What Your Recovery Score Actually Measures (and Misses)

Your watch says you're recovered, but your muscles may disagree. How HRV-based readiness scores miss biomechanical fatigue. (Version française incluse 😉)

Every morning, millions of athletes look at their smartwatch to see a “readiness” or “recovery” score. This single number, often presented as a percentage or a “body battery,” supposedly indicates whether today is a day for a repeated hills workout or a forced rest day. For the knowledgeable athlete, coach, or physiotherapist, these metrics offer an easy, albeit imperfect, window into the body’s internal state. However, understanding exactly what these sensors measure, estimate, and what they miss is essential for moving beyond the data and training with confidence.

The Foundation of Recovery: Systemic vs. Biomechanical

To evaluate wearable recovery metrics, we must first distinguish between systemic and biomechanical recovery. As we discussed in our previous post on recovery, systemic recovery refers to the state of the autonomic nervous system (ANS) and metabolic homeostasis. This involves the “rebalancing” of the parasympathetic (“rest and digest”) and sympathetic (“fight or flight”) branches, alongside the clearance of metabolic waste and hormonal stabilisation [6, 13].

Biomechanical recovery, conversely, refers to the structural integrity of tissues: the micro-tears in muscle fibres, the stiffness of tendons, and the mineral density of bone. Assuming their measurements are accurate, current wearables are excellent at capturing systemic recovery [1]. They provide a reliable proxy for how the heart and nervous system are coping with the total load of life and training. However, they possess a significant “biomechanical blind spot”. A watch can report a high “Readiness Score” because your heart rate variability (HRV) is trending upward, yet your patellar tendon may be painful, or your muscle may still be recovering from heavy eccentric loading [12].

Photoplethysmography (PPG): The Optical HRM

The heart of almost every modern wearable, from the Garmin watches to the Oura Ring and Whoop strap, is the PPG sensor. This technology relies on the optical properties of blood. The sensor consists of light-emitting diodes (LEDs), typically green or infrared, and a photodetector [10].

The LEDs emit light into the skin, which is then either absorbed or backscattered by the underlying tissues. As the heart beats, a “pulse wave” of blood flows through the capillaries. This increase in blood volume during systole changes the amount of light absorbed. By measuring these fluctuations in light intensity at the photodetector, the device generates a plethysmogram—a waveform representing the pulse [8, 10].

Technical implementation differs based on the state of the user. Most high-end wearables, including the Apple Watch and Whoop, utilise a dual-spectrum approach. Green light LEDs (approximately 530nm) are typically used during active heart rate (HR) tracking. Green light has a shorter wavelength and lower penetration depth, making it less susceptible to “noise” caused by blood flow in deeper tissues or movement of the device against the skin. Conversely, infrared light (940nm) is used for resting metrics, including blood oxygen saturation (SpO₂) and nocturnal HRV. Infrared light penetrates deeper into the tissue, providing a more robust signal for complex biomarkers when the limb is stationary.

From this raw optical signal, wearables derive three recovery metrics:

• Resting Heart Rate (RHR): Calculated by measuring the frequency of these pulses over time. A lower RHR typically indicates improved cardiovascular efficiency and a more dominant parasympathetic state [1].

• Heart Rate Variability (HRV): HRV measures the variation in time between consecutive heartbeats, known as the R-R interval. This metric is the primary digital biomarker for systemic recovery, capturing the balance between the sympathetic and parasympathetic branches of the ANS. High variability (often measured as the Root Mean Square of Successive Differences, or RMSSD) indicates a resilient, adaptable ANS. But for the athlete, a single HRV snapshot is less valuable than a longitudinal trend. While a high HRV generally indicates parasympathetic dominance and readiness for stress, the measurement is just a proxy for the nervous system’s state.

• Oxygen Saturation (SpO₂): It estimates the percentage of haemoglobin carrying oxygen relative to the total haemoglobin in the blood. Although not a direct recovery metric, consistent low SpO₂ can signal respiratory issues or poor sleep quality, indirectly affecting recovery.

However, PPG is not without flaws. Signal quality is highly susceptible to movement artefacts, body composition, exercise intensity, skin temperature, and even skin tone, as melanin can absorb the light used by the sensor [10, 12]. According to a living systematic review by Lambe et al. [4], if the Apple Watch demonstrates a high degree of validation for basic heart rate tracking compared to electrocardiogram (ECG) criterion measures, the review reveals that measurement accuracy is highly sensitive to measurement conditions. While these devices are accurate in a controlled, resting environment, performance scientists emphasise that the interpretation of this data should be taken with a pinch of salt:

“Without validation, wearable device measurements may misguide assessment and treatment, potentially resulting in misrepresentations of health or delayed interventions” [4].

