Google Lens identifie un aliment en quelques secondes, mais la chaîne qui va de la reconnaissance visuelle à une recette exploitable reste mal comprise. Nous détaillons ici les mécanismes techniques de Lens appliqués à la cuisine, leurs limites réelles et les alternatives spécialisées apparues depuis fin 2024.
Pipeline de reconnaissance visuelle : ce que Google Lens fait vraiment sur un aliment
Google Lens s’appuie sur un modèle de classification d’images entraîné sur des milliards de photos indexées. Lorsqu’on pointe l’objectif vers un poivron ou un morceau de comté, Lens renvoie une identification générique, pas une fiche produit structurée. Le résultat est un label textuel (« poivron rouge », « fromage à pâte pressée cuite ») accompagné de liens vers Google Search.
La reconnaissance fonctionne correctement sur les produits entiers, bien éclairés, isolés sur un plan de travail. Les performances chutent dès que les conditions s’écartent de ce cas idéal.
Cas où Lens échoue en contexte culinaire
- Ingrédients partiellement transformés : un oignon émincé, des herbes ciselées ou un filet de poisson sans peau perdent leurs marqueurs visuels distinctifs. Lens confond régulièrement persil plat et coriandre, ou cabillaud et lieu noir.
- Plans larges de réfrigérateur : pointer Lens vers un frigo ouvert ne produit pas de liste d’ingrédients. Le modèle sélectionne un objet dominant et ignore le reste.
- Plats cuisinés composés : un gratin, un curry ou une soupe ne génèrent qu’un label approximatif (« gratin de légumes ») sans décomposition des ingrédients ni proposition de recette exploitable.
Lens n’a jamais été conçu comme un outil culinaire. Son moteur de vision reste un classificateur généraliste, pas un détecteur multi-objets calibré pour la gastronomie.
Google Lens et recettes : le fossé entre identification et suggestion culinaire
Après identification d’un aliment, Lens redirige vers des résultats de recherche Google. Aucune recette n’est générée nativement dans l’interface Lens. Le passage de l’image à la recette repose entièrement sur Google Search, avec les mêmes résultats qu’une requête textuelle classique.
Nous observons un décalage fréquent entre l’attente utilisateur et le résultat obtenu. Photographier un reste de poulet rôti et trois courgettes ne produit pas de suggestion « recette avec poulet et courgettes ». Lens identifie l’un des deux éléments, puis affiche des pages web génériques.
Absence de personnalisation alimentaire
Lens ne gère ni les allergies, ni les régimes, ni les préférences de cuisine. Le flux s’arrête à l’identification visuelle. Toute la contextualisation (nombre de convives, temps disponible, régime sans gluten) doit être ajoutée manuellement dans une recherche textuelle séparée.
Pour un usage culinaire récurrent, cette friction rend Lens peu pertinent face aux outils dédiés.
Apps « photo vers recette » post-2024 : reconnaissance d’ingrédients couplée à l’IA générative
Depuis fin 2024, une nouvelle génération d’applications combine vision par ordinateur et modèles de langage pour combler les lacunes de Lens. Pantry Pic, CookScope, SnapChef ou Pocket Cookbook utilisent des modèles de détection multi-objets capables d’isoler plusieurs dizaines d’ingrédients dans une seule photo de frigo ou de placard.
Le principe technique diffère fondamentalement de Lens. Ces apps ne classifient pas une image vers un label unique. Elles segmentent la scène, identifient chaque produit visible, puis transmettent la liste structurée à un LLM qui génère des recettes adaptées.
Fonctionnement du pipeline frigo vers menu
La photo est traitée par un modèle de détection d’objets spécialisé alimentaire. Les ingrédients reconnus sont convertis en un brief structuré (parfois en JSON) transmis au moteur de génération. Le LLM produit alors un menu cohérent pour un nombre de personnes donné, en tenant compte des contraintes saisies par l’utilisateur : allergies, temps de préparation, type de cuisine souhaité.
Certaines apps vont plus loin en proposant des objectifs anti-gaspillage, en priorisant les ingrédients proches de leur date de péremption. D’autres intègrent des suggestions de courses complémentaires pour compléter un plat à partir de ce qui manque.
Critères de choix entre Google Lens et une app culinaire spécialisée
Nous recommandons de distinguer deux cas d’usage avant de choisir un outil.
Google Lens reste pertinent pour identifier un aliment inconnu : un fruit exotique au marché, un champignon ramassé en forêt (avec les réserves de prudence qui s’imposent), un fromage sans étiquette. L’identification ponctuelle d’un produit isolé est son terrain de jeu naturel.
Pour passer d’un contenu de frigo à un repas planifié, les apps spécialisées post-2024 offrent un gain de temps considérable. Le scan multi-ingrédients, la prise en compte des préférences alimentaires et la génération de recettes complètes éliminent les allers-retours entre Lens, Google Search et un site de recettes.
Limites partagées par tous les outils de reconnaissance alimentaire
- Aucun modèle de vision ne distingue fiablement un aliment frais d’un aliment périmé. La responsabilité sanitaire reste celle de l’utilisateur.
- Les épices, condiments et produits en bocal transparent sont systématiquement mal identifiés, quel que soit l’outil.
- La précision de reconnaissance dépend directement de l’éclairage. Une photo prise dans un frigo mal éclairé dégrade fortement les résultats, y compris sur les apps dédiées.
Google Lens a popularisé l’idée de pointer son téléphone vers un aliment pour obtenir une information. Les apps culinaires spécialisées transforment cette identification en action concrète, là où Lens s’arrête à la classification. Pour un usage quotidien en cuisine, la bascule vers un outil dédié fait gagner plusieurs minutes par repas.
