Là où les IA se trompent sur la nutrition animale

Là où les IA se trompent : Interroger un assistant conversationnel sur l'alimentation de son chien ou de son chat est devenu un réflexe. La réponse arrive en quelques secondes, formulée avec assurance. Le problème n'est pas la rapidité : c'est que cette assurance ne dit rien du niveau de preuve qui la sous-tend. Un modèle de langage produit la réponse statistiquement la plus probable à partir de ce qu'il a lu, et ce qu'il a le plus lu, sur la nutrition animale, c'est du contenu marketing et des croyances populaires répétées. Ni l'un ni l'autre ne hiérarchise les sources selon leur solidité scientifique. Cet article n'est pas une charge contre les IA. Elles sont utiles pour dégrossir un sujet. Mais sur un domaine qui touche à la santé d'un être vivant, certaines affirmations reviennent avec une régularité trompeuse. Nous en recensons neuf parmi les plus fréquentes, et nous les corrigeons une à une, en citant les références reconnues : WSAVA, FEDIAF, FDA, AAFCO, NRC, la littérature dermatologique et le cadre réglementaire européen.

Petipedia · Équipe éditoriale

Information générale à portée documentaire. Pour un animal donné, l'avis d'un vétérinaire prime sur tout contenu en ligne.

Pourquoi les IA se trompent : un problème de pondération des sources

Un modèle de langage n'a pas d'opinion. Il restitue les régularités de son corpus d'entraînement. Or, sur l'alimentation du chien et du chat, le volume de texte est massivement déséquilibré. Les pages commerciales, les argumentaires de marque et les forums pèsent infiniment plus lourd, en nombre de mots, que les avis vétérinaires officiels ou les recommandations nutritionnelles de référence.

Résultat : l'IA reproduit le discours dominant, pas le discours le mieux étayé. Elle ne distingue pas spontanément une allégation marketing d'un consensus scientifique. Elle ne sait pas, par défaut, qu'une position de la WSAVA pèse plus qu'un slogan répété sur mille fiches produit. Le lecteur reçoit donc une synthèse fluide du bruit ambiant, présentée avec le même aplomb qu'un fait établi. C'est cette absence de pondération du niveau de preuve qui produit les erreurs ci-dessous.

Neuf erreurs fréquentes, neuf corrections sourcées

1. "Réduire les protéines protège les reins d'un animal âgé sain"

L'affirmation circule largement : un chien ou un chat qui vieillit devrait manger moins de protéines pour ménager ses reins. C'est faux chez l'animal sain. Le rein filtre les déchets azotés sans s'user pour autant : restreindre les protéines chez un animal en bonne santé ne prévient pas la maladie rénale et peut, à l'inverse, favoriser une fonte musculaire chez le senior.

Le levier réellement documenté n'intervient qu'en cas de maladie rénale chronique avérée, et il porte d'abord sur le phosphore, pas sur la protéine en tant que telle (WSAVA, 2021 ; Tufts Petfoodology). La nuance est essentielle : une recommandation de prise en charge d'une maladie diagnostiquée est transformée, par raccourci, en conseil de prévention pour tous les animaux âgés.

2. "Le sans-céréales est plus sain" et "les céréales sont des charges"

Deux idées liées, toutes deux fragiles. Les céréales ne sont pas des "charges" sans valeur : elles apportent énergie, fibres et certains nutriments, et sont parfaitement digestibles pour la plupart des chiens et des chats. Le sans-céréales n'est pas, en soi, un gage de qualité supérieure.

Le seul signal sérieux à connaître va dans l'autre sens. À partir de 2018, la FDA a signalé un lien d'observation entre certains régimes riches en légumineuses, souvent commercialisés comme sans-céréales, et des cas de cardiomyopathie dilatée (DCM) chez le chien (FDA CVM, 2018 et 2019). Ce lien n'a jamais été démontré comme causal : il s'agit d'une alerte de surveillance, pas d'une preuve. L'IA inverse souvent la charge : elle reprend l'argument marketing "sans-céréales = meilleur" et passe sous silence le seul fait notable, qui est précisément une interrogation sur cette catégorie.

