Prédire la taille adulte : deux siècles de science, des courbes de Quetelet à l’intelligence artificielle

Envie de savoir combien mesureront vos enfants ? Vous êtes sur la bonne page.

Découvrons ensemble les différentes méthodes employées au fil du temps pour arriver à prédire la taille de nos progénitures.

Prédire la taille adulte d’un enfant est un défi scientifique vieux de près de 250 ans, et aucune méthode n’y est encore parvenue avec une précision absolue. Depuis les premières mesures du comte de Montbeillard sur son fils en 1759 jusqu’aux analyses génétiques portant sur 5,4 millions d’individus réalisées par Yengo et son équipe en 2022, la science de la croissance humaine — appelée auxologie — a mobilisé la statistique, l’endocrinologie, la radiologie, la génomique et l’intelligence artificielle. Malgré cette profusion de méthodes, la marge d’erreur minimale de prédiction reste d’environ 3 à 5 cm chez l’enfant en bonne santé. Cette marge reflète la part environnementale incompressible (nutrition, maladies, sommeil, activité physique) qui module l’expression du potentiel génétique. Cet article passe en revue, de manière exhaustive, toutes les grandes tentatives académiques de prédiction de la taille, leurs principes, leur précision et leurs limites. Et si vous cherchez à approfondir le sujet de la grande taille, n’hésitez pas à consulter les autres articles du blog Wetall.

Les pionniers : mesurer la croissance pour la première fois (1759–1900)

L’histoire commence avec un aristocrate français. Le comte Philibert de Montbeillard mesure son fils tous les six mois de 1759 à 1777, de la naissance à 18 ans. Publiées par Buffon dans son Histoire Naturelle (1777), ces données constituent la toute première étude longitudinale de croissance humaine (source). Le tracé révèle déjà les grands motifs : croissance rapide mais qui ralentit dans la petite enfance, phase stable durant l’enfance, ralentissement avant la puberté, puis poussée adolescente. D’Arcy Thompson les republiera dans On Growth and Form (1917), les sanctifiant comme le jeu de données fondateur de l’auxologie (source). Pour les passionnés d’histoire des sciences de la croissance, notre sélection de livres sur la grande taille offre de nombreuses pistes de lecture complémentaires.
C’est Adolphe Quetelet (1796–1874), astronome et statisticien belge, qui transforme ces observations en science quantitative. Dans Sur l’homme et le développement de ses facultés (1835), il démontre que la taille humaine suit une distribution en cloche (c’est-à-dire que la plupart des gens sont proches de la moyenne, et que les très grands et très petits sont rares), en analysant plus de 10 000 soldats belges (source). Dès 1831, son mémoire Recherches sur la loi de la croissance de l’homme applique pour la première fois au monde des méthodes mathématiques avancées aux mesures du corps humain (source). Il invente au passage l’indice qui porte aujourd’hui le nom d’IMC (poids divisé par la taille au carré, rebaptisé par Keys en 1972). Quetelet forge le concept de l’homme moyen, fondant l’anthropométrie statistique et influençant directement Francis Galton.

Francis Galton (1822–1911) franchit le pas décisif en 1886 avec son article Regression towards Mediocrity in Hereditary Stature, publié dans le Journal of the Anthropological Institute. En étudiant 205 groupes de parents et leurs enfants adultes, il démontre que les enfants de parents très grands tendent à être plus petits que leurs parents, et inversement (source). Plus précisément, la taille d’un enfant se rapproche de la moyenne générale : elle ne reprend qu’environ deux tiers de l’écart que ses parents avaient par rapport à cette moyenne (source). Galton introduit le concept de taille mi-parentale (la moyenne des tailles des deux parents, après avoir ramené la taille de la mère à un équivalent masculin en la multipliant par 1,08). Ce faisant, il invente littéralement une méthode statistique aujourd’hui universelle : l’analyse de régression linéaire. Le mot « régression » vient directement de ses travaux (source).
L’Américain Henry Bowditch publie en 1877 la première grande étude de croissance sur des écoliers de Boston, puis en 1891 propose le premier modèle de courbe de croissance par percentiles (c’est-à-dire classant les enfants par tranches de 10 % selon leur taille), ancêtre direct des courbes modernes (source). Franz Boas (1892–1912) enrichit le champ en démontrant que l’environnement façonne profondément la taille : les enfants d’immigrants italiens et juifs d’Europe de l’Est aux États-Unis étaient significativement plus grands que leurs parents, prouvant que le milieu module profondément l’expression du potentiel génétique (source).

