Calories par photo avec l’IA : comment ça marche et quelle fiabilité ?

Un compteur de calories par IA peut transformer une photo de repas en estimation utile en quelques secondes, mais il ne peut pas mesurer l’huile invisible, les ingrédients d’une recette ou l’épaisseur exacte des portions à partir d’une simple image. Les études publiées montrent des marges d’erreur très variables, pas un taux de précision universel. Utilise la photo pour gagner du temps et garder un suivi régulier ; pour la précision, vérifie les hypothèses et corrige-les.

En pratique, le parcours est le suivant : photo → estimation des ingrédients et des portions → recherche des valeurs nutritionnelles → vérification humaine → enregistrement. C’est quand on saute la vérification que des chiffres faux, présentés avec assurance, entrent dans le journal.

Ce qui se passe après la photo

Un outil d’analyse photo effectue généralement quatre tâches :

1. Reconnaissance des aliments : identifier les éléments visibles, comme le riz, le poulet, le brocoli et la sauce.
2. Segmentation : déterminer quels pixels appartiennent à chaque élément.
3. Estimation des portions : déduire un poids en grammes ou un volume à partir de la surface, de la profondeur, de la taille de l’assiette ou d’objets de référence connus.
4. Association aux valeurs nutritionnelles : relier chaque aliment et chaque portion estimés à une base de données nutritionnelles.

Une étape peut être correcte et la suivante se tromper. Un modèle peut bien reconnaître de l’avocat, mais estimer 100 g alors que la portion en faisait 55 g. Il peut voir des pâtes sans savoir si la sauce contient une cuillère à café ou trois cuillères à soupe d’huile.

Certains téléphones ajoutent des données de profondeur. Une seconde prise de vue ou un objet de taille connue peut améliorer l’estimation du volume. Une revue systématique indique qu’une vue de dessus aide à estimer la surface, tandis qu’une vue de côté aide à estimer la hauteur ; des objets de référence permettent de mieux évaluer les dimensions. Mais la plupart des gens prennent simplement une photo rapide, sans carte d’étalonnage, et c’est bien compréhensible.

La précision réelle, sans les chiffres marketing

Une revue systématique de 2024 a comparé l’évaluation alimentaire entièrement automatisée par IA à partir d’images avec une évaluation humaine ou des mesures de référence. Dans les études retenues, les erreurs relatives moyennes sur les calories allaient de 0,10 % à 38,3 %, et celles sur le volume de 0,09 % à 33 %. Les images simples, montrant un seul aliment, donnaient généralement de meilleurs résultats.

Cette fourchette ne signifie pas que ton appli est « précise à 62 % à 99,9 % ». Les études utilisaient des aliments, des conditions de prise de vue, des définitions et des mesures de référence différents. Beaucoup de systèmes étaient des prototypes de recherche, pas l’appli grand public de ton téléphone. Les auteurs n’ont pas pu regrouper les résultats dans une seule méta-analyse.

Prends avec prudence toute promesse comme « 98 % de précision », sauf si l’appli publie les données de test, la taille de l’échantillon, la mesure d’erreur utilisée, la méthode de comparaison et les résultats obtenus sur de vrais repas composés de plusieurs aliments.

Un exemple concret dans l’assiette

Prenons une photo de poulet grillé, de riz et de légumes verts. Le modèle propose :

Les aliments sont bien identifiés. Mais supposons que le poulet pesait 120 g, le riz 250 g et que les légumes ont été cuits avec une cuillère à soupe d’huile. Après correction, l’estimation pourrait être :

• Poulet : environ 200 kcal
• Riz : environ 325 kcal
• Légumes : environ 55 kcal
• Huile : environ 120 kcal
• Total corrigé : environ 700 kcal

La reconnaissance était excellente ; l’estimation des calories était trop basse de 120, soit environ 17 %. Les informations manquantes étaient l’épaisseur des portions et l’huile, précisément ce qu’une image en deux dimensions montre mal.

Un bon outil rend ces quatre hypothèses visibles. Tu peux dire « plus de riz, une cuillère à soupe d’huile » au lieu de supprimer les 580 et de ressaisir toute l’assiette à la main.

Ce qu’une photo permet de bien voir

L’estimation par photo fonctionne le mieux quand :

• les aliments sont séparés et visibles ;
• l’assiette ou l’emballage donne un repère de taille ;
• les portions sont habituelles ;
• la recette est assez prévisible ;
• l’éclairage est bon ;
• l’étiquette d’un produit de marque ou le nom d’un plat au menu est lisible.

Une banane à côté d’un pot de yaourt est plus facile à évaluer qu’un curry, un gratin ou un burrito. Pour une barre protéinée emballée dont le tableau nutritionnel est visible, l’outil devrait utiliser l’étiquette plutôt qu’une estimation visuelle.

Pour un produit reconnaissable d’une chaîne de restauration, les valeurs nutritionnelles officielles publiées sont généralement le meilleur point de départ. La photo peut aider à identifier le produit ; la base de données du menu doit fournir le chiffre.

Ce qu’une photo ne peut pas savoir

Les matières grasses cachées

L’huile absorbée pendant la friture, le beurre sous les légumes, la mayonnaise dans un sandwich et la crème dans une sauce peuvent être invisibles. Les matières grasses apportent environ 9 kcal par gramme : même de petites erreurs de quantité comptent.

La composition de la recette

Deux bols de chili peuvent sembler identiques, alors que l’un contient de la dinde maigre et l’autre du bœuf gras, du fromage et davantage d’huile. Le modèle a besoin d’une description ou d’une recette enregistrée.