Sleep Monitoring: Actimetry and Sensor Fusion

Sleep is the cornerstone of recovery, where the most significant physiological adaptations occur. Wearables do not “measure” sleep directly; they infer it through a process called sensor fusion, combining data from several sources: actimetry, heart rate via PPG, and thermometry.

1. Actimetry

The primary sensor for sleep detection is the 3-axis accelerometer. It measures movement and orientation. The underlying assumption is simple: a lack of movement for a sustained period indicates sleep [6, 11]. Algorithms analyse the frequency and intensity of movement to distinguish between wakefulness and stillness. However, actimetry alone often overestimates sleep duration because it cannot easily distinguish between “quiet wakefulness” (lying still in bed) and actual sleep [11, 14].

2. Heart Rate (PPG Integration)

To improve accuracy, devices like the Oura Ring and Whoop integrate PPG data. As we transition through sleep stages, our ANS undergoes predictable shifts. During NREM (Deep) sleep, the heart rate slows and HRV increases significantly as the parasympathetic system takes full control. During REM sleep, the heart rate becomes irregular and HRV often drops, mimicking a state of wakefulness [7, 15]. By “fusing” movement data with these heart rate patterns, wearables can estimate sleep stages: Light, Deep, and REM.

3. Peripheral Thermometry

Many high-end wearables now include a thermistor to measure skin temperature. Our core body temperature drops during sleep as heat is dissipated through the skin (vasodilation). Tracking these fluctuations provides another biological anchor to confirm sleep onset and quality [7, 11].

Research comparing these devices to the “gold standard” polysomnography (PSG) shows high sensitivity for detecting sleep (often >90%) but lower accuracy for “staging,” where devices can struggle to distinguish between light and REM sleep [3, 9].

The Composite “Readiness” Metric

The “Readiness” score (Oura), “Recovery” score (Whoop), or “Body Battery” (Garmin) is a proprietary composite metric designed to simplify multivariate physiological data into a single, actionable number. While the specific algorithms are trade secrets, they generally follow a “weighted-sum” model [16]:

• Sleep Performance (~30-40%): Weighted based on total duration, sleep consistency, and the amount of “restorative” (Deep and REM) sleep.

• HRV Status (~40-50%): This is usually the most heavily weighted component. The device compares your last night’s HRV against a personal “rolling baseline” (typically the last 7 to 21 days). A significant drop from your norm is the clearest signal of systemic fatigue [2, 16].

• Acute Load (Strain): Garmin and Whoop incorporate your recent training volume. If your training “strain” significantly exceeds your baseline capacity, your recovery score will be suppressed, regardless of how well you slept.

A major scientific critique of these scores is “Signal Redundancy.” Many of these variables are not independent. For example, a poor night’s sleep will naturally cause a drop in HRV and an increase in RHR. By including all three, the algorithm might “double-penalise” the athlete for a single physiological event [16]. Furthermore, these scores are conservative; they are designed to flag potential overtraining, but they cannot tell you why your score is low: it could be a hard workout, a brewing illness, or simply a late-night meal [13].

The “Blind Spot”: Systemic and Biomechanical Decoupling

The most critical analytical gap for coaches and physios is the distinction between systemic and biomechanical recovery. A wearable is a systemic monitor that tracks the cardiovascular and autonomic responses. However, it cannot see muscle damage. This phenomenon is known as “Decoupling.”

An athlete’s HRV and resting heart rate may return to baseline, signalling a “Green” recovery status. Simultaneously, that same athlete may be suffering from:

• Intramuscular glycogen depletion.

• Muscle fiber micro-tears and eccentric damage.

• Tendon stiffness degradation.

• Accumulated bone stress.

Lambe et al. found that metrics related to mechanical work, such as energy expenditure and step counts, frequently exhibit inconsistent and large errors [4].

If a device cannot accurately calculate the external mechanical work performed (calories), it cannot estimate the internal structural cost of that work. This results in a “High Readiness” score that is a dangerous false positive, as the ANS often recovers faster than the musculoskeletal system.

Practical Consideration

For the coach or physiotherapist, these tools should be viewed as “stress thermometers” rather than definitive diagnostic or training prescription tools.

