Étude de cas sur l'autonomie des batteries des objets connectés : pourquoi les utilisateurs incriminent le matériel en cas de défaillance des algorithmes

Introduction

Lorsqu'un objet connecté intelligent ne répond pas aux attentes en matière d'autonomie, l'hypothèse par défaut est simple : la batterie est trop petite. Dans le développement de produits B2B, cette hypothèse conduit souvent les équipes à opter pour des batteries plus lourdes, des boîtiers plus épais ou des coûts de nomenclature plus élevés.

Cette étude de cas sur l'autonomie des batteries des objets connectés examine une réalité différente. Deux produits – dotés d'une puce, de capteurs et d'une batterie de 300 mAh identiques – ont suscité des retours d'utilisateurs diamétralement opposés. L'un a souffert de mauvaises critiques concernant son autonomie et d'un taux de retour élevé. L'autre a été salué pour son autonomie fiable et stable.

La différence ne résidait pas dans le matériel.
Il s'agissait de la stratégie de l'algorithme et du comportement d'échantillonnage par défaut .

Pour les responsables des achats et les chefs de produit, cette distinction est importante. L'autonomie de la batterie n'est pas un choix de composant ; c'est une décision relative au système et au produit , qui influe directement sur la réputation du produit après son lancement.

Contrainte initiale : même matériel, retours de marché opposés

Les deux produits ont été développés sur la même plateforme de référence.

ligne de base partagée

• batterie au lithium de 300 mAh

• Même SoC et même pile de capteurs

• Même génération de firmware

• Autonomie de la batterie identique à celle annoncée (7 jours)

Résultat observé

• Produit A : plaintes fréquentes concernant la recharge quotidienne et la « décharge de la batterie »

• Produit B : retours d’information cohérents décrivant des performances de batterie « prévisibles » et « acceptables ».

Avec une nomenclature, une certification et un assemblage inchangés, le matériel ne pouvait pas expliquer la divergence.

Cause première : stratégie de l’algorithme par défaut, et non capacité de la batterie

La véritable différence est apparue au niveau du firmware, et plus précisément dans la manière dont la consommation d'énergie était gérée par défaut.

Produit A : Échantillonnage statique axé sur les caractéristiques

• Surveillance de la SpO₂ activée 24h/24 et 7j/7

• Fréquence cardiaque échantillonnée à une fréquence élevée fixe

• Suivi du sommeil verrouillé en mode haute puissance continu

• États de veille ou de faible puissance minimaux

Du point de vue de la liste des fonctionnalités, le produit A semblait « complet ».
Du point de vue de la consommation d'énergie, il fonctionnait en décharge quasi constante.

Produit B : Échantillonnage adaptatif et contextuel

• La SpO₂ n'est active que pendant le sommeil ou le repos.

• Fréquence cardiaque ajustée dynamiquement en fonction de l'activité

• Longues périodes d'inactivité

• Les modes haute fréquence sont activés par l'utilisateur et ne sont pas activés par défaut.

Les fonctionnalités sont restées intactes.
Ce qui a changé, c'est le moment et la manière dont les capteurs consommaient de l'énergie .

Analyse comparative technique : Impact de l’échantillonnage statique par rapport à l’échantillonnage dynamique

Cet écart s'accentue avec le temps. Même de petites inefficacités deviennent visibles une fois que la durée d'utilisation dépasse les conditions de laboratoire.

Pourquoi les utilisateurs incriminent la batterie (même lorsqu'elle n'est pas en cause)

Les utilisateurs finaux n'évaluent pas la logique d'échantillonnage. Ils constatent les résultats.

• Ils ne peuvent pas voir quels capteurs sont actifs.

• Ils ne savent pas ce qu'il est sûr de désactiver

• Ils supposent que les valeurs par défaut reflètent les meilleures pratiques

Lorsque l'autonomie de la batterie déçoit, toute la frustration se résume à une seule explication :
« La batterie est défectueuse. »

En réalité, les utilisateurs réagissent à une décision invisible du système prise en leur nom .

Pourquoi cela devient un risque opérationnel en phase intermédiaire

Ce problème apparaît rarement lors des premières phases de validation.

• Les tests en laboratoire sont concluants

• Les fiches techniques restent exactes

• Les premiers indicateurs clés de performance semblent acceptables

Les problèmes apparaissent plus tard, à grande échelle, lorsque les usages réels s'écartent des hypothèses. À ce stade, les coûts de correction se déplacent :

• Les mises à jour OTA nécessitent des explications

• La formation des utilisateurs devient réactive

• La confiance envers la marque absorbe l'impact

Ce qui a commencé comme un choix de firmware se transforme en risque commercial .

Des connaissances transférables pour les programmes liés aux objets connectés

Cette étude de cas renforce trois principes de décision :

1. L'autonomie perçue de la batterie n'est pas une caractéristique technique.
   Les utilisateurs constatent des cycles de charge, et non des valeurs en mAh.

2. Les valeurs par défaut définissent la réputation
   Ce qui est embarqué à bord devient l'identité du produit.

3. La stratégie d'échantillonnage est une conception de produit
   Elle influence les avis, les retours et la fidélisation longtemps après le lancement.

Là où la stratégie d'ingénierie rencontre l'exécution

Chez Goodway Techs, la performance des batteries est abordée comme un problème d'ingénierie global . L'optimisation de la consommation d'énergie est prise en compte à tous les niveaux :

• Logique du firmware

• Planification des capteurs

• Validation au niveau du système

• Modélisation de l'utilisation en situation réelle

Cette approche permet aux marques d'objets connectés d'améliorer l'autonomie de la batterie sans en augmenter la taille , réduisant ainsi les risques après le lancement tout en conservant des formats compétitifs.

Conclusion : les utilisateurs ne détestent pas les batteries ; ils rejettent les décisions cachées.

Lorsque les utilisateurs se plaignent de l'autonomie de la batterie, ils critiquent rarement sa composition chimique ou sa capacité. Ils rejettent un comportement du système qu'ils n'ont jamais consciemment choisi.

Dans le domaine des objets connectés, l'autonomie de la batterie ne dépend pas uniquement du matériel.
Il s'agit du résultat visible de la conception de l'algorithme, des paramètres par défaut et de la stratégie produit .

Arrêtez de deviner les performances de votre batterie.
Les choix par défaut du micrologiciel peuvent insidieusement éroder la confiance des utilisateurs. Collaborez avec un partenaire qui optimise les algorithmes, les profils de consommation et le matériel au sein d'un système unifié.

→ Consultez l'équipe R&D de Goodway

FAQ

L'augmentation de la capacité de la batterie améliore-t-elle toujours la satisfaction des utilisateurs ?
Non. Des algorithmes inefficaces peuvent vider des batteries de plus grande capacité tout aussi rapidement.

Qu'est-ce que l'échantillonnage contextuel ?
Une stratégie où les capteurs s'activent en fonction de l'état de l'utilisateur (sommeil, repos, activité) plutôt que de fonctionner en continu.

Les mises à jour du firmware peuvent-elles résoudre les problèmes de batterie après le lancement ?