ChatGPT peut-il compter les calories ? Ce qu'ont montré les études de 2025–2026

---

title: "ChatGPT peut-il compter les calories ? Ce qu'ont montré les études de 2025–2026" description: "Oui, à peu près. Les tests publiés situent ChatGPT, Claude et Gemini entre 14 % et 36 % d'erreur sur l'énergie selon ce que tu leur donnes. Quand un chatbot suffit, quand un tracker calorique fait mieux, et un prompt pour obtenir de meilleures estimations." publishedAt: "2026-09-28" updatedAt: "2026-09-28" category: "Accuracy" locale: "fr" tags: ["ChatGPT compte-t-il les calories", "compter les calories avec ChatGPT", "ChatGPT est-il précis pour les calories", "ChatGPT tracker calorique", "compter les calories avec Gemini", "compter les calories avec Claude", "précision des estimations caloriques IA"] keyTakeaways:

• "ChatGPT sait estimer les calories. À partir d'une simple photo, les tests publiés situent les chatbots généralistes autour de 30 % à 36 % d'erreur moyenne sur l'énergie. Avec une liste écrite des ingrédients et des quantités, l'erreur tombe à environ 14 % à 18 %."
• "Toutes les études sur photo que nous avons trouvées décrivent le même schéma : les chatbots reconnaissent bien les aliments mais sous-estiment les portions moyennes et grandes, donc l'erreur penche vers le bas."
• "La même photo peut donner une réponse différente à chaque fois. Un test d'avril 2026 portant sur 26 904 requêtes répétées a mesuré une variation médiane d'une exécution à l'autre allant de 2,4 % (Claude Sonnet 4.6) à 11,0 % (Gemini 2.5 Pro)."
• "La principale limite n'est pas la précision mais la tenue des comptes. Un chatbot ne garde pas de journal alimentaire daté, de totaux quotidiens cumulés, d'objectif calorique qui s'adapte à ton poids ni de base de codes-barres."
• "Utilise un chatbot pour des estimations ponctuelles. Utilise un tracker calorique si tu enregistres tous les jours et que tu veux suivre des tendances. Si tu utilises ChatGPT, donne-lui des poids, les matières grasses de cuisson et un format de réponse fixe." faq:
• question: "ChatGPT peut-il compter les calories ?" answer: "Oui, sous forme d'estimation. ChatGPT, Claude et Gemini savent tous lire la description d'un repas ou une photo et renvoyer calories et macros. Dans une étude de 2025 sur 195 plats, ChatGPT-5 affichait en moyenne 30,5 % d'erreur sur l'énergie à partir de la photo seule, et 13,9 % quand on lui donnait aussi les ingrédients. Il convient mieux aux estimations ponctuelles qu'à un journal quotidien, car il ne tient ni journal alimentaire ni totaux cumulés."
• question: "ChatGPT est-il précis pour compter les calories ?" answer: "Il est à peu près aussi précis qu'une personne qui devine au jugé, et nettement meilleur quand tu lui donnes les quantités. Une étude de validation de 2025 sur 52 photos d'aliments standardisées a mesuré 35,8 % d'erreur absolue moyenne en pourcentage sur l'énergie pour ChatGPT-4o comme pour Claude 3.5 Sonnet, contre 64,2 % pour Gemini 1.5 Pro. Les trois sous-estimaient les grandes portions. Les descriptions écrites avec des poids donnent des résultats sensiblement meilleurs."
• question: "Puis-je utiliser ChatGPT comme tracker calorique ?" answer: "Oui, mais c'est toi qui feras le suivi. Un chatbot ne stocke pas de journal structuré, n'additionne pas une journée de façon fiable sur une longue conversation, ne trace pas ta courbe de poids, n'ajuste pas ton objectif et ne scanne pas de codes-barres. Ceux qui enregistrent de temps en temps s'en sortent bien. Ceux qui enregistrent chaque repas pendant des semaines passent généralement à un tracker dédié."
• question: "Gemini ou Claude font-ils mieux que ChatGPT pour les calories ?" answer: "Ça dépend de la version du modèle. Dans l'étude photo de 2025, ChatGPT-4o et Claude 3.5 Sonnet étaient à égalité sur l'erreur d'énergie, et Gemini 1.5 Pro faisait moins bien. Dans une étude sur texte publiée en juillet 2026 dans The Journal of Nutrition, les quatre modèles testés (ChatGPT 5.2, Claude Opus 4.5, Gemini 3 Pro Preview et Llama 4 Maverick) concordaient bien avec les valeurs de référence pour l'énergie et les macros ; les écarts apparaissaient sur les micronutriments."
• question: "Pourquoi ChatGPT donne-t-il des calories différentes pour le même repas ?" answer: "Les chatbots génèrent chaque réponse à neuf, donc l'estimation de la portion peut varier d'une fois à l'autre. Dans un test d'avril 2026 qui a répété 26 904 fois les mêmes 13 photos d'aliments, la variation médiane d'une exécution à l'autre allait de 2,4 % à 11,0 % selon le modèle. Donner des poids exacts et demander un tableau au format fixe réduit cet écart."
• question: "Une appli de suivi des calories est-elle plus précise que ChatGPT ?" answer: "Pas automatiquement. Les applis de suivi IA utilisent des modèles de vision similaires et sous-estiment elles aussi à partir de la photo seule. La différence tient au fonctionnement : un tracker avec scanner de codes-barres donne les valeurs exactes de l'étiquette pour les produits emballés, un écran de vérification te permet de corriger la portion avant d'enregistrer, et le journal garde tes totaux et tes tendances. Dans notre propre test sur 20 repas, Callie affichait 13 % d'erreur absolue moyenne ; c'est notre test, pas un test indépendant."