1. Trust trends, not Snapshots: A single “red” recovery score is often noise. However, a multi-day downward trend in HRV coupled with decreasing sleep quality is a high-confidence signal of systemic maladaptation.

2. The biomechanical gap: Always remember that a high readiness score does not equal “injury-proof” tissues. Biomechanical fatigue often occurs on a different timeline than systemic recovery. You must still rely on subjective measures of soreness and movement quality.

3. Individual baselines are key: Because HRV and RHR are highly individual, the “score” is only meaningful when compared to the athlete’s own historical data. Avoid comparing “Body Battery” across team members.

In conclusion, your wearable is a powerful, science-backed tool for monitoring the “biological debt” you incur during training. It is a useful monitor of the autonomic nervous system, but it is inefficient for assessing biomechanical load or soft-tissue stress. By using it as a guide for systemic readiness combined with a focus on tissue health and recovery foundations, athletes and coaches can build more resilient, performance-oriented training programs.

Bibliography

1. Muggeridge, D. J., et al. (2021). Measurement of Heart Rate Using the Polar OH1 and Fitbit Charge 3 Wearable Devices in Healthy Adults During Light, Moderate, Vigorous, and Sprint-Based Exercise: Validation Study. JMIR mHealth and uHealth, 9(3).

2. Cao, R., et al. (2022). Accuracy Assessment of Oura Ring Nocturnal Heart Rate and Heart Rate Variability in Comparison With Electrocardiography in Time and Frequency Domains: Comprehensive Analysis. Journal of Medical Internet Research, 24(1).

3. Lim, S. E., et al. (2023). Validation of Fitbit Inspire 2™ Against Polysomnography in Adults Considering Adaptation for Use. Nature and Science of Sleep, 15, 59-67.

4. Lambe, R., et al. (2026). The accuracy of Apple Watch measurements: a living systematic review and meta-analysis. Nature Digital Medicine.

5. Stucky, B., et al. (2021). Validation of Fitbit Charge 2 Sleep and Heart Rate Estimates Against Polysomnographic Measures in Shift Workers: Naturalistic Study. Journal of Medical Internet Research, 23(10).

6. De Zambotti, M., et al. (2019). Wearable Sleep Technology in Clinical and Research Settings. Medicine & Science in Sports & Exercise, 51(7), 1538-1557.

7. Svensson, T., et al. (2024). Validity and reliability of the Oura Ring Generation 3 (Gen3) with Oura sleep staging algorithm 2.0 (OSSA 2.0). Sleep Medicine, 115, 251-263.

8. Natarajan, A. (2023). Heart rate variability during mindful breathing meditation: PPG vs ECG validation. Frontiers in Physiology, 13, 1017350.

9. Miller, D. J., et al. (2020). A validation study of the WHOOP strap against polysomnography to assess sleep. Journal of Sleep Research, 29(4).

10. Icenhower, A., et al. (2025). Investigating the accuracy of Garmin PPG sensors on differing skin types based on the Fitzpatrick scale. Frontiers in Digital Health, 7.

11. McMahon, M., et al. (2023). Fitbit validation for rest-activity rhythm assessment in young and older adults. Smart Health, 29.

12. O’Grady, B., et al. (2025). Validation of heart rate and HRV on Apple Watch Series 9 and Ultra 2. (As cited in Lambe et al., 2026).

13. Motahari-Nezhad, H., et al. (2022). Health outcomes of Fitbit, Garmin or Apple Watch-based interventions: A systematic review of systematic reviews. Baltic Journal of Health and Physical Activity, 14(4).

14. Degroote, L., et al. (2020). Low-Cost Consumer-Based Trackers to Measure Physical Activity and Sleep Duration Among Adults in Free-Living Conditions: Validation Study. JMIR mHealth and uHealth, 8(5).

15. Stone, J. D., et al. (2025). Wearable Technology in Circadian Rhythm Research: From Monitoring to Clinical Insights. Chronobiology in Medicine.

16. C. Doherty, et al. (2025), Readiness, recovery, and strain: an evaluation of composite health scores in consumer wearables. Translational Exercise Biomedicine, 2(2), 28–144.

---

Comment ton score de récupération est calculé (et ce qu’il lui manque)

Ta montre peut te dire que tu es “en forme” mais tes muscles peuvent être en désaccord. Pourquoi les scores de récupération n’incluent pas la fatigue biomécanique.

