{"id":1194,"date":"2026-09-03T12:16:31","date_gmt":"2026-09-03T12:16:31","guid":{"rendered":"https:\/\/diabetespilot.fr\/?page_id=1194"},"modified":"2026-09-03T12:16:32","modified_gmt":"2026-09-03T12:16:32","slug":"glucofm-ce-que-lia-pourrait-vraiment-changer-dans-le-suivi-de-la-glycemie","status":"publish","type":"page","link":"https:\/\/diabetespilot.fr\/index.php\/glucofm-ce-que-lia-pourrait-vraiment-changer-dans-le-suivi-de-la-glycemie\/","title":{"rendered":"GlucoFM : ce que l\u2019IA pourrait vraiment changer dans le suivi de la glyc\u00e9mie"},"content":{"rendered":"<style>\n.dp-doc{--n:#0B1D33;--b:#3F7DBF;--a:#68A6F5;--p:#EAF2FB;--g:#3C7A57;--o:#F28C28;--c:#FFF9F0;max-width:1080px;margin:0 auto;color:var(--n);font-family:Inter,Arial,sans-serif;line-height:1.7}\n.dp-doc *{box-sizing:border-box}.dp-doc h1,.dp-doc h2,.dp-doc h3{font-family:\"Baloo 2\",Arial,sans-serif;line-height:1.15;color:var(--n);margin-top:0}.dp-doc h1{font-size:clamp(2.25rem,5vw,4.2rem);font-weight:800;margin-bottom:20px}.dp-doc h2{font-size:clamp(1.65rem,3vw,2.35rem);font-weight:800;margin-bottom:18px}.dp-doc h3{font-size:1.3rem;font-weight:700;margin-bottom:8px}.dp-doc p{font-size:1.05rem;margin:0 0 18px}.dp-doc a{color:var(--b);font-weight:700}.dp-hero{padding:clamp(32px,6vw,72px);border-radius:28px;background:linear-gradient(135deg,#F6F9FD 0%,var(--p) 100%);border:1px solid #D6E6F7;margin-bottom:28px}.dp-k{display:inline-block;color:var(--b);font-weight:800;letter-spacing:.09em;text-transform:uppercase;margin-bottom:16px}.dp-lead{font-size:clamp(1.15rem,2vw,1.35rem);max-width:850px}.dp-figure{margin:28px 0;border-radius:24px;overflow:hidden;background:#F6F9FD;border:1px solid #D6E6F7}.dp-figure img{width:100%;display:block;height:auto}.dp-figure figcaption{font-size:.95rem;color:#516173;padding:14px 18px;background:#fff}.dp-box{background:#fff;border:1px solid #D6E6F7;border-radius:22px;padding:clamp(22px,4vw,34px);box-shadow:0 14px 35px rgba(11,29,51,.06);margin:28px 0}.dp-box strong{color:var(--n)}.dp-sec{padding:34px 0;border-bottom:1px solid #E7EEF7}.dp-sec:last-child{border-bottom:0}.dp-grid{display:grid;grid-template-columns:repeat(2,minmax(0,1fr));gap:18px;margin:18px 0}.dp-card{background:#F8FBFE;border:1px solid #DDEBFA;border-radius:20px;padding:22px}.dp-card h3{color:var(--b)}.dp-list{padding-left:22px;margin:0}.dp-list li{margin:9px 0}.dp-call{border-left:6px solid var(--b);background:#F7FBFF;border-radius:18px;padding:22px;margin:24px 0}.dp-warn{border-left:6px solid var(--o);background:#FFF7EC;border-radius:18px;padding:22px;margin:24px 0}.dp-table{width:100%;border-collapse:separate;border-spacing:0;margin:22px 0;overflow:hidden;border-radius:18px;border:1px solid #D6E6F7}.dp-table th,.dp-table td{padding:14px 16px;text-align:left;vertical-align:top;border-bottom:1px solid #E7EEF7}.dp-table th{background:#EAF2FB;color:#0B1D33;font-weight:800}.dp-table tr:last-child td{border-bottom:0}.dp-tag{display:inline-block;background:#EAF2FB;color:#0B1D33;border-radius:999px;padding:6px 12px;font-size:.9rem;font-weight:800;margin:3px 5px 3px 0}@media(max-width:760px){.dp-grid{grid-template-columns:1fr}.dp-hero{border-radius:22px;padding:28px}.dp-box,.dp-card{border-radius:18px}.dp-doc p{font-size:1rem}}\n<\/style>\n<article class=\"dp-doc\">\n<header class=\"dp-hero\">\n    <span class=\"dp-k\">IA \u00b7 capteurs de glucose \u00b7 diab\u00e8te de type 2<\/span><\/p>\n<h1>GlucoFM : ce que l\u2019IA pourrait vraiment changer dans le suivi de la glyc\u00e9mie<\/h1>\n<p class=\"dp-lead\">Aujourd\u2019hui, un capteur de glucose en continu montre une courbe. On voit les pics, les descentes, les nuits plus ou moins stables, les r\u00e9actions apr\u00e8s repas. Mais une question reste souvent enti\u00e8re : <strong>qu\u2019est-ce que cette courbe veut vraiment dire ?