Vous entrez dans un café, vous levez les yeux vers le menu, et quelque chose cloche avant même que vous puissiez le formuler. Les bagels sont trop ronds. Le fromage brille d’une manière trop nette. Chaque sandwich semble avoir été lissé par la même main invisible. Ce n’est pas une hallucination : c’est le nouveau décor visuel de la restauration, façonné par des modèles génératifs entraînés à plaire, à lisser, à reproduire un idéal commercial déjà vu mille fois. Pour les équipes marketing, les fondateurs de startups foodtech et les responsables de communication digitale, ce détail n’est plus anecdotique. Il touche la confiance, la différenciation et la perception de qualité.

Le phénomène a été documenté avec une précision utile par TechCrunch, qui décrit cette sensation de malaise face à des illustrations alimentaires trop parfaites, trop symétriques, trop lisses. L’article de Amanda Silberling met des mots sur une intuition que beaucoup de clients partagent déjà : on reconnaît souvent une image générée avant même de savoir pourquoi. Cette reconnaissance n’est pas un caprice esthétique. Elle devient un risque de marque.

Pourquoi Ces Menus Semblent Tous Sortir Du Même Four

Les modèles d’image et les grands modèles de langage ne « comprennent » pas un burger. Ils prédisent une représentation statistiquement probable d’un burger à partir d’un corpus immense. Or ce corpus est saturé de visuels de chaînes, de publicités alimentaires et de catalogues déjà optimisés pour séduire. Alex Lisle, directeur technique de Reality Defender, résume l’effet avec une image frappante : on a parfois l’impression qu’un extraterrestre tente de fabriquer une pizza sans en saisir les principes.

It’s almost like an alien trying to make a pizza without understanding its core principles.

– Alex Lisle, CTO de Reality Defender, cité par TechCrunch

Cette phrase n’est pas seulement drôle. Elle décrit un écart structurel entre la matérialité du plat et la moyenne statistique de ses représentations. Un vrai sandwich a des aspérités, des ombres irrégulières, une sauce qui déborde un peu, un pain qui n’est pas un disque parfait. L’image générative, elle, tend vers le centre de la distribution : rondeur, brillance, alignement, absence de friction visuelle. Le résultat n’est pas forcément grotesque. Il est souvent pire : banal, légèrement faux, et donc plus dérangeant.

Lisle note aussi que beaucoup de ces visuels rappellent un menu de Chili’s vers 2015. Ce n’est pas un hasard culturel. C’est un artefact d’entraînement. Les photographies et illustrations de restauration rapide des années 2010 occupent une place disproportionnée dans les données publiques et semi-publiques. Quand on demande « un menu pour un restaurant de burgers », le modèle rapplique Wendy’s, Burger King, McDonald’s et leurs cousins stylistiques. Les chaînes se ressemblaient déjà. L’IA accentue cette ressemblance, puis la recycle.

De La Publicité Appétissante À L’Hyper-Idéal Qui Dégoûte

Le marketing alimentaire a toujours triché un peu. Un Big Mac de spot publicitaire n’est pas le Big Mac du plateau. Un accessoiriste dispose chaque couche. Un éclairagiste sculpte la salade. Cette convention était acceptée parce qu’elle restait ancrée dans un objet réel, photographié, touché, ajusté. L’IA pousse la même logique sans le garde-fou du plateau. Elle n’optimise plus une scène. Elle optimise une idée de scène.

Lee Rainie, directeur du Imagining the Digital Future Center à Elon University, insiste sur ce point : les jeux de données sont calibrés pour la « pleasingness », pour ne pas offenser, pour rester agréables. Cette optimisation rase les aspérités. En image comme en texte, l’IA a tendance à couper les bords. Or la gourmandise vit souvent dans les bords : le fromage qui file trop, la croûte un peu brûlée, la feuille de basilic un peu fatiguée, la sauce qui tache le carton.

What AI is known to do both in images and language is to shave off the edges.

