La personnalisation a envahi la musique, le commerce et l’information. Elle atteint désormais un terrain autrement plus sensible : ce que l’on avale. Derrière les compléments alimentaires sur-mesure se cachent des moteurs de calcul dont la logique mérite d’être examinée, parce qu’elle touche à des données de santé.
Du questionnaire à la formule
Le point de départ est un questionnaire structuré : objectifs de santé, habitudes alimentaires, sommeil, activité physique, traitements en cours, allergies, antécédents. Rien de spectaculaire en apparence, sauf que ces questions ne sont pas posées à la suite.
Un questionnaire de santé bien conçu est conditionnel : les questions posées dépendent des réponses précédentes. Déclarer un traitement anticoagulant ouvre une série de vérifications qui n’ont aucune raison d’être posées à quelqu’un qui n’en prend pas. Ce qui explique qu’un parcours de trois minutes puisse couvrir un spectre large sans noyer l’utilisateur.
Un moteur de règles, pas une boîte noire
Le calcul qui suit n’a rien d’une intelligence artificielle générative. Il s’agit d’un moteur de règles : chaque actif du catalogue est associé à des objectifs, à des scores de pertinence, à des seuils de dosage et surtout à des contre-indications.
Chez OMAVI, laboratoire français qui a construit ce type de moteur, le catalogue dépasse 140 actifs, et la combinatoire annoncée atteint plus de 10 000 milliards de formules possibles. Le chiffre traduit moins une prouesse qu’une contrainte : plus le nombre de paramètres augmente, plus les règles d’exclusion doivent être robustes.
Car c’est bien là que se joue le sérieux d’un tel système. Un moteur qui se contenterait d’additionner des actifs pertinents produirait des formules dangereuses. Ce sont les règles négatives qui font la valeur : écarter une plante incompatible avec un traitement, plafonner une dose, exclure un allergène.
Le vrai enjeu : les interactions
L’idée que « naturel » signifie « sans risque » reste largement répandue, et elle est fausse. Le millepertuis réduit l’efficacité de la contraception orale et expose, associé à certains antidépresseurs, à un risque sérotoninergique. Le ginkgo, l’ail ou les oméga-3 à forte dose augmentent le risque de saignement chez les personnes sous anticoagulants.
Ces interactions sont documentées. Le problème n’est pas la connaissance, c’est son application au moment de l’achat. Un rayon ne pose aucune question. Un algorithme, lui, peut refuser de proposer un actif.
Pourquoi ce n’est pas de l’intelligence artificielle générative
La confusion est fréquente, et elle mérite d’être levée. Un moteur de règles et un modèle de langage n’ont ni le même fonctionnement ni le même niveau de garantie.
Un modèle génératif produit une réponse probable à partir d’un apprentissage statistique. Il peut se tromper, et surtout il n’est pas déterministe : deux interrogations identiques peuvent donner deux réponses différentes.
Un moteur de règles applique des conditions écrites, vérifiables et reproductibles. Le même profil produit toujours la même formule. Sur un produit ingéré, cette propriété n’est pas un détail technique : c’est la condition de la traçabilité. En cas de question sur une formule, il est possible de reconstituer exactement pourquoi tel actif a été retenu et tel autre écarté.
C’est aussi ce qui permet à un tel système d’être auditable, là où un modèle génératif reste une boîte noire.
Des données de santé, donc un cadre strict
Un questionnaire qui collecte des traitements et des antécédents manipule des données de santé au sens du règlement général sur la protection des données. Le régime applicable est celui des données sensibles : consentement explicite, finalité limitée, minimisation, durée de conservation encadrée, droit à l’effacement.
Concrètement, cela impose des choix d’architecture. Les réponses ne doivent pas transiter vers des outils de mesure d’audience ou de publicité, ce qui suppose de séparer strictement le parcours de soin du parcours marketing.
La séparation entre parcours de soin et parcours marketing
Cette exigence a des conséquences concrètes rarement explicitées.
Un questionnaire de santé et un outil de mesure d’audience n’ont pas le même régime juridique. Les réponses portant sur des traitements ou des antécédents ne doivent pas alimenter des outils publicitaires, ce qui suppose une architecture où les deux flux ne se croisent jamais.
En pratique, cela signifie qu’un site peut légitimement mesurer combien de personnes ont terminé un questionnaire, sans jamais transmettre ce qu’elles y ont répondu. La nuance paraît subtile ; elle sépare une pratique conforme d’une pratique qui ne l’est pas.
L’assistant conversationnel, utile s’il reste à sa place
Dernière couche apparue récemment : l’assistant conversationnel. OMAVI a développé Vi, capable de répondre aux questions d’un utilisateur sur sa propre formule.
L’intérêt est réel : il évite la liste d’ingrédients incompréhensible. La limite doit être tout aussi nette : un tel assistant informe, il ne diagnostique pas, et doit orienter vers un professionnel de santé dès que la question sort de son périmètre. C’est aussi une exigence réglementaire.
Le problème des seuils et des cumuls
Un moteur de règles ne se contente pas de choisir des actifs : il doit aussi arbitrer les quantités.
Deux difficultés se posent. La première tient aux plafonds réglementaires : certains nutriments font l’objet de doses maximales, et la mélatonine par exemple reste encadrée. La seconde tient aux cumuls : plusieurs actifs peuvent apporter le même nutriment, dont les quantités s’additionnent sans que l’utilisateur s’en rende compte.
Une personne qui choisit trois objectifs à la fois n’a donc pas vocation à recevoir la somme des trois formules. L’algorithme doit arbitrer, écarter les redondances, et répartir équitablement plutôt que d’empiler. C’est un travail invisible pour l’utilisateur, mais il conditionne la sécurité du produit final.
Ce que l’algorithme ne remplacera pas
Un moteur de règles calcule à partir de ce qu’on lui déclare. Il ne voit pas une prise de sang qu’on ne lui a pas montrée, ne détecte pas une pathologie non diagnostiquée, et ne remplace pas une consultation.
Sa valeur est ailleurs : dans la constance. Il pose les mêmes questions de sécurité à tout le monde, applique les mêmes exclusions, et n’oublie jamais de vérifier une interaction. C’est peu, et c’est déjà beaucoup plus que ce que permet un achat en rayon.
Ce que fait concrètement l’algorithme OMAVI
Chez OMAVI, ce moteur croise les objectifs déclarés, le profil et les contraintes de sécurité pour composer une formule unique. La marque revendique plus de 10 000 milliards de combinaisons possibles, et un catalogue de plus de 140 actifs.
Le produit final tient dans un seul stick quotidien, fabriqué en France, portant le prénom du client. L’application OMAVI permet ensuite de suivre l’évolution, et l’assistante Vi de comprendre à quoi sert chaque actif de sa propre formule.