<\/strong><\/p>\n<\/header>\n<figure class=\"dp-figure\">\n    <img decoding=\"async\" src=\"https:\/\/storage.googleapis.com\/gweb-research2023-media\/images\/GlucoFM1_Overview.width-1250.png\" alt=\"Sch\u00e9ma du mod\u00e8le GlucoFM montrant le pr\u00e9traitement des donn\u00e9es de glucose en continu et les t\u00e2ches de pr\u00e9diction clinique.\" loading=\"lazy\"><figcaption>Sch\u00e9ma du cadre GlucoFM pr\u00e9sent\u00e9 par Google Research : donn\u00e9es de capteur, apprentissage automatique et pr\u00e9dictions m\u00e9taboliques. Source : Google Research.<\/figcaption><\/figure>\n<section class=\"dp-box\">\n<h2>\u00c0 retenir<\/h2>\n<ul class=\"dp-list\">\n<li>GlucoFM est un mod\u00e8le de recherche con\u00e7u pour apprendre des motifs dans les donn\u00e9es de glucose en continu.<\/li>\n<li>Son int\u00e9r\u00eat potentiel n\u2019est pas de montrer une courbe, mais d\u2019aider \u00e0 l\u2019interpr\u00e9ter.<\/li>\n<li>Le mod\u00e8le distingue les tendances lentes de la glyc\u00e9mie et les variations rapides, comme les pics apr\u00e8s repas.<\/li>\n<li>Les r\u00e9sultats publi\u00e9s sont prometteurs, mais GlucoFM n\u2019est pas encore un dispositif m\u00e9dical utilisable pour ajuster seul un traitement.<\/li>\n<li>Pour le diab\u00e8te de type 2, l\u2019enjeu est majeur : passer d\u2019une moyenne glyc\u00e9mique \u00e0 une lecture plus personnalis\u00e9e des trajectoires.<\/li>\n<\/ul>\n<\/section>\n<section class=\"dp-sec\">\n<h2>Pourquoi une courbe de glyc\u00e9mie ne suffit pas toujours<\/h2>\n<p>Les capteurs de glucose en continu ont profond\u00e9ment chang\u00e9 la fa\u00e7on de voir la glyc\u00e9mie. Ils ne donnent plus seulement une mesure isol\u00e9e, mais une trajectoire compl\u00e8te : la nuit, le r\u00e9veil, les repas, l\u2019activit\u00e9 physique, le stress, les corrections, les \u00e9carts et les retours \u00e0 l\u2019\u00e9quilibre.<\/p>\n<p>Cette quantit\u00e9 de donn\u00e9es est pr\u00e9cieuse. Mais elle peut aussi devenir difficile \u00e0 lire. Deux personnes peuvent avoir une HbA1c proche, tout en ayant des profils tr\u00e8s diff\u00e9rents : l\u2019une avec une glyc\u00e9mie assez stable, l\u2019autre avec de forts pics apr\u00e8s repas ; l\u2019une surtout \u00e9lev\u00e9e la nuit, l\u2019autre surtout apr\u00e8s le petit-d\u00e9jeuner.<\/p>\n<p>C\u2019est exactement dans cet espace que l\u2019intelligence artificielle peut devenir utile : non pas pour remplacer le raisonnement m\u00e9dical, mais pour aider \u00e0 rep\u00e9rer des motifs que l\u2019\u0153il humain ne voit pas toujours facilement.<\/p>\n<\/section>\n<section class=\"dp-sec\">\n<h2>Ce que Google Research a pr\u00e9sent\u00e9<\/h2>\n<p>Google Research a pr\u00e9sent\u00e9 <strong>GlucoFM<\/strong>, un mod\u00e8le d\u2019intelligence artificielle sp\u00e9cialis\u00e9 dans les donn\u00e9es de capteurs de glucose en continu, aussi appel\u00e9s CGM pour <em>continuous glucose monitoring<\/em>. Selon Google, GlucoFM est un mod\u00e8le l\u00e9ger, auto-supervis\u00e9, con\u00e7u pour apprendre \u00e0 partir de courbes de glucose m\u00eame lorsque les donn\u00e9es cliniques associ\u00e9es sont limit\u00e9es.