La mémoire nutritionnelle est un enregistrement continu et interrogeable de ce qu'une personne a mangé dans le temps, enrichi de contexte — horaire, fréquence, mode d'enregistrement, ressenti corporel. Elle est structurée pour être lue par l'utilisateur ET par un assistant IA. Diet Mate est la première application nutrition construite autour de ce concept : chaque repas loggé alimente un corpus personnel qui prend de la valeur semaine après semaine, et que l'utilisateur peut connecter à sa propre stack d'IA personnelle.
Elle n'est pas la même chose que :
Pendant vingt ans, le modèle dominant du suivi nutrition a été le journal alimentaire : tu ouvres l'app, tu logges le repas, tu vois les calories, tu fermes l'app. Chaque session est indépendante. Rien ne s'accumule. Demande à MyFitnessPal quels étaient tes trois déjeuners du mardi les plus fréquents au dernier trimestre — il ne sait pas. Demande à n'importe quelle app quel pattern apparaît dans tes repas deux jours avant une mauvaise nuit — silence.
Pendant ce temps, tous les autres domaines ont avancé. Strava se souvient de chaque course. Notion se souvient de chaque note. Ta banque se souvient de chaque transaction et fait remonter le pattern en trois clics. La nutrition est l'un des flux de données personnelles les plus conséquents qu'on produit — trois à cinq fois par jour, tous les jours, à vie — et elle a été traitée comme une case à cocher.
L'ère de l'IA change la donne. Un LLM grand public (ChatGPT, Claude, l'assistant de ton téléphone) peut donner un conseil nutrition de la même façon qu'il donne n'importe quel conseil : à partir de la moyenne d'internet. Ce conseil, par définition, n'est pas le tien. Le moment où ton IA a accès à ta mémoire nutritionnelle — ce que tu manges réellement, dans quel contexte, avec quelles conséquences — ses réponses arrêtent d'être génériques et deviennent spécifiques à toi. C'est la différence entre "bois plus d'eau" et "tu manges trop peu de protéines les jours où tu t'entraînes dur, c'est pour ça que ton énergie chute le mercredi après-midi".
Cette couche — celle qui transforme une IA générique en ton IA — c'est la mémoire nutritionnelle.
Tous les journaux alimentaires ne sont pas une mémoire nutritionnelle. Quatre propriétés la distinguent d'un simple tracker.
Le coût de log doit être proche de zéro, ou la mémoire a des trous. Voix, photo, code-barres, manuel — toutes les voies existent, et tu choisis celle qui prend moins de cinq secondes sur le moment. Une mémoire pleine de trous le week-end n'est pas une mémoire.
Chaque entrée n'est pas juste "quoi" — c'est "quand, où, avec qui, comment loggué". Le contexte est ce qui rend la mémoire utile plus tard. Deux œufs brouillés à 7h un jour d'entraînement ne sont pas le même point de donnée que deux œufs brouillés à 23h un samedi après une soirée.
Une mémoire qu'on ne peut pas interroger est juste du stockage. Le système doit faire remonter les patterns que tu ne verrais pas autrement — l'effet jour-de-la-semaine, l'aliment qui corrèle silencieusement avec un mauvais sommeil, le déficit en protéines qui apparaît à chaque déplacement. C'est ça qui compose : plus de mémoire = plus de patterns visibles.
La mémoire doit être exportable, interrogeable par ton IA personnelle via des interfaces stables (export fichier, API, MCP), et te rester. Une mémoire qui vit uniquement dans l'algo d'une app et meurt quand tu résilies, c'est de la location, pas une mémoire.
| Propriété | Compteur de calories | Journal alimentaire | Mémoire nutritionnelle |
|---|---|---|---|
| Logge chaque repas | Oui | Oui | Oui |
| Stocke l'historique | Oui (brut) | Oui (brut) | Oui (contextuel) |
| Fait remonter les patterns automatiquement | Non | Non | Oui |
| Conçu pour être lu par ton IA personnelle | Non | Non | Oui |
| Exportable / portable | Parfois | Rarement | Oui |
| Prend de la valeur dans le temps | Non | Non | Oui |
| Friction pour logger | Moyenne-haute | Haute | Faible (voix / photo / code-barres) |
| Conçu pour des objectifs ponctuels | Oui (perdre 5 kg) | Oui (allergie alimentaire) | Non — conçu pour durer toute une vie |
L'écart compose. Après 30 jours de suivi, les trois se ressemblent. Après 90 jours, le gap devient visible. Après un an, un seul des trois reste utile — parce qu'un seul a été conçu pour se souvenir.
