La reconnaissance d'aliments de Nutrify envoie la photo de votre repas à un grand modèle d'IA multimodal, qui décrit ce qu'il voit avec des mots. Elle n'est donc pas limitée à une liste fixe de plats appris. C'est pourquoi elle peut identifier de l'injera avec du misir wot, un masala dosa ou un bol de pho, ainsi que les différents éléments de l'assiette.
Elle fait encore des erreurs avec les versions régionales et maison. Une courte note comme « dosa du sud de l'Inde avec chutney » (l'exemple que l'application elle-même suggère) corrige la plupart des cas.
Points clés
- Reconnaissance ouverte, pas un menu fixe. Le modèle décrit le plat au lieu de choisir parmi quelques centaines de catégories, donc les cuisines moins courantes ne sont pas exclues.
- Le bon nom ne suffit pas. La portion et les matières grasses cachées (ghee, lait de coco, crème) peuvent encore fausser les calories.
- Le contexte vaut mieux qu'une deuxième photo. Écrire ou dire ce qu'il y a dans le plat est le moyen le plus rapide de corriger.
- Les recettes de famille vont dans votre bibliothèque. Importez-les une fois, puis enregistrez une portion en un geste.
- Quel Nutrify : cette page porte sur Nutrify - AI Calorie Tracker, et non sur les applications au nom similaire.
De quel Nutrify parle-t-on ?
Plusieurs produits portent ce nom. Cet article concerne Nutrify - AI Calorie Tracker, édité par Tappect LLC, disponible sur l'App Store. Ce n'est pas Nutrify: Whole Food Tracker, une application distincte qui reconnaît une liste fixe de plus de 1 000 aliments bruts directement sur l'appareil, et ce n'est pas NutrifyAI, un prototype de recherche fondé sur le détecteur YOLOv8.
Comment Nutrify identifie un plat
- Vous prenez une photo, ou vous en choisissez une dans votre galerie. Avant l'analyse, vous pouvez ajouter des précisions en écrivant ou en parlant.
- L'IA décrit l'assiette. Elle nomme le plat et chaque élément, par exemple « biryani au poulet, raita, un papad ».
- Elle estime les quantités de chaque élément à partir de ce qui est visible sur la photo.
- Elle crée la saisie avec les calories, les protéines, les glucides et les lipides, ainsi qu'une liste d'ingrédients modifiable.
- Vous confirmez ou ajustez. Changez le nom, la quantité ou la portion, et les valeurs se recalculent.
Si une photo n'est pas pratique, vous pouvez décrire le repas par écrit ou à la voix, ou scanner un code-barres pour les produits emballés. Pour le contexte technique, voir comment fonctionne la reconnaissance des aliments par IA.
Pourquoi la cuisine compte encore
Les anciens systèmes de reconnaissance étaient des classifieurs : ils apprenaient un ensemble fixe d'étiquettes et choisissaient la plus proche. Si un plat ne figurait pas dans la liste, l'application devinait quelque chose de ressemblant. Les jeux de données ont vite grandi. Food2K, publié dans IEEE TPAMI, compte 2 000 catégories et plus de 1 million d'images, soit environ dix fois plus que les ensembles précédents. Mais 2 000 étiquettes restent peu de chose face à la cuisine du monde.
| Approche | Comment elle nomme l'aliment | Point fort | Point faible |
|---|---|---|---|
| Classifieur à liste fixe | Choisit l'étiquette apprise la plus proche | Rapide, peut tourner sur le téléphone | Tout ce qui n'est pas dans la liste reçoit le sosie le plus proche |
| Modèle d'IA multimodal (Nutrify) | Décrit le plat et ses composants avec des mots | Gère les plats et associations sans étiquette | Peut se tromper avec assurance sur des plats régionaux rares |
La recherche montre que la cuisine influe sur les chiffres autant que sur le nom :
- Repas péruviens : sur 510 photos de déjeuners tirées d'un livre de cuisine péruvien, le meilleur modèle testé, même lorsqu'on lui donnait le nom du repas, n'a concordé avec la valeur calorique de la recette que dans 45 % des cas, avec un écart moyen de 108 calories (Journal of Nutrition, 2026).