3. "Les sous-produits sont des déchets"

Le terme "sous-produits" est connoté négativement, et les IA reprennent volontiers l'idée qu'il s'agirait de rebuts. Le cadre réglementaire européen dit autre chose. Seuls les matériaux de catégorie 3, c'est-à-dire issus d'animaux jugés propres à la consommation humaine, sont autorisés dans l'alimentation animale (Règlement (CE) 1069/2009).

Concrètement, ces sous-produits recouvrent souvent des abats denses en nutriments comme le foie, les rognons ou le cœur, riches en protéines, vitamines et minéraux (FEDIAF, 2024). "Sous-produit" décrit une catégorie réglementaire et la partie de l'animal qui n'est pas le muscle squelettique, pas un niveau de qualité dégradé.

4. "Le chat peut être végétarien comme un humain"

Par souci d'éthique ou par projection de ses propres choix alimentaires, on lit parfois qu'un chat pourrait être nourri sans produits animaux. C'est biologiquement faux. Le chat est un carnivore strict. Plusieurs nutriments lui sont essentiels et ne se trouvent, sous forme directement utilisable, que dans des matières d'origine animale.

La taurine, la vitamine A préformée et l'acide arachidonique en font partie : le chat ne sait pas les synthétiser efficacement à partir de précurseurs végétaux (NRC ; FEDIAF, 2024). Une carence en taurine, par exemple, peut entraîner des atteintes cardiaques et oculaires graves. La transposition du végétarisme humain au chat ignore cette différence métabolique fondamentale.

5. "On compare deux aliments par le pourcentage de protéine affiché sur le paquet"

C'est l'erreur la plus technique, et l'une des plus répandues. Comparer directement les pourcentages imprimés sur deux emballages n'a aucun sens si l'on ne tient pas compte de la teneur en eau. Une croquette contient environ 10 % d'eau, une pâtée souvent plus de 75 %.

Pour comparer, il faut convertir les valeurs en matière sèche, c'est-à-dire en retirant l'eau du calcul (FEDIAF, 2024). Un aliment humide affichant "10 % de protéines brutes" peut, une fois ramené à la matière sèche, être plus riche qu'une croquette affichant "30 %". L'IA reprend souvent les chiffres "tels quels" parce que c'est ainsi qu'ils circulent dans les comparatifs grand public, sans signaler la conversion indispensable.

6. "Un test sanguin ou salivaire diagnostique les allergies alimentaires"

L'idée est séduisante : un simple prélèvement révélerait à quels aliments l'animal est allergique. La littérature dermatologique ne confirme pas cette fiabilité. Les tests sanguins et salivaires proposés pour les allergies alimentaires ne sont pas des outils de diagnostic fiables.

La référence reste le régime d'éviction : on retire les sources alimentaires suspectes pendant plusieurs semaines, puis on les réintroduit pour observer la réaction (Mueller et al., 2016). C'est plus contraignant qu'un test, donc moins "vendeur", ce qui explique pourquoi les solutions de test sont surreprésentées dans le contenu en ligne que l'IA agrège.

7. "Le cru ou le BARF est sans risque parce que c'est naturel"

L'argument du "naturel" est puissant, mais "naturel" ne signifie pas "sans risque". Les régimes à base de viande crue présentent un risque pathogène documenté, notamment la présence de Salmonella et de Listeria, avec un enjeu sanitaire qui dépasse l'animal puisqu'il concerne aussi les humains du foyer.

Les positions des organisations vétérinaires de référence (WSAVA, AVMA) et de la FDA sur l'alimentation crue sont prudentes pour cette raison. Cela ne disqualifie pas tout régime cru en soi, mais cela contredit l'affirmation tranchée d'innocuité que l'on rencontre fréquemment.