– Lee Rainie, Imagining the Digital Future Center

Quand l’idéal devient trop lisse, le cerveau bascule. Des chercheurs de l’université de Duisburg-Essen ont observé un effet de uncanny valley appliqué à la nourriture générée : des images presque réelles provoquent plus de dégoût et d’inconfort que des images franchement artificielles. Le presque-vrai est plus menaçant que le dessin assumé. C’est exactement le terrain où se situent beaucoup de menus générés aujourd’hui. Pas assez cartoon pour être lus comme une illustration. Pas assez imparfaits pour être crus comme une photo.

Ajoutez le climat culturel. L’IA n’est plus un tour de magie neutre. Elle est associée aux débats sur le copyright, au remplacement de métiers créatifs, aux deepfakes, à la perte de repères. Une boule de glace trop ronde n’est donc pas seulement une boule de glace trop ronde. Elle devient le symbole d’une production paresseuse, d’une identité visuelle externalisée à un modèle généraliste, d’un restaurant qui n’a pas pris le temps de se regarder.

Éditer Cent Fois Un Menu : La Recette De L’Horreur Progressive

Sur X, un utilisateur sous le nom de Labtec a mené une expérience simple et cruelle : créer un menu dans ChatGPT, puis le rééditer une centaine de fois. À chaque passe, les plats deviennent un peu plus ronds, plus lisses, plus étrangers. TechCrunch a reproduit l’expérience et observé le même glissement. Ce n’est pas un bug isolé. C’est une dynamique d’usage.

Les restaurants ne génèrent pas un menu une fois pour toutes. Ils changent un prix. Ils renomment une formule. Ils ajoutent un plat du jour. Ils demandent « rends le burger plus appétissant ». Chaque itération pousse le modèle à renforcer ce qu’il croit être le succès visuel précédent. La boucle d’édition locale imite, à petite échelle, ce que les chercheurs appellent la convergence à grande échelle.

Il faut distinguer deux notions trop souvent mélangées. Le model collapse décrit un effondrement plus radical : quand trop de contenus générés réentrent dans l’entraînement, la diversité s’effondre, les erreurs s’amplifient, le système s’auto-empoisonne. Lisle compare cela à une forme de « mad cow disease » informationnelle. La convergence, elle, est moins spectaculaire et plus répandue. Le modèle reste utilisable. Il devient seulement de plus en plus moyen, de plus en plus conforme, de plus en plus interchangeable.

Pour une marque, la convergence est presque plus dangereuse que l’effondrement. Un menu absurde se remarque et se corrige. Un menu « correct mais identique à celui d’en face » s’installe. Il normalise la médiocrité visuelle. Il transforme la vitrine en stock d’images génériques. Il dit au client, sans le vouloir : nous n’avons rien de particulier à montrer.

Ce Que Cela Change Pour Le Marketing Des Restaurants

Dans la restauration, le menu n’est pas un accessoire. C’est un objet de conversion. Il oriente le regard, justifie le prix, raconte une cuisine, réduit l’incertitude. Un visuel trop lisse peut donc coûter cher, même s’il a été produit en trente secondes.

• Il affaiblit la preuve sensorielle : le client n’imagine plus le goût, il détecte un artefact.
• Il aligne la marque sur une esthétique de chaîne, même quand le lieu est indépendant.
• Il crée un écart brutal entre la promesse affichée et l’assiette réelle.
• Il expose l’établissement aux captures moqueuses, très virales sur les réseaux.
• Il signale un process créatif low-cost, ce qui peut déteindre sur la perception du service.

Le marketing local repose encore beaucoup sur la confiance de proximité. On pardonne un neon fatigué. On pardonne moins une image qui semble mentir. Le client n’a pas besoin d’un cours sur les modèles de diffusion pour sentir le mensonge statistique. Rainie le dit clairement : les gens ont une sensibilité difficile à verbaliser, mais ils savent souvent quand une image n’est pas née d’une scène réelle.