- Repas japonais : lorsque des chercheurs ont demandé à six modèles d'IA de raisonner comme un diététicien japonais, chaque modèle a abaissé ses estimations caloriques, et l'erreur sur les petites portions des cantines japonaises a baissé jusqu'à environ 20 points (Nutrients, 2026). Les normes de portion varient selon les cuisines, donc la portion par défaut d'un modèle peut ne pas correspondre à la vôtre.
Des plats qui demandent un petit coup de pouce
Voici les points délicats les plus courants, et le détail qui règle chacun.
| Cuisine | Cas difficile | Pourquoi | Ce qu'il faut ajouter |
|---|---|---|---|
| Indienne | Dal, korma, butter chicken | Le ghee, la crème et l'huile sont invisibles | « Préparé avec 1 cuillère à soupe de ghee », « restaurant, crémeux » |
| Sud-indienne | Masala dosa, idli avec sambar | La garniture est cachée ; la profondeur du sambar est difficile à juger | « Masala dosa, garniture aux pommes de terre », « 240 ml de sambar (1 tasse) » |
| Éthiopienne | Injera avec plusieurs wots | Plat partagé ; l'injera se cache sous les ragoûts | « 2 morceaux d'injera, ma part du plat commun » |
| Thaïe et vietnamienne | Currys, pho | Lait de coco et volume du bouillon | « Curry vert au lait de coco », « grand bol » |
| Coréenne | Banchan | Beaucoup de petits plats | Scannez ou saisissez chaque plat que vous avez mangé |
| Mexicaine | Burritos, enchiladas | Riz, haricots et fromage sont enroulés | Déroulez-le ou listez les garnitures |
| Moyen-orientale | Mezzés, houmous | Huile d'olive qui stagne en surface | « Environ 1 cuillère à soupe d'huile d'olive dessus » |
Les autres conseils de scan se trouvent dans le tutoriel : photographiez par le dessus, gardez toute l'assiette dans le cadre et, pour les menus composés, scannez chaque élément séparément. Notre guide sur le suivi des cuisines du monde avec l'IA passe en revue les plats un par un, tandis que le guide des calories de la cuisine indienne et le guide nutritionnel de la cuisine thaïlandaise donnent des chiffres pour les plats courants. Pour comprendre pourquoi les graisses comptent autant, voir comment l'IA gère la portion.
Quand l'IA se trompe
- Renommez le plat. Touchez le nom et tapez le bon.
- Utilisez AI Refine. Ajoutez une note comme « préparé au lait de coco », « c'était frit » ou « j'en ai mangé environ 200 g », et la saisie est recalculée.
- Corrigez les ingrédients. Ajoutez un élément manquant en le décrivant, en scannant un code-barres ou une étiquette, ou en le saisissant à la main. Supprimez ce qui n'était pas dans votre assiette.
- Signalez-le. Si un résultat est clairement faux, signalez-le depuis la saisie pour qu'il soit examiné.
- Enregistrez vos habitudes. Importez une recette de famille depuis une URL, une photo de page de livre de cuisine ou une liste d'ingrédients, puis enregistrez une portion depuis votre bibliothèque. Notre guide sur le suivi des recettes maison avec l'IA explique la marche à suivre.
Nutrify est disponible en 15 langues et propose un essai gratuit de 7 jours, puis un abonnement payant.
Sources
- Nutrify - AI Calorie Tracker sur l'App Store (fiche consultée le 2026-10-26).
- Min W, et al. Large scale visual food recognition (Food2K). IEEE TPAMI.
- Carrillo-Larco RM, et al. Evaluating large language model accuracy in predicting Peruvian meal nutrition. J Nutr, 2026.
- Nakagawa S, Yamamoto A. A Japanese-dietitian prompt systematically shifts portion estimates in LLM-based nutrient estimation from food images. Nutrients, 2026.
- NutrifyAI: an AI-powered system for real-time food detection. arXiv, 2024.
- Nutrify: Whole Food Tracker listing summary, MWM.



