← Retour aux articles
Revue systématiqueHors périmètre

Conseils diététiques basés sur l'intelligence artificielle générative : une revue de la portée sur l'exactitude nutritionnelle, la sécurité et les risques liés à l'alimentation

Generative Artificial Intelligence-Based Dietary Advice: A Scoping Review of Nutritional Accuracy, Safety, and Eating-Related Risks.

PubMed — neurosciences cognitives developpementales · Anglais

L’essentiel

Cette revue de la portee vise a synthetiser les donnees probantes actuelles concernant les conseils dietetiques generes par l'intelligence artificielle generative, en s'interessant particulierement a l'exactitude nutritionnelle, a la securite, a la gestion du poids, aux risques de troubles alimentaires et aux garanties professionnelles. Neuf etudes publiees entre 2023 et 2026 ont ete selectionnees selon la methodologie PRISMA-ScR a travers plusieurs bases de donnees bibliographiques. Bien que certaines evaluations aient montre des scores d'exactitude acceptables ou des indices de qualite de regime eleves pour des plans de perte de poids generes par des chatbots, d'importantes limites ont ete relevees en matiere d'exactitude calorique, de gestion des portions, d'equilibre des macronutriments et de prise en compte des allergies alimentaires ou des comorbidites. Des preoccupations en matiere de securite ont ete identifiees pour les populations adolescentes et les scenarios impliquant des troubles des conduites alimentaires, ou les reponses des systemes combinaient parfois des conseils sains avec des recommandations restrictives. Les avertissements de securite et l'orientation vers des professionnels de sante demeurent inconstants dans les systemes evalues. Les auteurs concluent que les preuves actuelles restent preliminaires, heterogenes et basees sur des simulations, suggerant que l'intelligence artificielle ne peut se substituer a un suivi dietetique professionnel autonome. Des etudes longitudinales en conditions reelles sont necessaires pour evaluer les impacts comportementaux et cliniques reels de ces outils.

  • Une revue de la portee a analyse neuf etudes publiees entre 2023 et 2026 sur les conseils dietetiques generes par l'intelligence artificielle.
  • Les evaluations mettent en evidence des limites notables concernant l'exactitude calorique, la gestion des portions et la personnalisation pour les pathologies complexes.
  • Des risques potentiels de securite ont ete identifies pour les adolescents et les situations a risque de troubles des conduites alimentaires.
Robustesse de l’étudeNon déterminable

Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.

Comprendre l’analyse ↓
Portée de l’analyse NeuroWatchAnalyse partielle

Analyse du résumé uniquement. Confiance faible dans les informations extraites.

Voir les sources ↓

Synthèse détaillée

Synthèse

Cette revue de la portee vise a synthetiser les donnees probantes actuelles concernant les conseils dietetiques generes par l'intelligence artificielle generative, en s'interessant particulierement a l'exactitude nutritionnelle, a la securite, a la gestion du poids, aux risques de troubles alimentaires et aux garanties professionnelles. Neuf etudes publiees entre 2023 et 2026 ont ete selectionnees selon la methodologie PRISMA-ScR a travers plusieurs bases de donnees bibliographiques. Bien que certaines evaluations aient montre des scores d'exactitude acceptables ou des indices de qualite de regime eleves pour des plans de perte de poids generes par des chatbots, d'importantes limites ont ete relevees en matiere d'exactitude calorique, de gestion des portions, d'equilibre des macronutriments et de prise en compte des allergies alimentaires ou des comorbidites. Des preoccupations en matiere de securite ont ete identifiees pour les populations adolescentes et les scenarios impliquant des troubles des conduites alimentaires, ou les reponses des systemes combinaient parfois des conseils sains avec des recommandations restrictives. Les avertissements de securite et l'orientation vers des professionnels de sante demeurent inconstants dans les systemes evalues. Les auteurs concluent que les preuves actuelles restent preliminaires, heterogenes et basees sur des simulations, suggerant que l'intelligence artificielle ne peut se substituer a un suivi dietetique professionnel autonome. Des etudes longitudinales en conditions reelles sont necessaires pour evaluer les impacts comportementaux et cliniques reels de ces outils.

Résultats principaux

Une revue de la portee a analyse neuf etudes publiees entre 2023 et 2026 sur les conseils dietetiques generes par l'intelligence artificielle. Les evaluations mettent en evidence des limites notables concernant l'exactitude calorique, la gestion des portions et la personnalisation pour les pathologies complexes. Des risques potentiels de securite ont ete identifies pour les adolescents et les situations a risque de troubles des conduites alimentaires. Les avertissements de securite et l'orientation systematique vers des professionnels de la sante qualifies s'averent insuffisants et inconstants. Les donnees actuelles restent preliminaires et ne permettent pas de recommander l'utilisation autonome de ces outils en remplacement des dieteticiens.

