De nouvelles recherches révèlent que les outils d’IA populaires peuvent donner aux adolescents des conseils alimentaires incomplets et déséquilibrés, soulevant d’importantes questions quant à savoir si ces technologies sont prêtes à guider les corps en pleine croissance sans la surveillance d’experts.
Étude : Les plans de régime d’intelligence artificielle sous-estiment l’apport en nutriments par rapport aux diététistes chez les adolescents. Crédit image : ilona.shorokhova/Shutterstock.com
L’intelligence artificielle (IA) est de plus en plus utilisée pour la planification alimentaire chez les adolescents, mais une nouvelle étude suggère qu’elle pourrait ne pas répondre aux attentes. L'enquête, publiée dans Frontières de la nutritionont constaté que les recommandations basées sur l'IA peuvent systématiquement sous-estimer l'apport nutritionnel requis pour les adolescents.
Sommaire
L’obésité croissante chez les adolescents stimule la demande de conseils diététiques accessibles
Les taux de surpoids et d’obésité chez les adolescents augmentent rapidement à l’échelle mondiale, touchant environ 390 millions d’adolescents en 2022. En fait, plusieurs régions signalent désormais qu’il s’agit de la principale forme de malnutrition. L’excès de poids est associé à de multiples effets néfastes sur la santé, notamment le diabète de type 2, des anomalies du taux de cholestérol sanguin, l’hypertension artérielle et l’apnée du sommeil. Ces jeunes sont également plus susceptibles d’être obèses à l’âge adulte et d’avoir une qualité de vie inférieure.
Les adolescents sont également sujets à des soucis liés à leur image corporelle et au désir de perdre du poids, notamment en utilisant des méthodes potentiellement dangereuses comme vomir après les repas ou abuser de laxatifs.
La modification du régime alimentaire est essentielle pour améliorer la santé des enfants dans ce domaine. Les diététistes sont des professionnels de la santé qui conçoivent et supervisent des plans nutritionnels individualisés conformément aux lignes directrices établies. Cependant, leurs services ne sont pas toujours accessibles et leur lourde charge de travail peut empêcher les adolescents de bénéficier des conseils diététiques et du suivi dont ils ont besoin.
Des outils basés sur l’IA, tels que les chatbots, sont utilisés pour surmonter ces limites, mais seule une poignée d’études ont évalué leur rôle dans la nutrition des adolescents. De même, les grands modèles linguistiques (LLM) comme ChatGPT peuvent fournir des informations utiles pour soutenir la planification nutritionnelle, mais avec des limites importantes.
Les recherches existantes indiquent qu'ils pourraient ne pas répondre aux normes de sécurité ou aux recommandations nutritionnelles internationales, en particulier dans des conditions réelles. Il est également peu probable que les outils d’IA fournissent aux patients le même niveau de services personnalisés que les diététistes. Cependant, la plupart de ces preuves reposent sur des études menées auprès d’adultes ou sur des cas cliniques.
L’étude actuelle visait à comparer directement les régimes générés par l’IA avec les régimes individualisés préparés par un diététiste pour les adolescents en surpoids ou obèses. Les domaines de comparaison étaient la teneur en énergie et en éléments nutritifs, la sécurité et la faisabilité. La comparaison pourrait montrer si les chatbots IA peuvent remplacer les diététistes dans la planification nutritionnelle pour cette catégorie de patients ou être utilisés comme aides sous la supervision d’un diététiste.
Des chercheurs comparent cinq outils d’IA aux plans des diététistes
Les chercheurs ont utilisé cinq modèles d'IA (ChatGPT-4o, Gemini 2.5 Pro, Claude 4.1, Bing Chat-5GPT et Perplexity) pour générer 60 plans de régime sur deux séances. Des plans de régime sur trois jours ont été créés par chaque modèle en réponse à des invites utilisant quatre profils d'adolescents standardisés : un garçon en surpoids ou obèse et une fille en surpoids ou obèse.
Ceux-ci ont été comparés à un plan alimentaire de référence d'une journée préparé par un diététicien pour chaque profil. Cela suivait les recommandations nutritionnelles avec une répartition énergétique comme suit : 45 à 50 % de glucides, 30 à 35 % de lipides et 15 à 20 % de protéines.
Les chercheurs ont ensuite analysé la teneur en énergie et en macronutriments de chaque plan.
Les régimes IA sous-estiment l’énergie et les nutriments clés
Les résultats ont révélé une tendance cohérente et potentiellement préoccupante. Les modèles d’IA incluaient moins d’énergie et de macronutriments que les diététistes dans leur plan. Le déficit énergétique était de 695 kcal, tandis que les protéines manquaient de 20 g, les graisses de 16 g et les glucides de 115 g. Le déficit énergétique potentiel peut avoir des implications cliniques importantes, en particulier compte tenu des besoins énergétiques élevés des adolescents.
