Restaurants abandonnent les photographes pour l'IA : les clients fuient les images "repoussantes"
En bref
- Restaurants utilisent de plus en plus l'IA pour générer des images de plats sur leurs menus, afin de réduire les coûts de photographie.
- Ces images présentent des défauts récurrents : textures glissantes, couleurs éteintes, arrangements d'ingrédients anormaux.
- Les clients réagissent négativement, tantôt en ligne (réseaux sociaux, Reddit), tantôt par des actes (vandalisme à San Francisco).
- Une étude de 2024 montre que les consommateurs rejettent ces images une fois informés de leur nature IA.
- Certains restaurants capitalisent sur le rejet en affichant leur refus d'IA, avec succès viral.
Ce que dit la source
Les restaurants font face à des marges réduites par la hausse des prix alimentaires et de la main-d'œuvre. Une part croissante (26% selon un rapport 2026 de l'Association nationale des restaurants américains) automatise déjà certaines opérations via l'IA. Pour réduire les coûts de conception graphique et de photographie, plusieurs restaurants utilisent désormais ChatGPT ou des outils IA pour générer des images de menu. Certains restaurateurs décrivent cette décision comme une question de survie financière : payer un photographe professionnel devient un luxe quand les marges s'amenuisent.
- Les défauts sont systématiques : textures impossibles (viande ressemblant à du cuir, pain rappelant la peau de reptile), arrangements d'ingrédients bizarres, éclairages artificiels, couleurs ternes.
- DoorDash propose des outils IA pour retoucher les images existantes (ajuster l'éclairage, les couleurs, le fond) et appose un label "AI-enhanced" sur les images modifiées, bien que la distinction entre retouche IA excessive et génération pure reste floue même pour les professionnels.
- Une étude de Charles Spence (Université d'Oxford, 2024) révèle que les consommateurs préfèrent les images IA... jusqu'au moment où on leur dit que c'est de l'IA. Une fois informés, ils les trouvent moins appétissantes.
- L'IA ajoute systematiquement du gras aux plats (beurre sur la purée) pour les rendre "plus appétissants", ce qui pourrait biaiser inconsciemment les portions vers des contenus plus caloriques.
- La réaction contre le phénomène est locale mais visible : graffiti à San Francisco (café Grind & Unwind), partages massifs sur les réseaux (500+ partages d'une image de barbecue jamaïcain). Inversement, les restaurants affichant publiquement qu'ils refusent l'IA (Chugwater Soda Fountain, Wyoming) gagnent du succès viral (200 000 likes).
Dans les commentaires
Débat largement consensuel : les commentateurs considèrent que l'IA génère des images intrinsèquement repoussantes, et que les smartphones modernes suffiraient pour des photographies acceptables. Le débat porte moins sur la légitimité technologique que sur la question 'pourquoi en est-on arrivé à trouver cela normal'.
- Plusieurs commentateurs relèvent l'ironie : si ces images IA sont si mauvaises, pourquoi les restaurants les préfèrent-elles aux vraies photos du plat réel? L'un constate qu'une vraie photo de fast-food déçoit autant qu'une image IA; un autre suggère que la vraie photo du plat doit être tellement horrible que l'IA semble un progrès.
- Un commentateur note que même distinguer retouche IA excessive et génération pure est difficile pour un professionnel (Jamie Soja, photographe); cette flou rend la régulation et la transparence compliquées.
- Ironie supplémentaire : Chugwater Soda Fountain affiche son refus de l'IA sur une publication Instagram (une plateforme entièrement basée sur des algorithmes IA).
Notre lecture
Sujet marginal pour les DSI et tech leads, mais symptomatique d'un problème réel : l'IA révèle ses limites les plus flagrantes sur des tâches apparemment triviales (photographier un plat). Les restaurants font un calcul simple (coût inférieur du contenu IA contre qualité dégradée) et perdent. Ce n'est pas un cas d'usage où l'IA devrait être substituée au travail humain : un smartphone et 30 secondes suffisent. La réaction des consommateurs est rapide et disproportionnée, ce qui suggère que même dans des domaines où l'IA pourrait être utile, la tolérance au "bon marché mais mauvais" est très basse. Aucune conséquence technologique majeure ici, mais un point de données utile pour quiconque vend ou déploie des outils d'IA visuelle auprès de PME : tester auprès des utilisateurs finaux devient critique.