---

Callie est notre appli, et c'est l'un des outils auxquels cet article compare ChatGPT. Nous avons d'abord essayé de répondre à la question à partir des preuves. Les études citées ci-dessous sont indépendantes de nous, et la liste complète, avec les dates, se trouve en bas de page.

La réponse en 30 secondes

Oui, ChatGPT peut compter les calories, à peu près. Avec une simple photo, les tests publiés situent les chatbots généralistes autour de 30 % à 36 % d'erreur moyenne sur l'énergie, généralement par défaut. Avec les ingrédients et les quantités par écrit, l'erreur tombe à environ 14 % à 18 %. C'est suffisant pour vérifier de temps en temps « combien ça faisait ? ». Ce n'est pas un tracker calorique, car il ne garde ni journal alimentaire, ni totaux cumulés, ni objectif qui s'adapte à ton poids, ni base de codes-barres. Si tu enregistres tous les jours, un tracker dédié tient ces comptes à ta place.

La même réponse vaut pour Gemini et Claude, avec des différences entre versions de modèles que nous détaillons plus bas.

Ce qu'ont montré les études

Nous avons trouvé cinq tests de 2025 et 2026 qui comparent les estimations caloriques des chatbots à des valeurs de référence connues. Ils utilisent des modèles et des méthodes différents, donc les chiffres ne sont pas directement comparables, mais ils vont dans le même sens.

À partir d'une photo seule : environ un tiers d'écart

• ChatGPT-4o, Claude 3.5 Sonnet et Gemini 1.5 Pro, 52 photos d'aliments standardisées. Dans une étude de validation de 2025 publiée dans Current Developments in Nutrition, ChatGPT-4o et Claude 3.5 Sonnet affichaient tous deux 35,8 % d'erreur absolue moyenne en pourcentage sur l'énergie. Gemini 1.5 Pro était à 64,2 %. Les trois modèles sous-estimaient davantage à mesure que les portions grossissaient.
• ChatGPT-5, 195 plats. Une étude de novembre 2025 publiée dans Nutrients a testé ChatGPT-5 sur des plats issus d'Allrecipes, du jeu de données SNAPMe et de repas faits maison. À partir de l'image seule, l'erreur sur l'énergie était en moyenne de 123 kcal, soit 30,5 %.
• ChatGPT-4, 114 photos de repas. Une étude de février 2025 publiée dans Nutrients a utilisé 38 repas photographiés à trois tailles de portion. ChatGPT identifiait les aliments avec une précision de 93,0 % et gérait bien les petites portions, mais sous-estimait le poids des portions moyennes et grandes, ce qui tirait ses estimations nutritionnelles vers le bas.

