L'IA peut-elle extraire une recette d'une vidéo de cuisine ?

C’est la question qui revient le plus souvent : l’IA peut-elle extraire une recette d’une vidéo ? Pas d’un blog de cuisine bien mis en page, non : d’un TikTok de 45 secondes où quelqu’un parle à toute vitesse, balance des ingrédients dans une poêle, et où la seule « recette » disponible est ce que vous arrivez à saisir avant que la vidéo reparte en boucle. La réponse courte est oui. Une IA multimodale d’aujourd’hui sait regarder une vidéo de cuisine, écouter le commentaire, lire les incrustations et en sortir une recette structurée, avec ingrédients, quantités et étapes numérotées. Mais le comment est plus intéressant que le quoi : il explique à la fois pourquoi ça marche et là où ça bute.

Cet article est le pendant technique de notre guide pour enregistrer des recettes sur les réseaux sociaux, qui raconte le pourquoi et la méthode.

Les cinq sources d’une vidéo de cuisine

Une vidéo de cuisine, c’est au moins cinq sources d’information empilées les unes sur les autres, et un système d’extraction sérieux doit les exploiter toutes.

1. L’analyse des images

L’IA ne regarde pas chaque image de la vidéo. Elle prélève des images clés à intervalles réguliers et à chaque fois que le contenu visuel change franchement, par exemple à la coupe entre un plan de découpe et un plan de cuisson.

Dans ces images, l’IA cherche les ingrédients disposés sur un plan de travail ou une planche, les graduations lisibles sur un verre doseur ou une balance, les incrustations que le créateur ajoute pour donner une quantité ou numéroter une étape, les étiquettes sur les emballages et l’état de l’aliment à chaque stade : cru, en train de colorer, à frémissement, dressé.

L’analyse des images vaut particulièrement pour la catégorie montante des vidéos de cuisine sans parole, façon ASMR, qui resteraient sinon parfaitement opaques à l’extraction.

2. La transcription du son

La reconnaissance vocale est la colonne vertébrale de l’extraction pour l’immense majorité des vidéos de cuisine. La plupart des créateurs commentent en cuisinant, et ce commentaire contient le cœur de la recette : « saisissez le poulet à feu moyen-vif environ quatre minutes par face ».

Les modèles de reconnaissance vocale actuels encaissent très bien le désordre sonore d’une vraie cuisine. L’huile qui grésille, l’eau qui coule, les casseroles qui s’entrechoquent : tout cela est filtré. Les accents et les débits qui mettaient en échec les anciens systèmes passent désormais sans difficulté. L’IA décode aussi la langue de la cuisine : elle comprend que « ajoutez une noix de beurre » fait du beurre un ingrédient, et que « laissez aller une vingtaine de minutes » est une indication de durée.

Beaucoup de recettes TikTok n’existent qu’à l’oral : le créateur déroule la recette sans la moindre incrustation et sans rien écrire nulle part. Sans transcription du son, ces recettes resteraient prisonnières de la vidéo pour toujours.

3. La lecture du texte à l’écran (OCR)

Une bonne partie des créateurs, en particulier sur TikTok, Instagram Reels et YouTube Shorts, incrustent du texte directement dans leurs vidéos : une liste d’ingrédients en ouverture, une quantité au moment où on l’ajoute, ou le numéro des étapes au fil de la préparation.

L’IA s’appuie sur la reconnaissance optique de caractères pour lire ce texte, mais elle va bien au-delà de l’OCR brut : elle interprète la mise en page et le contexte. Un texte en gros caractères, en haut du cadre, au début de la vidéo, est probablement un titre de recette.

Cette source compte beaucoup, parce que les vidéos courtes qui suivent une tendance reposent souvent sur du texte affiché avec une bande son à la mode par-dessus : la recette vit alors entièrement dans la couche de texte.

4. Les sous-titres et les légendes

Les sous-titres constituent une source distincte de la transcription du son. Les sous-titres automatiques d’une plateforme sont au fond sa propre reconnaissance vocale : imparfaits, mais utiles pour recouper. Ceux que dépose le créateur ont été relus à la main et sont généralement plus justes.

