Mon jumeau numérique à base d'IA me dit quoi manger
Victoria Song, journaliste spécialisée dans les objets connectés au Verge, teste depuis une centaine de jours un « jumeau numérique » de son métabolisme, une application qui prétend lui dire quoi manger. Chaque matin, elle commence par « nourrir » ce double : la première donnée du jour est sa composition corporelle, transmise directement par une balance connectée. Elle remplit ensuite une gourde Owala d'eau citronnée pour avaler ses médicaments, et cette prise est elle aussi enregistrée dans l'application. D'autres rituels s'y ajoutent, certains rythmés par les jours de la semaine, comme le lundi.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de The Verge AI. Lire l'article original →
L'expérience illustre une évolution du bien-être connecté. On ne se contente plus de mesurer le sommeil ou les pas : on confie à un modèle numérique une image de son corps, alimentée en continu, qui formule ensuite des recommandations alimentaires personnalisées. Pour l'utilisateur, la promesse est de remplacer les conseils génériques par des consignes calibrées sur son propre métabolisme. Mais cela suppose une discipline quotidienne de saisie, et la question reste de savoir si ces recommandations sont réellement fiables ou simplement rassurantes.
Cette démarche s'inscrit dans la série Optimizer, la newsletter hebdomadaire de Song qui passe au crible les gadgets et les produits censés changer la vie. Elle prolonge la vague de l'optimisation de soi, où montres, bagues, balances et capteurs de glycémie nourrissent des services toujours plus personnalisés, avec une intelligence artificielle en interface. Les enjeux sont multiples : la qualité des données, la protection d'informations de santé très sensibles et la tentation de déléguer ses choix quotidiens à un algorithme.
Pas d'impact direct sur la France/UE