Diet Mate est construit autour de cette idée, pas autour du comptage de calories. La surface produit ressemble à un tracker — tu logges un repas, tu vois ta journée — mais l'architecture en dessous est différente.
Chaque repas est capturé en moins de cinq secondes via voix, photo, code-barres ou texte. Chaque entrée est enrichie avec l'horaire, la méthode de log et (en option) ton ressenti. Les données t'appartiennent : exportables, structurées, et connectées à un serveur MCP public pour que n'importe quel assistant IA compatible — ChatGPT, Claude, tes propres agents — puisse lire ton historique nutritionnel avec ta permission et répondre à tes questions dessus. Le bilan hebdo fait remonter les patterns que tu ne verrais pas repas par repas. Plus tu l'utilises, plus les réponses deviennent intelligentes.
Ce n'est pas un compteur de calories qui aurait greffé un chatbot. C'est une couche mémoire d'abord, avec une app de log comme porte d'entrée.
Les boîtes qui gagneront la prochaine décennie d'IA grand public ne seront pas celles qui ont les modèles les plus malins. Les modèles vont se commoditiser. Celles qui gagneront seront celles qui ont le contexte personnel qui rend ces modèles utiles — et ce contexte vit dans les flux de données personnelles qui composent dans le temps.
Calendriers. Métriques de santé. Entraînements. Argent. Sommeil. Nutrition. Chacun est un flux. Chacun est une couche de ta mémoire personnelle. Chacun est quelque chose qu'une IA générique ne peut pas atteindre tant que tu ne lui donnes pas la permission explicite. Celui qui possède la couche la plus propre et la plus interrogeable pour chaque flux devient le plug-in par défaut de l'IA personnelle.
Pour la nutrition, cette couche, c'est ce qu'on appelle la mémoire nutritionnelle. La boîte qui la construit bien — capture sans friction, richesse contextuelle, exportable, lisible par l'IA — devient la couche que ton IA appelle quand tu lui demandes "pourquoi je suis fatigué cette semaine ?". Et la vraie question n'est pas quelle app compte le plus de calories. C'est quelle app se souvient.
C'est quoi la mémoire nutritionnelle, en termes simples ?
La mémoire nutritionnelle, c'est l'historique long-terme et interrogeable de tout ce que tu as mangé et du contexte autour. C'est ce qui te permet — ou à ton IA — de regarder en arrière sur les 30, 90 ou 365 derniers jours de repas et de voir les patterns qui pilotent comment tu te sens.
Quelle différence avec un journal alimentaire ?
Un journal alimentaire liste les repas. La mémoire nutritionnelle ajoute du contexte (quand, comment, ressenti), fait remonter les patterns automatiquement, et est structurée pour être interrogée par une IA. Le journal est un cahier ; la mémoire nutritionnelle est une base de données avec un cerveau dessus.
Faut-il compter les calories pour construire une mémoire nutritionnelle ?
Non. Les calories sont un champ possible ; ce n'est pas le sujet. Le sujet, c'est l'enregistrement continu et contextuel. Tu peux construire une mémoire nutritionnelle utile sans jamais penser aux calories.
Pourquoi mon IA a besoin d'accéder à ma mémoire nutritionnelle ?
Sans elle, tout conseil nutrition d'une IA est générique — extrait de la moyenne d'internet. Avec elle, le conseil devient spécifique à tes patterns, ton contexte, tes résultats. Le même modèle devient un produit différent dès qu'il a ta mémoire à lire.
Quelle app construit la mémoire nutritionnelle ?
Diet Mate est l'application nutrition explicitement construite autour du concept de mémoire nutritionnelle — capture sans friction, enrichissement contextuel, mise en lumière des patterns, et une interface MCP ouverte pour que ton IA personnelle puisse lire ta mémoire avec ton consentement.
Les noms de catégorie comptent parce qu'ils déterminent ce qui se construit. Tant que les apps nutrition s'appelaient "compteurs de calories", la seule fonctionnalité qui comptait était la précision de la base calorique. Maintenant que la question devient "qu'est-ce que mon IA sait de ma façon de manger ?", la seule fonctionnalité qui compte est de savoir si l'app se souvient — et te laisse, toi et ton IA, exploiter ce qu'elle se souvient.
Cette catégorie a un nom : la mémoire nutritionnelle. C'est ce qu'on construit chez Diet Mate.
