La différence décisive, c’est la précision. C’est elle qui rend une estimation des glucides vraiment utile. Carbetic associe l’IA aux mathématiques et à de vraies données de mesure, ce qui rend l’app nettement plus précise que les outils d’IA classiques ou les applications de comptage de calories.
Un chatbot d’IA généraliste estime le plus souvent un repas à partir d’une seule photo. Carbetic, lui, le mesure. Quelques exemples qui expliquent pourquoi Carbetic est plus précis :
Reconstruction 3D plutôt qu’une seule photo. À partir de trois prises de vue, Carbetic crée un modèle 3D du repas. On en déduit les dimensions et le volume de chaque composant. Le volume multiplié par la densité donne le poids, à partir duquel l’app calcule les valeurs nutritionnelles.
Des sources nutritionnelles vérifiées. La base de données Carbetic réunit plusieurs bases de référence : FoodData Central du ministère de l’Agriculture des États-Unis (USDA), les données nutritionnelles des fabricants, des sites officiels et d’autres sources vérifiées. Pour chaque aliment, Carbetic utilise la source la plus adaptée : des valeurs moyennes pour les produits génériques comme un pain à burger, les données officielles de la chaîne lorsqu’elles existent.
Les capteurs du smartphone. Sur les appareils dotés d’un capteur de profondeur LiDAR, Carbetic intègre ses mesures lorsqu’elles améliorent la précision. Le gyroscope enregistre l’orientation et l’inclinaison de l’appareil à chaque prise de vue. Carbetic déduit en outre de l’adresse IP une localisation approximative, par exemple le pays, car les menus et les recettes des chaînes de restauration rapide varient d’un pays à l’autre.
S’y ajoutent une interface conçue pour saisir un repas rapidement plutôt qu’un fil de discussion, l’analyse de recettes et la commande vocale.
Source: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov