Pourquoi j'ai arrêté de scanner les codes-barres (et pourquoi vous devriez aussi)

Pendant des années, les applications de nutrition nous ont appris que la meilleure (et souvent la seule) façon d’enregistrer notre alimentation était de traquer les codes-barres dans le moindre recoin de la cuisine ou du supermarché.

Le processus est bien connu : vous prenez un emballage, ouvrez l’application, essayez de faire la mise au point de l’appareil photo sur un point minuscule de la boîte et croisez les doigts pour que l’information se charge correctement. Bien que cela ait été une révolution en 2010, c’est aujourd’hui une méthode logistiquement obsolète qui présente de graves problèmes d’adhérence et de santé.

Cette frustration a d’ailleurs été l’une des principales raisons pour lesquelles nous avons créé Tabeku.

Le biais vers les aliments ultra-transformés

Le plus gros problème du scanner de codes-barres est psychologique. Notre cerveau cherche toujours la voie de la moindre résistance opérationnelle.

Une pomme fraîche, une poire ou le saumon du poissonnier n’ont pas de code QR imprimé sur la peau. En revanche, n’importe quelle barre protéinée ultra-transformée ou sauce industrielle en a un très visible. Si vous enregistrez votre nourriture en fonction de ce qui est “facile à scanner”, vous finirez par augmenter votre consommation de produits commerciaux simplement pour éviter le processus manuel laborieux de recherche d’aliments crus dans une base de données.

Avec l’estimation visuelle basée sur des modèles d’Intelligence Artificielle que nous utilisons chez Tabeku, ce biais disparaît complètement. L’application met exactement le même temps pour traiter une portion de lentilles maison ou une banane via une photo que pour traiter une boîte de viennoiseries. L’enregistrement rapide de la vraie nourriture est enfin démocratisé.

L’anarchie des bases de données collaboratives (crowdsourcing)

Si le point précédent ne suffisait pas, il existe un deuxième problème colossal : les bases de données générées par les utilisateurs.

Nous avons tous déjà scanné un yaourt générique ou une boîte de haricots pour, en appuyant sur “accepter”, constater qu’un utilisateur avait inversé les données ou saisi 6 000 kcal pour un soda sucré. Les bases de données conventionnelles abritent des décennies d’erreurs de transcription sans aucune validation professionnelle.

Le résultat ? Vous perdez encore plus de temps à recouper et confirmer manuellement les étiquettes nutritionnelles physiques avec ce qu’affiche votre téléphone. C’est une tâche répétitive qui fatigue tout le monde.

Déléguer la reconnaissance à une IA hautement entraînée, standardisée et axée sur l’aspect visuel est le bond en avant définitif qui nous permet d’oublier les erreurs mathématiques. Il est temps de laisser les codes-barres dans le passé.