<\/p>\n<p>Le mod\u00e8le a \u00e9t\u00e9 pr\u00e9-entra\u00een\u00e9 sur <strong>109 066 heures de donn\u00e9es CGM non annot\u00e9es<\/strong>, issues de 477 participants ou sessions. Il a ensuite \u00e9t\u00e9 \u00e9valu\u00e9 sur plusieurs t\u00e2ches li\u00e9es au m\u00e9tabolisme : risque de diab\u00e8te, insulinor\u00e9sistance, dysfonction des cellules b\u00eata, hypoglyc\u00e9mie, ob\u00e9sit\u00e9, hyperlipid\u00e9mie et r\u00e9ponse glyc\u00e9mique apr\u00e8s repas.<\/p>\n<p>Les r\u00e9sultats d\u00e9crits par Google et par le papier scientifique associ\u00e9 indiquent que GlucoFM am\u00e9liore certaines performances par rapport \u00e0 des mod\u00e8les de comparaison, notamment sur la PR-AUC et sur la pr\u00e9diction de la r\u00e9ponse glyc\u00e9mique postprandiale dans les protocoles test\u00e9s.<\/p>\n<p><span class=\"dp-tag\">Source principale<\/span> <a href=\"https:\/\/research.google\/blog\/glucofm-foundation-model-for-continuous-glucose-monitoring\/\" target=\"_blank\" rel=\"noopener\">Google Research, billet GlucoFM<\/a> \u00b7 <a href=\"https:\/\/arxiv.org\/abs\/2605.30865\" target=\"_blank\" rel=\"noopener\">Article scientifique sur arXiv<\/a><\/p>\n<\/section>\n<section class=\"dp-sec\">\n<h2>Ce que GlucoFM pourrait vraiment changer<\/h2>\n<p>Le changement le plus important n\u2019est pas forc\u00e9ment la mesure. Les capteurs mesurent d\u00e9j\u00e0. Le vrai changement potentiel concerne <strong>l\u2019interpr\u00e9tation<\/strong>.<\/p>\n<div class=\"dp-grid\">\n<div class=\"dp-card\">\n<h3>1. Lire une trajectoire, pas seulement un chiffre<\/h3>\n<p>Une glyc\u00e9mie \u00e0 180 mg\/dL n\u2019a pas le m\u00eame sens selon qu\u2019elle monte rapidement, redescend vite, reste \u00e9lev\u00e9e trois heures ou survient chaque nuit. Un mod\u00e8le entra\u00een\u00e9 sur des courbes compl\u00e8tes peut aider \u00e0 replacer le chiffre dans son histoire.<\/p>\n<\/p><\/div>\n<div class=\"dp-card\">\n<h3>2. Distinguer tendance de fond et \u00e9v\u00e9nement ponctuel<\/h3>\n<p>GlucoFM s\u00e9pare les tendances lentes des variations rapides. Cela peut aider \u00e0 diff\u00e9rencier une glyc\u00e9mie globalement trop haute d\u2019un pic isol\u00e9 apr\u00e8s un repas ou d\u2019un artefact de capteur.<\/p>\n<\/p><\/div>\n<div class=\"dp-card\">\n<h3>3. Mieux comprendre les r\u00e9ponses apr\u00e8s repas<\/h3>\n<p>Le mod\u00e8le a \u00e9t\u00e9 \u00e9valu\u00e9 sur la pr\u00e9diction de la r\u00e9ponse glyc\u00e9mique postprandiale. \u00c0 terme, ce type d\u2019approche pourrait aider \u00e0 comprendre pourquoi certains repas provoquent des pics importants chez une personne, mais pas chez une autre.<\/p>\n<\/p><\/div>\n<div class=\"dp-card\">\n<h3>4. Personnaliser les conseils<\/h3>\n<p>Les recommandations g\u00e9n\u00e9rales restent utiles, mais le diab\u00e8te de type 2 varie beaucoup selon les individus. Un outil capable de reconna\u00eetre des profils pourrait aider \u00e0 mieux cibler les priorit\u00e9s : repas, horaires, sommeil, activit\u00e9 ou traitement.<\/p>\n<\/p><\/div>\n<div class=\"dp-card\">\n<h3>5. Aider le dialogue avec le m\u00e9decin<\/h3>\n<p>Une meilleure lecture des courbes pourrait donner de meilleures questions : pourquoi les nuits sont-elles \u00e9lev\u00e9es ? Quel repas d\u00e9clenche le plus grand pic ? La marche apr\u00e8s d\u00eener change-t-elle vraiment la trajectoire ?