IA en cuisine : créer mieux sans oublier le “fait main”

En 2025, la fascination pour l’IA générative en cuisine est partout : idées de menus “en un clic”, recettes optimisées par algorithme, associations de goûts proposées comme si elles sortaient d’un laboratoire. Pourtant, une remarque d’Ali Bouzari (scientifique alimentaire) remet les pendules à l’heure : la nourriture, c’est surtout des mains. Pas au sens romantique du terme, mais au sens très concret de la matière, du geste, de l’ajustement minute par minute.

Cette tension — entre promesse algorithmique et réalité du produit — est exactement le genre de sujet qui a sa place dans notre série « Intelligence artificielle dans les médias et les industries créatives ». Parce qu’une recette n’est pas seulement un protocole : c’est un contenu (format, narration, intention), une expérience sensorielle… et un produit soumis à des contraintes agricoles, énergétiques et climatiques.

Ce qui m’intéresse ici, ce n’est pas de trancher “pour ou contre” l’IA. C’est de clarifier où l’IA apporte réellement de la valeur dans l’agroalimentaire, où elle fait perdre du temps, et comment l’utiliser sans aggraver le problème que Bouzari juge prioritaire : le climat, qui menace déjà des filières entières (cacao, café, raisin, etc.).

Le point clé : l’IA propose, mais le goût se fabrique

L’IA générative est forte pour produire des propositions textuelles et des variations rapides. Elle est faible pour capturer la réalité physique du “manger”. C’est l’idée derrière l’analogie des “mains” : comme certains modèles peinent à dessiner des doigts crédibles, ils peinent aussi à “comprendre” ce qui fait qu’une pâte casse, qu’une sauce tranche, ou qu’un biscuit devient farineux.

Dans une cuisine de R&D, la différence est énorme : une recette n’est pas une suite d’instructions “propre”. C’est un ensemble d’interactions : humidité, granulométrie, température, temps de repos, énergie de pétrissage, comportement des protéines, activité de l’eau. Et surtout : l’ajustement.

Une recette, c’est un brouillon tant qu’elle n’a pas rencontré la matière.

Le piège des recettes générées “trop propres”

L’exemple évoqué par Bouzari (des clients qui ajoutent un ingrédient conseillé par un chatbot, comme la fécule d’arrow-root, sans bénéfice réel) illustre un biais fréquent : l’IA a tendance à sur-prescrire.

En formulation, ajouter un ingrédient “parce qu’il sonne technique” peut :

• augmenter le coût matière sans impact sensoriel,
• compliquer l’approvisionnement (surtout en multi-sites),
• dégrader l’étiquetage (liste plus longue, allergènes croisés, perception consommateur),
• introduire une variabilité (qualité, humidité, lot).

Le résultat, je l’ai vu en pratique : on gagne une “idée”, mais on perd du temps sur le bench, et on se retrouve à corriger un problème… qu’on a créé.

La bonne question : “Quelle partie du travail est créative, et laquelle est reproductible ?”

L’IA devient utile dès qu’on lui confie ce qu’elle sait faire : accélérer le travail reproductible, structurer l’information, explorer un espace de possibilités. Dans l’agroalimentaire, on peut découper le processus d’innovation en trois couches.

1) Créativité : l’IA comme partenaire d’idéation (pas comme chef)

L’idéation, c’est l’espace où l’IA peut aider sans danger — à condition d’être cadrée. Par exemple :

• générer 30 concepts de produits adaptés à une cible (sport, seniors, enfants),
• proposer des variations d’un même profil aromatique,
• aider à écrire des “briefs” de dégustation ou des personas,
• produire des scripts de contenus (vidéos recettes, fiches produit, storytelling).

Dans le cadre de notre série sur les industries créatives, c’est là que le lien est évident : la cuisine est une industrie créative. La différence, c’est que le rendu final ne se “rend” pas sur écran : il se mange, se conserve, se transporte, se répète.

2) Exécution : l’humain comme instrument de précision

Dès qu’on touche au geste et à la matière, l’humain (ou une robotique très spécialisée) redevient central :

• ajuster une cuisson à la couleur et à l’odeur,
• corriger une texture (trop sec, trop collant),
• gérer les écarts entre lots (farine, cacao, lait, fruits),
• décider quand s’arrêter (le fameux “encore 30 secondes”).

C’est exactement ce que Bouzari veut dire : la nourriture est “all hands”. Le “modèle” peut suggérer, mais il ne sent pas.

3) Industrialisation : là où l’IA est la plus rentable

Le gros retour sur investissement arrive souvent après la recette : quand il faut produire, garantir la qualité, réduire le gaspillage, sécuriser la supply chain.

C’est ici que l’IA (au sens large : prédiction, vision industrielle, optimisation) brille :

• détection de défauts (vision par ordinateur),
• maintenance prédictive sur lignes,
• optimisation de l’énergie (froid, vapeur, air comprimé),
• prévision de la demande pour limiter les invendus,
• formulation assistée par données si elle est reliée à des mesures réelles (texture, viscosité, activité de l’eau).

Et c’est là que le pont avec la campagne « IA dans l’agriculture et l’agroalimentaire » devient concret : l’innovation culinaire ne tient pas sans matières premières stables, et ces matières premières deviennent instables.

