Publié le 2025-10-21 09:51:00. Une étude novatrice dévoile une méthode basée sur l’intelligence artificielle capable d’analyser précisément les habitudes alimentaires des enfants à partir de vidéos. Cette avancée pourrait révolutionner la lutte contre l’obésité infantile en identifiant des comportements jusqu’alors méconnus.
- Une nouvelle technologie d’IA, nommée ByteTrack, analyse la microstructure des repas des enfants en vidéo.
- Elle vise à détecter les schémas de prise alimentaire, tels que la fréquence et la taille des bouchées, pour mieux comprendre les liens avec l’obésité.
- Les résultats préliminaires montrent une grande précision, malgré certains défis liés aux mouvements des enfants et aux conditions d’enregistrement.
La manière dont un enfant mange, des plus petites bouchées aux mouvements de sa bouche, livre des indices précieux sur ses habitudes alimentaires et les risques potentiels de surconsommation menant à l’obésité. Une recherche récente, publiée dans la revue Frontiers in Nutrition, introduit un système d’apprentissage profond qui promet de décrypter ces comportements à partir de simples enregistrements vidéo de repas d’enfants.
Traditionnellement, l’analyse des habitudes alimentaires, aussi appelée microstructure des repas, repose sur un codage manuel minutieux. Cette méthode, bien que fiable, exige un temps considérable et des ressources importantes. Face à l’augmentation des cas d’obésité infantile, une approche plus efficace et scalable est devenue nécessaire.
Les chercheurs ont développé ByteTrack, un système d’apprentissage profond spécifiquement conçu pour la vidéo. Il est capable de détecter le nombre de bouchées et leur rythme chez les enfants âgés de 7 à 9 ans. Entraîné sur plus de 1440 minutes de vidéo, le système utilise une approche en deux étapes. La première étape assure une détection faciale robuste, même dans des conditions difficiles, tandis que la seconde, combinant un réseau neuronal convolutif (CNN) et un réseau récurrent à mémoire longue terme (LSTM), distingue l’acte de manger d’autres mouvements, s’adaptant à divers artefacts visuels comme le flou, la faible luminosité ou les mains qui masquent la bouche.
Les tests ont révélé une précision de plus de 98 % dans certaines phases de la détection. Bien que la précision globale de la détection des bouchées soit d’environ 79 %, avec un rappel de 68 %, ByteTrack démontre une capacité à refléter les situations du monde réel, incluant la présence d’autres personnes autour de l’enfant lors du repas. Cette méthode se veut moins intrusive que les capteurs portables et pourrait, à l’avenir, s’appuyer sur les caméras de smartphones pour un enregistrement encore plus naturel, sous réserve de garantir la protection des données.
L’étude, bien que préliminaire, souligne la faisabilité d’un outil automatisé et évolutif pour l’analyse des comportements alimentaires infantiles. Les scientifiques reconnaissent la nécessité de perfectionner le système pour améliorer sa fiabilité face aux mouvements importants ou aux obstructions visuelles. Des travaux futurs viseront à rendre ByteTrack plus performant et disponible pour une utilisation en temps réel, ouvrant ainsi de nouvelles perspectives dans la prévention de l’obésité dès la table.
« Cette étude pilote démontre la faisabilité d’un outil évolutif et automatisé pour la détection des bouchées dans les repas des enfants. »