On retrouve le même schéma que chez les applis photo dédiées. Une analyse du NIH portant sur quatre applis caloriques photo populaires a montré qu'elles sous-estimaient les repas d'environ 250 à 345 calories quand personne ne corrigeait les portions. Reconnaître l'aliment, c'est la partie facile. Juger la quantité, et voir l'huile et le beurre, c'est la partie difficile pour n'importe quel appareil photo.

Avec une description écrite : bien plus proche

La même étude sur ChatGPT-5 a aussi soumis chaque plat avec davantage de contexte. L'erreur sur l'énergie passait de 30,5 % (photo seule) à 24,4 % avec des descripteurs de base, 13,9 % avec la photo plus les ingrédients détaillés, et 18,1 % avec les ingrédients seuls, sans photo. Autrement dit, ce que tu écris compte plus que le modèle que tu utilises.

Une étude sur texte seul publiée dans The Journal of Nutrition (juillet 2026) a saisi des aliments couramment consommés aux États-Unis sous forme de texte dans ChatGPT 5.2, Claude Opus 4.5, Gemini 3 Pro Preview et Llama 4 Maverick, puis comparé les réponses à une base de données alimentaire de recherche. La concordance pour l'énergie et les macronutriments était élevée pour les quatre. Le point faible, c'étaient les micronutriments comme la vitamine D, les folates et le fer : tous les modèles sauf Claude Opus 4.5 montraient une faible concordance sur au moins un nutriment.

Le même repas, une autre réponse

Les chatbots rédigent chaque réponse à neuf, donc l'estimation de la portion bouge d'une fois à l'autre. En avril 2026, le site spécialisé dans les technologies du diabète Diabettech a envoyé 13 photos d'aliments à quatre modèles, 26 904 fois au total, et mesuré les estimations de glucides. La variation médiane d'une exécution à l'autre était de 2,4 % pour Claude Sonnet 4.6, 8,4 % pour GPT-5.4, 10,3 % pour Gemini 3.1 Pro Preview et 11,0 % pour Gemini 2.5 Pro. Le pire cas, une photo de paella sur Gemini 2.5 Pro, allait de 55 g à 484 g de glucides. Il s'agit d'un test de blog, pas d'une étude évaluée par des pairs, mais la méthode est transparente et l'échantillon est grand.

Pour le comptage des calories, un écart de 10 % sur un dîner de 600 kcal représente 60 kcal. Sur une journée, c'est du bruit. Sur une seule valeur aberrante, ça peut représenter tout un en-cas.

Là où ChatGPT ne suffit pas comme tracker calorique

La précision n'est que la moitié du travail. L'autre moitié, c'est tenir le registre, et c'est là qu'un chatbot généraliste est le plus faible.

1. Pas de journal alimentaire. La mémoire de ChatGPT peut retenir que tu essaies de perdre du poids, mais elle ne garde pas de liste datée et modifiable de ce que tu as mangé chaque jour. L'historique des conversations n'est pas un journal que tu peux chercher, corriger ou exporter.
2. Pas de totaux cumulés fiables. Additionner une journée sur une longue conversation, c'est exactement le genre de comptabilité que les chatbots ratent ou recommencent sans prévenir. Tu finis par vérifier les calculs toi-même.
3. Ni objectifs ni tendances. Pas d'objectif calorique quotidien qui se réajuste selon ta courbe de poids, pas de moyenne hebdomadaire et pas de graphique de poids, sauf si tu les construis toi-même.
4. Des portions devinées à partir des photos. Comme le montrent les études, le modèle estime la taille de la portion d'après l'image et a tendance à viser bas sur les grandes assiettes. Rien ne t'oblige à vérifier cette estimation avant de l'accepter.
5. Des résultats qui varient d'une fois à l'autre. Pose deux fois la question, tu peux obtenir deux chiffres.
6. Pas de base de codes-barres. Pour un produit emballé, la bonne réponse est sur l'étiquette. Un chatbot qui lit la photo d'un emballage estime une valeur qu'un scan de code-barres te donnerait exactement.
7. Pas de synchronisation santé. Il ne lit pas ton poids depuis une balance connectée et n'écrit pas les calories dans Apple Santé ou Health Connect.

