Méthodologie du benchmark 2026 des trackers caloriques IA

Étape 1

Sélection des applis

Nous incluons les 10 applis de suivi calorique IA les plus utilisées dans le monde, d'après les données publiques de téléchargements et d'avis. Les applis doivent proposer la reconnaissance par photo basée IA dans au moins une version gratuite ou d'essai ; les applis purement basées sur la recherche en base sont exclues. La liste de 10 est revue chaque année.

Étape 2

Bibliothèque d'images (15 000 photos)

15 000 photos de repas dans 10 catégories de cuisine (1 500 photos chacune) : américaine, méditerranéenne, japonaise, chinoise, indienne, mexicaine/latino-américaine, sud-est asiatique, Moyen-Orient, africaine et européenne. Trois niveaux de difficulté : simple (un seul aliment), mixte (2-4 composants) et complexe (5+ composants ou plats denses). Les photos sont prises sous éclairage standardisé, sous angles constants, avec un objet de référence pour l'échelle.

Étape 3

Vérité terrain : portions pesées en labo

Chaque plat photographié est pesé sur des balances de labo calibrées (précision ±0,1 g) avant d'être photographié. La composition macro est calculée à partir de USDA FoodData Central et bases régionales vérifiées. Cela crée une référence objective contre laquelle nous mesurons les estimations IA de chaque appli.

Étape 4

Protocole de test

Triple envoi : chaque photo est soumise trois fois à chaque appli, la médiane sert de score final.
Tests en aveugle : les développeurs ne sont pas avertis et ne savent pas quelles images sont envoyées.
Comptes consommateurs standard : pas d'accès anticipé, pas de clés API privées.
Conditions identiques : même appareil, même réseau, même éclairage.

Étape 5

Système de notation

Cinq métriques pondérées composent le score final :

Taux d'identification (30 %) : précision top-1 sur les 15 000 photos.
MAPE des portions (25 %) : erreur absolue moyenne en pourcentage sur l'estimation en grammes.
Vitesse de traitement (20 %) : temps médian de la photo au résultat.
Couverture des cuisines (15 %) : constance sur les 10 catégories.
Apprentissage et adaptation (10 %) : amélioration après feedback utilisateur.

Questions courantes

FAQ sur la méthodologie

Les développeurs savent-ils que leurs applis sont testées ?

Non. Les tests utilisent des comptes consommateurs standard sans contact préalable avec les développeurs. Ils ne sont avertis ni avant, ni pendant, ni après les tests. Cela empêche toute manipulation ou optimisation ciblée sur nos conditions.

Pourquoi la bibliothèque d'images n'est-elle pas publiée ?

Publier la bibliothèque permettrait aux développeurs de l'inclure dans leurs futurs entraînements, invalidant les cycles suivants. Elle reste interne et est remplacée chaque année. La méthodologie de construction est entièrement publique pour reproduire un benchmark comparable.

Qui finance ce benchmark ?

Le benchmark est autofinancé. Tous les achats d'applis, équipements de test et coûts de vérification labo sont payés directement. Le site est uniquement financé par la publicité display. Aucun éditeur, programme d'affiliation ou placement sponsorisé ne contribue aux coûts ni n'influence les résultats.

Voir les résultats

Classement général Tous les tests