ChatGPT ne remplace pas une vraie app de nutrition

ChatGPT ne peut pas remplacer une vraie app de nutrition pour une raison structurelle : il sait regarder la photo de ton assiette, mais il n'en fait pas un repas daté et structuré dans un journal que tu peux mettre en graphique. Il ne résout pas un code-barres contre une base nutritionnelle, il ne calibre pas les portions sur ta façon de manger, et il n'a aucune connexion à ton poids, tes séances de sport ou ton sommeil. Il est vraiment bon pour expliquer la nutrition en général. Il l'est beaucoup moins pour suivre la tienne en particulier. Les deux répondent à des besoins complètement différents, et c'est en les confondant que naît la frustration classique du "je mange mieux mais rien ne change".

Ce que ChatGPT fait vraiment bien

Reconnaissons-le : pour l'éducation nutritionnelle générale, ChatGPT est vraiment utile. Demande-lui d'expliquer la différence entre un régime low carb et low fat, pourquoi le régime cétogène fait grimper le LDL, ou ce que veut dire "protéine complète", et tu auras une réponse claire et globalement juste, plus vite qu'en fouillant cinq articles de blog. Il est bon pour le brainstorming : demande-lui "dix petits-déjeuners riches en protéines à moins de 400 calories qui ne sont pas des œufs" et tu verras, c'est exactement le genre de requête ouverte qu'il gère bien. C'est aussi une bonne caisse de résonance à 23h quand tu veux savoir si un aliment interagit avec un médicament, ou si une affirmation vue sur les réseaux a un fondement scientifique. Rien de ce qui suit ne dit que ChatGPT est mauvais en nutrition. Ça dit que "connaître la nutrition" et "suivre ta nutrition" sont deux produits différents, et que ChatGPT n'a jamais été construit que pour le premier.

Le point aveugle : il ne sait pas ce que tu as vraiment mangé

Demande à ChatGPT d'estimer les calories d'"un bol de pâtes avec du poulet", et il te donnera un chiffre qui sonne précis alors que c'est en réalité une estimation déguisée en mesure, puisqu'il ne sait ni la quantité de pâtes, ni la sauce, ni la quantité d'huile de cuisson, ni la taille réelle de ton bol. Chaque chiffre qu'il te donne dépend de ce que tu as tapé, et ce que tu as tapé est déjà une estimation. Ce n'est pas un défaut propre à ChatGPT : c'est le problème que la science nutritionnelle a toujours eu avec le déclaratif, juste déplacé dans une fenêtre de chat.

Il voit l'assiette, il ne la pèse pas et il ne la garde pas

Tu peux tout à fait envoyer à ChatGPT une photo de ton dîner, et il nommera plutôt bien ce qu'il y a dans l'assiette : des chercheurs lui ont soumis 114 photos de repas et ont mesuré 93,0 % de précision sur l'identification des aliments (O'Hara et al., Nutrients, 2025). Identifier n'a jamais été le point difficile. La quantité, si. Dans cette même étude, le modèle sous-estimait systématiquement le poids des portions moyennes et grandes de 27,8 % en moyenne, et sous-estimait en conséquence 11 des 16 nutriments évalués. Une évaluation de ChatGPT-5 retrouve le même schéma : l'erreur moyenne sur l'énergie totale d'un plat est de 123 kcal à partir de la seule image, et ne tombe à 53 kcal que si l'utilisateur fournit la liste détaillée des ingrédients, les pires écarts concernant les plats servis en bol, dont la profondeur et le volume ne se lisent pas sur une image plate (Rodríguez-Jiménez et al., Nutrients, 2025). La photo te donne donc une estimation plausible, puis cette estimation repose encore sur toi : ton évaluation de la portion, ton souvenir de la quantité d'huile passée dans la sauce. Les petites erreurs s'accumulent vite, et une journée de repas "loggés" peut être fausse de plusieurs centaines de calories sans que tu t'en rendes compte.

• Il lit la photo, mais rien ne la classe : l'estimation atterrit dans un message de chat, pas dans une entrée datée que tu peux totaliser le soir ou mettre en graphique en fin de mois.
• Pas de recherche par code-barres dans une base nutritionnelle : il ne peut pas prendre le code d'un paquet et te renvoyer l'étiquette exacte de ce produit précis, donc les vraies valeurs d'un produit emballé (qui peuvent beaucoup différer d'une estimation "moyenne" générique) n'entrent dans la conversation que si tu les tapes toi-même.
• Pas de base alimentaire persistante liée à ton compte : rien de ce que tu lui dis ne devient un historique structuré et consultable, ce n'est qu'une conversation, pas un journal.
• Pas de calibration des portions : il n'a aucun moyen d'apprendre que ton "bol normal" est plus grand ou plus petit que la moyenne, donc chaque estimation repart d'une hypothèse générique, et c'est exactement de là que vient la sous-estimation mesurée de 27,8 % sur les grandes portions.

Manger dehors, c'est là que l'écart coûte le plus cher

Les repas au restaurant et à emporter sont justement l'endroit où décrire ce qu'on mange à l'oral s'effondre le plus fort : un "bowl burrito poulet" peut faire 500 ou 1100 calories selon le riz, la quantité de fromage, la sauce, et si la cuisine a doublé l'huile dans la poêle ce jour-là. Un scan de code-barres n'a pas besoin que tu saches tout ça : il renvoie les valeurs publiées de ce produit précis, et une fiche restaurant s'appuie sur une estimation documentée du plat de cette enseigne, pas sur la version du repas la plus facile à taper en trois secondes pendant que tu es déjà en train de manger. C'est aussi là que se cache une bonne partie du mystère "pourquoi mon poids ou ma peau stagne alors que j'ai l'impression de faire attention", et ce n'est pas parce que les gens mentent sur leurs efforts, mais parce que manger dehors est l'endroit le plus facile pour sous-estimer les calories de 20 à 40% sans s'en rendre compte.