La taille cible parentale : de Galton à Tanner, une formule centenaire

Le concept de taille cible (la taille qu’un enfant devrait atteindre à l’âge adulte compte tenu de sa génétique familiale) trouve ses racines dans les travaux de Galton, mais c’est James Tanner (1920–2010) qui le formalise pour la clinique. Considéré comme le père de l’auxologie moderne — il a littéralement inventé le terme —, Tanner publie en 1970, avec Goldstein et Whitehouse, la formule qui reste aujourd’hui la référence mondiale (Archives of Disease in Childhood, 1970) (source).
La formule de Tanner est d’une simplicité élégante :

• Garçons : Taille cible = (Taille du père + Taille de la mère + 13 cm) / 2
• Filles : Taille cible = (Taille du père + Taille de la mère − 13 cm) / 2

Autour de cette estimation, la taille réelle peut varier de ±8,5 cm, ce qui couvre la grande majorité des enfants d’une même famille. Cette formule explique environ 36 % de la variation de taille des enfants, et l’on estime que la taille est héritée à environ 74 % (source).
Ses limites sont bien documentées. La correction de 13 cm entre les sexes est appliquée comme une constante, alors que la différence réelle entre hommes et femmes varie selon les populations (seulement 10,8 cm dans une étude menée en Israël) (source). La formule ne corrige pas le phénomène de retour vers la moyenne : pour des parents très petits, elle sous-estime la taille finale de l’enfant d’environ 6 cm (source). Elle ne prend pas en compte la tendance à l’augmentation de la taille au fil des générations (les enfants sont souvent plus grands que leurs parents), ni le léger rétrécissement lié à l’âge des parents au moment de la mesure. Des études coréennes ont montré une sous-estimation moyenne de 4,8 cm (source), et des études taïwanaises de 2,3 cm.
Des améliorations ont été proposées. Luo et son équipe (1998), en étudiant 2 402 enfants suédois, ont développé des équations plus sophistiquées, mais avec une marge d’erreur qui pouvait atteindre ±10 cm (source). Hermanussen et Cole (2002) ont corrigé pour le fait que les gens tendent à se marier avec des personnes de taille similaire. Plus récemment, Rennert et son équipe (2024, Children) ont montré qu’en appliquant plusieurs ajustements mathématiques plus fins, la formule peut expliquer jusqu’à 40 % des variations de taille, avec une héritabilité estimée à 82 % (source). Malgré ces raffinements, aucune formule alternative n’a remplacé celle de Tanner dans les recommandations des grandes sociétés savantes internationales d’endocrinologie pédiatrique.
L’héritabilité de la taille — c’est-à-dire la part de la taille qui est transmise génétiquement par les parents — est elle-même un sujet de recherche majeur. L’étude de référence de Silventoinen et son équipe (2003, Twin Research), portant sur 30 111 paires de jumeaux dans huit pays, estime que la taille est héritée à 87-93 % chez les hommes et à 68-84 % chez les femmes (source). Des mesures cliniques précises menées sur des jumeaux australiens (Macgregor et son équipe, 2006) dépassent même 90 % (source). Ces chiffres élevés ont longtemps posé le problème de l’héritabilité manquante : les premières études génétiques n’arrivaient à expliquer que 3 à 5 % des variations de taille par les gènes identifiés, alors que l’on savait que la génétique comptait pour 80 %. Ce mystère a été progressivement résolu, comme nous le verrons.