Cette sensibilité a des conséquences opérationnelles. Un dark kitchen qui veut scaler vite sera tenté par la génération automatique de visuels pour 40 villes. Un réseau de coffee shops voudra décliner 200 déclinaisons saisonnières sans photographe. Un agrégateur de menus voudra remplir ses fiches produits à bas coût. Dans tous ces cas, la tentation est rationnelle. Le risque, lui, est réputationnel et cumulatif.

Startups, Données Et Le Piège Du Corpus Trop « Joli »

Le problème dépasse la restauration. Il parle à toute startup qui industrialise du contenu visuel. Si votre produit génère des visuels « premium », des packshots, des pages produit, des publicités locales ou des catalogues, vous êtes exposés au même mécanisme : la moyenne plaisante tue le caractère.

Les laboratoires ont faim de données nouvelles. L’article source rappelle qu’Amazon a déjà été accusé de scanner des livres rares pour enrichir un corpus, puis de détruire les exemplaires. Qu’on discute l’éthique de telles pratiques ou non, le message technique est clair : les données originales deviennent un actif stratégique. Plus le web se remplit de contenus générés, plus il devient difficile d’entraîner des modèles qui restent vivants, singuliers, ancrés dans le monde réel.

Pour une scale-up food, retail ou travel, cela implique une doctrine de données. Il ne suffit plus de « prompt engineering ». Il faut décider quelles images propriétaires resteront hors de la boucle générative publique. Il faut archiver les photos de cuisine, les services réels, les défauts assumés, les mains, les plans de travail, les heures de rush. Ces images imparfaites sont plus précieuses qu’un rendu satiné. Elles constituent une barrière concurrentielle que le modèle généraliste n’a pas.

Les outils de détection et de vérification, comme ceux de Reality Defender, naissent précisément de cette bascule. Tant que « voir, c’était croire », une photo de menu ou une publicité alimentaire fonctionnait comme preuve. Lisle le rappelle : nos institutions, y compris judiciaires, ont longtemps traité l’enregistrement visuel comme un standard d’évidence. Ce standard s’érode. Pour une marque, cela signifie qu’il faudra de plus en plus prouver l’origine d’une image, pas seulement la publier.

La Vallée De L’Étrange N’Est Pas Qu’Une Curiosité Scientifique

L’uncanny valley alimentaire mérite d’être prise au sérieux par les équipes produit. Le dégoût n’est pas un jugement moral. C’est une réponse adaptative. Notre système perceptif a été entraîné, bien avant l’IA, à détecter ce qui semble comestible, frais, intact, non contaminé. Une texture trop uniforme, une brillance trop homogène, une symétrie trop stricte peuvent être lues comme des signaux d’anormalité.

Dans un restaurant, cette lecture se mélange à d’autres indices : odeur, bruit, propreté du comptoir, sourire du personnel. L’image du menu est le premier filtre. Si ce filtre déclenche une alerte faible mais persistante, le reste de l’expérience part avec un handicap. On commande moins. On photographie pour se moquer. On ne revient pas.

Le plus pernicieux, c’est que les équipes internes s’habituent. Après vingt générations, le burger parfaitement sphérique paraît « clean ». Le fondateur le valide parce qu’il est fatigué et que le rendu est net sur mobile. Le community manager le poste parce que le délai presse. Le client, lui, arrive froid. Il n’a pas vécu la boucle d’édition. Il voit seulement le résultat final, et ce résultat lui paraît faux.

Ce Que Les Marques Peuvent Faire Sans Renoncer À L’IA

Interdire l’IA dans un restaurant indépendant ou une chaîne en croissance n’est ni réaliste ni forcément souhaitable. L’enjeu est de l’utiliser comme assistant de production, pas comme directeur artistique unique. Quelques principes concrets émergent déjà du terrain.

• Photographier d’abord le plat réel, même mal, puis s’en servir comme ancre plutôt que de tout inventer.
• Limiter le nombre d’itérations sur une même image pour éviter le lissage progressif.
• Conserver des défauts contrôlés : miettes, irrégularités, vapeur, aspérités du pain.
• Séparer nettement illustration stylisée et photo produit, sans zone grise « presque réelle ».
• Construire une charte visuelle propriétaire avant de générer la moindre déclinaison.
• Tester les visuels auprès de clients naïfs, pas seulement auprès de l’équipe qui a prompté.
• Documenter la provenance des images utilisées en publicité et sur les plateformes de livraison.

Le dernier point va gagner en importance. Les marketplaces, les régies et bientôt certains cadres réglementaires demanderont davantage de traçabilité. Une startup qui vend des menus, des photos de plats ou des pages de conversion alimentaire a intérêt à intégrer dès maintenant des métadonnées d’origine, des versions sources et une piste d’audit simple. Ce n’est pas de la paranoïa. C’est de l’hygiène de marque.

Homogénéisation, Confiance Et Communication Digitale

La communication digitale a vécu une décennie à chasser la friction. Templates, kits de marque automatisés, calendriers de posts, déclinaisons multicanales : tout poussait vers la consistance. L’IA accélère cette consistance jusqu’à la rendre suspecte. Trop de consistance ressemble à de l’absence d’auteur.

Or l’auteur, dans la food, est un argument commercial. Un chef a une main. Un quartier a une lumière. Une enseigne a une vaisselle. Ces détails créent de la mémoire. Quand chaque bagel du menu semble usiné dans la même usine latente, la mémoire s’efface. Le client ne retient plus un lieu. Il retient « encore un menu IA ».

Les community managers le constatent déjà. Les posts qui performent dans la restauration sont rarement les plus lisses. Ce sont les services un peu chaotiques, les plats imparfaits filmés en lumière naturelle, les équipes en cuisine, les files d’attente, les erreurs assumées. L’algorithme social récompense souvent le vivant. Le modèle génératif, lui, récompense le plausible moyen. Ces deux systèmes ne parlent pas la même langue.

Pour les agences et les équipes in-house, la leçon est stratégique. Il faut cesser de mesurer uniquement la vitesse de production. Il faut mesurer la reconnaissance de marque, la distinctivité visuelle et la crédibilité perçue. Un menu généré en cinq minutes qui fait baisser le ticket moyen n’est pas une victoire d’efficacité. C’est une dette esthétique.

Au-Delà De L’Assiette : Quand Voir Ne Suffit Plus

Lisle élargit le propos à un basculement civil. Si l’image cesse d’être une preuve stable, tout l’écosystème de la confiance visuelle doit être réécrit : publicité, journalisme, justice, e-commerce, avis clients, catalogues. La restauration n’est qu’un terrain particulièrement sensible, parce que l’enjeu y est corporel. On ne clique pas seulement. On avale.

Cette bascule crée un marché. Outils de watermarking, credentials de contenu, détection d’origine, signatures cryptographiques, audits visuels pour enseignes : autant de briques que des startups peuvent vendre à des groupes hôteliers, des plateformes de livraison et des réseaux de franchise. Le besoin n’est plus théorique. Il apparaît dès qu’un client filme un menu et le compare à l’assiette avec un commentaire sarcastique.

Il crée aussi une responsabilité éditoriale pour les plateformes. Si une application de livraison affiche des visuels générés sans le dire, elle participe à la confusion. Si un outil de création de menus propose par défaut l’esthétique « fast-casual 2015 », il industrialise la sameness. Les interfaces ont des biais. Ces biais deviennent des paysages urbains.

Une Grille Pratique Pour Décider D’Utiliser Ou Non Un Visuel Généré

Les équipes n’ont pas toujours le luxe d’un shooting. Voici une grille simple, formulée pour un comité marketing pressé.

• Le visuel doit-il prouver un plat réel vendu aujourd’hui ? Si oui, photographier.
• Le visuel est-il clairement une illustration de marque, avec un style graphique assumé ? L’IA peut aider.
• Le rendu survit-il à une comparaison côte à côte avec le plat servi ? Si non, le retirer.
• Le même style pourrait-il être collé sur trois concurrents sans que personne ne le remarque ? Mauvais signe.
• Le client non expert ressent-il un malaise en moins de trois secondes ? Recaler.
• A-t-on déjà itéré plus de quelques fois sur la même image ? Revenir à la source.

