Une photo alimentaire peut contenir une quantité surprenante d'informations.
Un système d'IA peut éventuellement reconnaître du riz, du poulet, des légumes et une sauce. Mais identifier les aliments n'est qu'une partie du problème.
Pour estimer les calories ou les macronutriments, il faut également déterminer approximativement la quantité présente.
L'estimation de la taille des portions est donc l'une des tâches les plus importantes et les plus difficiles du suivi alimentaire par photo.
L'IA peut-elle estimer la taille d'une portion à partir d'une photo ?
Oui. L'IA peut estimer la taille d'une portion à partir d'une photo, mais le résultat doit généralement être considéré comme une estimation et non comme une mesure exacte.
Une image peut fournir des indices sur :
- la surface visible des aliments
- leur forme
- leur épaisseur apparente
- la taille des objets voisins
- les dimensions du récipient
- la perspective
- le chevauchement entre aliments
- le type d'aliment reconnu
Le système peut combiner ces indices avec des informations sur les densités alimentaires, les portions habituelles et la géométrie des aliments.
La difficulté est qu'une photographie ordinaire représente en deux dimensions un repas qui existe en trois dimensions.
Une partie de l'information manque nécessairement.
Pourquoi la taille de la portion est importante
Reconnaître correctement l'aliment ne suffit pas pour produire une estimation nutritionnelle utile.
Identifier du riz cuit ne permet pas de savoir si l'image montre 80, 150, 250 grammes ou davantage.
La différence nutritionnelle peut être importante.
Il en va de même pour les pâtes, la viande, le fromage, les sauces, les noix, les huiles et de nombreux autres aliments.
L'estimation des portions relie donc la reconnaissance alimentaire à l'estimation des calories et des macronutriments.
Reconnaissance et estimation de portion sont deux tâches différentes
La reconnaissance demande :
« Quel est cet aliment ? »
L'estimation de portion demande :
« Quelle quantité de cet aliment est présente ? »
Un système peut être très confiant sur la présence de pâtes tout en étant moins certain de leur quantité.
Inversement, il peut estimer correctement le volume général tout en identifiant mal un ingrédient.
Pour la reconnaissance elle-même, consultez Quelle est la précision de la reconnaissance des aliments sur photo ?.
Pourquoi une seule photo est difficile
Une image unique ne fournit pas directement les dimensions réelles.
Un bol de riz peut sembler grand parce que l'appareil est proche.
Il peut sembler petit parce que l'appareil est plus éloigné ou que le récipient est grand.
La focale et l'angle modifient également les proportions apparentes.
Le système doit donc distinguer taille apparente et taille réelle.
La profondeur est partiellement cachée
Les aliments ont une hauteur et une profondeur qui ne sont pas entièrement visibles.
Une purée peut sembler similaire vue du dessus qu'elle soit relativement plate ou empilée en hauteur.
Une pièce épaisse et une pièce fine peuvent occuper une surface visible comparable.
Un récipient profond peut cacher une grande partie de son contenu.
C'est pourquoi l'estimation du volume à partir d'une seule image comporte toujours une incertitude.
Les aliments qui se chevauchent compliquent l'analyse
Les vrais repas sont rarement constitués d'objets parfaitement séparés.
Une sauce peut recouvrir une partie de la viande.
Des légumes peuvent être posés sur le riz.
Du fromage peut masquer une partie du plat.
Dans un ragoût, les ingrédients peuvent être presque entièrement mélangés.
Plus un aliment est caché, moins le système dispose d'informations visuelles.
Les récipients peuvent fournir une échelle
Un objet familier peut donner un contexte de taille.
Par exemple :
- assiette
- fourchette
- cuillère
- récipient alimentaire
- tasse
- bouteille ou boîte de dimensions connues
Si le système connaît approximativement les dimensions d'un objet présent dans l'image, il obtient un point de référence.
Mais toutes les assiettes, tous les bols et tous les couverts n'ont pas les mêmes dimensions.
Une référence améliore le contexte sans rendre automatiquement l'estimation exacte.
L'angle de prise de vue compte
Un angle très bas peut masquer la surface des aliments.
