Une photo de l’assiette, et l’appli affiche les calories. Compter ses calories avec une photo rend la saisie des repas ultra rapide, et c’est un vrai avantage. Mais à quel point ce chiffre est-il proche de ce qu’il y a vraiment dans votre assiette ? Des chercheurs ont commencé à le mesurer, et la réponse devient utile dès qu’on comprend d’où viennent les erreurs.
La réponse courte : les applis avec intelligence artificielle sont douées pour reconnaître ce que vous mangez, beaucoup moins pour estimer la quantité. Dans des études contrôlées, des modèles d’IA généralistes ont estimé les calories d’une photo de repas avec une erreur moyenne d’environ 35 %, et ils ont tendance à sous-estimer les grosses portions et les aliments gras. Corriger la portion et ajouter l’huile ou la sauce invisibles comble l’essentiel de l’écart.
Ce que disent les études
Voici les tests les plus pertinents à ce jour. Leurs méthodes diffèrent, comparez donc les tendances plutôt que les chiffres exacts.
| Étude | Ce qui a été testé | Résultat principal |
|---|---|---|
| Fridolfsson et coll., 2025 | ChatGPT-4o, Claude 3.5 Sonnet et Gemini 1.5 Pro sur 52 photos d’aliments pesés | Erreur moyenne sur les calories de 35,8 % pour ChatGPT et Claude, 64,2 % pour Gemini. Tous sous-estimaient davantage quand la portion augmentait. |
| O’Hara et coll., 2025 | ChatGPT-4 sur 114 photos de repas issues d’une enquête alimentaire nationale | Aliments correctement identifiés dans 93 % des cas. Poids de la portion faux de 27,8 % en moyenne : les gros repas estimés à environ 530 g au lieu d’environ 800 g. |
| Test des NIH présenté à NUTRITION 2026 (préliminaire) | Quatre applis photo sur 102 repas préparés dans une cuisine métabolique | Calories sous-estimées d’environ 250 à 345 kcal par repas en moyenne, lipides d’environ 30 g. Les repas riches en graisses étaient les plus difficiles. |
| Martin et coll., 2012 | Photos analysées par du personnel formé (Remote Food Photography Method) | Repas de laboratoire à environ 1 % près ; apport quotidien à environ 4 % près de la dépense énergétique mesurée. |
Deux choses ressortent. D’abord, la photo n’est pas le problème : quand des professionnels formés analysaient les photos avec soin, la méthode était très précise. Ensuite, les estimations entièrement automatiques perdent en précision justement quand les portions grossissent et que le gras se cache.
Un détail de l’étude sur ChatGPT mérite d’être connu. En moyenne sur les 114 repas, l’énergie totale estimée était presque exacte (0,1 % d’écart), parce que les surestimations et les sous-estimations s’annulaient. Sur un repas donné, en revanche, l’erreur pouvait être importante. Sur plusieurs semaines, les erreurs dans les deux sens se compensent en partie. Celles qui vont toujours dans le même sens (comme l’huile oubliée), non.
Nous avons aussi mené notre propre test sur 68 plats pesés en laboratoire, avec deux modèles d’IA. Le schéma était le même : les modèles ramenaient chaque assiette vers un repas moyen, en surestimant les petites collations et en sous-estimant les grandes assiettes. Voir les résultats complets de notre test.
Pourquoi l’IA se trompe sur les portions
Une photo est plate. Le modèle doit deviner la profondeur, la densité et le poids à partir d’une image en deux dimensions, et plusieurs choses compliquent la tâche :
- Le volume. Un steak épais et un steak fin se ressemblent vus de dessus. Une assiette creuse de ratatouille ressemble à une assiette plate.
- Les graisses cachées. L’huile de la poêle, le beurre dans les pâtes, la vinaigrette absorbée par la salade. Le gras est le nutriment le plus calorique (9 kcal par gramme) et il est souvent invisible.
- Les plats mélangés. Gratins, hachis parmentier, currys ou smoothies cachent leurs ingrédients, le modèle doit donc supposer une recette.
- Les grandes assiettes. Les études de Fridolfsson et d’O’Hara (2025) ont toutes deux montré que la sous-estimation augmente avec la portion. Les petites portions simples étaient bien mieux estimées.
Ce que l’IA fait bien
Tout n’est pas négatif. Les applis avec IA sont fortes pour :
- Reconnaître les aliments. 93 % de précision dans l’étude sur ChatGPT.
