Fonctionnalités matérielles dans le développement mobile : ce qu'elles sont, types et comment les utiliser

Principaux capteurs du smartphone

Les fonctionnalités matérielles du smartphone comprennent des dizaines de capteurs qui collectent des données sur l'environnement et la position de l'appareil. Ces données sont disponibles via Sensors API (Android) et Core Motion (iOS). Les capteurs sont divisés en trois catégories : capteurs de mouvement (accéléromètre, gyroscope), capteurs de position (magnétomètre) et capteurs environnementaux (baromètre, lumière, température).

Accéléromètre

L'accéléromètre mesure l'accélération de l'appareil selon trois axes (x, y, z) en m/s². Il est utilisé pour : la détection d'orientation de l'écran (rotation automatique), le comptage de pas (navigation piétonne), la reconnaissance de gestes (secouer pour annuler), les jeux avec contrôle par inclinaison. Android Sensor.TYPE_ACCELEROMETER et Core Motion CMMotionManager (iOS) fournissent des données brutes jusqu'à 200 Hz.

Gyroscope

Le gyroscope mesure la vitesse angulaire de rotation de l'appareil selon trois axes (rad/s). Contrairement à l'accéléromètre, le gyroscope n'est pas affecté par la gravité, ce qui le rend idéal pour le suivi des rotations. Applications : stabilisation vidéo, applications VR/AR, navigation intérieure, manettes de jeu. Sensor.TYPE_GYROSCOPE (Android) et CMMotionManager (iOS) sont les principales API.

Magnétomètre

Le magnétomètre mesure le champ magnétique terrestre selon trois axes (µT) et fonctionne comme une boussole électronique. Il est utilisé dans les applications de navigation pour déterminer la direction du nord. Le magnétomètre est sensible aux interférences des objets métalliques et des haut-parleurs ; un étalonnage est nécessaire (le mouvement caractéristique en forme de huit). Sensor.TYPE_MAGNETIC_FIELD — API Android.

Le baromètre mesure la pression atmosphérique (hPa) et est utilisé pour déterminer l'altitude au-dessus du niveau de la mer avec une précision allant jusqu'à 1 mètre. Le capteur de proximité éteint l'écran lorsque le téléphone est porté à l'oreille pendant un appel. Le capteur de lumière ambiante ajuste la luminosité de l'écran. Tous ces capteurs sont accessibles via le SensorManager unifié (Android) ou CMMotionManager (iOS) pour la plupart des capteurs de mouvement.

Caméra et microphone

La caméra est l'un des composants matériels les plus demandés. Sur Android, l'accès se fait via CameraX (API Jetpack moderne) ou Camera2 (API bas niveau). CameraX gère automatiquement le cycle de vie, prend en charge Preview, ImageCapture, ImageAnalysis (analyse d'images ML) et VideoCapture. Sur iOS, la caméra est accessible via AVFoundation : AVCaptureSession gère la capture, AVCaptureDevice configure les paramètres (mise au point, ISO, balance des blancs).

Le microphone est utilisé pour l'enregistrement audio, le contrôle vocal et la reconnaissance vocale. Sur Android — MediaRecorder ou AudioRecord ; sur iOS — AVAudioRecorder. L'accès à la caméra et au microphone nécessite l'autorisation de l'utilisateur : Manifest.permission.CAMERA et RECORD_AUDIO (Android), NSCameraUsageDescription et NSMicrophoneUsageDescription (iOS) — chaînes dans Info.plist décrivant la raison d'utilisation.

Chez IT Sectr, nous avons réalisé plus de 20 projets avec des caméras personnalisées : des scanners de codes QR aux applications avec filtres AR. Conclusion principale : sur Android, CameraX fait gagner des semaines de développement par rapport à Camera2, tandis que sur iOS, AVFoundation donne un contrôle total sur les paramètres de prise de vue. Exemple de capture d'image de base via CameraX :

class CameraFragment : Fragment() {
    private lateinit var imageCapture: ImageCapture

    fun startCamera() {
        val processCameraProvider =
            ProcessCameraProvider.getInstance(requireContext())

        processCameraProvider.addListener({
            val cameraProvider = processCameraProvider.get()
            val preview = Preview.Builder()
                .build()
                .also {
                    it.setSurfaceProvider(viewFinder.surfaceProvider)
                }

            imageCapture = ImageCapture.Builder()
                .setCaptureMode(ImageCapture.CAPTURE_MODE_MINIMIZE_LATENCY)
                .build()

            val cameraSelector = CameraSelector.DEFAULT_BACK_CAMERA

            cameraProvider.bindToLifecycle(
                this, cameraSelector, preview, imageCapture
            )
        }, ContextCompat.getMainExecutor(requireContext()))
    }
}

Biométrie et NFC

Face ID, Touch ID, Scanner d'empreintes

Les fonctionnalités matérielles biométriques permettent aux utilisateurs de se connecter à une application via une empreinte digitale ou un visage. iOS utilise Face ID (caméra TrueDepth, 30 000 points invisibles) et Touch ID (scanner d'empreintes capacitif). Android utilise BiometricPrompt, qui combine un scanner d'empreintes (capacitif ou ultrasonique) et Face Unlock (caméra + ML). Face ID est plus sûr que Touch ID : probabilité de correspondance 1:1 000 000 contre 1:50 000.

