Caractérisée par un affaiblissement de la fonction physique, la fragilité toucherait, en France, 4 personnes âgées sur 5 de 85 ans et plus. Dans ce contexte, afin de suivre l’activité physique des seniors et d’analyser leur trajectoire de fragilisation, nos travaux ont consisté à proposer un système de surveillance automatisé basé sur des capteurs portables. Ce système se compose de deux couches distinctes, un premier module d’apprentissage automatique pour identifier les activités physiques et un second pour analyser la sortie précédente. Concernant le premier module, deux approches ont été développées. La première, complexe en temps de calculs, considère en entrée des signaux acquis par un accéléromètre, un gyroscope et un magnétomètre, et est basée sur l’orientation du dispositif portable, combinant à la fois un processus d’extraction manuelle de caractéristiques et des réseaux de deep learning. La seconde, peu coûteuse et pouvant être embarquée, exploite des caractéristiques temporelles locales des seuls signaux d’accélération. Une fois ces signaux labellisés, ils viennent alimenter le second module. Deux types de mesures de l’activité sont alors extraits des données étiquetées pour évaluer l’état de santé des personnes âgées, à savoir des variables globales calculées au cours d’une journée, et des variables locales caractérisant la démarche. Une étude longitudinale sur des données acquises en conditions non supervisées au cours de la vie quotidienne de sujets âgés (robustes, préfragiles et fragiles) a permis d’attester l’efficacité et la faisabilité de notre solution.