- Les aliments simples et isolés. Une banane, une pomme ou une tranche de pain sont faciles à identifier et ont des tailles standard. (Si vous êtes curieux, voici les calories d’une banane selon sa taille.)
- Classer les repas. Même quand le chiffre exact était faux, les estimations suivaient bien les vraies valeurs (corrélation de 0,73 pour l’énergie dans l’étude sur ChatGPT) : l’appli distingue donc quand même un repas copieux d’un repas léger.
- La rapidité. Saisir un repas en quelques secondes, c’est le faire vraiment, tous les jours.
Est-ce moins fiable que compter à la main ?
Pas vraiment. Le comptage à la main a aussi ses angles morts. Dans une étude célèbre du New England Journal of Medicine, des personnes qui n’arrivaient pas à maigrir avec un régime qu’elles disaient inférieur à 1 200 kcal mangeaient en réalité beaucoup plus : elles déclaraient environ 47 % de moins que ce qu’elles mangeaient, alors que leur métabolisme était normal.
Les chercheurs suédois qui ont testé les trois modèles d’IA concluent que les meilleurs atteignent une précision comparable à celle des carnets alimentaires classiques, sans l’effort. C’est un bon résumé : l’IA n’est pas une balance de laboratoire, mais votre mémoire non plus.
Un exemple concret
Imaginons que vous mangiez réellement 2 100 kcal par jour et que l’appli sous-estime de 30 % uniquement le dîner :
| Repas | Calories réelles | Saisies par photo |
|---|---|---|
| Petit déjeuner (tartines beurre confiture, café au lait) | 450 kcal | 440 kcal |
| Déjeuner (sandwich, pomme) | 650 kcal | 610 kcal |
| Dîner (pâtes à la sauce tomate, huile et fromage râpé) | 1 000 kcal | 700 kcal |
| Total | 2 100 kcal | 1 750 kcal |
L’écart est de 350 kcal par jour, soit presque tout un déficit classique pour maigrir. Ajoutez maintenant « 1 cuillère à soupe d’huile d’olive » et ajustez les pâtes à la quantité réellement servie. Le dîner revient près des 1 000 kcal et votre suivi redevient utile. Il a fallu dix secondes.
Comment obtenir des estimations plus précises avec une photo
- Photographiez de dessus, toute l’assiette dans le cadre, avec une fourchette ou votre main à côté pour l’échelle.
- Ajoutez ce que l’appareil ne voit pas : huile de cuisson, beurre, vinaigrette, sucre dans le café.
- Vérifiez la portion pour les grandes assiettes ou les plats mélangés, et corrigez-la si elle vous semble faible.
- Scannez le code-barres des produits emballés au lieu de les photographier : l’étiquette est plus fiable que n’importe quelle estimation. Notre guide sur les applications calories avec scanner code-barre montre à quel point les valeurs scannées collent à l’emballage.
- Pesez vos aliments de base pendant une semaine. Pâtes, riz, céréales et oléagineux. Quand votre œil sait à quoi ressemblent 80 g de pâtes crues, vos corrections s’améliorent.
- Fiez-vous à la tendance, pas à une seule journée. Si votre poids ne bouge pas après deux ou trois semaines, baissez un peu votre objectif plutôt que de douter de chaque saisie.
Avec BananaCal, tout se fait au même endroit : prenez une photo, scannez un code-barres, ou écrivez ou dites simplement « plus une cuillère d’huile » et l’estimation se met à jour.
La précision parfaite est-elle vraiment importante ?
Moins qu’on ne le croit. Une revue systématique des études sur la perte de poids a trouvé un lien constant entre le fait de tenir un journal alimentaire et la perte de poids. Le bénéfice vient de la régularité, pas du gramme près. Choisissez une méthode assez rapide pour la garder, corrigez les grosses erreurs systématiques (huile, portions, boissons) et laissez l’évolution de votre poids vous dire si votre objectif est le bon.
Si vous n’avez pas encore d’objectif, utilisez notre calcul de calories et lisez combien de calories manger pour maigrir. Suivre aussi vos protéines aide, et les applis avec IA estiment en général mieux les protéines que les lipides.
Check-list express
- Les applis avec IA reconnaissent bien les aliments mais sous-estiment les portions, surtout grosses et grasses.
- Sur un plat complexe sans correction, attendez-vous à une erreur d’environ un tiers.
- Ajoutez toujours à la main l’huile, le beurre, les sauces et les boissons.
- Pour les produits emballés, utilisez le code-barres.
- La régularité l’emporte sur la précision : notez chaque jour et ajustez selon la tendance de votre poids.