Chaque matin, des millions d’athlètes consultent leur montre connectée pour voir un score de “readiness” ou de “récupération”. Ce chiffre, souvent présenté sous forme de pourcentage ou de “body battery”, est censé indiquer si la journée se prête à une séance d’entraînement intensive ou à un jour de repos forcé. Pour l’athlète averti, le coach ou le kinésithérapeute, ces mesures offrent une fenêtre facile, bien qu’imparfaite, sur l’état interne du corps. Cependant, comprendre précisément ce que ces capteurs mesurent, estiment, et ce qu’ils manquent est essentiel pour aller au-delà des données et s’entraîner avec confiance.

Les fondations de la récupération : systémique vs. biomécanique

Pour évaluer les mesures de récupération des wearables, on doit d’abord distinguer la récupération systémique de la récupération biomécanique. Comme on l’a évoqué dans notre précédent article sur la récupération, la récupération systémique fait référence à l’état du système nerveux autonome (SNA) et de l’homéostasie métabolique. Cela implique le “rééquilibrage” des branches parasympathique (”rest and digest”) et sympathique (”fight or flight”), parallèlement à l’élimination des déchets métaboliques et à la stabilisation hormonale [6, 13].

La récupération biomécanique, à l’inverse, fait référence à l’intégrité structurelle des tissus : les micro-déchirures dans les fibres musculaires, la raideur des tendons et la densité minérale osseuse. En supposant que leurs mesures soient précises, les wearables actuels sont excellents pour capturer la récupération systémique [1]. Ils fournissent un indicateur fiable de la manière dont le cœur et le système nerveux gèrent la charge totale de la vie et de l’entraînement. Cependant, ils possèdent un “angle mort biomécanique” important. Une montre peut afficher un score de “Readiness” élevé parce que la variabilité de votre fréquence cardiaque (“HRV”) est en hausse, alors que votre tendon rotulien est douloureux ou que votre muscle est encore en train de récupérer d’un travail excentrique intense [12].

La photopléthysmographie (PPG) : le cardiofréquencemètre optique

Au cœur de presque tous les wearables modernes, des montres Garmin à l’Oura Ring en passant par le bracelet Whoop, se trouve le capteur PPG. Cette technologie repose sur les propriétés optiques du sang. Le capteur est composé de diodes électroluminescentes (LED), généralement vertes ou infrarouges, et d’un photodétecteur [10].

Les LED émettent de la lumière dans la peau, qui est ensuite soit absorbée, soit rétrodiffusée par les tissus sous-jacents. À chaque battement du cœur, une “onde de pouls” de sang circule dans les capillaires. Cette augmentation du volume sanguin pendant la systole modifie la quantité de lumière absorbée. En mesurant ces fluctuations d’intensité lumineuse au niveau du photodétecteur, l’appareil génère un pléthysmogramme — une forme d’onde représentant le pouls [8, 10].

L’implémentation technique diffère selon l’état de l’utilisateur. La plupart des wearables haut de gamme, dont l’Apple Watch et le Whoop, utilisent une approche à double spectre. Les LED à lumière verte (environ 530 nm) sont généralement utilisées pour le suivi actif de la fréquence cardiaque (FC). La lumière verte a une longueur d’onde plus courte et une profondeur de pénétration plus faible, ce qui la rend moins sensible au “bruit” causé par le flux sanguin dans les tissus profonds ou par le mouvement de l’appareil contre la peau. À l’inverse, la lumière infrarouge (940 nm) est utilisée pour les mesures au repos, notamment la saturation en oxygène du sang (SpO2) et la HRV nocturne. La lumière infrarouge pénètre plus profondément dans les tissus, fournissant un signal plus robuste pour les biomarqueurs complexes lorsque le membre est immobile.

À partir de ce signal optique brut, les wearables dérivent trois mesures de récupération :

• La fréquence cardiaque au repos (FCR) : Calculée en mesurant la fréquence de ces pulsations dans le temps. Une FCR plus basse indique généralement une meilleure efficacité cardiovasculaire et un état parasympathique plus dominant [1].

