Calories estimées par l'IA à partir d'une photo : quelle précision ?
L'IA estime les calories d'un repas en photo en quelques secondes. Découvrez comment elle procède, pourquoi elle peut se tromper, ce que disent les études et comment bien l'utiliser.
Les compteurs de calories par photo, dont PlateCalories, sont pratiques, mais leurs chiffres reflètent-ils ce que vous avez réellement mangé ? En bref : une photo donne une estimation utile, pas une mesure. Dans trois études de 2025, des modèles d'IA généralistes travaillant à partir de la seule photo ont fait des erreurs moyennes sur les calories d'environ 30 % à plus de 70 %, selon le modèle.
Comment l'IA estime les calories d'une photo
L'estimation comporte trois tâches, confiées à des outils distincts ou à un seul modèle d'IA :
- Reconnaître les aliments : identifier chaque aliment et chaque boisson, par exemple du riz, du poulet grillé et un verre de lait.
- Estimer les portions : évaluer la quantité de chaque élément à partir d'indices visuels, comme sa taille par rapport à l'assiette ou aux couverts.
- Convertir en énergie : transformer chaque quantité en calories avec des valeurs typiques de cet aliment, puis faire le total.
Des erreurs peuvent se glisser à chaque étape et s'additionner. PlateCalories confie les trois tâches à la fois à un seul modèle d'IA généraliste, qui liste chaque aliment avec sa portion et ses calories estimées ; PlateCalories additionne ensuite ces calories pour obtenir le total. Le modèle ne pèse pas les aliments et ne consulte pas de base de données nutritionnelle : ses valeurs sont donc typiques, pas mesurées.
Les modèles d'IA utilisés par PlateCalories
PlateCalories s'appuie surtout sur des modèles ouverts, que leurs créateurs publient pour que d'autres puissent les télécharger et les exécuter : Gemma 4 de Google, GPT-OSS d'OpenAI et Llama 4 Scout de Meta. Le service qui répond dépend du pays depuis lequel vous vous connectez, tel que Cloudflare le détecte. PlateCalories sollicite d'abord les offres gratuites d'autres services d'IA et garde Cloudflare Workers AI pour la fin. Chaque demande est confiée au premier service indiqué ci-dessous pour votre région ; si ce service est saturé ou indisponible, le suivant prend le relais :
- Europe (Union européenne et reste de l'Espace économique européen, Royaume-Uni, Suisse, Gibraltar, îles Anglo-Normandes, île de Man, départements français d'outre-mer et micro-États européens, ainsi que tout visiteur dont le pays ne peut pas être détecté et les visiteurs d'Iran, de Corée du Nord, de Cuba et des régions ukrainiennes de Crimée, de Sébastopol, de Donetsk, de Louhansk, de Zaporijjia et de Kherson) : la photo du repas, avec la description éventuelle, est analysée sur Cloudflare Workers AI par Gemma 4 ou, en secours, par Llama 4 Scout. Les descriptions sans photo, écrites ou orales, vont d'abord à GPT-OSS sur Groq (États-Unis), puis à Gemma 4 sur Cloudflare Workers AI. Google, Z.ai et OpenRouter ne sont jamais utilisés pour ces analyses.
- États-Unis (y compris Porto Rico et les autres territoires américains) : la photo du repas, avec la description éventuelle, va d'abord à Gemma 4 via l'offre gratuite de l'API Gemini de Google, puis à Gemma 4 via OpenRouter (dont le modèle Gemma gratuit est exécuté par Google AI Studio), puis à Cloudflare Workers AI, qui utilise Gemma 4 et, en dernier recours, Llama 4 Scout. Les descriptions sans photo vont d'abord à Gemma 4 via l'API Gemini de Google, puis à GPT-OSS sur Groq, puis à Gemma 4 sur Cloudflare Workers AI. Z.ai n'est jamais utilisé.
- Reste du monde (par exemple Canada, Australie, Afrique, Asie et Amérique latine) : le même ordre qu'aux États-Unis, avec en plus Z.ai (la plateforme internationale de Zhipu AI, basée à Singapour) comme solution de secours juste après Google.
D'un modèle à l'autre, et même d'un essai à l'autre avec le même modèle, les chiffres peuvent varier un peu : une même photo n'obtiendra donc pas toujours exactement le même résultat. PlateCalories ne conserve ni vos photos, ni vos enregistrements vocaux, ni vos descriptions, ni vos résultats, mais chaque service d'IA a ses propres règles. Par exemple, Google peut utiliser ce qui est envoyé à l'offre gratuite de son API Gemini pour améliorer ses produits, et des examinateurs humains peuvent le lire ; les requêtes envoyées via OpenRouter à son modèle Gemma gratuit, exécuté par Google AI Studio, peuvent être conservées jusqu'à 55 jours. Notre politique de confidentialité donne tous les détails.