Quand ChatGPT suffit, et quand un tracker fait mieux

Feature	Callie	ChatGPT / Gemini / Claude	Tracker manuel (ex. Cronometer gratuit)
Estime les calories à partir d'une photo			Gold uniquement
Estime à partir d'une description écrite ou dictée
Tu vérifies l'estimation avant qu'elle soit enregistrée		À toi de voir
Journal alimentaire daté
Totaux quotidiens et macros cumulés		Manuel
Objectif calorique adaptatif	Toutes les 2 semaines
Scanner de codes-barres
Synchronisation Apple Santé / Health Connect
Séries et courbe de poids			Courbe de poids
Répond à toute question de nutrition	Coach IA

Un chatbot suffit quand :

• Tu veux une estimation ponctuelle : un repas au restaurant, une recette que tu hésites à cuisiner, une vérification rapide d'une étiquette.
• Tu sais déjà à peu près ce que tu manges et tu ne vérifies que de temps en temps.
• Tu veux une explication, par exemple pourquoi ton wok est plus calorique que prévu, ou comment atteindre 120 g de protéines.

Un tracker fait mieux quand :

• Tu enregistres tous les jours et tu veux des totaux et une tendance hebdomadaire sans faire de calculs.
• Ton objectif dépend d'une cible qui doit s'ajuster à mesure que ton poids change.
• Tu manges beaucoup de produits emballés et tu veux les valeurs exactes du code-barres.
• Tu veux tes données dans Apple Santé ou Health Connect, avec ton poids et ton activité.

La place de Callie

Callie est un tracker calorique IA : elle utilise le même type de modèle qu'un chatbot pour estimer un repas. La différence, c'est ce qui se passe autour de l'estimation.

• Tu confirmes chaque estimation photo. Un scan ouvre un écran de vérification avec les aliments détectés, les portions, les calories et les macros. Rien n'est enregistré tant que tu n'as pas corrigé ce qui ne va pas et confirmé. C'est cette étape qui corrige le biais de sous-estimation des portions relevé par les études.
• Des portions qui tiennent compte de la profondeur. Callie lit les données de profondeur et les métadonnées de l'appareil photo que ton téléphone stocke dans la photo d'origine pour estimer la taille. Les captures d'écran perdent ces données.
• Un journal, des objectifs et des séries. Chaque enregistrement va dans un journal daté avec des totaux quotidiens. Ton objectif calorique se réajuste toutes les deux semaines selon ta courbe de poids, et un tableau de séries façon GitHub montre les jours où tu as enregistré. Les cheat days que tu planifies à l'avance ne cassent pas ta série.
• Scan de codes-barres et de menus, plus l'enregistrement par la voix et par texte, et la synchronisation avec Apple Santé et Health Connect.

Dans notre propre test sur 20 repas pesés à la balance de cuisine, Callie affichait en moyenne 13 % d'erreur absolue. C'est notre test, pas un test indépendant, et la méthode est détaillée sur la page Callie vs Cal AI. Callie n'est pas gratuite : tu as 3 enregistrements IA pour l'essayer, ensuite c'est 39,99 € par an (34,99 $ aux États-Unis). Il n'y a pas d'appli web, et elle a moins d'avis que les trackers plus anciens. Si tu veux seulement une estimation de temps en temps, le chatbot que tu utilises déjà ne te coûte rien de plus.

Un prompt à utiliser si tu passes par ChatGPT

Si tu veux utiliser ChatGPT, Gemini ou Claude pour les calories, ce prompt règle la plupart des problèmes ci-dessus. Il demande des quantités que tu peux vérifier, signale les matières grasses cachées et garde le même format de réponse à chaque fois pour que tu puisses additionner.

Tu estimes des calories pour un journal alimentaire. Pour le repas ci-dessous :
1. Liste chaque aliment sur une ligne séparée avec la quantité en grammes ou en ml.
   Si j'ai donné une quantité, utilise la mienne. Si tu as dû deviner, indique « (estimation) ».
2. Ajoute l'huile de cuisson, le beurre, les sauces et les assaisonnements sur des lignes à part.
   Si je ne les ai pas mentionnés, demande-moi avant de supposer qu'il n'y en avait pas.
3. Pour chaque ligne, donne les kcal, les protéines, les glucides et les lipides, en utilisant
   les valeurs USDA pour les aliments simples et l'étiquette de la marque pour les produits de marque.
4. Termine par une ligne de total. N'arrondis pas le total à un chiffre rond.
5. Indique la ligne dont tu es le moins sûr et de combien elle pourrait modifier
   le total.