Cette grille n’est pas morale. Elle est économique. Un visuel qui suscite le doute allonge le temps de décision, augmente les commentaires négatifs et fragilise les campagnes d’acquisition. Dans un secteur où les marges sont minces, la clarté perceptive est un levier de rentabilité.

Ce Que Les Fondateurs Devraient Retenir Pour Leur Roadmap Produit

Si vous construisez un outil pour restaurateurs, ne vendez pas seulement la génération. Vendez le contrôle. Proposez des styles propriétaires entraînés sur la cuisine du client. Imposez des limites d’édition. Affichez un indicateur de « lissage » ou de dérive après trop de retouches. Offrez un mode photo-ancre. Intégrez une bibliothèque d’imperfections réalistes. Ajoutez un export avec mentions d’origine.

Le différenciateur ne sera pas « on génère un menu en 20 secondes ». Tout le monde le fera. Le différenciateur sera « on génère un menu qui ressemble encore à cette enseigne après six mois de mises à jour ». C’est un problème de produit, de data et de design system, pas seulement de modèle.

Les équipes growth devraient aussi surveiller un KPI trop ignoré : le taux de commentaires du type « photo fake » ou « ça ressemble pas ». Ce signal est précoce. Il arrive avant la baisse de notes. Il précède les articles moqueurs. Il dit que la promesse visuelle s’est décollée de l’opérationnel.

Une Esthétique De Chaîne Dans Un Monde Qui Veut Du Local

Le paradoxe est cruel. Les consommateurs disent aimer le local, l’artisanat, la patte du chef, le service imparfait et chaleureux. Les outils grand public, eux, recrachent une esthétique de franchise américaine datée. Plus les indépendants y recourent sans filtre, plus ils abandonnent précisément ce qui les distingue des chaînes.

On peut y voir une métaphore plus large de l’IA générative en marketing. L’outil promet la personnalisation de masse. En pratique, sans données propriétaires et sans direction artistique forte, il produit de la personnalisation cosmétique sur un fond identique. Le prénom change. Le burger reste le même burger platonicien, trop rond, trop brun, trop sage.

Les villes le montrent déjà. À New York, il suffit de « jeter une pierre » pour tomber sur une publicité alimentaire légèrement répugnante, selon le constat relayé dans l’écosystème social et repris par TechCrunch. Ce n’est pas seulement un gag de timeline. C’est un paysage commercial qui se standardise à vitesse d’inférence.

Reprendre La Main Sur Le Réel

Le bon réflexe n’est pas la nostalgie du shooting argentique. C’est plus simple et plus contemporain : remettre le réel au centre du pipeline. Une photo de cuisine prise le mardi midi, même imparfaite, porte une information que mille prompts ne remplaceront pas. Un dessinateur qui comprend le produit crée une stylisation lisible. Un modèle peut ensuite décliner, traduire, adapter les formats, proposer des variantes de saison. L’ordre des opérations change tout.

Les marques qui s’en sortiront seront celles qui traiteront l’image alimentaire comme un actif de confiance, pas comme un stock inépuisable de visuels gratuits. Elles accepteront que certains bords restent visibles. Elles comprendront que l’appétit naît aussi de l’irrégulier. Elles refuseront de laisser un corpus moyen écrire leur identité.

Au fond, ces menus trop lisses racontent une histoire plus vaste que la restauration. Ils montrent ce qui arrive quand on optimise le plaisant jusqu’à perdre le vivant. Ils rappellent qu’un modèle entraîné à ne pas déplaire finit par ne plus vraiment donner faim. Et ils posent aux équipes marketing une question très concrète, à chaque campagne, à chaque fiche produit, à chaque abribus : est-ce que cette image aide à croire, ou est-ce qu’elle aide seulement à produire ?

Si la réponse hésite, mieux vaut ressortir l’appareil photo, garder la sauce qui déborde, et laisser au burger le droit de n’être pas parfaitement rond.