Je vais commencer par le plus important : faire mon mea culpa sur l’application Bevel. Je pensais qu’elle était surcotée et que d’autres applications comme Sonar me suffiraient. Je me suis trompé sur toute la ligne.

Dans un précédent article, je vous ai parlé de mon rêve d’avoir un « smart assistant », coach sport et santé. Pour moi, c’est l’objectif ultime de mon projet. Et je crois que l’on y arrive enfin.

Il faut comprendre que les données seules ne suffisent pas. Je peux vous garantir que personne ne les regarde dans le détail. Je suis entouré de professionnels du sport et, même eux, n’y accordent que peu d’attention. Ils préfèrent largement qu’un coach ou un médecin du sport prenne le temps de les analyser et leur donne des résultats ainsi que des directions à suivre.

Au mieux, les sportifs s’intéressent aux données basiques comme leur temps, leur vitesse de course, leur sommeil ou l’évolution de leur masse grasse.

Pourtant, le diable se cache dans les détails. Toutes les données sont importantes. C’est ce que l’on pourrait appeler les signaux faibles.
On a très peu conscience de l’impact d’une heure de coucher ou de lever, d’un manque de protéines ou encore de certains signaux cardiaques, mais avons-nous réellement le temps et l’envie de décortiquer tout cela ?

Bevel vs le reste du monde

Certains ont tenté, comme Strava avec « Athlete Intelligence ». Mais même avec un focus sur les activités sportives, leur coach reste extrêmement limité et peu utile. Il s’agit surtout d’une interprétation très macro des données principales d’une activité. L’analyse ne va pas en profondeur et n’apporte rien de plus que ce qu’un sportif peut comprendre en quelques secondes, seul.

Et c’est là qu’intervient Bevel : l’app a peut-être réussi là où aucune autre application n’a réellement percé — pas même celles de Google ou Apple.

Avant tout, Bevel, dans sa version gratuite, est une plateforme de centralisation des données sport et santé. Comme Apple Santé, Google Fit ou encore Whoop, c’est un dashboard qui permet d’analyser son sommeil, son cœur, ses activités sportives, etc., en récupérant principalement les données via Apple Santé.

Comme ses concurrentes, par exemple Sonar, elle propose une synthèse via un système de scores globaux pour estimer la qualité du sommeil, l’effort, la récupération ou encore la réserve d’énergie. L’objectif est d’éviter d’entrer dans le détail de données comme la VFC, la SpO2 ou la FCR. C’est déjà une première approche, basée sur des règles et des calculs (qui diffèrent selon les plateformes).

Quel intérêt de passer par Bevel pour cet usage ? La majorité des personnes vous diront que le data design et le dashboard design, autrement dit l’art de mettre en forme les données, sont bien meilleurs que sur Apple Santé.

Même s’il s’agit en partie de goûts personnels, il existe un consensus assez clair : Apple Santé était en avance à son lancement, mais est devenue une grande déception. L’application est brouillonne, son design est daté et elle propose très peu d’analyse, même basiques. Les scores sont quasiment absents, à l’exception du sommeil. Étonnant pour une entreprise qui se positionne comme leader de la santé connectée.

Concernant la data visualisation de Bevel, inutile de s’y attarder longuement. De nombreux articles et vidéos le font déjà très bien.
Je retiens surtout l’intérêt d’une page d’accueil relativement personnalisable — relativement, car le choix de widgets reste limité et l’utilisateur ne peut pas en modifier l’ordre. C’est donc assez restreint. Je reste partagé entre « limiter l’usine à gaz » et « j’aimerais accéder à plus de données ».

Mais au final, on s’y fait. Et c’est probablement plus adapté au grand public pour éviter de s’y perdre. Certaines choses restent discutables, comme le widget météo : s’il était intégré dans les analyses, cela aurait du sens, mais en l’état, il n’apporte rien.

À l’inverse, l’accès aux différentes catégories est très mal conçu : placé en bas, peu visible. Le « + » ouvre un sous-menu où cinq items correspondent à un mode de saisie de la nourriture, ne laissant peu de place au reste. Certains paramètres sont très loin dans des sous-menus (jeu à faire chez vous : tentez de trouver les souvenirs de l’app). Même constat pour les autres rubriques principales (Journal, Activité, Biologie). Cela fonctionne, mais sans briller.