• La variabilité de la fréquence cardiaque (HRV) : La HRV mesure la variation du temps entre deux battements cardiaques consécutifs, connue sous le nom d’intervalle R-R. Cette mesure est le principal biomarqueur numérique de la récupération systémique, capturant l’équilibre entre les branches sympathique et parasympathique du SNA. Une variabilité élevée (souvent mesurée par la moyenne quadratique des différences successives, ou RMSSD) indique un SNA résilient et adaptable. Mais pour l’athlète, un instantané isolé de HRV a moins de valeur qu’une tendance longitudinale. Si une HRV élevée indique généralement une dominance parasympathique et une disponibilité au stress, la mesure n’est qu’un indicateur indirect de l’état du système nerveux.

• La saturation en oxygène (SpO2) : Elle estime le pourcentage d’hémoglobine transportant de l’oxygène par rapport à l’hémoglobine totale dans le sang. Bien qu’il ne s’agisse pas d’une mesure de récupération directe, une SpO2 constamment basse peut signaler des problèmes respiratoires ou une mauvaise qualité de sommeil, affectant indirectement la récupération.

Cependant, le PPG n’est pas sans défauts. La qualité du signal est fortement susceptible aux artefacts de mouvement, à la composition corporelle, à l’intensité de l’exercice, à la température cutanée, et même à la couleur de peau, car la mélanine peut absorber la lumière utilisée par le capteur [10, 12]. Selon une revue systématique vivante de Lambe et al. [4], si l’Apple Watch démontre un degré élevé de validation pour le suivi basique de la fréquence cardiaque par rapport aux mesures de référence par électrocardiogramme (ECG), la revue révèle que la précision des mesures est fortement sensible aux conditions de mesure. Bien que ces appareils soient précis dans un environnement contrôlé et au repos, les scientifiques de la performance soulignent que l’interprétation de ces données doit être prise avec prudence :

“Sans validation, les mesures des appareils portables peuvent induire en erreur l’évaluation et le traitement, pouvant entraîner des représentations erronées de la santé ou des interventions retardées” [4].

Le suivi du sommeil : actimétrie et fusion de capteurs

Le sommeil est la pierre angulaire de la récupération, là où se produisent les adaptations physiologiques les plus significatives. Les wearables ne “mesurent” pas le sommeil directement ; ils l’infèrent par un processus appelé fusion de capteurs, combinant les données de plusieurs sources : actimétrie, fréquence cardiaque via PPG, et thermométrie.

1. L’actimétrie

Le capteur principal pour la détection du sommeil est l’accéléromètre à 3 axes. Il mesure le mouvement et l’orientation. L’hypothèse sous-jacente est simple : une absence de mouvement pendant une période prolongée indique le sommeil [6, 11]. Les algorithmes analysent la fréquence et l’intensité des mouvements pour distinguer l’éveil de l’immobilité. Cependant, l’actimétrie seule surestime souvent la durée du sommeil car elle ne peut pas facilement distinguer “l’éveil calme” (rester allongé immobile dans le lit) du sommeil réel [11, 14].

2. La fréquence cardiaque (intégration PPG)

Pour améliorer la précision, des appareils comme l’Oura Ring et le Whoop intègrent les données PPG. Lorsqu’on traverse les différentes phases de sommeil, le SNA subit des variations prévisibles. Pendant le sommeil lent profond (non-REM), la fréquence cardiaque ralentit et la HRV augmente significativement, le système parasympathique prenant le contrôle total. Pendant le sommeil paradoxal (REM), la fréquence cardiaque devient irrégulière et la HRV diminue souvent, mimant un état d’éveil [7, 15]. En “fusionnant” les données de mouvement avec ces schémas de fréquence cardiaque, les wearables peuvent estimer les phases de sommeil : léger, profond et paradoxal.

3. La thermométrie périphérique

De nombreux wearables haut de gamme incluent désormais un thermistor pour mesurer la température cutanée. La température corporelle centrale baisse pendant le sommeil, la chaleur étant dissipée par la peau (vasodilatation). Le suivi de ces fluctuations fournit un ancrage biologique supplémentaire pour confirmer l’endormissement et la qualité du sommeil [7, 11].

Les recherches comparant ces appareils à la polysomnographie (PSG), le “gold standard”, montrent une sensibilité élevée pour la détection du sommeil (souvent >90 %) mais une précision moindre pour le “staging”, où les appareils peinent à distinguer le sommeil léger du sommeil paradoxal [3, 9].