Repas : [décris-le, par ex. « cuisse de poulet 180 g cuite, riz blanc 1 tasse
cuit, brocoli, cuit à l'huile d'olive, portion de restaurant »]

Quelques habitudes aident plus que le choix du modèle :

• Pèse ou mesure les éléments les plus caloriques. Riz, pâtes, huile, fruits à coque, fromage et viande sont à l'origine de la plus grande partie de l'erreur. C'est sur eux que l'estimation photo perd ses 30 %.
• Précise le mode de cuisson et la matière grasse. « Poêlé dans une cuillère à soupe d'huile » ajoute environ 120 kcal que l'appareil photo ne voit pas.
• Utilise l'étiquette pour les produits emballés. Tape les chiffres de l'étiquette au lieu de demander une estimation.
• Tiens toi-même le total cumulé, dans une note ou un tableur, plutôt que de demander au chatbot de se souvenir de ta journée.

Côté photo, notre guide pour suivre les calories à partir d'une photo couvre les angles, les repères de taille et les aliments qui piègent tous les modèles.

Quand ChatGPT est le meilleur choix

Reste sur un chatbot si tu n'as besoin d'une estimation que quelques fois par semaine, si tu ne veux pas d'une appli de plus sur ton téléphone, ou si tu tiens davantage à comprendre ce que tu manges qu'à l'enregistrer. Les chatbots généralistes répondent mieux aux questions de suivi que le coach intégré de n'importe quel tracker, et pour les descriptions écrites avec quantités, leurs estimations d'énergie concordent désormais bien avec les bases de données de recherche. Si tu cherches une réponse plutôt qu'un registre, tu n'as pas besoin d'un tracker.

Tu ne sais pas quel outil correspond à tes habitudes ? Le guide pour choisir ton tracker calorique donne une recommandation pour chaque type d'utilisateur.

À lire aussi

• Étude 2026 sur la précision des applis caloriques IA, sur les raisons pour lesquelles les estimations photo sont trop basses.
• Comment suivre les calories à partir d'une photo, étape par étape.
• Comment suivre les calories avec précision, pour les habitudes qui comptent plus que l'appli.
• Callie vs Cal AI, avec notre benchmark sur 20 repas.

Sources

1. Fridolfsson J, Sjöberg E, Thiwång M, Pettersson S (2025). "Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images." Current Developments in Nutrition. https://pmc.ncbi.nlm.nih.gov/articles/PMC12513282/
2. Rodríguez-Jiménez et al. (19 novembre 2025). "Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5: Cross-Source Evaluation Across Escalating Context Scenarios." Nutrients 17(22):3613. https://pmc.ncbi.nlm.nih.gov/articles/PMC12655113/
3. O'Hara et al. (7 février 2025). "An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs." Nutrients. https://pmc.ncbi.nlm.nih.gov/articles/PMC11858203/
4. Lawabni R, et al. (juillet 2026). "Evaluation of Energy and Nutrient Estimates from Large Language Models Using Text-Based Queries." The Journal of Nutrition. https://pubmed.ncbi.nlm.nih.gov/42401322/
5. Diabettech (15 avril 2026). "I Asked AI to Count My Carbs 27,000 Times. It Couldn't Give Me the Same Answer Twice." https://www.diabettech.com/i-asked-ai-to-count-my-carbs-27000-times-it-couldnt-give-me-the-same-answer-twice/
6. Charles O, Hengist A et al. (juillet 2026). "Accuracy of photo-based dietary tracking applications." Présenté à NUTRITION 2026. Communiqué de presse : https://www.eurekalert.org/news-releases/1136415
7. Support de Cronometer. "Apple Health & Apple Watch." https://support.cronometer.com/hc/en-us/articles/360020734212-Apple-Health-Apple-Watch
8. Communiqué de presse de Cronometer (8 septembre 2025). "Cronometer Launches Premium Photo Logging." https://www.prnewswire.com/news-releases/cronometer-launches-premium-photo-logging-fast-verified-nutrition-tracking-for-real-life-302549752.html
9. Benchmark interne de Callie sur 20 repas pesés à la balance de cuisine (mai 2026). Méthodologie sur https://www.mycallie.app/en/compare/callie-vs-cal-ai