Pluck ne dépend pas des sous-titres automatiques des plateformes : il transcrit lui-même l’audio et lit la légende et la description du créateur. Mais là où des sous-titres horodatés existent, ils montrent bien l’intérêt de croiser les sources. Chaque segment est horodaté : si le sous-titre affiche « ajoutez l’ail » à 2 min 34 et que l’image de 2 min 34 montre de l’ail qui tombe dans la poêle, l’IA dispose de deux confirmations indépendantes de la même consigne.

5. Les métadonnées et la description

Les descriptions YouTube donnent fréquemment une liste d’ingrédients partielle ou complète, un lien vers l’article de blog correspondant, ou des repères temporels par section. Les légendes TikTok énumèrent parfois les ingrédients principaux ou nomment le plat. Les légendes Instagram peuvent contenir la recette entière, en paragraphe.

Ces métadonnées servent à la fois de source et de garde-fou : une quantité précise dans la description peut ancrer une formule vague entendue dans le son.

Comment l’IA recoud tout ça

Aucune source prise isolément ne donne la recette complète : l’IA recoupe donc les cinq et retient, pour chaque information, la version la plus précise et la plus fiable.

Prenons une créatrice TikTok qui prépare une sauce express pour des pâtes. À l’oral, elle dit « une tasse de farine ». L’incrustation affiche « 1 tasse de farine ». La description dit « farine ». L’IA en fait « 1 tasse de farine ordinaire » : la mesure vient du son, la précision de l’incrustation, la confirmation de la description.

Ce recoupement multimodal est l’avantage de fond sur toute approche à source unique. Beaucoup d’applis de recettes importent désormais depuis TikTok et Instagram, mais la plupart ne lisent que la légende ; quelques-unes, comme ReciMe, Honeydew et Deglaze, exploitent aussi la transcription audio, et Deglaze affirme lire en plus le texte à l’écran. La chaîne de Pluck exploite tous les signaux disponibles et les pondère selon leur fiabilité et leur précision, pour produire l’extraction la plus complète possible.

Le résultat est une recette entièrement structurée : titre, liste d’ingrédients avec quantités et unités, instructions numérotées, temps de préparation, temps de cuisson, temps total, nombre de parts et étiquettes de cuisine. C’est le même format propre que vous obtiendriez depuis un blog de cuisine bien balisé, et c’est pourquoi la réponse compte au-delà de l’enregistrement : comme n’importe quelle autre recette, une vidéo enregistrée peut entrer dans le planning des repas de la semaine, sur une liste de courses que vous pouvez partager et en mode cuisine, où les minuteurs se lancent depuis l’étape en cours. Nous avons aussi écrit un face-à-face détaillé entre extraction par IA et capture web.

Et la fiabilité, alors ?

La fiabilité de l’extraction varie beaucoup selon la source. Une vidéo YouTube avec un commentaire net, des incrustations et la recette complète en description donne une extraction très fidèle : les cinq sources fournissent des données cohérentes qui se confirment mutuellement. Un TikTok survolté, avec une musique qui écrase la voix et zéro incrustation, donne un résultat nettement moins assuré.

Pluck répond à cela par un indice de confiance pour chaque extraction, en fonction du nombre de sources qui ont contribué, de leur cohérence entre elles et du degré de complétude de la recette obtenue. Une recette où trois sources s’accordent indépendamment sur les quantités note mieux qu’une recette tirée d’une seule piste audio brouillonne.

Quand la confiance est élevée, la recette est en général bonne à enregistrer telle quelle. Quand elle baisse, Pluck vous met la recette sous les yeux avant qu’elle ne rejoigne votre boîte à recettes : vous confrontez les ingrédients à la vidéo, vous corrigez les quantités douteuses et vous ajoutez les étapes oubliées.

L’extraction par IA est-elle parfaite ? Non. Mais l’alternative consiste à regarder la vidéo, mettre en pause toutes les dix secondes et taper la recette soi-même : 20 à 40 minutes par vidéo, et ce n’est pas non plus exempt d’erreurs. L’IA vous donne un premier jet solide en quelques secondes, et la relecture prend une minute ou deux.