<\/p>\n<\/p><\/div>\n<div class=\"dp-card\">\n<h3>6. Exploiter plusieurs jours de donn\u00e9es<\/h3>\n<p>Google indique que combiner plusieurs jours de mesures am\u00e9liore plusieurs pr\u00e9dictions. C\u2019est logique : une journ\u00e9e isol\u00e9e peut \u00eatre atypique, alors qu\u2019une semaine r\u00e9v\u00e8le mieux les habitudes et les r\u00e9p\u00e9titions.<\/p>\n<\/p><\/div>\n<\/p><\/div>\n<\/section>\n<section class=\"dp-sec\">\n<h2>Pourquoi c\u2019est important pour le diab\u00e8te de type 2<\/h2>\n<p>Le diab\u00e8te de type 2 n\u2019est pas seulement une question de \u201csucre trop \u00e9lev\u00e9\u201d. C\u2019est une dynamique entre l\u2019insuline, le foie, les muscles, les repas, le sommeil, le stress, l\u2019activit\u00e9 physique, les m\u00e9dicaments et le poids.<\/p>\n<p>Une moyenne comme l\u2019HbA1c reste tr\u00e8s utile, mais elle \u00e9crase les d\u00e9tails. Elle ne dit pas toujours si le probl\u00e8me principal vient des nuits, des petits-d\u00e9jeuners, des repas du soir, de la s\u00e9dentarit\u00e9 ou d\u2019une forte variabilit\u00e9 glyc\u00e9mique.<\/p>\n<p>Dans une approche de pilotage, ces d\u00e9tails sont essentiels. Ils permettent de choisir une action r\u00e9aliste et mesurable, au lieu de rester dans des conseils trop larges comme \u201cmanger mieux\u201d ou \u201cfaire plus d\u2019exercice\u201d.<\/p>\n<div class=\"dp-call\">\n<p><strong>L\u2019id\u00e9e cl\u00e9 :<\/strong> une bonne IA de glyc\u00e9mie ne devrait pas seulement dire \u201cvotre courbe est haute\u201d. Elle devrait aider \u00e0 comprendre quels leviers semblent vraiment associ\u00e9s \u00e0 l\u2019am\u00e9lioration ou \u00e0 la d\u00e9gradation de cette courbe.<\/p>\n<\/p><\/div>\n<\/section>\n<section class=\"dp-sec\">\n<h2>Un exemple concret<\/h2>\n<p>Imaginons deux repas contenant la m\u00eame quantit\u00e9 de glucides. Chez une personne, le premier provoque un pic rapide suivi d\u2019un retour normal. Le second entra\u00eene une glyc\u00e9mie qui reste \u00e9lev\u00e9e pendant plusieurs heures.<\/p>\n<p>La simple quantit\u00e9 de glucides ne suffit donc pas \u00e0 tout expliquer. La r\u00e9ponse d\u00e9pend aussi de la composition du repas, des fibres, des prot\u00e9ines, des graisses, de l\u2019horaire, du sommeil, de l\u2019activit\u00e9 r\u00e9cente et du niveau de r\u00e9sistance \u00e0 l\u2019insuline.<\/p>\n<p>Un mod\u00e8le comme GlucoFM pourrait, \u00e0 terme, aider \u00e0 reconna\u00eetre ces diff\u00e9rences de profil. Il pourrait dire, non pas \u201cce repas est bon\u201d ou \u201cce repas est mauvais\u201d, mais plut\u00f4t : \u201cdans votre contexte, ce type de situation ressemble \u00e0 un profil de r\u00e9ponse prolong\u00e9e\u201d.<\/p>\n<\/section>\n<section class=\"dp-sec\">\n<h2>Ce que GlucoFM ne permet pas encore de faire<\/h2>\n<p>Il faut garder une fronti\u00e8re nette : GlucoFM est une recherche prometteuse, pas un outil m\u00e9dical valid\u00e9 pour ajuster un traitement individuel.<\/p>\n<div class=\"dp-warn\">\n<p><strong>Prudence :<\/strong> une bonne performance statistique dans une \u00e9tude ne signifie pas qu\u2019un mod\u00e8le est pr\u00eat pour la pratique clinique. En sant\u00e9, il faut des validations prospectives, des tests sur des populations diverses, une \u00e9valuation des biais et une int\u00e9gration m\u00e9dicale s\u00e9curis\u00e9e.