Aller au contenu
against.

Méthodologie

Ce que nous mesurons

Trois chiffres : la série en cours, la série la plus longue, le nombre total de rechutes à ce jour. Une vue calendrier des moments où les rechutes ont eu lieu. Des notes chiffrées optionnelles par rechute. C’est tout.

Pourquoi ceux-là et pas davantage

L’auto-suivi fonctionne quand il est sans friction. Les outils qui demandent des taxonomies de déclencheurs, des scores d’humeur et des champs de journalisation à chaque fois tendent à être abandonnés en quelques semaines (Eysenbach, 2005 ; Krebs & Duncan, 2015). Nous avons testé des schémas plus lourds dans les premiers prototypes et avons observé ce que toutes les autres apps observent : plus de 80 % d’abandon avant la troisième semaine (Meyerowitz-Katz et al., 2020). L’enregistrement en une seule action, c’est ce qui survit.

Pourquoi les séries

Le suivi de série renforce les comportements cibles en combinant la répétition comportementale avec des signaux contextuels et un sentiment croissant d’accomplissement, les mécanismes centraux de la formation des habitudes identifiés dans la littérature (Lally et al., 2010 ; Curran et al., 2024). L’auto-suivi lui-même est un ingrédient actif bien établi dans les interventions de changement comportemental dans de multiples domaines (Burke et al., 2011 ; Michie et al., 2011). Nous affichons les séries parce qu’elles sont utiles, pas pour gamifier le travail. Il n’y a pas de récompenses pour les jalons, pas de badges à partager, pas de classements. Juste le nombre.

Ce que nous ne prétendons pas

Nous ne prétendons pas qu’against. guérit, traite, ou se substitue aux soins cliniques. L’app est un complément d’auto-suivi. Les personnes en détresse significative, avec des problèmes de santé mentale comorbides, ou un impact relationnel devraient travailler avec un clinicien qualifié. L’app est un outil, pas un plan de traitement.

Comment nous traitons les données

Toutes les données sensibles (notes, annotations de déclencheurs) sont chiffrées sur l’appareil avec AES (mode CBC, clé 256 bits). La clé est générée au premier lancement et stockée dans l’enclave sécurisée du système d’exploitation (Keychain sur iOS, EncryptedSharedPreferences sur Android). Le seul service “distant” est Firebase Cloud Messaging pour les notifications optionnelles, qui ne transporte jamais de données utilisateur. Voir la page Confidentialité et Sécurité pour le détail technique complet.

Mises à jour et corrections

Nous mettons cette page à jour lorsque notre méthodologie évolue. Un journal de révisions se trouve en bas de la page.

Dernière révision : 2026-05-07. Méthodologie version 1.0.

Références

  • Burke, L. E., Wang, J., & Sevick, M. A. (2011). Self-monitoring in weight loss: A systematic review of the literature. Journal of the American Dietetic Association, 111(1), 92-102. https://doi.org/10.1016/j.jada.2010.10.008
  • Curran, M., Larade, N., Özakinci, G., Tymowski-Gionet, G., & Dombrowski, S. U. (2024). Look, over there! A streaker! — Qualitative study examining streaking as a behaviour change technique for habit formation in recreational runners. Health Psychology and Behavioral Medicine, 12(1). https://doi.org/10.1080/21642850.2024.2416505
  • Eysenbach, G. (2005). The law of attrition. Journal of Medical Internet Research, 7(1), e11. https://doi.org/10.2196/jmir.7.1.e11
  • Krebs, P., & Duncan, D. T. (2015). Health app use among US mobile phone owners: A national survey. JMIR mHealth and uHealth, 3(4), e101. https://doi.org/10.2196/mhealth.4924
  • Lally, P., van Jaarsveld, C. H. M., Potts, H. W. W., & Wardle, J. (2010). How are habits formed: Modelling habit formation in the real world. European Journal of Social Psychology, 40(6), 998-1009. https://doi.org/10.1002/ejsp.674
  • Michie, S., van Stralen, M. M., & West, R. (2011). The behaviour change wheel: A new method for characterising and designing behaviour change interventions. Implementation Science, 6, 42. https://doi.org/10.1186/1748-5908-6-42
  • Meyerowitz-Katz, G., Ravi, S., Arnolda, L., Feng, X., Maberly, G., & Astell-Burt, T. (2020). Rates of attrition and dropout in app-based interventions for chronic disease: Systematic review and meta-analysis. Journal of Medical Internet Research, 22(9), e20283. https://doi.org/10.2196/20283

Lecture de contexte : Ce que la science dit sur le suivi des habitudes et la récupération.