Scanner de calories par IA : ce qu'une photo peut vous dire, et ce qu'elle ne peut pas

Comment cela fonctionne

Un modèle de vision regarde votre photo et fait quelque chose de plus précis que « reconnaître de la nourriture ». Il traite quatre questions dans l'ordre :

1. Quels aliments sont présents ? Pas seulement « des pâtes », mais « des spaghettis avec une sauce à base de tomate et du fromage à pâte dure râpé ».
2. Comment chacun a-t-il été préparé ? Grillé, frit, rôti, assaisonné ou pané. Cela change le chiffre de calories plus que presque tout le reste de l'assiette.
3. Quelle quantité de chacun ? Estimée en grammes, en se servant de l'assiette, des couverts et du contenant comme repères d'échelle.
4. Quelles macros pour ce poids ? Déduites de la portion, pas devinées séparément.

La troisième étape est celle qui compte, et c'est pourquoi notre scanner affiche le poids de portion retenu plutôt que de le cacher. Un chiffre de calories sans portion déclarée derrière ne peut pas être corrigé — vous n'avez aucun moyen de savoir si le modèle a estimé 150 g de riz dans votre bol ou 400 g. Avec le poids visible, une estimation fausse devient une correction de cinq secondes au lieu d'une raison de se méfier de l'ensemble du résultat.

Quelle est sa précision, honnêtement

Pour un repas clairement photographié composé d'aliments reconnaissables, comptez des estimations à 15–25 % près du chiffre réel. C'est assez bon pour être vraiment utile sur une semaine, et pas assez pour compter sur un repas isolé — ce qui est exactement la manière dont le comptage de calories fonctionne de toute façon.

La comparaison avec l'alternative est meilleure qu'on ne l'imagine. Les études sur la déclaration spontanée des apports trouvent systématiquement que les gens sous-estiment de 20 à 40 %, et l'erreur n'est pas aléatoire : elle est systématiquement plus forte pour les en-cas, pour les grosses portions et pour les aliments envers lesquels la personne est ambivalente. Une estimation par IA se trompe dans les deux sens. Une estimation humaine se trompe dans un seul.

Les quatre choses qu'il rate à tous les coups

Ce ne sont pas des ratés occasionnels. Ils sont structurels, un meilleur modèle ne les corrigera pas, et les connaître constitue l'essentiel de ce qu'il faut pour bien utiliser l'outil.

La matière grasse de cuisson qu'on ne voit pas

Un blanc de poulet poêlé dans deux cuillères à soupe d'huile ressemble presque à un blanc grillé. L'huile représente environ 240 calories physiquement présentes dans l'aliment et totalement invisibles sur la photo. C'est la principale cause de sous-estimation, et aucune qualité d'image n'y change rien. Si vous avez cuisiné avec de la matière grasse, dites-le — le scanner accepte une note à côté de la photo et s'en sert.

Tout ce qui se trouve dessous

Une photo est un seul point de vue. Du riz sous un curry, une deuxième tranche de pain, le beurre déjà fondu dans une pomme de terre au four — ce que la caméra ne voit pas, le modèle ne peut pas le compter. Photographiez avant d'assembler les choses quand c'est possible.

Les aliments denses et aérés qui se ressemblent

Un croissant et un petit pain occupent un volume comparable et diffèrent d'environ 40 %, parce que l'un est feuilleté au beurre. Il en va de même pour une salade assaisonnée face à une salade nature, pour les produits laitiers entiers face aux allégés, et pour tout ce dont la différence visible est petite et la différence calorique grande.

Les liquides dans des contenants opaques

Une tasse ne dit rien de son contenu. Un café noir fait 2 calories ; la même tasse en latte en fait 120. Quand une boisson compte, scannez plutôt le code-barres de la bouteille — cette voie est exacte.

Obtenir une meilleure estimation

Photographiez à environ 45 degrés, pas à la verticale. Une prise de vue du dessus aplatit tout et supprime les indices de profondeur qui servent au modèle à juger le volume. Une vue de biais montre la hauteur à laquelle la nourriture est empilée.

Faites entrer un objet connu dans le cadre. Une fourchette, une assiette plate standard, une canette. L'échelle est ce qu'il y a de plus difficile à déduire d'une image et de plus facile à fournir de votre côté.

Photographiez avant de commencer à manger. Évident, et l'erreur la plus fréquente.

Ajoutez une note pour ce que l'image ne montre pas. « Cuit au beurre », « le bol est grand », « il y a du riz dessous ». Une phrase courte vaut mieux qu'un meilleur appareil photo.

Séparez l'assiette quand vous le pouvez. Les éléments qui se chevauchent sont moins bien estimés que ceux qui ne se chevauchent pas.

Quand utiliser plutôt le scanner de code-barres

Si l'aliment a un code-barres, prenez-le. Le scanner de calories par code-barres lit le tableau déclaré par le fabricant lui-même, qui est réglementé, propre à ce produit, et n'est pas du tout une estimation. Le scan par photo existe pour la nourriture sans étiquette : un dîner fait maison, une assiette au restaurant, un plateau de cantine, un fruit.

Ensemble, les deux couvrent presque tout. Scannez le paquet quand il y en a un, photographiez l'assiette quand il n'y en a pas, et acceptez que les deux soient des estimations avec des marges d'erreur différentes.

Ce à quoi cela ne sert pas

N'utilisez pas une estimation par photo pour quoi que ce soit ayant une conséquence clinique. Doser l'insuline demande de compter les glucides à partir d'étiquettes et de pesées, pas d'une image. Gérer une maladie diagnostiquée demande un diététicien. Éviter un allergène demande l'étiquette physique, à chaque fois — un modèle d'IA qui lit une photo n'est pas une source fiable d'allergènes et ne le sera jamais.

Dans ces limites, c'est la réponse honnête la plus rapide qui existe pour une assiette. Essayez-le à votre prochain repas.