Tu demandes à ChatGPT pourquoi tu te réveilles fatigué en ce moment. Tu demandes à Claude de t'aider à organiser une semaine de repas autour de ton entraînement. Les deux te répondent en quelques secondes avec quelque chose qui a l'air pertinent. Aucun des deux ne sait que tu as mangé une margherita à 22h47 mardi dernier, descendu trois cafés avant midi hier, et sauté le petit-déjeuner quatre jours d'affilée.
Ton IA travaille à l'aveugle sur la seule donnée qui structure comment tu dors, t'entraînes, récupères et te sens : ce que tu manges.
Ce n'est pas une limite de l'IA. C'est un choix d'architecture, fait par toutes les apps de tracking nutrition que tu as utilisées. Et c'est la raison numéro un pour laquelle "l'IA pour la santé" donne encore une impression de promesse molle en 2026.
Regarde ce que toutes les apps dominantes — MyFitnessPal, Yazio, Lose It, Cronometer — ont en commun. Le logging est la porte d'entrée. Leur base de données, leur interface, leurs insights, leur paywall : tout est conçu pour te garder à l'intérieur.
Ce n'est pas une faute morale. C'est un problème de structure. Si tes données sortent proprement, l'app perd son levier. L'abonnement premium cesse d'être le seul endroit où tu peux voir tes tendances. Le "coach IA" propriétaire qu'ils viennent de sortir cesse d'être la seule couche d'intelligence au-dessus de ta nutrition. Tu peux prendre tes six ans d'historique alimentaire et les donner à n'importe quel assistant qui te donne la réponse la plus pertinente.
Donc ils ne te laissent pas faire. Les exports sont enterrés, formatés pour être inutilisables, planqués derrière le premium, ou tout simplement absents. Certaines apps proposent techniquement une API — pensée pour des partenaires B2B sous contrat annuel, pas pour l'utilisateur qui veut brancher ses propres données dans ChatGPT un dimanche matin.
Le résultat : un sens unique. Tes repas entrent. Des insights ressortent, formatés selon la vision du monde de l'app. Rien ne sort.
Imagine donner à ChatGPT ou Claude un mois propre et structuré de ton alimentation : timestamps, macros, micronutriments, type de repas, comment tu t'es senti après, ce que tu as logué sur Apple Santé le même jour.
En quelques secondes tu peux poser des questions auxquelles aucune app de nutrition ne répondra jamais correctement, parce qu'elles demandent un raisonnement croisé entre plusieurs domaines :
"Regarde mes 30 derniers jours. Les soirs où j'ai dîné après 21h, qu'est-ce qui s'est passé sur mon sommeil profond ?" Ton IA croise tes données nutrition avec tes données sommeil et fait émerger un pattern. Ton app de nutrition ne peut pas le faire — elle ne voit pas le sommeil.
"J'ai bu de la caféine après 14h sur douze jours le mois dernier. Sur ces jours-là, est-ce que mon énergie l'après-midi suivant était plus haute ou plus basse ?" Analyse sur plusieurs jours. Ton app s'arrête au total calorique de la journée.
"Je commence un programme semi-marathon dans trois semaines. À partir de ce que je mange réellement — pas de ce que je devrais manger — quels sont les deux changements qui auraient le plus d'impact ?" Stratégie personnalisée ancrée dans ton historique réel, pas un plan générique.
"Compare ce que je mange les semaines où je m'entraîne quatre fois et celles où je m'entraîne deux fois. Quelle est la différence structurelle ?" Détection de patterns comportementaux. Aucune app ne fait ça.
"Mon médecin veut que je baisse mon LDL. Sur les 60 derniers jours de repas, où est-ce que tu couperais en premier — et par quoi remplacer pour que je ne perde pas en protéines ?" Contexte médical croisé avec un raisonnement diététique. Le type de question qu'un bon nutritionniste te traiterait. Aujourd'hui ton app te montre juste un anneau "graisses saturées" qui rougit lentement.
Ce ne sont pas des requêtes futuristes. C'est le minimum vital pour un assistant compétent — à condition de lui donner les données. Aujourd'hui, tu ne peux pas.
