Comment marchent les compteurs de calories par IA

Comment marchent les compteurs de calories par IA ?

Un compteur de calories par IA lit une photo en trois étapes : repérer l'aliment, le nommer, puis estimer son volume et le convertir en calories. Aucune étape ne consulte une base de données d'aliments déjà mesurés. Chaque étape comporte sa propre marge d'erreur. Aucune ne peut voir l'huile, la sauce, ni le poids exact dans l'assiette.

C'est différent de taper un aliment dans une barre de recherche, qui renvoie une valeur calorique déjà mesurée par quelqu'un d'autre. Une estimation par photo est une supposition construite uniquement à partir de pixels. Voici comment chaque étape est vérifiée.

Comment fonctionne le pipeline, étape par étape ?

Reconnaître un aliment et connaître ses calories sont deux problèmes distincts. Seul le premier est presque résolu.

Une revue systématique de 2022 sur les applications mobiles de reconnaissance alimentaire, publiée dans Healthcare (Basel), explique pourquoi. Elle a constaté que 90,9% des applications examinées ne parvenaient même pas à séparer l'aliment de l'assiette, de la table ou de l'arrière-plan avant de tenter de le classer (Amugongo et al., 2022). Si le système ne parvient pas d'abord à isoler proprement l'aliment, tout ce qui suit hérite de cette erreur, y compris l'étiquette et la taille de portion.

Le raccourci évident, « l'IA voit un burger, donc elle connaît les calories », saute donc les deux étapes les plus difficiles. Quelle est la taille du burger, et quelle quantité d'huile contient-il ? Ces questions ne trouvent pas de réponse dans la seule reconnaissance.

Comment l'IA identifie-t-elle l'aliment et sa portion ?

La première étape est la segmentation : distinguer les pixels qui représentent l'aliment de ceux qui représentent l'assiette, la table ou une main.

La deuxième étape est la classification. Elle associe la région segmentée à une catégorie d'aliment, par exemple « blanc de poulet grillé » ou « riz vapeur ». La revue systématique de Healthcare cite la segmentation et la classification comme les deux premières étapes du pipeline utilisé par les applications mobiles étudiées, avant même l'apparition d'un chiffre calorique (Amugongo et al., 2022).

Un exemple concret de cette étape est un prototype de scanner alimentaire conçu à NYU Tandon. Il est décrit dans un communiqué universitaire de 2025 portant sur des recherches présentées à la conférence IEEE International Conference on Mobile Computing and Sustainable Informatics. Il a détecté et identifié des aliments répartis sur 214 catégories avec une précision moyenne de 0,7941, décrite dans le communiqué comme environ 80% de précision pour localiser et identifier un aliment sur une image (NYU Tandon, 2025). Ce chiffre de 80% ne décrit que cette étape : trouver et nommer l'aliment. Il ne dit encore rien de la quantité présente dans l'assiette.

Une fois l'aliment identifié, le système doit deviner un volume à partir d'une image en deux dimensions, ce qui est le problème le plus difficile. La revue Healthcare rapporte deux méthodes nommées et leur erreur mesurée.

Une méthode par smartphone avec capteur de profondeur affichait une erreur absolue de volume de 35,1 g, avec un écart-type de 42,8 g, soit environ 14% de la portion estimée (Amugongo et al., 2022). Une autre méthode, à vue unique, utilisait une estimation par courbe quadratique à partir de la taille 2D de l'aliment. Elle affichait une erreur de 21,3% sur l'estimation calorique obtenue (Amugongo et al., 2022, citant Okamoto et Yani, 2016).

Ces deux chiffres décrivent les systèmes universitaires étudiés dans la revue, pas une application commerciale précise. Ils illustrent le même point : transformer une photo plate en un poids en grammes reste une estimation, pas une mesure. L'erreur s'ajoute à celle déjà commise lors de la segmentation. C'est aussi là que l'angle de prise de vue, la lumière et la visibilité peuvent changer le résultat, puisque le système n'a aucun moyen indépendant de vérifier sa propre estimation.

Pourquoi ne peut-elle pas voir l'huile, la sauce ou le poids exact ?

Une photo montre la surface d'un plat, pas ce qui a servi à le préparer. Du beurre mélangé au riz ajoute des calories que l'appareil photo n'enregistre jamais. Il en va de même pour l'huile de cuisson d'un blanc de poulet, ou une sauce mélangée dans un ragoût. L'IA ne peut raisonner que sur ce qui apparaît sur l'image.