Le cœur du sujet : le coach numérique

Ce qui nous intéresse réellement, c’est le « smart coach ». Et c’est là où Bevel prend vraiment tout son sens.

Les scores : première couche d’interprétation

Le score d’effort correspond à une évaluation de la qualité et de la quantité d’activité sur une journée. Il n’existe pas toujours sous cette forme chez les concurrents, mais repose sur des bases similaires : un mélange entre activités sportives volontaires et activité quotidienne (pas, données cardio, etc.).

Ce score intègre aussi des données biologiques, ce qui est essentiel., notamment les données cardiaques, avec une analyse de l’intensité basée sur le temps passé dans différentes zones. Cependant, avec un peu de recul et en comparaison avec d’autres plateformes, on peut aller plus loin.

Coros et Garmin proposent des analyses multi-facteurs (ACWR, glycémie, évolution métabolique…). Même Whoop exploite davantage de types de données. Je ne dis pas que le score de Bevel est mauvais, mais il reste plus basique sur ce sujet.

Le score de récupération mesure la capacité du corps à récupérer pendant la nuit. C’est un moment clé. Toutes les applications de sport et de santé placent l’analyse du sommeil au centre et c’est justifié médicalement. Chez Bevel, cette analyse est solide. Elle combine données cardiaques, phases de sommeil (profond, paradoxal…), température et oxygénation.

Le score de sommeil, qui est une déclinaison du score de récupération, permet un zoom spécifique sur cette dimension. Sur ce sujet, les applications sont globalement au même niveau.

On peut aussi mentionner d’autres scores comme le stress (au sens biologique) ou la nutrition. Le score de stress permet de suivre l’état du corps dans la journée. Le score de nutrition propose une analyse par rapport à des objectifs.

Les objectifs sont un élément fondamental dans un bon suivi sport et santé. et avec Bevel, vous avez deux options : soit l’application les calcule à partir de données de base (poids, âge, taille, activité), soit l’utilisateur les définit lui-même. Dans mon cas, les propositions automatiques étaient assez proches de ce que j’avais déjà défini avec mon coach construit via ChatGPT.

L’IA nutritionnelle : promesse et limites

Le score nutritionnel nous amène naturellement au sujet central : l’IA. Bevel propose, comme d’autres applications, l’enregistrement des repas, soit via scan de code-barres (base de données ouverte), soit via description textuelle, soit via photo. On ne va pas se mentir, la qualité des résultats reste très variable.

Les erreurs d’analyse photo peuvent se comprendre, mais même quand on ajoute une description textuelle précise, cela donne parfois des résultats incohérents. Une part devient un plat entier, deux brioches deviennent une grosse brioche familiale : difficile de suivre scrupuleusement le logiciel.

Avant Bevel, j’avais développé un raccourci iOS basé sur un modèle OpenAI, avec de meilleurs résultats (notez qu’il est possible d’assigner ces tâches Bevel à un raccourci et donc d’avoir ces options directement sur le bouton Action d’un iPhone).

Avec le recul, le problème semble venir de la gestion du français — un problème étonnant, puisqu’il n’est pas présent sur d’autres fonctionnalités IA de Bevel. Cela suggère l’utilisation de plusieurs modèles ou agents selon les cas d’usage. Il est possible de corriger manuellement les données, mais c’est une fausse bonne solution : dans le quantified self, le pire ennemi est le temps passé à saisir des données.

L’intérêt de l’IA est justement d’automatiser et simplifier et si elle ne le fait pas, personne ne prendra le temps de le faire.

Malgré cela, certains éléments sont bien pensés : un visuel type emoji est généré pour chaque plat, et un indicateur simple (bas, neutre, élevé) donne une lecture rapide de la qualité nutritionnelle.

Le coach IA : la vraie rupture

La fonctionnalité la plus réussie de Bevel est réservée à l’offre payante. Ce n’est clairement pas un hasard. Le coach est présent partout dans l’application. À chaque enregistrement de repas, il propose une analyse contextualisée, ce qui est particulièrement utile pour adapter son alimentation.