NFC et Bluetooth/BLE

NFC (Near Field Communication) est une technologie de communication sans fil avec une portée allant jusqu'à 10 cm. Elle est utilisée pour : les paiements sans contact (Google Pay, Apple Pay), la lecture de tags NFC (affiches intelligentes, cartes de visite), la vérification (documents, billets), le transfert de données (Android Beam — obsolète). Core NFC (iOS) et NfcAdapter (Android) sont les principales API. Sur iOS, le NFC est disponible uniquement en lecture (sauf pour les paiements Apple Pay).

Bluetooth/BLE (Bluetooth Low Energy) — pour connecter des appareils externes : écouteurs, bracelets de fitness, capteurs médicaux, serrures intelligentes. Core Bluetooth (iOS) et android.bluetooth (Android) — API pour scanner, connecter et échanger des données. Le BLE est économe en énergie : un appareil peut fonctionner sur batterie pendant des années. Sur iOS, le fonctionnement BLE en arrière-plan nécessite l'activation de Background Modes → Uses Bluetooth LE accessories.

Santé et fitness (HealthKit, Google Fit)

Fonctionnalités matérielles de santé : HealthKit (iOS) — framework d'Apple pour l'agrégation de données de santé. L'utilisateur donne l'autorisation de lire et d'écrire des types de données spécifiques : pas, fréquence cardiaque, sommeil, calories, poids, tension artérielle. Toutes les données sont stockées dans un référentiel protégé et synchronisées via iCloud. HealthKit fournit une interface unifiée pour écrire HKQuantitySample et lire via HKSampleQuery ou HKStatisticsQuery.

Google Fit — plateforme de Google pour les données de fitness sur Android. L'API est divisée en deux ensembles : Sensors API (données réelles des capteurs de l'appareil — pas, calories) et History API (lecture/écriture de données historiques). Google Fit agrège également les données d'autres applications de fitness (Strava, Runkeeper) via autorisation. Sur iOS, Google Fit est disponible via l'API REST.

Core Motion (iOS) — framework pour travailler avec les capteurs de mouvement sans puce dédiée : accéléromètre, gyroscope, podomètre (CMPedometer), altimètre (CMAltimeter). CMPedometer compte les pas, la distance parcourue, l'allure et le nombre d'étages montés. Sur Android, des capacités similaires sont fournies par Sensor.TYPE_STEP_COUNTER et Step Detector. Toutes les données de fitness nécessitent le consentement explicite de l'utilisateur.

RA et ML (ARKit, ARCore, ML Kit)

La réalité augmentée (RA) et l'apprentissage automatique sur l'appareil représentent le summum des capacités matérielles du smartphone. ARKit (Apple, iOS 11+) utilise la caméra, le gyroscope, l'accéléromètre et le LiDAR (sur les modèles Pro) pour suivre l'espace environnant. ARCore (Google) est l'équivalent Android avec le suivi de plan, la reconnaissance d'images et l'estimation de l'éclairage. Les deux frameworks utilisent l'odométrie visuelle-inertielle (VIO) — une combinaison de caméra et de capteurs inertiels.

ML Kit (Google) — SDK pour l'apprentissage automatique sur Android et iOS. Inclut des API prêtes à l'emploi : reconnaissance de texte (OCR), scan de codes-barres, reconnaissance faciale, détection de pose, suivi d'objets, reconnaissance de texte dans les images et traitement du langage naturel. ML Kit fonctionne entièrement sur l'appareil — les données ne sont pas envoyées au serveur, garantissant la confidentialité et le fonctionnement hors ligne.

Core ML (Apple) — framework pour intégrer des modèles ML dans les applications iOS. Les modèles (mlmodel) sont convertis à partir de TensorFlow, PyTorch ou Keras via Core ML Tools. Vision — framework pour la vision par ordinateur : détection de visage, texte, codes-barres, alignement horizontal. La combinaison de Vision et Core ML permet de construire des pipelines ML en temps réel : capture d'image → analyse Vision → prédiction Core ML → mise à jour de l'interface — le tout sur l'appareil avec une latence inférieure à 50 ms.