<\/p>\n<\/p><\/div>\n<p>Les auteurs reconnaissent eux-m\u00eames plusieurs limites : le pr\u00e9-entra\u00eenement repose encore sur une population relativement modeste, les r\u00e9ponses m\u00e9taboliques varient selon les personnes, les cohortes et les capteurs, et les futurs travaux devront int\u00e9grer des populations plus larges et des mod\u00e8les multi-jours plus natifs.<\/p>\n<\/section>\n<section class=\"dp-sec\">\n<h2>IA et glyc\u00e9mie : les pi\u00e8ges \u00e0 \u00e9viter<\/h2>\n<table class=\"dp-table\">\n<thead>\n<tr>\n<th>Pi\u00e8ge<\/th>\n<th>Pourquoi c\u2019est un probl\u00e8me<\/th>\n<th>Bonne attitude<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Croire que l\u2019IA \u201csait\u201d pourquoi la glyc\u00e9mie monte<\/td>\n<td>La courbe ne contient pas toujours le contexte : repas exact, stress, infection, sommeil, m\u00e9dicament.<\/td>\n<td>Utiliser l\u2019IA comme aide \u00e0 l\u2019analyse, pas comme verdict.<\/td>\n<\/tr>\n<tr>\n<td>Modifier un traitement seul<\/td>\n<td>Un changement de m\u00e9dicament ou d\u2019insuline peut exposer \u00e0 des risques, notamment l\u2019hypoglyc\u00e9mie.<\/td>\n<td>D\u00e9cider avec l\u2019\u00e9quipe soignante.<\/td>\n<\/tr>\n<tr>\n<td>Comparer brutalement deux personnes<\/td>\n<td>La r\u00e9ponse glyc\u00e9mique est tr\u00e8s individuelle.<\/td>\n<td>Comparer surtout ses propres tendances dans des situations r\u00e9p\u00e9t\u00e9es.<\/td>\n<\/tr>\n<tr>\n<td>Confondre pr\u00e9cision technique et b\u00e9n\u00e9fice clinique<\/td>\n<td>Un mod\u00e8le peut \u00eatre performant sans prouver qu\u2019il am\u00e9liore la sant\u00e9 r\u00e9elle.<\/td>\n<td>Attendre des validations cliniques solides.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/section>\n<section class=\"dp-sec\">\n<h2>Pourquoi cela rejoint la logique DiabetesPilot<\/h2>\n<p>DiabetesPilot repose sur une conviction simple : une personne diab\u00e9tique ne manque pas seulement d\u2019informations. Elle manque souvent d\u2019un tableau de bord utilisable pour comprendre ce qui fonctionne vraiment dans sa vie.<\/p>\n<p>GlucoFM va dans cette direction. Il montre que les courbes de glucose peuvent \u00eatre analys\u00e9es comme des trajectoires complexes, avec des motifs, des r\u00e9p\u00e9titions, des signaux faibles et des profils individuels.<\/p>\n<p>Le futur int\u00e9ressant n\u2019est donc pas une IA qui remplace la d\u00e9cision humaine. C\u2019est une IA qui aide \u00e0 mieux voir : mieux voir les repas qui posent probl\u00e8me, mieux voir les nuits instables, mieux voir les habitudes qui am\u00e9liorent la courbe, mieux voir les priorit\u00e9s r\u00e9alistes.<\/p>\n<\/section>\n<section class=\"dp-sec\">\n<h2>\u00c0 quoi pourrait ressembler le suivi de demain ?<\/h2>\n<p>Dans quelques ann\u00e9es, un capteur de glucose pourrait ne plus seulement afficher une ligne. Il pourrait aider \u00e0 produire une lecture personnalis\u00e9e :<\/p>\n<ul class=\"dp-list\">\n<li>\u201cvos pics les plus longs surviennent surtout apr\u00e8s le d\u00eener\u201d ;<\/li>\n<li>\u201cla marche apr\u00e8s repas semble raccourcir la dur\u00e9e du pic\u201d ;<\/li>\n<li>\u201cvos nuits sont plus stables les jours avec d\u00eener plus pr\u00e9coce\u201d ;<\/li>\n<li>\u201cce petit-d\u00e9jeuner provoque une r\u00e9ponse plus forte que vos autres repas du matin\u201d ;<\/li>\n<li>\u201cvotre profil de plusieurs jours sugg\u00e8re une tendance de fond \u00e0 surveiller\u201d.