Compter ses calories avec une photo : est-ce fiable ?
Par Gautier, créateur de Nutrinova · 17 novembre 2026 · 8 min de lecture
Compter ses calories avec une photo, c’est laisser une application reconnaître ce qu’il y a dans ton assiette, estimer la quantité et la convertir en énergie et en nutriments. Selon les études, cela marche à peu près aussi bien que ta propre estimation : une revue systématique de 52 études, publiée en 2023, trouve une erreur moyenne sur les calories comprise entre 0,1 % et 38 %, selon la méthode et le repas. Voici comment l’estimation se fait, où elle se trompe, pourquoi même l’étiquette d’un emballage est une estimation, et quoi regarder pour choisir une application.
Comment une photo devient un chiffre
Toute estimation à partir d’une photo passe par trois étapes, que l’application les fasse l’une après l’autre ou d’un coup.
- La reconnaissance. L’application identifie chaque aliment. Dans la revue de Shonkoff et ses collègues (2023), 79 % des études utilisaient un réseau de neurones entraîné sur de grandes collections de photos d’aliments annotées. Les applications récentes s’appuient aussi sur des modèles d’IA généralistes, capables de lire une scène entière.
- La portion. C’est l’étape difficile. Une photo est plate : le modèle déduit le volume d’indices comme la taille de l’assiette, les couverts ou la profondeur d’un bol. Dans une étude de Fridolfsson et ses collègues (2025), trois IA généralistes, à qui l’on donnait des photos standardisées avec assiettes et couverts comme repères, ont toutes sous-estimé les portions, et d’autant plus que la portion était grande.
- La conversion. Le poids estimé de chaque aliment est relié à une base de valeurs nutritives, qui donne les calories, les protéines, les glucides, les lipides et les fibres.
Pourquoi l’huile et les sauces posent problème
Un appareil photo ne voit que des surfaces. L’huile de la poêle, le beurre fondu sur les légumes ou la crème d’une sauce laissent peu de traces visibles, mais ils apportent beaucoup d’énergie. Selon la Base de données suisse des valeurs nutritives, l’huile de colza et l’huile d’olive contiennent 900 kcal pour 100 g : 10 g d’huile ajoutent donc environ 90 kcal, parfois invisibles sur la photo.
Les études désignent ces graisses invisibles comme un point faible, mais l’erreur ne va pas toujours dans le même sens. Dans une étude japonaise de 2026 sur 15 repas d’hôpital pesés, toutes les IA surestimaient les lipides de plus de 20 % en moyenne. Dans une étude des Instituts nationaux de la santé américains (NIH) sur quatre applications grand public, présentée en congrès en 2026, les lipides étaient sous-estimés d’environ 30 g par repas. La revue de Shonkoff note aussi des erreurs plus faibles pour un aliment seul et simple que pour un plat mélangé.
Ce que disent les études sur la précision
Les études ci-dessous comparent l’estimation de l’IA à une référence : des aliments pesés en cuisine ou en laboratoire, ou calculés avec des tables nutritionnelles.
| Étude | Ce qui a été testé | Résultat principal |
|---|---|---|
| Shonkoff et al., 2023, revue systématique | 52 études de méthodes entièrement automatiques | Erreur moyenne sur les calories de 0,1 % à 38 %, proche de l’humain ; pas encore prêtes à servir seules en recherche ou en clinique |
| Fridolfsson et al., 2025 | 3 IA généralistes, 52 photos standardisées | Erreur moyenne sur l’énergie d’environ 36 % pour les deux meilleures ; sous-estimation qui croît avec la portion |
| Chen et al., 2025 | 714 photos de 57 jeunes adultes, contre 3 jours de pesées | Énergie le plus souvent à 10 à 20 % près ; lipides et protéines moins réguliers ; donner le nom du plat aide |
| Isobe et al., 2026 | 15 repas d’hôpital, IA contre 10 diététicien·ne·s | Énergie souvent à 10 % près pour les meilleures IA et pour les diététicien·ne·s ; lipides surestimés de plus de 20 % |
| Résumé NIH présenté en congrès, 2026 | 4 applications grand public, plus de 100 repas d’une cuisine métabolique | Calories sous-estimées d’environ un tiers, 250 à 345 kcal par repas en moyenne ; résultat préliminaire, pas encore relu par des pairs |
Deux tendances ressortent. L’énergie totale est mieux estimée que chaque macronutriment, et les glucides mieux que les lipides ou les protéines. Et les conditions comptent beaucoup : une photo prise de haut, bien éclairée, fait mieux qu’une photo prise sur le vif avec la moitié de l’assiette cachée.