Les limites actuelles de l’extraction des vidéos

Les vidéos très techniques où personne n’annonce de mesure. Certains créateurs cuisinent à l’instinct et ne citent jamais une quantité : une poignée de fromage, de l’huile jusqu’à ce que la poêle soit couverte, on assaisonne au goût. L’IA sait identifier les ingrédients, mais elle ne peut pas estimer de façon fiable les quantités à l’œil. « Selon votre goût » est parfois l’extraction la plus honnête possible.

Un son médiocre ou une musique trop présente. Quand la bande son à la mode couvre la voix off, la reconnaissance vocale se dégrade. L’IA peut se rabattre sur les incrustations et la description, mais si celles-ci sont maigres, la recette ressortira incomplète.

Le vocabulaire approximatif. « Un trait de crème », « une bonne rasade de vin », « du bouillon à hauteur ». Les cuisiniers expérimentés traduisent ces consignes d’instinct, mais elles ne se convertissent pas en mesures structurées. L’IA les restitue telles quelles plutôt que d’inventer une fausse précision.

Les vidéos longues à recettes multiples. Un « ce que je mange en une journée » de 20 minutes peut contenir quatre ou cinq recettes distinctes. L’IA doit alors repérer où commence et où finit chacune, un exercice bien plus délicat que d’en extraire une seule. Les résultats progressent, mais ces vidéos restent le cas difficile.

Le montage en rafale. Certaines vidéos courtes coupent toutes les demi-secondes, avec des incrustations qui durent 300 millisecondes. À ce rythme, même un échantillonnage intelligent laisse passer des informations.

Le cercle vertueux de la précision

La qualité d’extraction progresse par deux canaux.

D’abord, les modèles eux-mêmes s’améliorent, ceux de vision comme ceux de reconnaissance vocale et de langue. Des tâches qui donnaient des résultats médiocres il y a un an sont aujourd’hui bien traitées. Pluck s’appuie sur plusieurs fournisseurs d’IA, dont Claude, GPT et Gemini, et peut orienter chaque extraction vers le modèle le plus performant pour ce type de contenu.

Ensuite, l’indice de confiance vous dit où porter votre attention. Quand la note est basse, vous relisez et corrigez la recette, et ces corrections sont enregistrées dans votre exemplaire. Elles ne servent pas à entraîner des modèles d’IA : les fournisseurs d’IA qu’utilise Pluck ne s’entraînent pas sur vos données. Les progrès viennent de modèles meilleurs et du réglage de la chaîne elle-même.

Nous avons écrit un guide dédié à ce que ça donne sur les vidéos de cuisine YouTube.

Une technologie vraiment neuve

Il y a deux ans, le seul moyen de tirer une recette d’une vidéo était de la taper soi-même. Les modèles capables de comprendre simultanément des images, une parole et du texte à l’écran, avec le niveau d’exigence du domaine culinaire, n’existaient tout simplement pas.

Aujourd’hui, vous partagez ou collez une adresse et vous obtenez une recette structurée, le plus souvent en quelques secondes. Les vidéos plus longues sont traitées en arrière-plan et une notification vous prévient quand la recette est prête : inutile de garder l’appli ouverte. Pluck traite les contenus de YouTube, TikTok, Instagram et Facebook, y compris les carrousels photo d’Instagram et de TikTok, qu’il lit comme une seule recette. Il fonctionne dans plusieurs langues. Il digère aussi bien un Short de 30 secondes qu’une vidéo de cuisine de 30 minutes. La page comment fonctionne Pluck détaille toute la chaîne.

L’avenir de la recette enregistrée, ce ne sont pas les favoris et les captures d’écran qui s’évaporent quand la plateforme change d’avis. Ce sont des données structurées, tirées intelligemment du format où la recette a choisi de vivre, vidéo comprise.

Pour savoir quelles applis de recettes emploient l’IA et jusqu’où elles vont, voir notre guide des meilleures applis de recettes IA, notre analyse de la meilleure appli pour les recettes TikTok ou notre comparatif complet des applis de recettes.

---

Envie de tester l’extraction par IA vous-même ? Pluck est disponible sur iOS et Android. Téléchargez-la sur Google Play. Également sur iOS.