<\/li>\n<\/ul>\n<p>Ce type d\u2019information ne remplace pas le m\u00e9decin. Mais il peut rendre la consultation plus pr\u00e9cise et l\u2019autosurveillance moins abstraite.<\/p>\n<\/section>\n<section class=\"dp-sec\">\n<h2>Conclusion<\/h2>\n<p>GlucoFM est int\u00e9ressant parce qu\u2019il d\u00e9place la question. Il ne s\u2019agit plus seulement de mesurer la glyc\u00e9mie, mais de mieux comprendre la dynamique qui se cache derri\u00e8re les chiffres.<\/p>\n<p>Pour le diab\u00e8te de type 2, cette \u00e9volution pourrait \u00eatre importante : passer d\u2019une courbe que l\u2019on regarde \u00e0 une courbe que l\u2019on interpr\u00e8te, puis que l\u2019on apprend progressivement \u00e0 piloter.<\/p>\n<p>Mais la prudence reste indispensable. GlucoFM est aujourd\u2019hui une avanc\u00e9e de recherche, pas un outil m\u00e9dical \u00e0 utiliser seul pour ajuster un traitement. La meilleure perspective est donc \u00e9quilibr\u00e9e : l\u2019IA peut devenir un copilote tr\u00e8s utile, \u00e0 condition de rester au service du raisonnement m\u00e9dical, de l\u2019\u00e9ducation th\u00e9rapeutique et de l\u2019exp\u00e9rience r\u00e9elle de la personne diab\u00e9tique.<\/p>\n<\/section>\n<section class=\"dp-box\">\n<h2>Sources<\/h2>\n<ul class=\"dp-list\">\n<li>Google Research. <a href=\"https:\/\/research.google\/blog\/glucofm-foundation-model-for-continuous-glucose-monitoring\/\" target=\"_blank\" rel=\"noopener\">GlucoFM: Foundation model for continuous glucose monitoring<\/a>, publi\u00e9 le 26 ao\u00fbt 2026.<\/li>\n<li>Li Z. et al. <a href=\"https:\/\/arxiv.org\/abs\/2605.30865\" target=\"_blank\" rel=\"noopener\">GlucoFM: A Dual-Stream Foundation Model for Continuous Glucose Monitoring<\/a>, arXiv:2605.30865, version r\u00e9vis\u00e9e du 25 ao\u00fbt 2026.<\/li>\n<\/ul>\n<\/section>\n<section class=\"dp-warn\">\n<p><strong>Avertissement m\u00e9dical :<\/strong> cet article fournit une information g\u00e9n\u00e9rale sur une recherche en intelligence artificielle appliqu\u00e9e au glucose en continu. Il ne remplace pas un avis m\u00e9dical. Ne modifiez jamais un traitement, une dose d\u2019insuline ou un m\u00e9dicament antidiab\u00e9tique sur la base d\u2019un mod\u00e8le d\u2019IA ou d\u2019une interpr\u00e9tation automatique sans avis de votre \u00e9quipe soignante.<\/p>\n<\/section>\n<\/article>\n","protected":false},"excerpt":{"rendered":"<p>IA \u00b7 capteurs de glucose \u00b7 diab\u00e8te de type 2 GlucoFM : ce que l\u2019IA pourrait vraiment changer dans le suivi de la glyc\u00e9mie Aujourd\u2019hui, un capteur de glucose en continu montre une courbe. On voit les pics, les descentes, les nuits plus ou moins stables, les r\u00e9actions apr\u00e8s repas. Mais une question reste souvent&#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","footnotes":""},"dp_subject":[40],"class_list":["post-1194","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/pages\/1194","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/comments?post=1194"}],"version-history":[{"count":1,"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/pages\/1194\/revisions"}],"predecessor-version":[{"id":1195,"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/pages\/1194\/revisions\/1195"}],"wp:attachment":[{"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/media?parent=1194"}],"wp:term":[{"taxonomy":"dp_subject","embeddable":true,"href":"https:\/\/diabetespilot.fr\/index.php\/wp-json\/wp\/v2\/dp_subject?post=1194"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}