Logging vocal des repas : ça marche vraiment ? (test 2026)

Le logging vocal est la modalité la moins explorée du suivi calorique. La plupart des applis attendent encore que tu tapes ou que tu prennes une photo. C'est historiquement justifié — la reconnaissance vocale était peu fiable en environnement bruyant, et tirer une portion de « j'ai mangé du poulet » était dur.

Les deux problèmes sont largement résolus aujourd'hui. Voici ce qui marche vraiment en 2026, avec des chiffres réels.

La réponse en 30 secondes

Oui, pour la plupart des repas. Dans notre test sur 20 repas, la voix a été la façon la plus rapide de logger : 10 secondes médianes par repas, contre 15 pour la photo, 22 pour le texte et 45 pour une recherche en base style MyFitnessPal. Avec une description précise, la voix tombe à 8–12 % d'erreur face à une balance de cuisine, proche du texte ; une description vague comme « du poulet et du riz » élargit l'écart à 18–25 %. La voix perd encore dans les bars bruyants, en réunion où tu ne peux pas parler, et pour les plats que tu n'arrives pas à décrire : combine-la avec la photo.

Le test de vitesse

On a loggé les mêmes 20 repas de quatre façons : voix, photo, texte, et recherche en base. Temps médian par repas, bout à bout :

L'avantage de la voix, c'est la vitesse d'entrée. On parle à ~150 mots/minute et on tape à ~40. La maths est mécanique.

Là où la voix gagne

• En pleine journée, les mains occupées. Tu as déjeuné au bureau ; tu peux marmonner un log rapide sans poser ton sandwich.
• Au volant. Pas taper en conduisant — parle via CarPlay ou Android Auto.
• Listes d'ingrédients longues. « J'ai pris une salade grecque avec poulet, concombre, tomate, feta, olives, huile d'olive et quelques olives kalamata » est plus rapide à dire qu'à taper ou à corriger sur photo.
• Foyers multilingues. C'est la grosse. Plus de détail plus bas.

Là où la voix perd

• Bars bruyants / concerts. L'ASR galère encore en dessous d'un SNR de ~5 dB.
• En réunion, là où tu ne peux pas parler à voix haute. Photo ou texte.
• Au resto chic. Prends juste une photo, voyons.
• Aliments que tu ne sais pas décrire. « J'ai mangé... une espèce de gratin. » La photo gagne ici.

L'angle multilingue

La plupart des trackers obligent à logger en anglais. Pour les utilisateurs francophones, hispanophones, germanophones, arabophones — ou les dizaines d'autres langues dans lesquelles on cuisine — c'est lent, lossy et culturellement bancal.

Callie ship une UI complètement localisée en français, anglais, espagnol, allemand, arabe et japonais (layout RTL inclus), et le coach IA discute en plus dans à peu près n'importe quelle langue. On a testé 25 repas vocaux dans cinq de nos langues d'UI :

Les mêmes repas parlés dans d'autres gros trackers (anglais uniquement) : les applis ont soit échoué à parser, mappé sur le mauvais plat, ou exigé une ressaisie en anglais. La voix native multilingue est l'un des avantages pratiques les plus clairs de Callie.

Précision : voix vs texte vs photo

Quand la description est précise (« 170 g de blanc de poulet grillé, 1 tasse de riz complet, 1 tasse de brocoli vapeur »), les trois modalités tombent à 10 % près de la balance. La couche de transcription en voix ajoute moins de 1 % d'erreur en audio propre.

Quand la description est vague (« du poulet et du riz »), les trois s'appuient sur ton historique et les moyennes population. La précision s'élargit à 15–25 %. Le remède est le même partout : sois précis.

Curieusement, la photo gère mieux les entrées vagues parce que les indices visuels remplissent les détails que tu n'as pas articulés. Le workflow gagnant reste photo + correction vocale pour les cas ambigus.

Le workflow hybride

Les utilisateurs les plus assidus qu'on a observés ne choisissent pas une modalité. Ils mixent :

• Petit-déj à la maison → photo du bol (~10 s).
• Café sur le chemin du bureau → voix (« latte au lait d'avoine, 45 cl »).
• Déjeuner d'un resto → photo + correction vocale (« la portion de poulet est plus grosse »).
• Snack au bureau → texte (« une poignée d'amandes »).
• Dîner familial → photo de ton assiette après service.

Temps de logging total quotidien : ~3 minutes. C'est le seuil sous lequel le tracking survit vraiment à une semaine chargée.

Comment fonctionne le logging vocal de Callie

Tape sur le micro, parle le repas, obtiens un brouillon instantané. Tu peux corriger les portions à la voix (« double le riz ») ou au tap. Le modèle utilise tes patterns historiques pour remplir les portions implicites (« déjeuner du mardi » désigne probablement ton déjeuner standard de boulot).

Le multilingue est activé par défaut. L'UI est localisée en français, anglais, espagnol, allemand, arabe et japonais, et le coach IA répond dans la langue que tu utilises.

À lire ensuite

• Comment suivre les calories depuis une photo — l'équivalent pour la photo.
• Le guide complet du suivi calorique par IA — primer complet sur la techno.
• Callie vs MyFitnessPal — comparatif avec le leader de la saisie manuelle.

Sources

1. Benchmark interne Callie de vitesse et précision (mai 2026). 20 repas × 4 modalités × 1 utilisateur ; temps médians rapportés.
2. Radford A, et al. (2022). « Robust Speech Recognition via Large-Scale Weak Supervision. » (Article Whisper.) https://arxiv.org/abs/2212.04356
3. USDA FoodData Central. https://fdc.nal.usda.gov/