Cet article est PREMIUM, et nécessite un abonnement payant pour lire la suite

Je m’identifie
Créer mon compte

Créez votre compte dès maintenant puis contactez-nous pour accéder aux articles Premium et/ou Lettre Export.

Inscription

Temps estimé - 5 min

Depuis sa démocratisation, l’intelligence artificielle (IA) s’impose progressivement comme un outil accessible pour générer des recommandations nutritionnelles personnalisées. De nombreux adolescents, notamment confrontés à des problématiques liées au poids ou à l’image corporelle, se tournent vers ces outils numériques pour obtenir des conseils alimentaires.

Cependant, cette pratique soulève une question centrale : les régimes générés par IA sont-ils réellement adaptés aux besoins nutritionnels spécifiques des adolescents, une population en pleine croissance et particulièrement vulnérable aux déséquilibres alimentaires ?

L’objectif de cette étude est d’évaluer la validité nutritionnelle de plans alimentaires générés par différentes intelligences artificielles, en les comparant à des régimes élaborés par un diététicien conformément aux recommandations internationales.

Pour cela, les auteurs ont mis en place une étude comparative et transversale basée sur :

  • 5 modèles d’IA générative (ChatGPT-4o, Gemini 2.5 Pro, Claude 4.1, Bing Chat-5GPT, Perplexity),
  • 4 profils standardisés d’adolescents (surpoids et obésité, garçons et filles),
  • 3 jours de régime alimentaire proposés.

Soit 60 plans de régimes au total comparés au plan de référence établi par un diététicien selon les lignes de conduite et les recommandations nutritionnelles pour chacun des 4 profils d’adolescents (les recommandations OMS/FAO, les répartition des macronutriments (Acceptable Macronutrient Distribution Ranges (AMDR)), les besoins énergétiques spécifiques à l’adolescence et les recommandations nutritionnelles turques).

Les comparaisons portaient sur l’énergie totale, les protéines, les lipides, les glucides, et 22 micronutriments (minéraux et vitamines).

Les résultats montraient que les régimes générés par IA présentent un biais majeur : une sous-estimation systématique des apports recommandés : – 695 kcal en moyenne par rapport aux recommandations, – 19,9 g de protéines, – 15,8 g de lipides et  – 114,6 g de glucides.

De plus, les plans élaborés par IA présentaient des pourcentages d’apports énergétiques : déséquilibrés :

  • Protéines : 21,5–23,7% (légèrement élevées, autour de 10-30%)
  • Lipides : 41,5–44,5% (trop élevés, autour de 25-35%)
  • Glucides : 32,4–36,3% (trop faibles, autour de 45-64%)

À l’inverse, les plans diététiques respectaient les recommandations AMDR.

Concernant les micronutriments, les résultats mettaient en évidence des écarts importants pour la vitamine D, le calcium, le fer, ou les folates ainsi qu’une meilleure cohérence pour certaines vitamines B.

Les résultats montraient des différences significatives entre les différents outils IA pour l’énergie, les lipides et les glucides et aucune cohérence globale entre modèles. Aucun modèle ne se rapprochait systématiquement du plan établi par un diététicien.

→ En conclusion, cette étude met en évidence que les régimes générés par IA présentent des écarts nutritionnels cliniquement significatifs. Ces erreurs concernent à la fois les apports énergétiques, les macronutriments et les micronutriments. Les modèles manquent de cohérence, de précision et d’individualisation. Les erreurs sur les apports énergétiques traduisent un biais vers des régimes probablement influencés par les tendances nutritionnelles en ligne.

 

« Artificial intelligence diet plans underestimate nutrient intake compared to dietitians in adolescents »

Article publié le 12 mars 2026 dans Frontiers in Nutrition

Lien (article en accès libre) : https://doi.org/10.3389/fnut.2026.1765598

Photo d’illustration issue de la banque d’images Pexels. Crédit : Max Fischer