Trois forces rendent le modèle "données fermées" intenable.
Le Model Context Protocol. Anthropic a sorti MCP fin 2024 comme standard ouvert pour connecter des assistants IA à des sources de données externes. Début 2026, il a été adopté par OpenAI, les principaux éditeurs d'IDE, et une vague d'apps grand public. MCP transforme "laisse ton IA lire tes données" d'un projet d'intégration sur mesure en une connexion en un clic. Les apps qui n'exposent pas de serveur MCP vont vite ressembler aux apps qui n'exposaient pas d'API en 2010.
La pression réglementaire sur la portabilité des données. L'article 20 du RGPD donne déjà aux Européens le droit de récupérer leurs données personnelles dans un format structuré et exploitable. L'AI Act européen, pleinement applicable depuis août 2026, enfonce le clou. Les États-Unis suivent avec des lois étatiques sur la confidentialité des données de santé. Le coût juridique de retenir les données utilisateurs monte ; le coût juridique de les laisser circuler descend.
L'écosystème Apple Santé et Google Health Connect. Les deux plateformes ont passé trois ans à normaliser l'idée que les données de santé appartiennent à l'utilisateur et doivent circuler librement entre apps. La nutrition est l'une des dernières catégories à résister à cette norme.
Conclusion : retenir les données utilisateurs devient un risque, pas une douve. La nouvelle douve, c'est d'être l'app à qui les utilisateurs font confiance pour bien gérer leurs données — donc l'app qui les laisse partir.
Diet Mate repose sur le pari architectural opposé à toutes les autres apps de nutrition. On ne pense pas que la douve est de garder tes données prisonnières dans notre interface. On pense que la douve est de devenir ta mémoire nutritionnelle : l'endroit où tout ce que tu manges est capturé vite, structuré proprement, et ensuite mis à disposition de l'intelligence que tu décides d'y brancher.
Ça change le design à tous les niveaux.
La capture est voice-first parce que rien d'autre n'est assez rapide pour logger chaque repas pendant des années. La structure est opinionnée — repas étiquetés avec contexte, heure, humeur, faim — parce qu'un log alimentaire brut est inexploitable pour une IA sans cet échafaudage. Et l'export est traité comme une fonctionnalité, pas comme une case réglementaire à cocher : du JSON propre de tout ton historique, disponible à la demande.
Le serveur MCP est sur notre roadmap pour la deuxième moitié de 2026. À sa sortie, connecter Diet Mate à Claude, ChatGPT ou n'importe quel assistant compatible MCP se fera en un clic. Ton IA interrogera ton historique nutrition en direct, comme elle interroge le web aujourd'hui. On ne sera pas l'IA nutrition la plus intelligente du marché. On sera celle qui nourrit l'IA la plus intelligente que tu utilises déjà.
C'est ça, le pari : dans deux ans, la question ne sera plus "quelle app a le meilleur coach IA ?". Elle sera "quelle app permet à mon IA de vraiment me connaître ?". Les apps qui retiennent les données garderont leurs utilisateurs captifs. Les apps qui les libèrent deviendront de l'infrastructure.
Le prochain saut en intelligence santé personnelle ne viendra pas d'une app de nutrition qui sort un chatbot maison légèrement meilleur. Il viendra de tes données qui pourront enfin sortir du silo et rencontrer l'IA que tu utilises vraiment.
Si tu choisis un tracker de nutrition aujourd'hui, pose trois questions avant tout le reste. Est-ce que je peux récupérer mes données dans un format propre et structuré, à la demande ? Est-ce que l'export est inclus dans la version gratuite, ou est-ce qu'il faut payer pour accéder à mon propre historique ? Est-ce qu'il y a une roadmap pour connecter l'app directement à un assistant IA — pas un chatbot maison, mon chatbot ?
Si la réponse à l'une d'elles est non, tu n'achètes pas une mémoire nutritionnelle. Tu loues l'accès à ton propre passé.
L'app qui a peur de ton IA est la mauvaise app à qui confier tes données.
