et des organisations de consommateurs qui s’accordent sur le diagnostic commun avant de diverger sur les remèdes. Ce diagnostic, la donnée biométrique comme rente assurantielle privée, commence à être posé dans les débats de politique de santé aux États-Unis, notamment autour des discussions sur l’extension de la protection des données de santé à l’économie des applications. C’est une ouverture, pas une garantie.

La comparaison internationale ajoute une pression utile. Le RGPD restreint fortement le traitement des données de santé et les décisions exclusivement automatisées, mais n’établit pas une interdiction générale du profilage assurantiel. Si cette règle produit des effets mesurables sur l’équité d’accès à l’assurance en Europe au cours des prochaines années, elle fournira un contre-exemple crédible à l’argument selon lequel la régulation de ce type est économiquement infaisable. Les données de déconnexion numérique documentées par le GSMA pourraient alors servir à calibrer où l’effort public de rendre accessible de l’accès doit porter en priorité.

Ce qui est clair dès maintenant : l’absence de cadre réglementaire pourrait permettre une multiplication des contrats intégrant des clauses de modulation tarifaire liées aux données biométriques. La fenêtre pour choisir reste ouverte, mais se réduit à mesure que de tels modèles s’intègrent dans le marché.

Sources

  1. GSMA, State of Mobile Connectivity 2026, via Telefónica Communication Room : https://www.telefonica.com/en/communication-room/blog/coverage-usage-gsma-state-mobile-connectivity-2026/
  2. Luigi Zingales, travaux sur la capture réglementaire et le capitalisme politique, ProMarket (Stigler Center, University of Chicago Booth School of Business) : https://promarket.org/contributor/luigi-zingales/
  3. American Heart Association, études sur le suivi biométrique continu et la détection des arythmies, 2025-2026 (publications dans Circulation et JAHA, sans URL directe vérifiable ici)
  4. John Hancock, programme Vitality et assurance vie fondée sur les données d’activité (annonce publique 2018, sans URL directe vérifiable ici)
  5. UnitedHealthcare, programme Motion et modulation des primes liée aux données d’activité physique (documentation sectorielle)