La contextualisation est le point clé d’un bon assistant IA et jusqu’à récemment, personne ne maîtrisait vraiment ce sujet. Bevel croise de nombreuses dimensions (sommeil, activité, alimentation, etc.) pour produire des recommandations pertinentes.

C’est exactement ce que l’on évoquait avec les signaux faibles. Tout est lié, mais l’humain n’a ni le temps ni la capacité de tout analyser. Même un coach humain a des limites : il n’est pas présent à chaque heure de la journée et n’a pas accès à toutes les données.

Cela pose une question intéressante : les professionnels du sport n’ont-ils pas eux-mêmes sous-estimé cette évolution ? Concernant Bevel, il n’a pas de nom ni de personnification. C’est intéressant, car on a longtemps pensé que cela améliorerait l’engagement, mais les usages évoluent : les utilisateurs acceptent désormais l’IA comme une entité fonctionnelle, sans besoin de la rendre entièrement humaine ; tant qu’elle partage des règles d’interaction et de communication communes comme l’émotion et l’empathie.

Sur l’interface, le coach est principalement accessible depuis la page d’accueil, sous forme de chatbot. L’intégration est bien pensée : en mode global, il occupe tout l’écran ; en contexte spécifique (ex : nutrition), il s’intègre sans masquer les données. On peut aussi y accéder via le bouton “+” — je trouve ce choix discutable, tant sur le plan visuel que symbolique, car il ne dit pas grand-chose.

Mémoire et jumeau numérique

Après la contextualisation, l’autre pilier de Bevel est la mémoire. Comme ChatGPT ou Gemini, Bevel peut mémoriser des éléments pour l’intégrer à son analyse : état de santé, entraînements, blessures, etc. C’est primordial pour un coach IA et c’est très efficace. Il peut aussi déterminer lui-même s’il faut garder des éléments.

Cette mémoire est structurée entre éléments de base (ex : compléments alimentaires) et éléments temporaires (ex : maladie). L’utilisateur garde le contrôle, avec possibilité de modifier ou supprimer. L’IA ajoute aussi des dates d’expiration aux souvenirs à court terme. C’est essentiel pour construire une connaissance utilisateur. On se rapproche d’un véritable jumeau numérique.

Cela dit, Bevel est encore immature sur certains points : il manque une phase de collecte initiale (planning, pathologies, traitements…) pour structurer le profil dès le départ et ainsi faire prendre conscience à l’utilisateur de l’intérêt des signaux faibles et de la nécessité de contextualiser les informations. Les éléments de base, les souvenirs à long terme auraient dû être demandés lors de l’onboarding de l’application.

Plus globalement, Bevel manque de pédagogie et de communication sur les capacités de son IA, alors qu’elle est excellente. Personnellement, j’étais devenu méfiant vis-à-vis des assistants intégrés — à cause de leurs hallucinations et surtout de leurs limites — je n’ai pas osé l’exploiter pleinement au début. Mais avec le temps, nos échanges ont été bien plus poussés et je n’ai jamais été déçu.

Sécurité, transparence, journal : les points faibles de Bevel

En revanche, impossible de trouver des informations sur le modèle utilisé ou ses sources d’apprentissage. La question de la sécurité des données reste aussi floue. D’après des échanges sur Reddit, les données Apple Santé restent en local ; tout comme l’analyse de base et la création des scores. Si Bevel Intelligence est activé, les données sont envoyées sur leurs serveurs, mais anonymisées : nous n’avons pas plus de détails, ce qui est bien dommage.

Sur le même forum Reddit, un autre utilisateur s’est plaint de ne pas avoir plus d’informations sur le modèle d’IA alors que c’est aussi un élément de sécurité. La question a été posée il y a 6 mois… depuis, aucune réponse. Si la célébrité de l’application continue d’augmenter sur cette trajectoire, Bevel aura rapidement affaire à toutes ces questions de sécurité et de transparence et cela pourra se retourner contre eux. Autre point qui peut crisper : la consommation de batterie. La synchronisation constante impacte plutôt l’autonomie de l’iPhone. Des optimisations sont nécessaires.

