Dans le cadre d’un partenariat ‘gastronomique’ entre l’Université de Corée (KU) et Sony AI, un projet a été mené visant à améliorer les connaissances autour des accords de saveurs entre plusieurs ingrédients. De leurs recherches est née FlavorGraph, une application de cartographie des ingrédients. L’intelligence artificielle est utilisée afin de créer des associations de produits donnant des saveurs inédites ou bien connues du grand public.
Un partenariat se penchant sur les associations d’ingrédients
Les chefs maîtrisent traditionnellement l’association d’ingrédients par leur intuition, plutôt que par des connaissances scientifiques ou un apprentissage statistique. Mais en 2011, une étude menée par Yong-Yeol Ahn avait pour objectif de savoir si l’intuition était la seule manière de trouver des associations intéressantes. Les recherches avaient montré que dans certaines régions du monde, comme en Asie de l’Est, l’association d’ingrédients qui semblent ne pas correspondre aux intuitions occidentales correspond en matière de saveur.
Le partenariat entre Sony AI et KU a permis aux chercheurs Donghyeon Park, Keonwoo Kim et au professeur Jaewoo Kang, tous trois de l’Université de Corée, de travailler ensemble dans le cadre du projet cité en introduction tout en prenant en compte l’étude de Yong-Yeol Ahn datant de 2011. L’objectif était de développer un modèle de deep learning capable de recommander des appariements d’ingrédients complémentaires et novateurs pour aider les chefs à créer de nouvelles créations.
Un article à partir de ces recherches a été publié en janvier avec pour auteurs, en plus de Donghyeon Park, Keonwoo Kim et Jaewoo Kand, Spranger Michael, chercheur chez Sony AI. Ce dernier s’est exprimé quant à ce projet et à l’introduction de systèmes d’IA dans la gastronomie :
“L’appariement d’ingrédients est un excellent défi pour les systèmes d’IA. Cela nécessite des systèmes d’IA pour construire des modèles sur la façon dont les gens associent les ingrédients des recettes ainsi que par le biais d’autres stratégies. Ce travail est une grande étape dans l’IA pour la créativité au sein de notre projet Gastronomie.”
Deux défis se sont alors distingués :
- Comment est-il possible d’utiliser les données de recettes disponibles et les caractéristiques de chaque ingrédient pour obtenir de meilleures saveurs et de meilleurs plats ?
- Comment appliquer ces saveurs améliorées aux accords mets/vins ?
La solution FlavorGraph
FlavorGraph prédit l’association de deux ingrédients en combinant les informations sur les molécules d’un ingrédient donné avec la façon dont les gens ont utilisé cet ingrédient dans le passé. Le fonctionnement de l’application repose sur les données de 1 561 molécules d’arôme et près d’un million de recettes des plats venus des quatre coins du monde. FlavorGraph extrait les relations entre les produits alimentaires de ces recettes, analyse comment les chefs et les créateurs de recettes ont rassemblé les ingrédients de leur plat et combinent ces informations avec les informations sur les ingrédients et les molécules d’arômes correspondantes.
Cela donne le graphique ci-dessous, avec à gauche les profils gustatifs, au centre, les molécules d’arômes, et à droite, l’aliment ou l’ingrédient. Chacune des lignes déterminent les associations de saveurs connues et conseillées (en noir), celles non connues mais tout aussi conseillées (en bleu) et celles qui ne sont pas conseillées malgré la présence de la molécule d’arôme dans un des deux ingrédients (en rouge).
En plus de mettre en avant des associations d’ingrédients inédites pouvant créer de nouvelles saveurs, FlavorGraph cherchera à être plus flexible en proposant des accords d’ingrédients déjà existants afin d’offrir de nouvelles expériences aux utilisateurs.