Comparé à ta propre estimation
Estimer à l’œil n’est pas une référence neutre non plus. Une revue systématique de Whitton et ses collègues (2022), sur 29 études et 2964 adultes, montre que les erreurs les plus fréquentes des carnets alimentaires et des rappels de 24 heures sont les oublis et les portions mal jugées. Selon les études, les condiments étaient oubliés de 1 % à 80 % du temps, les légumes de 2 % à 85 %. L’étude de Fridolfsson conclut que les meilleures IA atteignent une précision comparable à celle des relevés déclarés classiques, sans l’effort de tout noter.
En clair, une photo ne supprime pas l’incertitude : elle en change l’origine.
Même l’étiquette est une estimation
Le chiffre imprimé sur un emballage n’est pas exact non plus. Le guide de la Commission européenne sur les tolérances explique que les valeurs déclarées sont des moyennes, parce que les aliments varient naturellement et changent pendant la fabrication et le stockage. Pour un aliment qui contient 10 à 40 g de lipides, de protéines ou de glucides pour 100 g, la quantité mesurée peut s’écarter de 20 % de l’étiquette, dans un sens ou dans l’autre ; sous 10 g, l’écart permis est de 2 g, ou 1,5 g pour les lipides. En Suisse, l’Office fédéral de la sécurité alimentaire et des affaires vétérinaires (OSAV) recommande de suivre ce même guide et juge non conformes les produits hors de ces tolérances.
Un repas pesé, fait de produits étiquetés, est donc plus proche de la réalité qu’une photo, mais reste une estimation.
Comment choisir une application
Aucune application ne convient à tout le monde, et aucune n’est exacte. Ces questions aident à comparer.
- La méthode d’estimation. L’application part-elle d’une photo, d’une description, d’un code-barres ou d’une base d’aliments, et peux-tu les combiner ? Peux-tu lui signaler l’huile, la sauce ou la portion qu’elle ne voit pas ?
- La transparence. Dit-elle clairement que ses chiffres sont des estimations ? Vois-tu ce qu’elle a reconnu, et peux-tu corriger un aliment ou une portion ?
- La protection des données. Ce que tu manges peut en dire long sur ta santé. Selon la loi fédérale sur la protection des données révisée, en vigueur depuis septembre 2023, les données sur la santé sont des données sensibles, et quand un consentement est nécessaire pour les traiter, il doit être exprès. Vérifie où tes données sont stockées, si elles sont vendues ou servent à la publicité, et si tu peux les effacer. Dans l’UE, c’est le RGPD qui fixe le cadre.
- Le modèle de prix. Certaines applications sont gratuites avec publicité, d’autres réservent la photo à un abonnement, d’autres proposent un essai puis un abonnement. Regarde ce qui reste disponible après l’essai et comment résilier.
- Ta situation. En cas de diabète, de maladie rénale, de régime médical ou de rapport difficile à la nourriture, un médecin ou un·e diététicien·ne diplômé·e est un meilleur point de départ qu’une application.
Obtenir une meilleure estimation
Les études ci-dessus suggèrent quelques gestes simples : photographier de haut, avec toute l’assiette dans le cadre, garder les aliments visibles plutôt qu’empilés, et ajouter quelques mots pour ce que l’appareil ne voit pas, comme « poêlé dans une cuillère à soupe d’huile » ou « avec une sauce à la crème ». Dans l’étude de Chen, donner le nom du plat en plus de la photo améliorait la précision.
