Coach minceur & naturopathe — FruchartÉquilibre​

L’intelligence artificielle est souvent perçue comme un outil neutre, précis et objectif.
En nutrition et en perte de poids, beaucoup de personnes lui font confiance pour obtenir des chiffres, des conseils ou des explications rapides.

Pourtant, comme tout outil automatisé, l’IA commet des erreurs.
Non pas par mauvaise intention, mais par fonctionnement.

Ces erreurs sont parfois anodines.
D’autres fois, elles peuvent avoir des conséquences réelles lorsqu’elles sont répétées, mal interprétées ou appliquées sans recul.

​

Les erreurs de contexte : quand la réponse est “juste” mais inadaptée

Une IA répond toujours à une question isolée, sans vécu, sans historique, sans suivi réel dans le temps.

 

Elle peut fournir :

• une recommandation théoriquement correcte,

• mais hors contexte pour la personne qui la reçoit.​

 

Exemples fréquents :

• conseils inadaptés à un trouble du comportement alimentaire,

• recommandations trop restrictives pour une personne déjà en déficit,

• réponses standardisées à des situations complexes (fatigue, stress, pathologies, historique d’échecs).

 

Le problème n’est pas la logique, mais l’absence de vision globale.

​

Les erreurs issues de bases de données contradictoires

L’IA ne s’appuie pas sur une base nutritionnelle unique et validée, mais sur des bases de données publiques et des sources hétérogènes, parfois contradictoires entre elles.

 

Résultat : des valeurs nutritionnelles variables, des incohérences possibles d’une réponse à l’autre, et des chiffres parfois manifestement erronés.

 

Exemple concret :

Il m’est arrivé, comme beaucoup d’autres, d’obtenir d’une IA des valeurs aberrantes, comme 100 kcal pour une clémentine qui n'en contient en général qu'environ 20 à 30, des propositions de variations des repas qui déséquilibraient manifestement le ratio de protéines, glucides et lipides, ou qui ne tenaient carrément pas compte ni des préférences, ni des pathologies dont souffrait le patient, alors que je les avait clairement énoncées au préalable.

Ce type d'erreurs fausse les calculs, entretient la confusion, peut provoquer des déséquilibres nutritionnels et pire aggraver une pathologie existante chez l'individu.​

​

Les erreurs de calcul et d’approximation

L’IA  ne “mesure” rien, ne vérifie pas ce qu’elle annonce, approxime à partir de probabilités.​

En diététique, cela peut concerner les calories, les portions, les besoins énergétiques, les ajustements dans le temps.​

Une erreur ponctuelle est rarement dramatique.
Mais une accumulation d’approximation peut conduire à des écarts non compris, une perte de confiance, une impression d’“échec inexpliqué”.

​

Le problème n’est pas l’erreur, mais l’autorité perçue

Le point le plus délicat n’est pas que l’IA se trompe, c’est que ses réponses sont souvent perçues comme fiables par défaut.

Comme pour un diagnostic médical, beaucoup de personnes ont tendance à suspendre leur esprit critique, appliquer la réponse telle quelle sans se demander si elle leur convient vraiment.

Plus l’outil est fluide, rapide et affirmatif, plus il inspire confiance. Parfois à tort.

​

Une erreur sans conséquence… pour l’outil

Une IA qui se trompe n’en subit aucune conséquence, elle est irresponsable, et n'en mesure pas les effets à moyen et long terme. Elle n'apprend pas de ses erreurs, en tout cas, à l'heure actuelle, et a une fâcheuse tendance à les répéter, et ce, en boucle, quand bien même on les lui signale plusieurs fois.​

C’est là que réside la vraie limite.

​

Conclusion

L’intelligence artificielle peut être utile pour s’informer, comprendre des notions générales et poser des bases de réflexion.

Mais en diététique et en perte de poids, une erreur n’est jamais totalement neutre, surtout lorsqu’elle s’inscrit dans la durée.

Le problème n’est pas que l’IA se trompe, mais qu'elle ne peut ni contextualiser, ni assumer, ni corriger dans le temps.

C’est toute la différence entre informer et accompagner.

​