L’épaisseur des portions

Une portion peut être peu épaisse ou descendre sous le bord visible du récipient. Les bols sont particulièrement difficiles à évaluer vus de dessus. Une photo de côté, un récipient connu ou une correction en quelques mots peut aider.

Ce qui a été mangé

Une photo prise avant le repas montre ce qui a été servi. Elle ne dit pas ce qu’il reste, sauf si tu prends une photo après ou si tu le précises.

Les changements liés à la préparation

Les poids crus et cuits ne sont pas interchangeables, car la cuisson modifie la teneur en eau. L’image peut permettre de reconnaître du poulet sans déterminer si l’entrée de la base de données correspond à du poulet cru ou cuit.

Pour être précis, il faut pouvoir corriger

Le suivi classique n’est pas non plus une vérité absolue. On peut choisir la mauvaise entrée dans la base de données, oublier des ingrédients ou estimer les portions. Les valeurs des étiquettes et des restaurants comportent aussi des variations, certaines autorisées, d’autres liées à la préparation. On compare donc deux méthodes imparfaites, chacune avec ses limites.

Un outil de suivi par photo utile doit :

• présenter le résultat comme une estimation ;
• détailler séparément les aliments reconnus ;
• afficher les portions supposées ;
• signaler la présence probable d’huile ou de vinaigrette cachée ;
• demander confirmation avant d’enregistrer ;
• accepter les corrections formulées naturellement ;
• intégrer la correction au total de la journée.

C’est le principe de ce compteur de calories dans WhatsApp : rien n’est enregistré avant ta confirmation, et une réponse ultérieure peut modifier le repas.

Comment prendre une photo de repas plus utile

Pas besoin d’organiser une séance photo en studio. Quatre gestes simples aident :

1. Cadre toute l’assiette ou tout le récipient.
2. Prends la photo légèrement de biais pour montrer la hauteur.
3. Garde les aliments visibles plutôt que de tout recouvrir de sauce.
4. Ajoute une phrase si des informations importantes sont cachées : « cuit dans une cuillère à soupe d’huile » ou « la moitié du bol ».

Pour un produit emballé, photographie le tableau nutritionnel. Au restaurant, ajoute la description du plat ou le nom de l’établissement. Pour un plat maison que tu prépares souvent, enregistre la recette une fois et réutilise ses valeurs.

Le suivi par photo suffit-il pour créer un déficit calorique ?

Oui, à condition que les estimations soient cohérentes et que tu les ajustes en fonction de l’évolution de ton poids. Imaginons que ton suivi par photo affiche une moyenne de 1 800 kcal, mais que ton poids reste stable pendant quatre semaines : cela suggère que ton apport de maintien se situe autour de cette quantité. Que ton apport réel soit de 1 750 ou de 2 050, le constat utile reste le même : avec l’objectif enregistré et tes habitudes actuelles, ton poids se maintient.

Corrige les oublis évidents, puis réduis légèrement la moyenne enregistrée. Tu n’as pas besoin de connaître à la calorie près le contenu de chaque dîner.

La fréquence compte aussi. Des recherches sur l’autosuivi alimentaire ont associé un enregistrement régulier et fréquent à une perte de poids, sans lien clair avec le fait de tout noter de façon exhaustive. Une estimation rapide que tu notes vraiment peut être plus utile qu’une méthode précise que tu finis par abandonner.

Apprends où concentrer tes efforts avec comment compter les calories sans te prendre la tête et compare les outils dans les meilleures applis pour compter les calories en 2026.

Pour voir comment les estimations photo se comparent aux codes-barres, aux recherches et aux portions pesées dans les études, lis quelle appli de comptage de calories est la plus précise.

FAQ

ChatGPT peut-il compter les calories à partir d’une photo ?

Les modèles généralistes capables d’analyser des images peuvent identifier les aliments et proposer des portions, mais les mêmes problèmes d’ingrédients cachés et de repères de taille se posent. Utilise le résultat comme une estimation à corriger, pas comme une mesure, et prends les décisions médicales avec un professionnel qualifié.

Quelle peut être la marge d’erreur d’une estimation de calories par photo ?

Les études publiées sur l’IA rapportent des erreurs moyennes très variables, avec des erreurs relatives sur les calories allant jusqu’à environ 38 % dans la revue systématique citée ici. Pour un repas difficile à analyser, l’écart peut être encore plus grand. Les aliments simples et bien visibles sont généralement plus faciles à évaluer que les plats composés.

Un code-barres est-il plus fiable qu’une photo de repas ?

Pour un aliment emballé, un code-barres relié à la bonne étiquette à jour fournit généralement une base plus fiable. Il faut toujours préciser la portion réellement mangée, et les entrées de la base de données peuvent être obsolètes. Photographier l’étiquette permet de vérifier les valeurs et la portion indiquées.

Sources

• Revue systématique comparant l’évaluation alimentaire par IA à partir d’images aux mesures de référence
• Revue systématique sur la reconnaissance des aliments et l’estimation des portions à partir d’images
• Revue sur la validité de l’évaluation alimentaire assistée par image
• Recommandations de la FDA sur les bases de données d’étiquetage nutritionnel et leur conformité
• Payne et al., régularité et fréquence du suivi alimentaire par application

Pour faire simple

Envoie une photo de ton assiette à HeyCoach dans WhatsApp. Tu reçois les ingrédients, les portions, les calories et les macros estimés, avec les hypothèses à vérifier. La photo fournit une base, pas une mesure magique. Dis « la moitié du riz, plus d’huile » tout de suite ou réponds à la fiche plus tard : ton journal se met à jour sans tout recommencer.