L’âge osseux entre en scène : la radiographie au service de la prédiction (1950–2001)

La maturation du squelette (c’est-à-dire le degré d’avancement du développement des os) constitue le meilleur indicateur biologique du développement d’un enfant. Son évaluation par radiographie de la main gauche est devenue l’outil central de la prédiction de taille adulte en endocrinologie pédiatrique. En résumé : deux enfants du même âge peuvent avoir des os plus ou moins matures, et celui dont les os sont « en avance » aura moins de croissance à venir que celui dont les os sont « en retard ».

L’atlas de Greulich et Pyle (1950/1959)

William Greulich et S. Idell Pyle publient en 1950 (2e édition en 1959) leur Atlas radiographique du développement du squelette de la main et du poignet, basé sur une étude menée à Cleveland dans les années 1930-1940 sur des enfants caucasiens de milieu aisé (source). Le principe est simple : comparer globalement la radiographie du patient à des planches de référence classées par âge et sexe. Cette méthode « au coup d’œil » est rapide (environ 1,4 minute par évaluation) mais subjective. Deux médecins différents tombent généralement d’accord sur leurs évaluations, mais peuvent parfois diverger de plus de deux ans dans les cas limites (source). Malgré son âge, l’atlas de Greulich et Pyle reste la méthode la plus utilisée au monde, notamment aux États-Unis (source).

La méthode de Bayley-Pinneau (1952)

Nancy Bayley et S.R. Pinneau publient en 1952 des tables reliant la taille actuelle d’un enfant au pourcentage de sa taille adulte qu’il a déjà atteint à chaque stade de maturité osseuse. La formule est intuitive : Taille adulte prédite = Taille actuelle ÷ (pourcentage de taille adulte déjà atteint). Les patients sont répartis en trois groupes selon que leur squelette est en avance, normal ou en retard par rapport à leur âge réel. Basée sur une grande étude californienne, cette méthode affiche une marge d’erreur de ±2,5 à 5,1 cm selon les populations (source). Elle a tendance à surestimer la taille adulte chez les garçons, surtout quand leur squelette est très en retard : dans ces cas, la surestimation dépasse 5 cm dans la moitié des cas (source). Malgré ces limites, Bayley-Pinneau demeure l’une des méthodes les plus utilisées en clinique (source).

Tanner-Whitehouse : une approche os par os (1962–2001)

Tanner et Whitehouse développent un système où chacun des 20 os de la main et du poignet est évalué individuellement, puis converti en un score numérique (source). Trois versions se succèdent : TW1 (1962), TW2 (1975/1983) et TW3 (2001), cette dernière intégrant des données nord-américaines et réintroduisant la taille parentale comme variable (source). Le score de maturité du squelette se décompose en deux sous-scores : l’un portant sur les os longs de l’avant-bras et des doigts, l’autre sur les os du poignet (source). La concordance entre médecins est meilleure qu’avec la méthode de Greulich et Pyle (les écarts entre évaluateurs dépassent rarement un an et demi avec TW2), mais l’évaluation prend en moyenne 7,9 minutes contre 1,4 pour la méthode précédente. La version TW3 donne des âges osseux typiquement inférieurs de 11 à 13 mois à ceux de TW2 après la puberté, reflétant le fait que les enfants d’aujourd’hui grandissent différemment de ceux des décennies passées. Certaines études comparatives montrent que TW2 fournit les prédictions les plus précises parmi toutes les méthodes testées (source).

Roche-Wainer-Thissen (1975) : quatre variables, méthode statistique avancée

Alex Roche, Howard Wainer et David Thissen proposent en 1975 une approche utilisant quatre informations pour prédire la taille : la taille actuelle, le poids, la moyenne des tailles des parents et l’âge osseux (source). Basée sur une grande étude longitudinale américaine démarrée en 1929 dans l’Ohio, cette méthode utilise des calculs statistiques plus sophistiqués que les précédentes, avec des coefficients spécifiques à chaque âge et à chaque sexe. Sa marge d’erreur est d’environ 2,2 cm, meilleure que celle de Bayley-Pinneau (source). Sa limite principale reste la nécessité de faire passer une radiographie à l’enfant.