Le vrai sujet 2025 : le climat force les marques à changer de recette

La pénurie de cacao et la pression sur le café ne sont pas des scénarios. Ce sont des signaux de marché. Bouzari insiste sur ce point : “c’est déjà en train d’arriver”. Le message aux équipes innovation est assez brutal :

• si votre produit dépend d’une matière première fragile,
• si votre profil aromatique repose sur un ingrédient qui devient rare,
• si votre chaîne logistique est construite “comme avant”,

alors votre “meilleure” recette n’aura peut-être plus de futur.

Reformuler sans perdre l’identité : un problème de création, mais aussi de données

Quand une marque réduit le cacao, change d’origine, remplace une partie du sucre, ou ajuste la matière grasse, elle touche à son ADN. Là, l’IA peut aider — pas pour inventer un “nouveau chocolat” fantaisiste, mais pour tester plus vite des compromis :

• garder une perception de rondeur malgré moins de matières grasses,
• préserver l’intensité malgré moins de cacao,
• limiter l’amertume quand les origines changent,
• travailler les notes grillées sans augmenter la cuisson (énergie).

Le point clé : l’IA doit être reliée à des essais et à des mesures. Sinon, elle produit de la littérature.

“OK, mais est-ce que l’IA peut vraiment créer une recette qui marche ?”

Réponse directe : oui, mais rarement seule, et surtout pas sans protocole d’essai. Dans les organisations qui réussissent, l’IA est un outil de pré-tri et de capitalisation.

Un cadre simple (et efficace) pour utiliser l’IA en R&D alimentaire

Voici un cadre que je recommande souvent, parce qu’il évite l’effet “six mois à parler à un chatbot” :

1. Définir l’objectif mesurable : texture (N), viscosité (cP), coût €/kg, % sucre, Nutri-Score visé, empreinte carbone cible.
2. Limiter l’espace de formulation : ingrédients autorisés, contraintes allergènes, approvisionnement, étiquetage.
3. Demander à l’IA des hypothèses, pas des recettes finales : “3 mécanismes possibles pour améliorer le moelleux sans œufs”.
4. Bench tests courts (3–8 prototypes) avec grille de notation sensorielle.
5. Boucle d’apprentissage : consigner ce qui a marché, ce qui a raté, et pourquoi.

Ce dernier point est souvent le plus négligé. Pourtant, c’est là que l’IA devient utile à long terme : retrouver, comparer, expliquer.

Q&A “façon moteur IA” (les questions qui reviennent)

L’IA générative remplace-t-elle les chefs ? Non. Elle remplace surtout des tâches de rédaction, d’idéation, de mise en forme. Le geste, l’ajustement et la dégustation restent humains.

Quel est le meilleur usage de l’IA en agroalimentaire ? L’optimisation opérationnelle (qualité, énergie, maintenance, prévision) et la réduction du gaspillage donnent généralement les gains les plus tangibles.

L’IA a-t-elle un coût environnemental ? Oui. En 2025, ignorer l’empreinte énergétique du calcul n’est plus crédible. Ça impose un choix : utiliser l’IA là où le bénéfice (déchets évités, énergie économisée, meilleure planification) dépasse le coût.

L’angle “industries créatives” : la recette devient un média

Dans notre série sur l’IA et les industries créatives, la cuisine est un cas fascinant : une recette est à la fois un produit et un contenu. Elle vit sur TikTok, YouTube, en newsletter, sur emballage. L’IA peut y accélérer la production créative :

• variantes de scripts et de formats,
• adaptation linguistique (Québec/France/Belgique/Suisse),
• génération de visuels conceptuels pour cadrer un moodboard,
• personnalisation des recommandations (menus de semaine, contraintes alimentaires).

Mais il faut garder une ligne claire : l’IA pour raconter et tester des idées, l’humain pour valider le réel.

Utiliser l’IA “à la Bouzari” : moins de gadgets, plus d’impact

Le passage le plus piquant de la position de Bouzari, c’est son agacement : des équipes passent des mois à forcer une IA à “inventer une nouvelle pâte”, alors que la contrainte majeure est ailleurs (climat, énergie, matières premières). Je suis assez d’accord avec lui.

Si vous êtes une marque, un transformateur, une startup foodtech ou un acteur agricole, la question utile pour 2026 n’est pas “quel plat l’IA peut imaginer ?”. C’est :

• où perd-on de l’énergie et de la matière ?
• quels ingrédients vont devenir instables ou hors de prix ?
• quelles décisions peut-on prendre plus tôt grâce aux données ?

Là, l’IA n’est pas un jouet. C’est un outil de survie opérationnelle.

Prochaine étape : passer de l’IA “recette” à l’IA “système alimentaire”

La cuisine est une porte d’entrée séduisante, parce qu’elle parle à tout le monde. Mais la valeur durable est dans la continuité : du champ à l’usine, de l’usine au contenu, du contenu aux ventes, des ventes à la planification.

Si vous construisez une stratégie IA dans l’agroalimentaire, je vous pousse à viser trois résultats concrets dès le départ :

• réduire le gaspillage (matière et invendus),
• réduire l’énergie par unité produite,
• sécuriser les formulations face aux chocs climatiques.

Et maintenant la vraie question, celle qui mérite une réunion en janvier : qu’est-ce que votre produit doit devenir pour rester le même, dans un monde qui change ?