Les auteurs suggèrent que, compte tenu de cette offre excédentaire typique de graisses et de cette faible teneur en glucides, les LLM pourraient s’appuyer davantage sur des régimes populaires comme le régime cétogène que sur des directives scientifiques, ce qui explique l’approche faible en glucides et riche en graisses. Cela pourrait perturber la croissance, le métabolisme et le développement cognitif au cours de cette fenêtre de développement cruciale. La sécurité à long terme de telles recommandations n’est donc pas prouvée.
Les cinq modèles recommandaient une teneur en protéines jusqu'à 23,7 % et une teneur en matières grasses jusqu'à 44,5 %. Les deux étaient supérieurs aux niveaux recommandés pour les adolescents. En revanche, les glucides représentaient au maximum 36,3 % de l’alimentation, ce qui était inférieur au niveau recommandé.
Les plans diététiciens contenaient 44 à 46 % de glucides selon le profil. Le pourcentage de protéines variait entre 18 % et 20 % et celui des matières grasses entre 36 % et 37 %. Dans l’ensemble, ces plans étaient conformes aux recommandations nationales.
Les auteurs soulignent que « ce modèle illustre un changement systématique dans tous les modèles d’IA vers des structures de repas plus faibles en CHO, plus riches en protéines et plus riches en lipides, ce qui indique que l’équilibre des macronutriments, et pas seulement la quantité de nutriments basés sur les grammes, est considérablement perturbé dans les plans générés par l’IA. »
La composition en micronutriments variait considérablement selon les régimes alimentaires générés par l'IA, avec une variabilité notable entre les modèles et par rapport à la référence diététicienne. Cela pourrait contribuer à des carences en micronutriments chez les adolescents, ce qui indique que ces plans pourraient ne pas encore être adaptés à une utilisation clinique sans la supervision d'un professionnel. Aucun modèle n’adhère étroitement au régime alimentaire de référence du diététiste pour tous les nutriments.
Les auteurs notent que c'est la première fois que différents LLM sont comparés pour les besoins nutritionnels des adolescents, avec une évaluation détaillée des macro et micronutriments multiples, ainsi que des macronutriments. Comme le suggèrent des recherches antérieures, cela pourrait indiquer le manque d’expertise technique de l’IA dans ce domaine. Cela peut entraver l’estimation précise de la composition énergétique et en macronutriments dans un plan alimentaire personnalisé généré par l’IA.
Forces et limites
L’étude présente plusieurs points forts. Il a évalué cinq modèles d’IA différents, améliorant ainsi la robustesse et la puissance comparative de l’analyse. En générant des plans de régime sur trois jours, les chercheurs ont pu évaluer des schémas cohérents plutôt que des anomalies isolées, renforçant ainsi la fiabilité des résultats. L’utilisation de plans conçus par des diététistes et fondés sur les directives alimentaires internationales ont fourni une norme de référence crédible et cliniquement pertinente. En outre, l’évaluation complète des macro et micronutriments a permis une évaluation détaillée et multidimensionnelle de la qualité alimentaire.
Malgré ces atouts, l’étude présente également des limites. Ses conclusions pourraient s’appliquer uniquement aux modèles d’IA spécifiques testés, qui évoluent continuellement, et certaines informations potentiellement pertinentes pourraient avoir été absentes des profils d’adolescents standardisés, limitant ainsi la personnalisation. L'approche statistique, y compris l'utilisation de résultats moyennés sur plusieurs jours, peut affecter l'indépendance des résultats et des estimations de la variabilité. De plus, l’étude s’est appuyée sur des scénarios simulés plutôt que sur des comportements d’adolescents réels, ce qui peut limiter la validité écologique. Enfin, l’utilisation de messages-guides standardisés dans une seule langue pourrait limiter la généralisabilité des résultats à d’autres populations et contextes.
Les risques des conseils nutritionnels non supervisés par l’IA
« Les modèles d'IA ont montré des écarts cliniquement significatifs dans les plans de régime alimentaire des adolescents, tant au niveau macro que micro. » Ils ont systématiquement recommandé des régimes avec une teneur en énergie et en glucides inférieure à celle du régime conçu par la diététiste.
Jusqu’à ce que ces lacunes soient comblées, les auteurs préviennent que les régimes alimentaires générés par l’IA ne devraient pas remplacer les conseils diététiques professionnels destinés aux adolescents.
Téléchargez votre copie PDF en cliquant ici.