Une vue parfaitement verticale peut rendre leur hauteur difficile à juger.
Pour de nombreux repas, un angle intermédiaire fournit des informations sur la surface et l'épaisseur.
Le meilleur angle dépend de l'aliment.
Un sandwich peut être plus facile à évaluer de côté, tandis qu'un bol mélangé peut bénéficier d'un angle plus élevé.
La distance compte également
Une caméra extrêmement proche peut exagérer les objets au premier plan.
Une caméra trop éloignée peut perdre les petits détails.
Une image nette prise à une distance raisonnable fournit généralement davantage d'informations utiles.
L'éclairage influence indirectement l'estimation
Un mauvais éclairage ne change pas la portion réelle, mais il peut rendre les limites moins visibles.
Des ombres profondes peuvent cacher les transitions entre aliments.
Des reflets forts peuvent supprimer des détails de surface.
Une lumière très colorée peut également compliquer la reconnaissance.
Une lumière douce et relativement uniforme rend généralement la structure du repas plus lisible.
Les plats mélangés sont plus difficiles
Certains aliments ont des limites physiques claires.
Par exemple :
- banane
- tranche de pain
- œuf
- morceau de viande
Les plats mélangés sont plus complexes :
- gratins
- currys
- soupes
- ragoûts
- pâtes en sauce
- plats de riz mélangés
Le volume visible peut être estimé correctement alors que la proportion interne des ingrédients reste inconnue.
Les ingrédients cachés ne peuvent pas être mesurés visuellement
Certaines erreurs nutritionnelles importantes peuvent provenir d'ingrédients presque invisibles.
Par exemple :
- huile
- beurre
- mayonnaise
- vinaigrette
- sucre
- crème
- fromage incorporé
- sauces mélangées
Une photo peut aider à estimer la portion visible mais ne peut pas reconstruire de façon fiable chaque ingrédient caché.
La densité alimentaire compte
Des volumes identiques d'aliments différents ne pèsent pas le même poids.
Une tasse de légumes-feuilles ne pèse pas autant qu'une tasse de riz cuit.
Un volume similaire de noix peut apporter beaucoup plus d'énergie que de nombreux légumes.
Le système a donc besoin de davantage que du volume géométrique.
Il doit également identifier raisonnablement l'aliment et relier son volume à son poids.
L'IA peut-elle estimer des grammes à partir d'une photo ?
Dans certaines situations, oui.
Mais le nombre obtenu ne doit pas être confondu avec une mesure sur une balance.
Le système peut d'abord estimer le volume, puis convertir ce volume en poids approximatif à partir de la densité attendue de l'aliment.
Cela peut réduire la saisie manuelle.
Cela reste une inférence.
Si un poids exact est important, une balance fournit une information qu'une photo seule ne possède pas.
Une deuxième photo peut-elle aider ?
Potentiellement.
Un second angle peut révéler des informations cachées dans le premier.
Une image peut montrer la surface et une autre mieux révéler l'épaisseur.
Plusieurs vues peuvent fournir davantage de contexte tridimensionnel.
La manière dont une application utilise plusieurs images dépend toutefois de son système.
Quels aliments sont plus faciles à estimer ?
Les aliments aux limites nettes et aux formes reconnaissables peuvent fournir davantage d'indices.
Par exemple :
- fruits entiers
- tranches de pain
- morceaux individuels de viande ou de poisson
- œufs
- portions emballées de taille connue
- aliments clairement séparés
Cela ne garantit pas une estimation correcte.
Cela signifie simplement que davantage d'informations visuelles sont disponibles.
Quels aliments sont plus difficiles ?
Les cas couramment difficiles comprennent :
- huiles
- sauces
- pâtes à tartiner
- beurres de noix
- plats mélangés
- soupes
- aliments cachés sous d'autres aliments
- tas irréguliers
- aliments dans des récipients profonds et opaques
- repas sans référence de taille utile
Comment prendre une meilleure photo
1. Gardez l'ensemble du repas visible
Évitez de couper une grande partie des aliments au bord de l'image.
