Gemini comme assistant nutritionnel IA : possibilités et limites

L’intelligence artificielle peut-elle devenir un assistant personnel pour les choix alimentaires du quotidien ? L’expérience menée avec le modèle Gemini de Google aborde cette question non seulement sous l’angle de la création d’un programme alimentaire, mais aussi de la réponse à des besoins qui évoluent au fil de la journée. Le processus commence par un échange sur les objectifs, le mode de vie et les préférences alimentaires, puis se transforme en utilisation d’un assistant interactif qui évalue les repas, propose des alternatives et répond aux questions sur les aliments. La valeur réside moins dans une réponse ponctuelle que dans un dialogue continu.

La personnalisation repose d’abord sur le contexte fourni à l’assistant. Dans cette expérience, les objectifs, le niveau d’activité, les aliments appréciés et ceux à éviter par préférence ont été pris en compte ensemble pour élaborer un programme alimentaire intégrant les jours d’entraînement et de repos. Cette approche illustre la manière de formuler des recommandations adaptées au rythme quotidien de l’utilisateur, plutôt que de proposer le même programme à tous. Toutefois, une réponse qui semble personnalisée ne peut pas être présumée médicalement adaptée. Un programme généré par l’IA ne doit pas être considéré comme une prescription remplaçant l’évaluation d’un professionnel.

L’interaction visuelle a constitué l’un des aspects pratiques de l’expérience. Des photos de repas ont permis de produire des estimations des calories, des protéines, des glucides et des lipides, ensuite ajoutées au suivi quotidien. Le processus de consignation commençait ainsi par une photo, au lieu de nécessiter une description de chaque repas uniquement par écrit. Une image ne permet cependant pas de déterminer avec certitude le poids d’une portion ni l’ensemble des ingrédients ajoutés au plat. Il convient donc de considérer les résultats comme des estimations, et non comme des mesures, et de les compléter, dans la mesure du possible, par des informations sur les quantités et les ingrédients.

Le suivi quotidien ne s’est pas limité à répertorier les repas précédents. Dans cette expérience, des options pour les repas suivants ont été proposées à partir de la consommation enregistrée et de l’objectif calorique journalier. Les questions sur la pertinence d’un produit, posées à l’aide d’une photo en magasin ou au restaurant, ont également donné lieu à des suggestions alternatives. Le point essentiel est de savoir sur quelles informations repose la recommandation : un repas non consigné ou une estimation erronée des portions peut modifier l’évaluation de ce qu’il reste à consommer pour atteindre l’objectif. Ce fonctionnement ne doit pas être confondu avec un système autonome de surveillance continue de la santé.

Se renseigner sur la composition d’un aliment, comparer différentes options de repas ou revoir son programme quotidien font partie des usages accessibles des assistants IA. Chez X Mind Solutions, nous considérons cet exemple comme un cas d’usage illustrant la manière dont une interaction enrichie par le contexte peut soutenir les décisions du quotidien. En matière d’alimentation, il reste toutefois nécessaire d’évaluer séparément la commodité et la fiabilité. En particulier en cas de maladie, d’allergie ou de besoins nutritionnels spécifiques, l’accompagnement d’un professionnel doit rester la référence ; l’assistant doit être utilisé comme un outil d’organisation de l’information et de préparation.