Photo seule, ou photo plus trois détails ? Ce qu'un test sur 195 plats a trouvé
Une photo de ton assiette est un moyen rapide de noter un repas dans ton propre chat IA. C'est aussi facile de manquer ce que la caméra ne voit pas : l'huile de cuisson, si le laitier était entier ou allégé, ou quel morceau de viande est sous la sauce. Une étude a testé un chatbot IA sur 195 plats et a comparé les estimations photo seule avec des détails tapés en plus.
En bref
- Les estimations de calories photo seule s'écartaient d'environ 30,5 % en moyenne sur 195 plats.
- Ajouter des détails non visuels (huile, matière grasse laitière, type de viande) ramenait l'erreur moyenne à environ 24,4 %.
- Lister les ingrédients avec quantités faisait le mieux, environ 13,9 % d'erreur moyenne.
- Bols et plats mélangés étaient plus difficiles ; les estimations restent des estimations, pas des mesures.
Ce qu'une photo ne montre pas (huile, matière grasse, profondeur de portion)
Les photos sont bonnes pour les formes et les couleurs. Elles sont faibles pour la matière grasse cachée, l'épaisseur de sauce et la profondeur d'un bol. Un sauté peut paraître modeste avec beaucoup d'huile. Une purée peut sembler une petite portion alors que le bol est à moitié plein.
C'est pourquoi beaucoup ajoutent une courte ligne après la photo : « cuit avec environ une cuillère à soupe d'huile d'olive » ou « yaourt grec entier ». Tu n'es pas pointilleux : tu nommes ce que l'image a sauté.
Comment le test a fonctionné : quatre étapes, 195 plats
Rodríguez-Jiménez et collègues ont publié une étude en 2025 dans Nutrients (accès ouvert). Ils ont utilisé un modèle de chatbot et 195 plats sélectionnés. Chaque plat a passé quatre étapes d'estimation :
- Photo seule : le modèle voyait une image du plat.
- Photo plus détails non visuels : la même image, plus du texte sur l'huile, la matière grasse laitière et le type de viande si pertinent.
- Photo plus ingrédients avec quantités : l'image plus une liste structurée d'ingrédients.
- Ingrédients avec quantités seulement : pas de photo.
Ils ont comparé l'estimation de calories du modèle aux valeurs de référence pour chaque plat et calculé l'erreur en pourcentage.
Ce que chaque détail a fait à l'erreur
En moyenne sur les 195 plats :
- Photo seule : environ 30,5 % d'erreur en calories.
- Photo plus détails non visuels : environ 24,4 %.
- Photo plus ingrédients avec quantités : environ 13,9 %.
- Ingrédients seulement (sans photo) : pire que photo plus ingrédients : la photo aidait encore quand les quantités étaient connues.
Les plats servis en bols comptaient parmi les cas plus difficiles, ce qui colle au quotidien : la profondeur et les ingrédients cachés comptent.
Ce sont des moyennes d'étude sur un jeu de données fixe et un modèle. Utiles pour les habitudes, pas une promesse sur ton prochain repas.
Trois détails qui valent la peine d'être tapés
Tu n'as pas besoin d'une recette parfaite. Trois lignes rapides couvrent souvent les trous :
- Matière grasse ajoutée : huile, beurre, crème, type de fromage (entier vs allégé).
- La protéine : cuisse vs blanc de poulet, viande hachée vs maigre, taille de portion de tofu.
- Indice de portion : « grand bol », « la moitié de l'assiette », ou grammes si tu as pesé une fois.
Demande à ton IA d'afficher ses hypothèses dans la réponse. Le guess reste un guess, mais vérifiable.
Limites : un modèle, jeux de données sélectionnés, estimations toujours estimations
L'étude a testé une configuration de chatbot sur 195 plats choisis pour l'expérience. La vie réelle a un autre éclairage, une autre cuisine et d'autres assiettes mélangées. Les valeurs d'étiquette ont elles-mêmes des tolérances légales dans l'UE, donc même un calcul « parfait » sur une étiquette n'est pas une mesure de labo.
Utilise les chiffres comme tendance et contrôle d'habitude, pas comme verdict sur ton corps ou ta santé.
Essaie par toi-même
La prochaine fois que tu envoies une photo de repas à ton IA, ajoute trois détails avant d'accepter le total. Tu veux un endroit simple pour garder la routine ? Essaie gratuitement 7 jours.
PastePlate-AI n'est pas affilié à OpenAI, Anthropic ou Google.
Sources
- Rodríguez-Jiménez F. et al. (2025), « Assessing the Accuracy of AI-Driven Nutritional Analysis: A Comparative Study of Image-Based and Text-Based Inputs », Nutrients 17(22): 3613. mdpi.com
Transcription vidéo
Votre AI a deviné votre dîner sur une photo. C'était loin ? Les chercheurs avaient un chatbot AI estimé 195 plats. Sur la photo seule, elle a diminué d'environ 30% en moyenne. Ajouter l'huile, la graisse laitière et le type de viande coupé cette erreur. Les ingrédients avec des quantités coupent le plus. Donc n'envoyez pas seulement une photo : ajoutez trois détails. Source : Rodríguez-Jiménez et al. 2025, Nutriments.
PastePlate-AI sur votre téléphone
Le journal reste sur l'appareil. Vous apportez l'IA de chat que vous utilisez déjà.
Ce blog ne donne pas de conseil médical. Déclaration de santé.