C'est aussi pourquoi la limite des 90,9% concernant la séparation aliment/arrière-plan compte autant. Un système qui a déjà du mal à séparer l'aliment de l'assiette a peu de chances de distinguer un ingrédient visible d'un ingrédient caché (Amugongo et al., 2022). La photo est la seule donnée d'entrée. Tout ce qui n'y est pas visible est invisible pour l'estimation.

L'IA consulte-t-elle une base de données, ou estime-t-elle à partir de l'image ?

Une estimation par photo n'est pas une recherche en base de données. Elle vient du modèle de vision qui lit directement l'image, identifie l'aliment et estime sa portion, ses calories et ses macronutriments à partir de ce qu'il voit. Elle ne compare pas la photo à une table d'aliments déjà mesurés.

Une recherche en base de données est une méthode différente, plus ancienne. Chercher « blanc de poulet grillé » dans une base alimentaire renvoie une valeur déjà mesurée par quelqu'un, ou déjà imprimée sur une étiquette par une marque.

USDA FoodData Central sépare ses entrées selon leur mode de production. Les Foundation Foods proviennent d'analyses de laboratoire sur des échantillons de matières premières, mises à jour deux fois par an. SR Legacy regroupe des données d'analyse plus anciennes, mises à jour pour la dernière fois en 2018. Les Branded Foods reprennent les valeurs caloriques et nutritionnelles imprimées par les marques sur leurs propres étiquettes, mises à jour chaque mois (USDA FoodData Central). En France, la table Ciqual de l'ANSES (ciqual.anses.fr) joue un rôle équivalent pour les valeurs nutritionnelles des aliments.

Ces chiffres ont été mesurés une fois, en laboratoire ou sur une étiquette, puis stockés. Une estimation par photo est recalculée à chaque fois à partir d'une image, sans aucune mesure stockée derrière elle.

D'où vient réellement l'erreur de chaque étape ?

Le tableau ci-dessous est illustratif : les pourcentages sont inventés pour montrer comment trois erreurs indépendantes s'additionnent, et ne représentent le résultat mesuré d'aucun produit.

Partons d'une valeur réelle de 500 kcal pour une assiette. Si la segmentation seule se trompe de 10%, le chiffre transmis à l'étape suivante se situe entre 450 et 550 kcal. Et cela, avant même que la classification ou l'estimation de volume n'interviennent.

Chaque étape suivante multiplie l'erreur transmise par l'étape précédente, plutôt que de repartir de la valeur réelle. C'est pourquoi un seul pourcentage de « précision » global cache plus qu'il ne révèle.

L'erreur réelle est constituée de trois suppositions distinctes empilées les unes sur les autres. Deux fourchettes sourcées illustrent ce que cela donne en pratique. Une méthode à capteur de profondeur affichait environ 14% d'erreur de volume. Une méthode à vue unique par courbe quadratique affichait 21,3% d'erreur calorique (Amugongo et al., 2022, citant Okamoto et Yani, 2016). Les deux s'inscrivent dans cette même superposition, pour les systèmes universitaires précis sur lesquels elles ont été mesurées.

En quoi est-ce différent de scanner un code-barres ou de chercher dans une base alimentaire ?

Scanner un code-barres ou faire une recherche manuelle récupère un chiffre qui existe déjà : une mesure de laboratoire ou une valeur d'étiquette stockée dans une base comme USDA FoodData Central (USDA FoodData Central). Le système n'estime rien du tout. Il associe simplement un identifiant à une fiche existante.

Une estimation par photo n'a aucun identifiant à associer. L'IA doit déduire l'aliment, sa préparation et sa portion, uniquement à partir de pixels. Elle calcule ensuite un chiffre qui n'existait nulle part avant que cette photo ne soit prise. C'est une tâche fondamentalement différente, avec une source d'erreur fondamentalement différente : deviner plutôt que récupérer.

Les plats mélangés ajoutent une difficulté supplémentaire. Le chiffre sur la séparation aliment/arrière-plan cité plus haut explique pourquoi : un aliment isolé et visible, comme une pomme entière, offre à l'étape de classification une cible claire à segmenter. Une assiette composée, du riz sous une sauce avec un légume égaré, cache des parties derrière d'autres (Amugongo et al., 2022).