Khamis-Roche (1994) : prédire sans irradier

Innovation majeure : Harry Khamis et Alex Roche éliminent la radiographie de l’équation. Leur méthode de 1994 utilise uniquement la taille actuelle, le poids et la taille des deux parents (source). Applicable de 4 à 17,5 ans, elle affiche une marge d’erreur de 5,6 cm chez les garçons et 4,3 cm chez les filles — à peine supérieure à la méthode Roche-Wainer-Thissen, qui nécessite pourtant une radiographie (source). Développée sur des enfants américains caucasiens, elle est moins précise pour les enfants dont la puberté arrive très tôt ou très tard (source). Elle est aujourd’hui très populaire en médecine du sport et dans les calculateurs en ligne, représentant la méthode sans radiographie la plus pratique disponible (source).

Sauvegrain : le coude plutôt que la main (1962)

Méthode française développée par Sauvegrain, Nahum et Bronstein (1962), elle évalue la maturité osseuse à partir de radiographies du coude plutôt que de la main, en analysant quatre repères anatomiques précis (source). Son atout majeur : une précision exceptionnelle, au semestre près, pendant la poussée de croissance de la puberté (entre 11 et 13 ans chez les filles, 13 et 15 ans chez les garçons). Les médecins qui l’utilisent tombent d’accord entre eux dans 93 % des cas, et elle est nettement plus précise que la méthode de Greulich et Pyle pendant cette période (source). L’écart moyen avec l’âge réel n’est que de six à sept mois pendant la puberté, contre dix à quinze mois pour la méthode classique (source). Largement utilisée en orthopédie pédiatrique (pour la scoliose, les inégalités de longueur des jambes), elle est cependant limitée à une fenêtre de deux ans autour de la puberté (source). D’ailleurs, si votre enfant souffre de douleurs plantaires liées à une croissance rapide, sachez que des semelles adaptées aux grandes pointures peuvent apporter un soulagement appréciable.

L’intelligence artificielle révolutionne la lecture de l’âge osseux (2009–2025)

BoneXpert : le standard automatisé

Le logiciel BoneXpert, développé par Hans Henrik Thodberg et son équipe (2009, IEEE Transactions on Medical Imaging), analyse automatiquement les radiographies de la main gauche (source). La version 3 évalue 28 os et fournit un âge osseux en quelques secondes. Sa marge d’erreur moyenne est d’environ cinq mois et demi, soit légèrement meilleure qu’un radiologue humain travaillant seul (source). Surtout, il commet douze fois moins d’erreurs graves (avec des écarts dépassant un an et demi) que les évaluations manuelles (source). Installé dans plus de 200 hôpitaux, principalement en Europe, BoneXpert intègre une prédiction de taille adulte améliorée par rapport à Bayley-Pinneau, en modélisant le potentiel de croissance d’une manière plus fine selon l’âge et le retard osseux (source). Sa marge d’erreur est de 2,7 cm chez les filles et 3,3 cm chez les garçons, ce qui en fait une méthode significativement plus précise que les méthodes classiques pour les filles (source).

Le défi RSNA 2017 et l’essor de l’intelligence artificielle

En 2017, la société américaine de radiologie (RSNA) a organisé un grand concours en mettant à disposition plus de 12 000 radiographies pour entraîner des intelligences artificielles, et 200 cas test évalués par six radiologues (source). Sur 260 équipes inscrites, les cinq meilleurs algorithmes ont atteint un écart moyen de 4,3 à 4,5 mois avec la vraie maturité osseuse — nettement mieux qu’un radiologue humain seul (environ 6,5 mois). Depuis, de multiples logiciels commerciaux ont émergé (VUNO Med-BoneAge en Corée, Deeplasia en libre accès). Des systèmes de nouvelle génération combinant plusieurs types d’intelligence artificielle réduisent le temps de traitement de 10 minutes à 7 secondes (source).