C’est ainsi que fonctionne Nutrinova : tu enregistres un repas avec une photo, une description ou les deux, et l’application estime les calories, les protéines, les glucides, les lipides et les fibres, avec un Nova Score de A à E pour chaque repas. Ce sont des estimations, utiles pour voir l’allure d’une journée plutôt que pour compter au gramme près. Pour les mettre en perspective, lis combien de calories il te faut par jour et ce qu’est un déficit calorique.
Questions fréquentes
- Une application qui compte les calories avec une photo, est-ce précis ?
- Elle donne une estimation, pas une mesure. Dans une revue systématique de 52 études publiée en 2023, l’erreur moyenne sur les calories des méthodes automatiques allait de 0,1 % à 38 %, à peu près comme l’estimation humaine. Des études récentes trouvent que les IA et les applications grand public sous-estiment souvent les grosses portions et les graisses. Un aliment simple et bien visible est mieux estimé qu’un plat en sauce ou mélangé.
- Les calories indiquées sur l’étiquette sont-elles exactes ?
- Pas au gramme près. Selon le guide de la Commission européenne sur les tolérances, que l’OSAV recommande de suivre en Suisse, la valeur déclarée est une moyenne : un aliment qui contient 10 à 40 g de lipides pour 100 g peut en contenir 20 % de plus ou de moins que l’étiquette. Les variations naturelles, la recette et le stockage jouent tous un rôle.
- Comment choisir une application pour compter ses calories ?
- Regarde comment elle estime un repas (photo, texte, code-barres, base de données), si tu peux voir et corriger son estimation, où tes données sont stockées et si elles sont vendues, et ce qu’elle coûte après l’éventuel essai. Si tu suis un régime médical, commence plutôt par un·e diététicien·ne.
- Une photo, c’est mieux que d’estimer à l’œil ?
- Les études suggèrent une précision du même ordre. Une personne se trompe surtout en oubliant des aliments et en jugeant mal les portions ; l’IA se trompe surtout sur la portion et sur ce qu’elle ne voit pas. Ajouter quelques mots à la photo, comme l’huile utilisée, aide dans les deux cas.
Sources
- Shonkoff et al., Annals of Medicine : méthodes d’évaluation alimentaire par image et IA comparées à l’humain et à la référence, revue systématique (2023, en anglais)
- Fridolfsson et al., Current Developments in Nutrition : trois modèles de langage pour estimer les nutriments à partir de photos (2025, en anglais)
- Chen et al., American Journal of Clinical Nutrition : chatbot multimodal pour l’évaluation alimentaire par image, validé contre des pesées (2025, en anglais)
- Isobe et al., Nutrients : estimation des nutriments par IA à partir de photos de repas d’hôpital, comparée à des diététicien·ne·s (2026, en anglais)
- American Society for Nutrition, via ScienceDaily : précision des applications de calories par photo, résumé NIH au congrès NUTRITION 2026 (2026, en anglais)
- Whitton et al., Advances in Nutrition : les sources d’erreur des relevés alimentaires déclarés, revue systématique (2022, en anglais)
- Commission européenne : guide sur les tolérances des valeurs nutritionnelles déclarées sur l’étiquette (2012, en anglais)
- OSAV : lettre d’information 2021/3, tolérances pour la déclaration nutritionnelle (2021, en allemand)
- OSAV : Base de données suisse des valeurs nutritives, téléchargement (2026)
- Confédération suisse : loi fédérale sur la protection des données (LPD), RS 235.1 (2023)
Plus d’articles
17 novembre 2026 · 8 min de lecture
Déficit calorique : comment il marche, et ses limites
Ce qu’est un déficit calorique, d’où vient la règle des 7700 kcal par kilo, pourquoi elle surestime la perte de poids et les signes d’un déficit trop fort.
17 novembre 2026 · 8 min de lecture
Combien de calories par jour ? Repères et calcul
Ton besoin en calories dépend de l’âge, du sexe, du gabarit et de l’activité. Valeurs suisses, tableau par âge, formule de Mifflin-St Jeor et un exemple.
17 novembre 2026 · 9 min de lecture
Fibres par jour : combien en manger et où les trouver
Combien de fibres par jour pour un adulte, ce qu’on mange vraiment en Suisse et en France, et un tableau d’aliments courants avec leurs grammes par portion.