2. Gardez une distance raisonnable
Ne placez pas l'appareil extrêmement près.
3. Évitez les angles extrêmes
Choisissez si possible un angle montrant la surface et une partie de la profondeur.
4. Utilisez une lumière claire
Évitez les ombres très profondes et les reflets intenses.
5. Limitez les obstructions inutiles
Si un objet cache une grande partie du repas, déplacez-le lorsque cela est pratique.
6. Conservez un contexte de taille utile
Une assiette, un bol, un couvert ou un récipient peut fournir des indices de dimension.
7. Photographiez avant de manger
La portion originale est plus facile à estimer lorsqu'elle est intacte.
Faut-il inclure le récipient ?
Un certain contexte est généralement utile.
Une image extrêmement recadrée qui ne montre que les aliments supprime des informations d'échelle.
Inclure l'assiette, le bol ou le récipient peut aider à comprendre la scène.
Mais il ne faut pas supposer que chaque récipient possède une taille standard.
Que faire si l'IA se trompe ?
Une correction est utile lorsque l'estimation est manifestement incompatible avec ce que vous avez mangé.
Vous pouvez par exemple savoir :
- que vous avez utilisé un paquet entier de 200 g
- que vous avez mangé la moitié d'un récipient connu
- qu'il s'agissait d'une portion emballée précise
- que vous avez pesé l'ingrédient
- que la quantité estimée est clairement improbable
Une information connue doit généralement être privilégiée par rapport à une estimation visuelle.
Chaque repas n'a pas besoin d'une précision parfaite
Le niveau de précision utile dépend de l'objectif.
Une personne qui souhaite simplement comprendre ses habitudes alimentaires n'a peut-être pas besoin d'une précision au gramme.
Pour un objectif plus spécifique, corriger les portions incertaines peut être plus utile.
La bonne question n'est pas de savoir si chaque estimation est parfaite.
Il faut savoir si l'information est suffisamment utile pour la décision recherchée.
Portion et estimation des calories
Les calories dépendent à la fois de l'identité et de la quantité des aliments.
Un processus simplifié peut être :
photo → reconnaissance → estimation de portion → estimation nutritionnelle.
Une erreur à l'une des premières étapes peut modifier le résultat final.
Bon aliment + mauvaise portion = estimation calorique inexacte.
Mauvais aliment + portion plausible = estimation calorique inexacte.
Un nombre de calories généré à partir d'une photo ne doit donc pas être interprété comme une mesure directe.
Portion et macronutriments
Les estimations de protéines, glucides et lipides dépendent elles aussi de la quantité.
Si le système reconnaît correctement du poulet mais surestime fortement la portion, l'estimation des protéines sera également trop élevée.
Il en va de même pour le riz et les glucides ou le fromage et les lipides.
Et le scan de code-barres ?
Le code-barres résout un autre problème.
Il peut identifier un produit emballé et le relier à des informations nutritionnelles enregistrées.
Il n'indique pas nécessairement la quantité consommée.
Il faut encore connaître la portion ou la fraction de l'emballage.
L'analyse photo et le scan de code-barres peuvent donc se compléter.
Comment Mealisa utilise le suivi photo
Mealisa est conçu pour réduire la quantité de saisie manuelle nécessaire au suivi alimentaire.
Une photo peut fournir une première estimation des aliments présents et de leur quantité.
Le bon fonctionnement n'est pas de prétendre qu'une photo constitue une mesure de laboratoire.
Le flux pratique est plutôt :
- photographier le repas ;
- laisser l'IA produire une estimation initiale ;
- vérifier le résultat ;
- corriger les erreurs évidentes de nourriture ou de portion lorsque c'est utile ;
- continuer le suivi sans saisir manuellement chaque ingrédient.
Cela conserve la rapidité du suivi photo tout en permettant de corriger l'incertitude.
Quand corriger une estimation de portion ?
Une correction peut être utile lorsque :
- la portion estimée est clairement trop grande ou trop petite
- le poids réel de l'emballage est connu
- l'aliment a été pesé
- une grande partie est cachée
- le plat contient beaucoup d'huile ou de sauce invisible
- un récipient profond rend l'estimation difficile
- l'erreur modifierait sensiblement l'information qui vous intéresse
De petites différences ne justifient pas toujours un effort supplémentaire.