Modèles mathématiques de croissance : capturer la biologie en équations

Parallèlement aux méthodes cliniques, les mathématiciens et biostatisticiens ont développé des modèles capturant la dynamique de la croissance humaine avec une élégance croissante. Chacun de ces modèles est une formule mathématique qui tente de décrire, à l’aide de quelques paramètres, comment un enfant grandit au fil du temps.
Le modèle de Jenss-Bayley (1937) combine deux fonctions mathématiques en quatre paramètres, adapté de la naissance à 6–8 ans (source). Le modèle de Preece-Baines (1978, Annals of Human Biology) est probablement le plus cité : ses cinq paramètres capturent la poussée pubertaire avec une précision remarquable (moins d’un centimètre d’écart) entre 7 ans et la fin de la croissance (source). Il fournit notamment des estimations très fiables de l’âge auquel l’enfant grandit le plus vite, un paramètre cliniquement crucial (source). Il reste le modèle mathématique le plus utilisé dans la recherche sur la croissance.
Le modèle ICP de Karlberg (1987–1989) apporte une innovation conceptuelle majeure en décomposant la croissance en trois phases distinctes, chacune pilotée par des hormones différentes : la petite enfance (influencée par la nutrition), l’enfance (influencée par l’hormone de croissance) et la puberté (influencée par les hormones sexuelles combinées à l’hormone de croissance) (source). L’apparition soudaine de la phase « enfance » entre 6 et 12 mois marque vraisemblablement le début de l’influence significative de l’hormone de croissance (source). Ce modèle permet de détecter des troubles de croissance en évaluant chaque phase indépendamment (source).
Le modèle JPPS de Jolicoeur (1988, Biometrics) utilise sept paramètres pour décrire la croissance de la naissance à l’âge adulte, avec une meilleure précision que Preece-Baines (source). Le modèle SITAR de Tim Cole (2010, International Journal of Epidemiology) représente un vrai changement de perspective : au lieu d’une formule unique, il ajuste une courbe moyenne à toute la population, puis laisse chaque enfant s’en écarter selon trois paramètres simples — sa taille globale, le moment de ses poussées de croissance, et leur intensité. Ce modèle explique plus de 98 % des variations de taille entre enfants (source). Enfin, le modèle QEPS (Nierop et al., 2016) est le premier à décrire la croissance individuelle de la vie fœtale à la taille adulte en une seule formule (source).
Les courbes de croissance de l’Organisation Mondiale de la Santé (OMS, 2006) et celles du centre américain de contrôle des maladies (CDC, 2000) constituent l’infrastructure de référence mondiale pour le suivi de la croissance. Les standards OMS, basés sur une étude menée auprès de 8 440 enfants dans six pays entre 1997 et 2003, sont prescriptifs : ils décrivent comment les enfants devraient grandir dans des conditions optimales (source). Les courbes américaines, basées sur des enquêtes nationales, sont au contraire purement descriptives : elles reflètent comment les enfants grandissent réellement. En pratique aux États-Unis, les standards OMS sont recommandés de 0 à 24 mois, puis les courbes CDC de 2 à 20 ans (source).

