Compter les calories a toujours été une tâche fastidieuse. Pendant des décennies, ceux qui souhaitaient enregistrer ce qu'ils mangeaient devaient peser les ingrédients, consulter des tableaux nutritionnels et noter chaque donnée à la main. L'irruption des smartphones a simplifié ce processus : d'abord, des bases de données alimentaires avec recherche textuelle sont apparues, et plus récemment, des applications capables d'analyser une photo du plat pour estimer automatiquement son contenu calorique et nutritionnel.
La promesse était attrayante : il suffisait de prendre une photo pour savoir combien on avait mangé, mais peu d'études avaient évalué sa précision par rapport à une référence de haute exactitude.
La réponse est arrivée avec des résultats présentés lors de la conférence annuelle de la Fédération Américaine de Nutrition, tenue à National Harbor, Maryland : les applications de compte de calories par photographie sous-estiment systématiquement le contenu énergétique réel des repas. Dit autrement : si une application a estimé 900 calories, le valeur réelle du plat se situerait autour de 1.350, un tiers de plus que ce que la technologie a enregistré.
Le travail a été conduit par des chercheurs de l'Institut National du Diabète, des Maladies Digestives et Rénales, qui dépend des Instituts Nationaux de la Santé des États-Unis. Il convient de noter que les résultats sont considérés comme préliminaires, puisque cette étude n'a pas encore été publiée dans une revue avec validation par les pairs.
L'expérience : une cuisine de précision comme arbitre
Pour éviter l'imprécision habituelle des études diététiques, l'équipe s'est tournée vers un environnement de contrôle peu fréquent : la cuisine métabolique clinique du NIH, un type de cuisine de recherche où chaque ingrédient est pesé avec une précision de 0,1 gramme et les repas sont planifiés selon des tableaux nationaux de composition alimentaire. Sur cette base de référence, ils ont obtenu des photographies standardisées de 102 repas préparés dans le cadre d'une étude de régime contrôlé qui examine comment l'organisme traite les nutriments selon le type de régime consommé.
Quatre applications commerciales de comptage de calories avec reconnaissance d'images par intelligence artificielle ont analysé ces photographies. Leurs résultats ont été comparés aux valeurs réelles grâce à l'analyse de Bland-Altman, une technique statistique qui mesure le degré d'accord et le biais entre deux méthodes de mesure, et par des coefficients de corrélation intraclasse, qui évaluent la consistance des estimations dans le temps.
Ce que les apps ne voient pas : graisse, calories et un écart systématique
Les résultats étaient uniformes dans un sens : les quatre applications sous-estimaient le contenu énergétique réel des repas d'environ 33%, avec des différences statistiquement significatives dans tous les cas. Sur une moyenne de 918 kilocalories par ingestion, équivalent approximatif à un déjeuner complet de taille modérée, l'erreur d'estimation variait entre 252 et 345 kilocalories par repas. Pour cadrer cela : ces calories que l'application ne registre pas équivalent, selon le cas, à une portion de riz avec du poulet ou à plusieurs verres de lait entier.
La graisse était le macronutriment le plus affecté, sachant que les trois grands groupes de nutriments qui fournissent de l'énergie sont : graisses, glucides et protéines. Les quatre applications l'ont sous-estimée de près de 30 grammes par repas, chiffre comparable à deux cuillères à soupe bien pleines d'huile ou à une portion généreuse de fromage.
Deux d'entre elles ont également sous-estimé les glucides d'environ 14 grammes. C'est précisément ce nutriment qui a montré une performance comparativement plus stable : les coefficients de corrélation intraclasse, une mesure qui indique à quel point l'estimation de l'application correspond à la valeur réelle sur une échelle de 0 à 1, où 1 est une correspondance parfaite, ont atteint des valeurs égales ou supérieures à 0,69, un intervalle que les chercheurs considèrent comme modéré à bon. Pour les graisses et les protéines, en revanche, cette consistance est tombée en dessous de 0,40, un niveau que l'étude qualifie de médiocre et qui implique que les estimations s'écartent considérablement des valeurs mesurées dans la cuisine métabolique.
L'analyse de biais a également révélé un motif qui mérite attention : deux des applications ont estimé avec plus de précision les repas de plus haut contenu calorique, tandis que leur marge d'erreur était plus prononcée dans les repas les plus légers, où la précision serait plus pertinente pour ceux qui cherchent à contrôler leur consommation.
Régimes cétogènes et les limites de la reconnaissance visuelle
Dans le cadre d'une phase exploratoire indépendante du travail, distincte de l'analyse principale de 102 repas et encore à un stade préliminaire, l'équipe a examiné plus de 200 repas supplémentaires et a commencé à détecter un motif d'intérêt : les applications ont plus de difficultés avec des repas typiques de régime cétogène, probablement en raison de leur haute teneur en graisses.
La hypothèse de l'équipe est que le même composant que les applications ont estimé avec moins de consistance lors de l'analyse principale. Ces résultats ne font pas partie des conclusions centrales de l'étude présentée au congrès et devront être confirmés lors de recherches ultérieures.
Le travail fait partie d'une ligne de recherche plus large du NIH sur la façon dont l'organisme métabolise les nutriments selon le régime alimentaire adopté.
L'équipe propose, comme voie vers une plus grande exactitude dans l'utilisation quotidienne, de combiner la reconnaissance photographique avec des méthodes traditionnelles d'enregistrement diététique. Les découvertes restent de caractère préliminaire jusqu'à ce qu'elles soient soumises à un examen par les pairs et publiées dans une revue scientifique spécialisée.