Comment l'IA reconnaît les aliments : de la photo aux calories et aux macros
Réponse courte : quand vous photographiez une assiette, l'application enchaîne quatre étapes : elle sépare les aliments du fond, identifie chaque élément, estime les quantités et recherche les valeurs nutritionnelles correspondantes. Les deux premières sont désormais très fiables ; la troisième, l'estimation des quantités à partir d'une image plane, concentre l'essentiel de l'erreur ; la quatrième dépend entièrement de la qualité de la base. Quelques mots de contexte (« blanc de poulet, environ 150 g, avec du riz ») réduisent l'erreur finale de moitié environ, car ils corrigent les étapes deux et trois d'un coup.
Pourquoi c'est plus difficile qu'il n'y paraît
Un humain qui regarde une assiette effectue les mêmes quatre opérations sans y penser, et se trompe le plus souvent. Dans une étude portant sur 2 000 personnes, la personne moyenne n'a estimé correctement les calories à 20 % près que 5 fois sur 20. Les évaluateurs formés n'ont pas fait mieux. Le problème n'est pas l'intelligence : une image seule ne contient tout simplement pas assez d'informations. Profondeur, densité, huile et sauce dissimulées, différence entre entier et allégé : rien de tout cela n'est visible.
La reconnaissance par IA ne résout pas ce problème. Elle rend l'estimation plus rapide, plus régulière et plus facile à corriger.
Étape 1 : la segmentation — trouver les aliments
Le modèle découpe d'abord l'image en zones : assiette, table, mains, et chaque aliment distinct. La segmentation moderne gère bien les aliments qui se chevauchent, mais perd en précision quand les composants sont mélangés plutôt que juxtaposés — ragoût, curry, burrito. Si le modèle ne peut pas tracer un contour autour du riz, il ne peut pas le mesurer.
Ce qui la met en échec : faible luminosité, flou de bougé, angle rasant, plats aux composants mêlés.
Étape 2 : la classification — nommer ce qui a été trouvé
Chaque zone est confrontée à un modèle entraîné sur des millions d'images étiquetées. Pour les aliments courants — poulet grillé, riz blanc, brocoli, œuf au plat — la précision est élevée. Les erreurs se concentrent sur les sosies :
- cuisse et blanc de poulet (teneur en matières grasses différente)
- riz blanc, risotto, riz de chou-fleur
- yaourt entier et allégé
- beurre, margarine, matière grasse à tartiner
- boissons sucrées et non sucrées
- plats régionaux moins vus par le modèle
La plupart des applications exécutent cette étape sur un grand modèle multimodal plutôt que sur un classifieur spécialisé, ce qui a amélioré la couverture des plats régionaux sans résoudre le problème des sosies : le modèle ne voit toujours pas la teneur en gras.
Étape 3 : l'estimation des quantités — combien y en a-t-il
C'est la partie difficile et la principale source d'erreur. Le modèle doit déduire un volume tridimensionnel d'une image en deux dimensions sans échelle de référence. Il s'appuie sur des indices — taille de l'assiette, fourchette, main, formes de portions habituelles — mais un bol de riz vu du dessus est identique qu'il en contienne 150 ou 300 g.
Les travaux sur l'estimation des portions montrent constamment que cette étape contribue le plus à l'erreur. Dans une étude participative, ajouter un objet de référence comme une carte bancaire a même dégradé les estimations humaines.
Deux choses aident :
- La vidéo plutôt qu'une seule photo. Deux secondes de panoramique donnent plusieurs angles et permettent de raisonner sur la profondeur.
- Une quantité énoncée. « Environ un bol » ou « 150 g » supprime la devinette.
Étape 4 : la correspondance nutritionnelle
L'aliment identifié et le poids estimé sont rapprochés d'une base nutritionnelle puis convertis en calories, protéines, glucides, lipides et, dans les applications qui les suivent, fibres, sucre et sel.
Cette étape ne vaut que ce que vaut la base. « Curry de poulet » correspond à des entrées très différentes selon la crème, l'huile et le sucre. Une base participative contient des entrées fausses ; une base sélectionnée en contient de manquantes. Les meilleures applications partent d'un socle vérifié et laissent le modèle ajuster selon ce qu'il voit.
Comment les erreurs s'additionnent
Chaque étape transmet son erreur à la suivante. Dix pour cent d'écart sur la quantité, une confusion de sosies qui décale les lipides de 30 % et une entrée générique produisent un résultat final à 30 ou 40 % du réel. C'est pourquoi deux applications peuvent diverger d'un tiers sur la même assiette.
Les chiffres publiés pour la chaîne complète : environ 15 à 30 % d'erreur moyenne pour l'estimation par photo seule sur des repas réels, environ 14 % avec une brève description.
Pourquoi une phrase de contexte compte autant
Une courte note écrite ou vocale corrige les deux étapes les plus faibles d'un seul geste :
- « blanc de poulet » règle la classification
- « environ 150 g » règle la quantité
- « à l'huile d'olive » ajoute la matière grasse invisible
La photo continue de faire le travail d'identification ; la phrase corrige les deux choses qu'elle ne peut pas voir. C'est pourquoi CalMePlease est conçue autour de la photo et d'une note vocale dans votre langue. La recherche indique que cette combinaison constitue le plafond pratique de précision sans balance.
Au-delà du chiffre
La reconnaissance s'arrête à l'étape quatre. C'est après que les applications divergent.
La plupart ajoutent les calories à un total quotidien et s'arrêtent là. CalMePlease transmet les dix indicateurs — dont les fibres, le sucre et le sel que la plupart des applications photo laissent de côté — à un coach IA qui lit la journée entière et indique quoi manger ensuite. La chaîne de reconnaissance est l'entrée ; le coaching est le produit. Une estimation fausse de 20 % qui débouche sur « vous manquez de protéines, complétez au dîner » est plus utile qu'un chiffre parfait sur lequel personne n'agit.
La reconnaissance peut-elle se faire sur l'appareil ?
Certaines applications exécutent une partie de la chaîne localement, et la photo ne quitte alors pas le téléphone. En 2026, le compromis porte sur la précision : les modèles embarqués sont plus petits et gèrent moins bien les aliments inhabituels. La plupart des applications, dont CalMePlease, traitent l'image sur un serveur et stockent l'historique en local. Pour la confidentialité, ce qui compte est ce qui est conservé : CalMePlease garde historique, poids et statistiques sur votre appareil et ne vend ni ne partage vos données.
Questions fréquentes
Comment une application connaît-elle les calories depuis une photo ? Elle identifie chaque aliment, estime son poids d'après l'image et recherche les calories au gramme dans une base. Les trois sont des estimations ; le poids est la moins fiable.
Pourquoi deux applications donnent-elles des résultats différents ? Modèles de classification, heuristiques de portions et bases différentes. Les erreurs de chaque étape s'additionnent.
Cela fonctionne-t-il pour les plats maison ? Oui, mieux qu'une recherche : l'IA nomme les composants qu'il faudrait sinon chercher un à un. Ajoutez une note sur l'huile ou la sauce.
L'IA peut-elle reconnaître les aliments dans une vidéo ? Oui. La vidéo apporte plusieurs angles, ce qui améliore l'estimation des quantités.
Est-ce assez précis pour perdre du poids ? Pour un suivi régulier, oui. Les erreurs aléatoires se compensent sur une semaine. Voir Quelle est la précision du comptage de calories par photo ?
À lire aussi : Enregistrer ses repas à la voix · Le scanner de code-barres pour les calories
CalMePlease enregistre les repas par photo, vidéo, voix ou code-barres et suit dix indicateurs par repas. Gratuite sur l'App Store.
