L'IA peut-elle compter les calories d'après une photo ?
L'estimation calorique par photo fonctionne en identifiant l'aliment et en déduisant la portion. L'identification est la moitié forte ; la déduction de portion est la moitié faible, parce qu'une image plane ne porte presque aucune information sur la profondeur ni sur l'huile dans laquelle quelque chose a cuit. Traitez le résultat comme une estimation bien informée à relire et corriger — c'est exactement pourquoi GO AI Calorie vous montre le résultat avant de l'enregistrer. Comme instrument de tendance, c'est vraiment utile ; comme mesure, non.
Ce qui se passe réellement quand vous photographiez une assiette
Deux tâches distinctes, aux taux de réussite très différents :
- La reconnaissance. Le modèle détermine ce qu'il regarde — poulet grillé, riz jasmin, salade verte avec vinaigrette. Les modèles de vision modernes s'en sortent bien. Cette moitié se ridiculise rarement.
- La quantification. Il estime ensuite combien. C'est une déduction à partir d'indices visuels — taille de l'assiette, volume apparent, conventions de portion habituelles — et c'est réellement difficile, parce que la photo ne contient pas l'information.
Tout ce qu'il y a à savoir sur le suivi par photo découle de cette asymétrie.
Les quatre choses qui la cassent
- La matière grasse invisible. La plus grande source d'erreur. Deux blancs de poulet d'apparence identique peuvent différer nettement selon la quantité d'huile ou de beurre passée à la poêle. Rien sur la photo ne le révèle.
- La profondeur. Une photo est plane. Un bol de riz peu profond et un bol profond se ressemblent presque vus de dessus, et la différence, c'est de la vraie nourriture.
- Les plats mélangés. Ragoûts, currys, gratins, sandwichs — le modèle ne peut estimer que ce qu'il voit, et tout l'intérêt de ces plats est que le contenu est à l'intérieur.
- Les aliments emballés. Photographier un emballage pour deviner son contenu est le mauvais outil. Scannez le code-barres : ce chemin renvoie les chiffres du fabricant plutôt qu'une déduction.
Là où c'est vraiment bon
Les aliments bruts dans une assiette avec des composants visibles — protéine grillée, féculent, légumes. Les formats de restaurant familiers. Tout ce dont la portion est une convention reconnaissable plutôt qu'une devinette. Et, surtout, les comparaisons relatives : aujourd'hui a-t-il été plus lourd qu'hier, vos déjeuners tirent-ils vers le haut, les protéines sont-elles là où vous le croyez. Les tendances survivent à une erreur constante ; pas les valeurs absolues.
Comment prendre une photo qui donne une meilleure réponse
- Cadrez à environ 45 degrés, pas à la verticale. La profondeur devient visible et les estimations de portion s'améliorent.
- Donnez-lui une échelle. Une fourchette, une assiette standard, une tasse ordinaire dans le cadre ancrent la taille. Un gros plan serré sur une surface unie supprime tous les indices.
- Photographiez avant de manger. Une assiette à moitié vide demande au modèle de reconstituer ce qui est déjà parti.
- Séparez les composants quand c'est possible. Trois choses distinguables dans une assiette s'estiment mieux qu'un tas unique.
- Dites ce qui est caché. « Cuit dans deux cuillères à soupe d'huile d'olive », « il y a de la feta sous les feuilles » — une phrase corrige exactement ce qu'une photo ne peut pas montrer.
- Scannez le code-barres des produits emballés, toujours.
La comparaison honnête avec les alternatives
| Méthode | Précision | Allez-vous tenir ? |
|---|---|---|
| Peser chaque ingrédient | La plus élevée | Peu de gens, et pas longtemps |
| Scanner le code-barres des produits emballés | Élevée | Oui — c'est rapide |
| Estimation par photo | Modérée, améliorée par la relecture | Oui — c'est l'option la moins contraignante |
| Chercher à la main dans une base d'aliments | Modérée — la qualité des entrées varie | Parfois ; c'est fastidieux |
| Estimer à l'œil | Faible, et biaisée vers le bas | Oui, mais ça n'apprend rien |
Le bon cadrage n'est pas « l'IA est-elle assez précise » mais « précise comparée à quoi ». La saisie manuelle est aussi de l'estimation, les menus de restaurant aussi, et les étiquettes portent une tolérance légale. Le suivi par photo rejoint un champ d'approximations — son avantage est que c'est celle que les gens tiennent vraiment.
Comment nous l'utiliserions
Photographier, jeter un œil au résultat, corriger la seule chose que vous savez fausse (généralement la matière grasse de cuisson ou la portion), enregistrer. Code-barres pour tout ce qui est emballé. Puis ignorer complètement les journées isolées et lire la quinzaine — c'est le même conseil que dans le déficit calorique, expliqué, pour la même raison.
Questions fréquentes
Quelle précision ?
Utile pour les tendances, pas une mesure. L'identification est solide ; la quantité est déduite d'une image qui ne contient pas la preuve. Relisez et corrigez avant d'enregistrer.
Qu'est-ce qui la casse ?
La matière grasse de cuisson invisible, la profondeur qu'une photo plane ne montre pas, les plats mélangés qui cachent leur contenu, et les produits emballés — scannez le code-barres.
Comment prendre une meilleure photo ?
45 degrés plutôt qu'à la verticale, un objet familier pour l'échelle, avant de manger, composants séparés, et une note pour ce qui est caché.
Photo ou pesée ?
La pesée est plus précise ; la photo a plus de chances d'être faite. La méthode qu'on tient bat la méthode précise qu'on abandonne — sauf besoin médical ou sportif précis.