La mesure composite de “Readiness”

Le score de “Readiness” (Oura), le score de “Recovery” (Whoop) ou le “Body Battery” (Garmin) est une mesure composite propriétaire conçue pour simplifier des données physiologiques multivariées en un chiffre unique et exploitable. Bien que les algorithmes spécifiques soient des secrets industriels, ils suivent généralement un modèle de “somme pondérée” [16] :

• Performance de sommeil (~30-40 %) : Pondérée en fonction de la durée totale, de la régularité du sommeil et de la quantité de sommeil “réparateur” (profond et paradoxal).

• Statut HRV (~40-50 %) : C’est généralement la composante la plus fortement pondérée. L’appareil compare la HRV de la nuit précédente à une “ligne de base glissante” personnelle (généralement les 7 à 21 derniers jours). Une baisse significative par rapport à la norme constitue le signal le plus clair de fatigue systémique [2, 16].

• Charge aiguë (Strain) : Garmin et Whoop intègrent le volume d’entraînement récent. Si la “strain” d’entraînement dépasse significativement la capacité de base, le score de récupération sera abaissé, indépendamment de la qualité du sommeil.

Une critique scientifique majeure de ces scores est la “redondance du signal”. Beaucoup de ces variables ne sont pas indépendantes. Par exemple, une mauvaise nuit de sommeil entraînera naturellement une baisse de la HRV et une augmentation de la FCR. En incluant les trois, l’algorithme peut “double-pénaliser” l’athlète pour un seul événement physiologique [16]. De plus, ces scores sont conservateurs ; ils sont conçus pour signaler un potentiel surentraînement, mais ils ne peuvent pas indiquer pourquoi le score est bas : il peut s’agir d’un entraînement intensif, d’une maladie qui couve, ou simplement d’un repas tardif [13].

“L’angle mort” : le découplage systémique et biomécanique

Le fossé analytique le plus critique pour les coachs et les kinésithérapeutes est la distinction entre récupération systémique et récupération biomécanique. Un wearable est un moniteur systémique qui suit les réponses cardiovasculaires et autonomes. Cependant, il ne peut pas voir les lésions musculaires. Ce phénomène est connu sous le nom de “découplage”.

La HRV et la fréquence cardiaque au repos d’un athlète peuvent revenir à leur niveau de base, signalant un statut de récupération “vert”. Simultanément, ce même athlète peut souffrir de :

• Déplétion du glycogène intramusculaire.

• Micro-déchirures des fibres musculaires et dommages excentriques.

• Dégradation de la raideur tendineuse.

• Stress osseux accumulé.

Lambe et al. ont constaté que les mesures liées au travail mécanique, telles que la dépense énergétique et le nombre de pas, présentent fréquemment des erreurs inconsistantes et importantes [4].

Si un appareil ne peut pas calculer avec précision le travail mécanique externe effectué (calories), il ne peut pas estimer le coût structurel interne de ce travail. Il en résulte un score de “Readiness élevée” qui constitue un faux positif dangereux, car le SNA récupère souvent plus rapidement que le système musculo-squelettique.

Considération pratique

Pour le coach ou le kinésithérapeute, ces outils doivent être considérés comme des “thermomètres de stress” plutôt que comme des outils de diagnostic ou de prescription d’entraînement définitifs.

1. Faites confiance aux tendances, pas aux lectures ponctulles : Un seul score de récupération “rouge” est souvent du bruit. Cependant, une tendance à la baisse de la HRV sur plusieurs jours, couplée à une diminution de la qualité du sommeil, est un signal fiable de maladaptation systémique.

2. Le fossé biomécanique : N’oubliez jamais qu’un score de readiness élevé ne signifie pas des tissus “à l’épreuve des blessures”. La fatigue biomécanique se produit souvent sur une temporalité différente de la récupération systémique. On doit continuer à s’appuyer sur des mesures subjectives de douleur et de qualité de mouvement.

3. Les lignes de base individuelles sont essentielles : Parce que la HRV et la FCR sont hautement individuelles, le “score” n’a de sens que comparé aux données historiques propres de l’athlète. Évitez de comparer le “Body Battery” entre les membres d’une équipe.

En conclusion, votre wearable est un outil puissant, appuyé par la science, pour surveiller la “dette biologique” que l’on accumule pendant l’entraînement. C’est un moniteur utile du système nerveux autonome, mais il est inefficace pour évaluer la charge biomécanique ou le stress des tissus mous (soft tissue). En l’utilisant comme guide de la “readiness” systémique, combiné à une attention portée à la santé tissulaire et aux fondations de la récupération, les athlètes et les coachs peuvent construire des programmes d’entraînement plus résilients et orientés vers la performance.