Le même problème existe avec les snacks emballés : les vraies valeurs nutritionnelles d'une barre de céréales peuvent varier de 50% entre deux marques qui se ressemblent pourtant sur le rayon. Il n'y a aucun moyen de contourner ça en tapant une description : il faut lire, ou scanner, l'étiquette qui est réellement devant toi.

Il t'oublie dès que la conversation passe à autre chose

Même en mettant de côté la précision du log, une conversation de chat n'est pas un dossier de santé. Ce que tu as mangé hier, si tes protéines sont basses depuis deux semaines, si ta "mauvaise semaine peau" correspond à la semaine où tu as pris des laitages quatre jours d'affilée : ce genre de tendance n'apparaît que quand les repas sont stockés, datés et comparables dans le temps. Un fil de discussion, même long, n'est pas construit pour être interrogé de cette façon. ChatGPT a bien une mémoire aujourd'hui, et il peut se référer à tes conversations passées, mais retenir "cette personne est en sèche" et tenir un relevé chiffré de ce que tu as consommé tel jour sont deux métiers différents. Il retient des fragments de ce que tu lui as dit, ce qui est fondamentalement différent d'un journal que tu peux mettre en graphique. Demande-lui "comment mes apports en protéines ont évolué ces trois dernières semaines" et la réponse honnête, c'est qu'il ne peut pas te le dire, parce qu'il n'a jamais vraiment tenu le registre : c'était toi, dans ta tête, et c'est précisément cette méthode qui te fait défaut depuis le début. Si noter chaque repas devient un poids, compter les calories peut se retourner contre toi.

Il peut décrire un régime, pas te dire si tu le suis vraiment

ChatGPT peut expliquer le régime méditerranéen en détail (huile d'olive, légumineuses, poisson, peu de viande rouge), précisément et longuement. Ce qu'il ne peut pas faire, c'est te dire si ta semaine de repas réelle a suffisamment correspondu à ce modèle pour espérer les bénéfices trouvés par la recherche.

Ça se vérifie aussi en dehors du régime méditerranéen. Dans DIETFITS, un essai de 12 mois sur plus de 600 adultes, un régime low carb bien conduit et un régime low fat bien conduit ont produit une perte de poids quasi identique. Ce n'est pas l'étiquette du régime choisi qui a fait la différence, mais la qualité de l'alimentation et la constance avec laquelle les participants s'y sont tenus (Gardner et al., JAMA, 2018). C'est l'adhérence, pas la description, qui prédit les résultats, et l'adhérence est justement ce qu'une conversation de chat n'a aucun moyen de mesurer.

Aucun lien avec ta courbe de poids, ton sport ou ton sommeil

Combien de protéines il te faut, si un déficit calorique est réaliste cette semaine, si ton teint terne vient de l'alimentation ou du sommeil : tout ça dépend d'un contexte que ChatGPT n'a tout simplement pas : ta courbe de poids réelle du dernier mois, si tu as fait de la musculation trois fois cette semaine ou zéro, combien d'heures tu as dormi hier soir. Une réponse générique à "combien de protéines dois-je manger" va tomber dans une fourchette raisonnable et s'arrêter là. En pratique, ça veut dire que la même réponse "150g par jour" est donnée à quelqu'un qui fait de la musculation quatre fois par semaine et à quelqu'un qui ne fait aucun sport, parce que le chatbot n'a aucun moyen de distinguer les deux tant que tu ne lui réexpliques pas toute ta semaine, à chaque question. Il ne peut pas croiser tes repas loggés avec tes pesées loggées et ton sommeil loggé, parce qu'aucun des trois ne vit au même endroit, et tant que tu n'es pas prêt à recopier ces trois historiques à chaque conversation, ça ne changera pas.

Il sonne tout aussi confiant, qu'il ait raison ou non

C'est la partie qui fait vraiment des dégâts : ChatGPT ne nuance pas davantage quand il est moins sûr de lui. Une réponse bien documentée sur le régime méditerranéen et une réponse au ton tout aussi sûr sur un régime avec quasiment aucune recherche dédiée se lisent exactement pareil : fluide, structuré, rassurant.

Rien de tout ça ne veut dire qu'il faut arrêter d'utiliser ChatGPT pour tes questions nutrition, ça reste un bon endroit pour demander pourquoi les laitages sont liés aux boutons chez certaines personnes, ou à quoi ressemble un objectif protéiné raisonnable en végétarien. Mais dès que la question passe de "explique-moi ça" à "est-ce que ce que je mange vraiment fonctionne", il te faut quelque chose qui transforme cette photo en entrée datée, qui tire les valeurs exactes d'un code-barres au lieu d'estimer autour du paquet, qui note tout ça de la même façon chaque jour, et qui se souvient du mois dernier aussi clairement que de ce matin. C'est exactement l'écart que HALOIA est construit pour combler : prends ton repas en photo ou scanne le code-barres pour obtenir un repas loggé et structuré au lieu d'une réponse qui remonte dans le fil, puis laisse l'app suivre la tendance (peau, poids, énergie) par rapport à ce que tu as vraiment mangé sur plusieurs semaines, pas par rapport à ce que tu as raconté à une fenêtre de chat il y a dix minutes. Utilise ChatGPT pour les questions où il est vraiment bon. Utilise une vraie app de nutrition pour la question qui détermine si tout ça fonctionne réellement : est-ce que ta journée a fait avancer les choses, et est-ce que cette semaine est meilleure que la précédente.