Les principales sources d'erreur
Taille des portions et profondeur
Une photo est plate : elle montre la surface des aliments, mais ni leur hauteur ni ce qui se trouve dessous. Une part épaisse de lasagnes ou un bol de soupe profond peuvent donc paraître plus petits qu'en réalité. Dans une étude de 2025, certaines des plus grosses erreurs concernaient des plats servis dans des bols, peut-être parce que la profondeur est difficile à percevoir. Dans le projet de recherche Nutrition5k, les données d'un capteur de profondeur ont fait passer l'erreur moyenne d'un modèle sur les calories d'environ 26 % à 17–19 %. PlateCalories utilise une photo ordinaire : mieux vaut donc signaler un bol profond ou une portion copieuse.
Graisses et sucres cachés
L'huile, le beurre, le sucre et les sauces crémeuses sont souvent invisibles ou mélangés aux aliments, mais très énergétiques. Selon USDA FoodData Central, l'huile d'olive apporte 884 kcal pour 100 g, soit environ 119 kcal par cuillère à soupe (13,5 g) : deux cuillerées dans une poêlée ajoutent environ 240 kcal qui peuvent échapper à l'appareil photo. Notre guide sur les calories cachées donne d'autres exemples.
Plats composés
Dans les ragoûts, les currys, les sandwichs et les burritos, les ingrédients sont superposés ou mélangés : l'IA doit deviner ce qu'il y a à l'intérieur, et en quelle quantité. Dans une autre étude de 2025, ChatGPT-4o a estimé une grande portion de curry de lentilles à 255 g ; elle pesait en réalité 480 g.
Lumière, angle et cadrage
Une faible luminosité, des ombres marquées, des filtres, un angle extrême ou une assiette coupée au bord de l'image gênent la reconnaissance des aliments et l'évaluation des portions. Nos conseils pour bien photographier vos repas proposent des solutions simples.
Plats inhabituels ou régionaux
L'IA apprend à partir d'exemples, et certaines cuisines ou recettes familiales peuvent être peu représentées dans ses données d'apprentissage. Dans une étude de 2024 sur des applications de suivi alimentaire, la reconnaissance d'images par IA n'a pas su distinguer les ingrédients d'un pho au bœuf (une soupe vietnamienne de nouilles) ni ceux d'un thé au lait aux perles de tapioca. Les applications ont surestimé l'énergie du pho jusqu'à 49 % et sous-estimé celle du thé jusqu'à 76 %. Les auteurs appellent à entraîner l'IA sur davantage de plats composés et d'aliments de cultures variées.
Ce que dit la recherche
- Proche des estimations humaines : une revue systématique de 52 études (2010–2023) a relevé des erreurs moyennes sur les calories de 0,1 % à 38,3 % pour les méthodes d'IA qui analysent des photos d'aliments, avec des erreurs plus faibles pour les aliments simples et isolés. Les auteurs jugent ces résultats comparables aux estimations humaines, mais estiment que ces outils doivent encore progresser avant d'être utilisés seuls.
- Identifier est plus facile que mesurer : sur 114 photos de repas, ChatGPT-4 a bien identifié les aliments (93 % de ceux qu'il citait figuraient réellement sur la photo), mais sous-estimé le poids du repas sur 76 % des photos, surtout pour les repas moyens et copieux (O'Hara et al., 2025).
- Plus la portion est grande, plus l'erreur grandit : sur 52 photos d'aliments, ChatGPT-4o et Claude 3.5 Sonnet ont fait une erreur moyenne d'environ 36 % sur l'énergie, et Gemini 1.5 Pro d'environ 64 % ; les trois sous-estimaient d'autant plus que la portion était grande. Selon les auteurs, les deux premiers sont comparables aux méthodes déclaratives classiques, comme le carnet alimentaire, mais pas encore assez précis pour la nutrition clinique ou sportive (Fridolfsson et al., 2025).
- Le modèle compte : dans un banc d'essai de 2025 portant sur sept modèles d'IA généralistes et 505 photos de plats de cafétéria, sans indication de poids, les erreurs moyennes sur les calories allaient d'environ 33 % à 73 %. Llama 4 Scout, que PlateCalories garde en dernier recours pour les photos de repas, a obtenu l'erreur la plus élevée. Gemma 3 27B, un modèle Gemma de Google d'une génération antérieure, a obtenu la deuxième erreur la plus élevée, environ 55 % (Mu et al., 2025).
- Les précisions aident : avec ChatGPT-5 sur 195 plats, l'erreur moyenne était d'environ 123 kcal par plat (31 %) avec la photo seule, de 92 kcal (24 %) avec des précisions comme le type et la quantité de matière grasse et de sucre ou d'édulcorant, et de 53 kcal (14 %) avec la liste complète des ingrédients et des quantités. Sans la photo, la même liste donnait une erreur plus forte, d'environ 67 kcal, soit 18 % (Rodríguez-Jiménez et al., 2025).