Un lecteur peut aussi reconstituer un plat maison complet à partir de ses ingrédients plutôt que de photographier une assiette. Le guide sur comment compter les calories d'un plat maison additionne les totaux d'ingrédients et répartit le résultat en portions, sans passer par une estimation d'image.

Pourquoi l'application demande-t-elle de vérifier et de corriger le résultat ?

Parce que l'estimation est une première supposition, pas une réponse définitive. Seule la personne qui regarde réellement l'assiette sait ce que l'appareil photo n'a pas pu voir.

Avocalo fonctionne ainsi. L'utilisateur photographie un repas, et un modèle de vision par IA identifie les aliments et estime les portions, les calories, les protéines, les glucides et les lipides directement à partir de l'image. Cette estimation n'est pas comparée à une base de données nutritionnelle. L'application ne peut pas connaître l'huile cachée, les sauces ni le poids exact de l'assiette, c'est pourquoi la personne vérifie et corrige le résultat avant de l'enregistrer.

Le calculateur de calories par recette du site propose une autre approche pour un plat cuisiné maison. Il part d'un total de calories déjà connu et le répartit entre portions ou selon un poids pesé, sans aucune estimation d'image. Les lecteurs qui souhaitent essayer le suivi par photo peuvent télécharger Avocalo directement.

Questions fréquentes

Une assiette plus grande ou un objet de référence sur la photo change-t-il l'estimation ?

Un objet de référence peut aider un algorithme d'estimation de volume à juger l'échelle, puisque le système n'a aucun autre moyen d'évaluer la taille à partir d'une image plate. Sans cela, la taille de l'assiette et la visibilité deviennent des variables que l'estimation ne maîtrise pas totalement. C'est en partie pour cette raison que l'erreur de taille de portion existe (Amugongo et al., 2022).

L'IA peut-elle distinguer une version frite d'une version vapeur du même aliment ?

Parfois, si la différence visuelle est nette, comme une panure frite dorée face à une surface vapeur unie. La classification fonctionne à partir de ce qui est visible, le mécanisme décrit plus haut, donc un mode de cuisson qui ne change pas l'apparence, comme de l'huile mélangée à du riz déjà cuit, ne laisse aucune trace détectable.

Une estimation par photo peut-elle remplacer une pesée ?

Non. Une estimation par photo est une supposition calculée à partir d'une image, alors qu'une balance de cuisine mesure le poids réel devant vous. Ce sont deux types de chiffres différents : l'un est déduit de pixels, l'autre est une mesure directe, et seule la seconde élimine totalement l'incertitude sur la taille de la portion.

Pourquoi deux photos du même repas peuvent-elles donner des résultats différents ?

La segmentation, la classification et l'estimation de volume dépendent chacune de la part du plat visible sur une prise de vue donnée. Un angle légèrement différent modifie l'entrée de chaque étape suivante. La qualité d'image variable selon l'appareil est une préoccupation connexe, distincte, que la revue Healthcare soulève à propos des applications mobiles de reconnaissance alimentaire en général (Amugongo et al., 2022).

Quelle est la précision globale des compteurs de calories par IA ?

La précision dépend fortement de l'aliment, de la complexité du plat et du système testé, donc aucun pourcentage unique ne s'applique partout. Les sources d'erreur étape par étape décrites plus haut expliquent pourquoi un seul chiffre global ne peut pas la résumer.

Sources

• Amugongo et al., « Mobile Computer Vision-Based Applications for Food Recognition and Volume and Calorific Estimation: A Systematic Review », Healthcare (Basel) 2022, la revue systématique à l'origine des étapes du pipeline et des chiffres d'erreur cités plus haut.
• NYU Tandon School of Engineering, communiqué sur le scanner alimentaire par IA, la source du prototype de détection à 214 catégories et de son score de précision.
• USDA FoodData Central, la source sur la façon dont les entrées comme les Foundation Foods et les Branded Foods sont produites et mises à jour, et la table Ciqual de l'ANSES, son équivalent français pour les valeurs nutritionnelles.

Consultez notre politique éditoriale pour savoir comment les chiffres de cet article ont été vérifiés. Publié par Petros IT Solutions SRL. Signalez une correction à [email protected].