La révolution génomique : des premiers gènes aux 12 000 variants de Yengo

La génomique a transformé notre compréhension de l’architecture génétique de la taille en moins de deux décennies.
Weedon et son équipe (2007, Nature Genetics) identifient le premier « variant génétique » commun associé à la taille : une minuscule différence d’ADN qui, à elle seule, ajoute ou retire environ 0,4 cm à la taille finale (source). En 2008, une vingtaine de ces variants sont identifiés, expliquant collectivement à peine 3 % des différences de taille entre individus. Le consortium international GIANT amplifie les découvertes : en 2010, Lango Allen et son équipe identifient environ 180 zones du génome associées à la taille en étudiant 183 727 personnes, expliquant environ 10 % des différences observées (source). En 2014, Wood et son équipe portent le total à près de 700 variants identifiés chez plus de 250 000 individus, capturant environ un cinquième de l’héritabilité (source). En 2017, Marouli et son équipe identifient 83 variants rares mais puissants, chacun pouvant influencer la taille jusqu’à 2 cm — dix fois plus que les variants communs (source).
L’étude de Yengo et son équipe (2022, Nature) constitue l’aboutissement de cette trajectoire. Sur 5,4 millions d’individus (dont 76 % d’origine européenne), elle identifie 12 111 variants génétiques significativement associés à la taille, regroupés sur environ 21 % du génome humain (source). Ces variants expliquent environ 40 % des différences de taille observées chez les Européens — ce qui représente la quasi-totalité de ce que l’on peut expliquer avec les variants communs (source). Chez les populations non européennes, ce pourcentage tombe à 10–20 %, non pas à cause de mécanismes biologiques différents, mais parce que les variants génétiques ne sont pas répartis de la même manière dans toutes les populations (source). Comme l’a résumé le chercheur Peter Visscher : « En 2010, nous avions prédit que nous pourrions expliquer 40 % des différences individuelles de taille, mais nous n’avions aucune idée qu’il faudrait 5 millions de personnes et 12 000 variants d’ADN. » (source)
Le problème de l’héritabilité manquante — 80 % de la taille transmise par la génétique selon les études de jumeaux, mais seulement 3 à 5 % expliquée par les premières études génomiques — est aujourd’hui largement résolu (source). Yang et son équipe (2010, Nature Genetics) ont montré que si l’on prend en compte simultanément tous les variants communs, on explique déjà environ 45 % des différences de taille (source). En 2015, ils ont porté ce chiffre à 56 % avec des données plus complètes (source). Wainschtein et son équipe (2022, Nature Genetics), puis en 2026 (Nature, sur 347 630 individus dont l’ADN a été intégralement séquencé), ont montré que la lecture complète du génome permet d’expliquer jusqu’à 88 % de l’héritabilité estimée par les études familiales (source).

Scores génétiques : prédire la taille à partir de l’ADN seul

Les scores polygéniques (aussi appelés PRS, pour Polygenic Risk Scores) sont des scores qui additionnent les effets de milliers, voire de millions de petits marqueurs génétiques pour obtenir une estimation globale. Pour chaque marqueur, on multiplie son effet sur la taille par le fait que la personne le possède ou non, puis on fait la somme de tout. La taille est devenue le trait de référence pour développer ces méthodes en raison de sa forte héritabilité et de son architecture génétique bien caractérisée (source).
Lello et son équipe (2018, Genetics) ont appliqué une méthode statistique avancée sur environ 500 000 individus de la UK Biobank, obtenant un outil de prédiction expliquant environ 40 % des différences de taille (source). La plupart des individus étaient prédits à quelques centimètres près de leur taille réelle, grâce à la sélection d’environ 20 000 marqueurs génétiques par le modèle (source). You et son équipe (2021, Frontiers in Genetics) ont développé un modèle encore plus ambitieux intégrant le score génétique de l’enfant, ceux des deux parents et la taille parentale, atteignant une précision record permettant d’expliquer 82 % des différences de taille (source).
Le transfert entre populations reste le talon d’Achille de ces méthodes. Martin et son équipe (2019, Nature Genetics) ont documenté des pertes de précision importantes : environ 37 % chez les personnes d’origine sud-asiatique, 50 % chez les personnes d’origine est-asiatique, et jusqu’à 78 % chez les personnes d’origine africaine, comparé aux Européens (source). Ding et son équipe (2023, Nature) ont confirmé que la précision diminue de façon proportionnelle à la distance génétique par rapport à la population d’origine sur laquelle l’outil a été développé (source). Des méthodes plus récentes cherchent à combler cet écart, mais le défi persiste.
En clinique, Lu et son équipe (2021, JCEM) ont montré que le score génétique identifie les enfants de petite taille aussi bien que la simple taille parentale moyenne, et que combiner les deux améliore encore la précision (source). Shelley et son équipe (2025, Genome Medicine) ont démontré que ces scores permettent de distinguer les enfants de petite taille d’origine familiale simple de ceux présentant de réelles pathologies de croissance (source). L’intégration de ces scores dans la pratique clinique quotidienne reste toutefois prématurée : utilisée seule, la méthode génétique donne encore une fourchette d’environ 25 cm entre la prédiction basse et la prédiction haute — trop large pour des décisions cliniques individuelles.