Ce que l'IA ne peut pas connaître à partir de l'image seule
Une photo seule peut ne pas révéler :
- le poids exact des ingrédients
- la quantité d'huile utilisée à la cuisson
- les ingrédients cachés
- si tout ce qui apparaît sur la photo a été consommé
- la recette exacte
- les dimensions précises d'un récipient inconnu
- les aliments cachés sous d'autres ingrédients
Un contexte supplémentaire peut améliorer l'estimation, mais l'analyse visuelle possède des limites.
L'estimation est-elle utile si elle n'est pas exacte ?
Elle peut l'être.
La saisie manuelle comporte également des erreurs.
On peut oublier des ingrédients, choisir une mauvaise entrée dans une base de données, estimer soi-même une portion ou abandonner le suivi parce que la saisie prend trop de temps.
L'estimation par photo peut échanger une partie de la précision de mesure contre davantage de rapidité et de simplicité.
La pertinence de ce compromis dépend de l'objectif.
Hiérarchie pratique des informations de quantité
Lorsqu'une information plus solide est disponible, elle peut remplacer une estimation plus faible.
Par exemple :
- poids mesuré connu
- quantité connue de l'emballage
- quantité fiable issue d'une recette
- portion estimée visuellement
Cela ne signifie pas qu'il faut peser chaque repas.
Cela signifie simplement qu'une information connue est utile lorsqu'elle existe déjà.
Questions fréquentes
L'IA peut-elle déterminer le nombre de grammes sur une photo ?
Elle peut estimer le poids à partir des informations visuelles, mais une photo ne mesure pas directement les grammes. Le résultat reste une estimation.
Une photo peut-elle mesurer précisément les calories ?
Non. Elle peut aider à identifier les aliments et estimer les portions, mais elle ne mesure pas directement les calories.
Une photo prise du dessus est-elle meilleure ?
Pas toujours. Elle montre bien la surface mais moins bien la hauteur. Un angle intermédiaire peut parfois fournir davantage d'informations tridimensionnelles.
Une fourchette aide-t-elle à estimer la taille ?
Un objet familier peut fournir un contexte d'échelle, mais les couverts varient en taille. Il s'agit donc d'un indice et non d'une mesure parfaite.
Les plats mélangés sont-ils plus difficiles ?
Souvent oui. Les ingrédients se chevauchent et l'huile, les sauces ou les proportions internes peuvent être invisibles.
Faut-il plutôt peser les aliments ?
Si le poids exact est important, une balance fournit une information plus forte. Pour le suivi quotidien, l'estimation photo peut réduire le travail manuel.
L'IA peut-elle estimer une portion sans objet de référence ?
Oui, elle peut utiliser le type d'aliment, le récipient, la perspective et le contexte appris. L'incertitude peut cependant être plus importante.
Pourquoi deux photos du même repas donnent-elles des résultats différents ?
La distance, l'angle, la perspective, la visibilité et l'éclairage modifient les informations disponibles.
En résumé
L'IA peut estimer la taille des portions à partir d'une photo, mais il s'agit d'une inférence et non d'une mesure directe.
Des limites alimentaires claires, un contexte de taille utile, un angle raisonnable et une bonne visibilité peuvent aider.
Les récipients profonds, les aliments qui se chevauchent, les ingrédients cachés, les sauces et les plats mélangés rendent la tâche plus difficile.
Pour le suivi quotidien, une approche pratique consiste à laisser l'IA créer rapidement une estimation initiale, puis à corriger la portion lorsque vous disposez d'une meilleure information ou lorsque le résultat est manifestement faux.
Vous conservez ainsi la simplicité du suivi photo sans traiter une estimation visuelle comme une mesure exacte.
Cet article fournit des informations nutritionnelles générales à visée éducative et ne remplace pas un conseil médical ou diététique individualisé.
- Tracker de calories par IA
- Comment suivre ses calories
- Mealisa AI Food Scanner