Repères pour la pratique

Les cliniciens doivent etre informes que les patients peuvent utiliser des chatbots non regules pour generer des plans nutritionnels potentiellement inadaptes ou restrictifs. Il est recommande d'aborder activement l'utilisation des outils numeriques d'intelligence artificielle lors des consultations en nutrition et en sante mentale. Les professionnels de la sante doivent fournir des orientations dietetiques personnalisees et securitaires afin de prevenir l'adoption de recommandations automatisees risquees.

Limites et précautions

Cette revue de la portee aborde un sujet technologique emergent pertinent pour la pratique clinique, notamment en lien avec les risques comportementaux et les troubles alimentaires, mais son lien direct avec les neurosciences cognitives strictes reste modere. La base de donnees probantes actuelle est tres restreinte, ne comprenant que neuf etudes principalement fondees sur des simulations. L'heterogeneite des methodologies d'evaluation limite la generalisation des resultats cliniques. Aucune des etudes incluses n'a permis de demontrer des impacts comportementaux ou cliniques a long terme chez les utilisateurs.

Analyse méthodologique

Non déterminable — Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.

Le texte intégral ouvert n’était pas accessible. Cela rend la robustesse non déterminable : l’absence d’information n’est pas interprétée comme une faiblesse de l’étude.

Examiner les critères point par point

Cette analyse automatisée porte sur une revue de portée évaluant l'intelligence artificielle générative et les grands modèles de langage pour les conseils diététiques. Les auteurs ont appliqué un protocole structuré conforme aux directives PRISMA-ScR et mené une recherche documentaire exhaustive dans cinq bases de données (PubMed, Scopus, CINAHL, Web of Science et Embase) jusqu'au 30 juin 2026. La sélection des études et la synthèse des données ont été réalisées de manière indépendante par deux examinateurs. Selon les résultats rapportés, les données probantes incluent neuf études mettant en évidence des scores de précision nutritionnelle spécifiques, tels qu'une précision de 84,38 % dans une évaluation et des scores du Diet Quality Index-International supérieurs à 70 pour certains plans générés par chatbot. Les auteurs notent également des préoccupations de sécurité potentielles pour les adolescents et dans les cas de troubles du comportement alimentaire, bien qu'aucun préjudice clinique ou comportemental direct n'ait été formellement établi. L'analyse NeuroWatch indique que l'évaluation formelle du risque de biais est non rapportée dans la source analysée. Le financement et les conflits d'intérêts sont également non rapportés dans la source analysée. Une limite méthodologique majeure réside dans le fait que seul le résumé a été lu, ce qui restreint la portée des conclusions. Aucune recommandation clinique n'est formulée.

protocolFavorable

La revue de portée a suivi le cadre d'Arksey et O'Malley raffiné par Levac et al., et a été rapportée selon les directives PRISMA-ScR.

Un élément méthodologique adéquat est explicitement documenté.
risk of biasNon déterminable

Aucune évaluation formelle du risque de biais ou de la qualité méthodologique des études incluses n'est mentionnée dans le résumé.

L’information nécessaire n’est pas rapportée dans la source analysée.
search strategyFavorable

Une recherche documentaire a été effectuée dans PubMed, Scopus, CINAHL, Web of Science et Embase jusqu'au 30 juin 2026.

Un élément méthodologique adéquat est explicitement documenté.
study selectionFavorable

La sélection des études a été réalisée indépendamment par deux examinateurs, les désaccords étant résolus par consensus ou par l'évaluation d'un troisième examinateur.

Un élément méthodologique adéquat est explicitement documenté.
synthesis methodFavorable

L'extraction des données et la synthèse ont été menées par deux examinateurs de manière indépendante pour synthétiser les données probantes sur les conseils diététiques basés sur l'IA générative.

Un élément méthodologique adéquat est explicitement documenté.

Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.

Classification détaillée

Lecture multiaxiale

Ce que l’article étudie

Taxonomie 2026_10

L'article analyse l'exactitude et la securite des conseils dietetiques generes par l'intelligence artificielle, ce qui releve de la nutrition numerique et de la sante publique generale, sans s'inscrire directement dans le champ clinique des troubles neurodeveloppementaux ou de la neuropsychologie.