L’apprentissage automatique dépasse parfois les experts humains

Les méthodes d’apprentissage automatique (ou machine learning, c’est-à-dire des programmes informatiques qui apprennent à partir de grandes quantités de données) représentent la frontière la plus récente de la prédiction de taille.
Shmoish et son équipe (2021, JCEM) ont entraîné un algorithme sur les données longitudinales de 1 596 enfants suédois suivis de 0 à 6 ans (source). La « machine non éduquée » (c’est-à-dire qui ne connaissait rien à la croissance humaine avant l’entraînement) a atteint une marge d’erreur de 4 cm en moyenne et une excellente corrélation avec la taille adulte réelle — plus précise que toutes les méthodes traditionnelles, avec ou sans radiographie (source). Les prédicteurs les plus importants identifiés par l’algorithme sont le sexe et la taille entre 3,4 et 6 ans. Les auteurs concluent que cette marge d’erreur de 4 à 5 cm est en grande partie incompressible : elle reflète l’influence de facteurs environnementaux qui surviennent après l’âge de 6 ans (source).
Chun et son équipe (2025), sur près de 600 000 mesures prises chez 96 485 enfants coréens de 7 à 18 ans, ont obtenu avec un algorithme avancé (incluant des mesures de composition corporelle) une marge d’erreur de 2,5 cm chez les garçons et 2,3 cm chez les filles — mais il s’agit de prédictions à court terme et non d’un pronostic de la petite enfance vers l’âge adulte (source). Les systèmes combinant l’analyse automatique de l’âge osseux par intelligence artificielle et la prédiction de taille (Suh et son équipe, 2023, Yonsei Medical Journal) atteignent une précision d’environ sept mois pour l’âge osseux et de 4,6 cm pour la taille adulte, avec un temps de traitement réduit à quelques secondes (source).
L’approche la plus prometteuse combine données génétiques, cliniques et parentales. Le modèle de You et son équipe (82 % des différences de taille expliquées) et les travaux de Lu et son équipe suggèrent que la convergence de la génomique et de l’auxologie clinique approche progressivement la limite biologique de ce qui est prédictible.