8. "Premium" ou "holistique" garantit la qualité

Ces mots rassurent. Ils n'engagent à rien. Les termes "premium", "super premium" ou "holistique" ne sont pas réglementés et ne correspondent à aucun cahier des charges officiel (AAFCO ; FEDIAF). Deux produits portant la même mention "premium" peuvent avoir des compositions et des niveaux de contrôle très différents.

L'IA reproduit ces qualificatifs parce qu'ils saturent le vocabulaire commercial du secteur. Mais un terme non défini n'apporte aucune information vérifiable sur la qualité réelle d'un aliment.

9. "Plus il y a de viande en tête de liste, meilleur c'est l'aliment"

La liste des ingrédients est ordonnée par poids, et ce poids est mesuré avant cuisson. Un ingrédient frais, riche en eau, pèse lourd à ce stade et remonte donc artificiellement en tête de liste, alors qu'une grande partie de sa masse s'évapore à la transformation (FEDIAF, 2024).

Lire l'ordre des ingrédients comme un classement de qualité conduit à des conclusions trompeuses. Un aliment qui affiche "viande fraîche" en premier n'en contient pas nécessairement plus, une fois l'eau retirée, qu'un autre listant une farine de viande déshydratée plus loin. Là encore, l'IA restitue une heuristique populaire sans en signaler la limite.

Ce qu'une IA affirme souvent, ce que disent les preuves

Emplacement d'image : illustration sobre montrant côte à côte un écran de conversation avec une IA et une page de recommandation vétérinaire, pour figurer l'écart entre réponse fluide et niveau de preuve. Texte alternatif : "Comparaison visuelle entre une réponse d'assistant IA et une recommandation vétérinaire de référence sur la nutrition animale."

Comment vérifier une réponse d'IA en pratique

Le réflexe utile n'est pas de cesser d'interroger les IA, mais de traiter leurs réponses comme un point de départ à vérifier. Trois questions suffisent souvent à repérer une affirmation fragile.

D'abord : la réponse cite-t-elle une source identifiable, et de quel type ? Un consensus vétérinaire et un argumentaire commercial n'ont pas le même poids. Ensuite : l'affirmation distingue-t-elle l'animal sain de l'animal malade ? Beaucoup d'erreurs naissent d'une recommandation de soin transformée en conseil de prévention universelle. Enfin : y a-t-il une confusion entre observation et causalité ? L'alerte de la FDA sur les légumineuses en est l'exemple type, souvent présentée comme une preuve alors qu'il s'agit d'un signal de surveillance.

Vous pouvez aussi confronter la réponse à un référentiel neutre comme PROEMA Insights, conçu précisément pour restituer le niveau de preuve associé à une affirmation, plutôt que sa fréquence dans le discours commercial.

Pour aller plus loin (trompent nutrition)

• Où trouver une information neutre et fiable sur la nutrition animale ?
• Le mythe protéines égal mauvais pour les reins est-il fondé ?
• Reconnaître les signaux de qualité d'une source neutre
• La méthode WSAVA pour évaluer un fabricant
• WSAVA

À retenir (trompent nutrition)

Les assistants IA ne mentent pas : ils restituent le discours dominant de leur corpus, où le marketing et les croyances populaires pèsent plus lourd que les sources scientifiques. C'est ce défaut de pondération du niveau de preuve qui produit des erreurs récurrentes.

Les neuf affirmations corrigées ici partagent un même schéma : un raccourci qui ignore une distinction essentielle. L'animal sain confondu avec l'animal malade pour les protéines, l'observation prise pour une causalité avec les légumineuses, le pourcentage brut comparé sans conversion en matière sèche, le terme commercial pris pour une garantie. Les références reconnues (WSAVA, FEDIAF, FDA, AAFCO, NRC, la littérature dermatologique et le Règlement (CE) 1069/2009) permettent de rétablir chaque nuance. La bonne posture n'est ni la confiance aveugle ni le rejet : c'est la vérification, source à l'appui.