Un assistant nutritionnel pensé pour l’Afrique : l’utilisateur prend une photo de son repas et obtient instantanément l’identification du plat (thiéboudiène, mafé, kedjenou, alloco…), une estimation de sa valeur nutritionnelle (calories, protéines, glucides, lipides), et des recommandations personnalisées via un agent conversationnel — texte ou vocal.
Projet mené au sein de Data Afrique Hub, où je travaille actuellement, sur la partie IA appliquée à la santé.
Le projet est découpé en trois dépôts complémentaires :
- afrinutri — l’application (Flutter + backend FastAPI)
- nutri-ia-data-collection — collecte, nettoyage et préparation des données (images de plats, données nutritionnelles)
- nutri-ia-model-training — entraînement et fine-tuning des modèles (vision et embeddings)
Stack
- Flutter — application mobile
- FastAPI — backend
- Vision par ordinateur — identification du plat à partir d’une photo
- Agent conversationnel (texte + vocal) — recommandations personnalisées