En pratique clinique aujourd’hui : percentiles, décisions et logiciels

En endocrinologie pédiatrique, la prédiction de la taille adulte guide des décisions thérapeutiques concrètes. On parle de « petite taille » quand un enfant est parmi les 2 % les plus petits de sa classe d’âge. La petite taille dite « idiopathique » désigne les cas où aucune cause médicale n’est identifiée. Aux États-Unis, les autorités sanitaires autorisent un traitement par hormone de croissance pour ces enfants si la taille adulte prédite est inférieure à 150 cm pour les filles ou 160 cm pour les garçons. Le gain moyen attribuable au traitement est de 3,5 à 7,5 cm sur 4 à 7 ans de traitement.
La comparaison entre la taille adulte prédite et la taille cible familiale est l’un des critères les plus importants pour les décisions thérapeutiques, notamment dans les cas de puberté précoce : si la prédiction est significativement inférieure à la taille cible, un traitement pour ralentir la puberté peut être proposé. Une croissance inférieure à 5 cm par an après l’âge de 4 ans est un signal d’alarme qui doit amener à consulter. De même, si un enfant change brutalement de couloir de croissance sur sa courbe, cela doit déclencher une investigation (source).
Aucune méthode de prédiction n’est universellement supérieure aux autres. Dans certains types de retards de croissance, la méthode Roche-Wainer-Thissen s’avère plus précise. Dans la puberté précoce, la méthode Bayley-Pinneau combinée à un âge osseux évalué par BoneXpert offre les meilleurs résultats. La performance dépend du sexe, du degré d’avance ou de retard osseux, de la population et de la pathologie.
Les outils numériques transforment la pratique quotidienne. BoneXpert (installé dans plus de 200 hôpitaux), le logiciel néerlandais Growth Analyser, l’application GrowthMonitor (qui mesure la taille par réalité augmentée sur iPhone avec une précision de 1 millimètre par rapport aux outils médicaux classiques) et PediTools (calculateur en ligne gratuit) intègrent progressivement les courbes, les scores et les prédictions dans les dossiers médicaux électroniques (source). L’intelligence artificielle appliquée à l’âge osseux réduit les écarts d’interprétation entre médecins et le temps d’évaluation, devenant progressivement le standard de soin en Europe.

Conclusion : ce que deux siècles de recherche nous ont appris

La quête de la prédiction de la taille adulte illustre une vérité fondamentale de la biologie humaine : même le trait le plus héritable reste partiellement imprévisible. De Montbeillard mesurant son fils tous les six mois en 1759 aux réseaux de neurones analysant 28 os en 7 secondes en 2025, la trajectoire est spectaculaire, mais la marge d’erreur de prédiction n’a été réduite que d’un facteur modeste. Les 80 % d’héritabilité de la taille sont désormais presque entièrement expliqués au niveau moléculaire grâce aux grandes études génétiques et au séquençage du génome entier. Pourtant, expliquer n’est pas prédire : les 12 111 variants identifiés ne rendent compte que d’environ 40 % des différences individuelles chez les Européens.
Trois enseignements émergent. D’abord, la convergence des approches — cliniques, génétiques et informatiques — produit des prédictions supérieures à toute méthode isolée : en combinant scores génétiques, tailles parentales et données cliniques, on peut aujourd’hui expliquer 82 % des différences de taille, ce qui approche la limite de ce qui est biologiquement accessible. Ensuite, le fossé de précision entre populations constitue un enjeu d’équité scientifique majeur : une génétique principalement étudiée sur des Européens ne peut servir efficacement la médecine mondiale. Enfin, la marge d’erreur irréductible de 3 à 5 cm — produit de la nutrition, du sommeil, des maladies et de facteurs liés à l’environnement — nous rappelle que la biologie humaine résiste, au moins en partie, à la prédiction, et que chaque enfant conserve une part de liberté biologique que ni les gènes ni les algorithmes ne peuvent entièrement capturer.
Et quand votre enfant deviendra ce grand adulte que les formules auront plus ou moins bien anticipé, il aura besoin d’un équipement à sa mesure. Chez Wetall, nous référençons tout ce qui se fait pour les personnes de grande taille : des chaussures grandes pointures pour homme aux chaussures grandes pointures pour femme, en passant par des vêtements adaptés aux grandes tailles, des vélos pour les grandes tailles, ou encore des équipements de la maison pensés pour les grands (matelas XXL, tables à manger hautes, miroirs, peignoirs longs…). Pour les sportifs, nous proposons aussi une large gamme de chaussures de sport en grandes pointures, et pour les aventuriers, des équipements outdoor et de voyage pour grands (sacs à dos de randonnée, sacs de couchage, tentes, valises).

Pour aller plus loin sur le blog Wetall

Si cet article vous a intéressé, vous trouverez sur le blog Wetall de nombreux autres contenus dédiés à l’univers de la grande taille : études scientifiques, conseils pratiques, portraits de personnalités, astuces pour bien s’habiller ou s’équiper quand on mesure plus de 1,90 m, et bien d’autres sujets pour mieux vivre sa grande taille au quotidien.