Extraction de recettes par IA : comment ça marche

« Collez un lien, obtenez une recette » : la promesse semble magique, et la méfiance est légitime. Que se passe-t-il réellement entre le moment où vous collez l’adresse d’une vidéo TikTok et celui où une liste d’ingrédients propre apparaît ? Cet article explique le fonctionnement de l’extraction de recettes par IA, ses limites réelles, et la bonne façon de travailler avec.

Le point de départ : des recettes dans tous leurs états

Une même recette peut exister sous des formes très différentes :

une page de blog où la liste d’ingrédients arrive après quinze paragraphes de souvenirs d’enfance ;
une description YouTube rédigée à la va-vite, ou pas rédigée du tout ;
la transcription d’une vidéo, avec ses « on va mettre un p’tit peu de crème, enfin, vous voyez » ;
une légende Instagram truffée de hashtags.

Aucun de ces formats n’est utilisable tel quel pour cuisiner, ajuster les portions ou faire ses courses. Le travail de l’IA consiste à passer de ce désordre à une structure.

Ce que produit l’extraction : une recette structurée

À partir du texte brut, le modèle d’IA produit une recette normalisée :

un titre clair ;
des lignes d’ingrédients découpées en quantité, unité et nom (« 200 g de farine » devient trois informations distinctes) ;
des étapes ordonnées, débarrassées des digressions ;
les temps de préparation et de cuisson, et le nombre de portions quand ils sont mentionnés.

Cette structure n’est pas un luxe de développeur : c’est elle qui rend possibles la recherche par ingrédient, l’addition des quantités dans une liste de courses et l’ajustement du nombre de convives.

D’où vient le texte que l’IA analyse

Selon la source, la matière première change — et un bon outil choisit toujours la source la plus fiable disponible.

Les sites web : les données structurées d’abord

Beaucoup de sites culinaires embarquent une version machine de leurs recettes (les données structurées, expliquées dans notre guide pour importer des recettes depuis n’importe quel site). Quand elles existent, l’IA n’a même pas besoin d’intervenir : la recette est lue telle quelle, sans risque d’erreur. L’IA n’entre en jeu que pour les pages qui n’en ont pas.

YouTube : la description, puis la transcription

Pour une vidéo YouTube, l’analyse commence par la description, souvent plus soignée que l’oral. Si aucune recette n’y figure, la transcription de la vidéo prend le relais. Ce fonctionnement en cascade est détaillé dans notre article sur l’extraction d’une recette depuis une vidéo YouTube.

TikTok et Instagram : le texte de la publication

Sur les réseaux sociaux, l’IA s’appuie sur la description ou la légende de la publication. Quand le créateur y a écrit sa recette, le résultat est excellent ; quand tout est à l’oral, l’extraction est partielle.

Cette hiérarchie — la source la plus structurée d’abord, l’IA en dernier recours — est le principe que nous appliquons dans Rețetele Mele, l’application que nous développons.

Pourquoi l’IA se trompe parfois

Une extraction ratée a presque toujours une cause identifiable.

La source est incomplète. Si les quantités ne sont montrées qu’à l’image, sans être dites ni écrites, aucun texte ne les contient : l’IA ne peut pas les inventer — et ne devrait surtout pas essayer.
Les formulations sont ambiguës. « Un verre de lait », « une noix de beurre », « assaisonnez à votre goût » : l’humain interprète, la machine aussi, avec plus ou moins de bonheur.
Les nombres pièges. Les fourchettes (« 2 à 3 cuillères »), les fractions, les unités anglo-saxonnes multiplient les occasions d’erreur.
La traduction ajoute une couche. Un faux ami culinaire ou un ingrédient sans équivalent exact peut déformer une ligne — sujet creusé dans notre guide pour traduire les recettes étrangères.
Le texte parasite. Sponsors, anecdotes et hashtags peuvent semer la confusion sur ce qui appartient vraiment à la recette.

Le bon réflexe n’est pas de renoncer à l’outil, mais de savoir où regarder.

Comment vérifier et corriger efficacement

Une relecture bien menée prend trente secondes. Concentrez-vous sur :

Le compte des ingrédients. Comparez la liste extraite à ce que montre la vidéo ou la page : rien d’oublié, rien d’inventé ?
Les deux ou trois quantités structurelles. Farine, liquide, levure ou gélifiant : ce sont elles qui font réussir ou rater un plat.
Température et temps de cuisson. Une confusion entre minutes et heures, ou un degré Fahrenheit pris pour un Celsius, se repère en un coup d’œil.
Le nombre de portions. Indispensable avant d’ajuster les quantités ou de générer une liste de courses.

Corriger une ligne dans une recette importée prend quelques secondes ; transcrire la vidéo entière à la main en prend neuf cents. C’est tout l’arbitrage.

Ce que cela change au quotidien

Une fois la friction de la transcription supprimée, le rapport aux recettes change : on sauvegarde ce qu’on aurait laissé filer, on constitue une bibliothèque personnelle cherchable, on branche dessus un plan de repas et une liste de courses. La recette cesse d’être un contenu qu’on regarde pour devenir un outil qu’on utilise.

Questions fréquentes

L’IA peut-elle inventer des ingrédients ?

Le risque existe quand la source est incomplète : un modèle mal cadré peut « boucher les trous ». C’est précisément pour cela que la relecture de la liste d’ingrédients est le premier réflexe à adopter — et qu’un outil sérieux préfère laisser un champ vide plutôt que de le remplir au hasard.

L’extraction fonctionne-t-elle dans toutes les langues ?

Elle fonctionne avec des liens dans n’importe quelle langue, et la recette peut être traduite automatiquement au passage. La qualité dépend surtout de la richesse du texte source, pas de sa langue.

Faut-il une connexion internet ?

Pour l’import, oui : l’analyse se fait sur des serveurs. En revanche, une fois la recette enregistrée, elle reste consultable hors ligne.

L’IA remplace-t-elle la vérification humaine ?

Non, et c’est assumé : l’IA fait les 95 % fastidieux du travail, la relecture humaine fait les 5 % qui garantissent le résultat dans l’assiette.