Chaque étude a testé des modèles précis dans des conditions précises. Aucune n'a évalué Gemma 4, le modèle que PlateCalories sollicite en premier pour les photos de repas, et PlateCalories lui-même n'a fait l'objet d'aucune étude publiée : sa précision peut donc être meilleure ou moins bonne.
Bien utiliser les estimations de calories par IA
- Considérez chaque résultat comme approximatif. Un chiffre isolé peut s'éloigner nettement de la réalité, surtout pour les repas copieux et les plats composés.
- Suivez les tendances sur plusieurs jours et semaines. Sur de nombreux repas, les écarts aléatoires se compensent en partie : les tendances en disent donc plus qu'un résultat isolé. Un biais constant, lui, ne se compense pas.
- Tenez compte des grosses portions. Deux des études citées ont constaté que l'IA sous-estimait les portions copieuses : si vous vous servez généreusement, vos totaux risquent d'être trop bas.
- Vérifiez ce que vous mangez souvent. Pesez une fois votre petit-déjeuner habituel, consultez l'étiquette ou une base de données, puis comparez avec l'estimation de l'IA. Pas de balance ? Consultez notre guide sur les portions sans balance.
Ajouter des précisions dans PlateCalories
Dans le compteur de calories PlateCalories, vous pouvez ajouter des précisions à votre photo en les écrivant (jusqu'à 500 caractères) ou en parlant (jusqu'à 60 secondes). Si votre navigateur propose la dictée vocale, c'est son propre service de reconnaissance vocale qui transforme vos paroles en texte (celui de Google dans Chrome, de Microsoft dans Edge, d'Apple dans Safari, sauf si le navigateur le fait sur votre appareil), et seul ce texte parvient à PlateCalories. Sinon (par exemple dans le navigateur intégré des applications WhatsApp, Instagram ou Facebook), ou si la langue principale de votre navigateur n'est ni l'anglais, ni l'espagnol, ni le français, votre voix est enregistrée, pour que la langue que vous parlez puisse être reconnue. L'enregistrement, comme tout fichier audio que vous choisissez, est envoyé une seule fois pour être transcrit par Whisper, un modèle ouvert de reconnaissance vocale d'OpenAI, sur Groq (États-Unis) ou, en secours, sur Cloudflare Workers AI. L'IA s'appuie ensuite sur vos mots pour corriger le nom des aliments, les quantités et les ingrédients cachés. Par exemple :
- matière grasse de cuisson : « poêlé avec environ 2 cuillères à soupe d'huile d'olive » ;
- quantités connues : « 200 g de riz cuit » ;
- boissons et ajouts : « café avec 2 cuillères à café de sucre », « cola classique, pas la version sans sucre » ;
- garniture : « burrito aux haricots rouges, fromage et crème aigre ».
Vérifiez ce qui a été compris : les mots dictés s'affichent dans la zone de description, où vous pouvez les corriger, et la transcription d'un enregistrement apparaît avec le résultat. Le résultat présente chaque aliment avec sa portion et ses calories estimées. S'il manque quelque chose ou si un élément semble faux, ajoutez une correction et relancez l'analyse (des limites d'utilisation quotidiennes s'appliquent). Vous pouvez aussi décrire un repas à la voix ou par écrit, sans photo. L'estimation repose alors uniquement sur vos mots : précisez donc les quantités si vous les connaissez.
Quand la précision compte vraiment
Au quotidien, une estimation approximative suffit souvent. Certaines situations demandent plus de précision et un accompagnement professionnel :
- un diabète, surtout si vous comptez les glucides pour adapter votre insuline (PlateCalories estime uniquement les calories, pas les glucides) ;
- une maladie rénale, une autre maladie ou un régime prescrit par un médecin ;
- une grossesse ou un allaitement ;
- un trouble du comportement alimentaire, actuel ou passé.
Dans ces cas, demandez à un médecin ou à un diététicien diplômé quelle méthode vous convient, par exemple la pesée des aliments. N'utilisez jamais une estimation d'IA pour décider de la dose d'un médicament, comme l'insuline. Si compter les calories vous angoisse ou vous pousse à manger très peu, faites une pause et parlez-en à un professionnel de santé. PlateCalories s'adresse aux adultes (18 ans et plus) et ne constitue pas un avis médical.
Sources
Ces sources sont en anglais.
- Shonkoff et al., Annals of Medicine (2023) : revue systématique
- O'Hara et al., Nutrients (2025)
- Fridolfsson et al., Current Developments in Nutrition (2025)
- Rodríguez-Jiménez et al., Nutrients (2025)
- Mu et al., ACM BCB (2025)
- Li et al., Nutrients (2024)
- Thames et al., CVPR (2021) : Nutrition5k
- USDA FoodData Central : huile d'olive (FDC ID 171413)