Sur le plan sportif, l’IA de Bevel est impressionnante. Elle surpasse parfois des solutions spécialisées, comme Strava, mais elle est limitée par les données disponibles. Apple Santé ne récupère pas certaines informations clés (dénivelé, GPS… pourtant importantes dans de nombreux sports) des plateformes comme Strava, Garmin ou Coros. C’est un problème connu depuis pas mal d’années. Et comme Apple Santé est la source unique de Bevel, cela réduit la qualité d’analyse.

Au pire, Bevel pourrait proposer des connexions avec les API des plateformes (comme le fait Sonar) ; mais pour avoir échangé avec leurs équipes, ce n’est pas dans leurs priorités. Un choix difficile à comprendre.

Dernière décision discutable : le focus sur le fitness et la musculation puisqu’il est possible de créer des entraînements pour ces sports. Pourquoi les mettre autant en avant alors qu’il existe des applications spécialisées ? Et pourquoi ne pas proposer d’autres sports, comme la course à pied ? On sent les restes hérités des débuts de l’application, quand cette dernière ciblait les citadins possesseurs d’Apple Watch.

Le journal est bien, mais pourrait être encore mieux

Le journal, c’est en gros une catégorie qui permet de déclarer quotidiennement diverses habitudes de santé, d’activité ou d’humeurs qui peuvent nous impacter. Il y a des dizaines d’entrées que l’on peut choisir de suivre. Certaines sont automatiques car liées à l’enregistrement nutritionnel et d’autres sont déclaratives.

On peut les sélectionner dans une bibliothèque de propositions (« allergies saisonnières », « blessure », etc.) ou en créer des personnalisées. Mais son utilisation reste floue : en toute logique, je m’attendais à ce que le coach IA l’utilise dans son analyse. Or, il ne le fait pas automatiquement. Sauf sur demande ou remarque lors d’échanges. J’ai eu confirmation de ces irrégularités d’usage après des remarques faites sur Reddit.

Dans cette rubrique « Journal » il y a un accès aux « enseignements » qui sont une analyse de ses entrées quotidiennes. Chaque entrée a un pourcentage d’impact positif ou négatif sur sa récupération ou son sommeil.
Or, soit je suis bête, soit je loupe un truc, mais je ne comprends pas du tout les analyses. Un exemple ? Les allergies saisonnières ont un impact « positif » sur ma récupération. Ce qui est complètement contradictoire.

Bevel a pris de l’avance, les autres regardent encore

En conclusion, Bevel est sans aucun doute en avance sur le marché, et de très loin. Pourtant, il n’apporte probablement rien de réellement inédit sur le plan technique. La plupart des plateformes, qu’elles soient spécialisées ou généralistes, disposent depuis longtemps des briques nécessaires. Les usages et les fonctionnalités ne sont pas non plus révolutionnaires en soi. La différence, ici, tient au fait d’avoir enfin osé les assembler et les activer.

On peut alors s’interroger : pourquoi Google ou Apple ne l’ont-ils pas encore fait, malgré des annonces récurrentes depuis plusieurs années ? Deux acteurs qui se positionnent pourtant comme leaders de la santé connectée.

Du côté des plateformes spécialisées comme Garmin, Coros ou même Strava, cela surprend moins. Elles restent prisonnières d’une culture de la spécialisation, avec une difficulté à s’ouvrir à des dimensions qui dépassent leur cœur d’expertise. Le besoin et la demande existaient bien avant l’émergence des LLM.

Aujourd’hui, la simplicité, l’hyper-personnalisation et la connaissance fine de l’utilisateur, rendues possibles par ces nouvelles technologies d’IA, ne font qu’accélérer et amplifier ces attentes.

Comme souvent, les grands acteurs de l’IA ont déjà pris la mesure de cette évolution. OpenAI a annoncé récemment la future sortie de « ChatGPT Santé ». Trois semaines plus tard, Claude suivait avec une approche similaire.

Et, tout récemment, Perplexity a lancé « Health », une solution capable de connecter de multiples sources (plateformes, applications, wearables) et, surtout, de s’appuyer sur des sources médicales et scientifiques pour produire des analyses structurées, des dashboards et des recommandations d’entraînement.

Alors oui, aujourd’hui, Bevel est excellent et clairement en avance. Mais pour combien de temps ?

---