💬 NLP

Epicure: Navigating the Emergent Geometry of Food Ingredient Embeddings

L'article présente Epicure, une famille d'incorporations d'ingrédients multilingues entraînées sur 4,14 millions de recettes et qui utilisent des schémas de marche aléatoire distincts pour naviguer dans un graphe hybride de co-occurrences d'ingrédients et de composés chimiques aromatiques, positionnant ainsi les modèles à différents points le long d'un spectre entre le contexte des recettes et la structure chimique.

Auteurs originaux : Jakub Radzikowski, Josef Chen

Publié 2026-05-22

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jakub Radzikowski, Josef Chen

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez une bibliothèque géante et invisible où chaque ingrédient au monde est un livre. L'objectif de cet article est de construire une carte de cette bibliothèque afin qu'un ordinateur puisse comprendre comment les ingrédients sont liés entre eux.

Les auteurs, d'une entreprise appelée KAIKAKU.AI, ont créé une nouvelle famille de cartes appelée Epicure. Ils ont construit trois versions légèrement différentes de cette carte pour déterminer quelle méthode d'organisation de la bibliothèque fonctionne le mieux.

Voici une explication simple de ce qu'ils ont fait et de ce qu'ils ont découvert :

1. Le problème de l'ancienne carte

Avant cela, il existait une carte célèbre appelée « FlavorGraph ». Elle était excellente, mais présentait quelques défauts :

Elle était principalement rédigée en anglais, omettant de nombreuses recettes mondiales.
Elle mélangeait deux types d'informations (les odeurs chimiques et les habitudes de recettes) de manière fixe, impossible à modifier.
Elle comportait des noms d'ingrédients désordonnés (comme « pain au levain » versus simplement « pain »).

2. Construire la nouvelle bibliothèque (Les données)

Les auteurs ont rassemblé 4,14 millions de recettes provenant de 11 sources différentes, couvrant sept langues (dont l'anglais, le chinois, le russe, l'espagnol, et d'autres).

Le nettoyage : Ils ont utilisé l'IA pour nettoyer les listes d'ingrédients désordonnées. Ils ont transformé 200 000 façons différentes d'écrire « oignon » ou « ail » en une liste propre et normalisée de 1 790 ingrédients.
Le lien chimique : Ils ont également relié ces ingrédients à une base de données de composés chimiques (les molécules qui donnent aux aliments un goût sucré, épicé ou citronné).

3. Les trois cartes « frères et sœurs »

Les auteurs ont entraîné trois modèles différents (cartes) en utilisant exactement les mêmes données et paramètres informatiques. La seule différence résidait dans la façon dont ils parcouraient la bibliothèque pour apprendre les connexions. Imaginez-les comme trois guides touristiques différents :

Guide A (Cooc) : Ce guide ne regarde que les recettes. Si « tomate » et « basilic » apparaissent ensemble dans une recette, ils sont amis. Ce guide apprend en se basant sur les habitudes culinaires.
Guide B (Chem) : Ce guide ne regarde que la chimie. Si « tomate » et « basilic » partagent les mêmes molécules chimiques, ils sont amis. Ce guide apprend en se basant sur les profils de saveurs.
Guide C (Core) : Ce guide est un mélange. Il regarde les recettes et la chimie, mais il parcourt la section des recettes plus souvent. Il tente de fusionner les deux mondes.

4. Ce que les cartes peuvent faire

Une fois les cartes construites, les auteurs les ont testées pour voir si elles pouvaient répondre à des questions culinaires.

A. Trouver des voisins (Le test « Qu'est-ce qui va avec ça ? »)
Si vous demandez à la carte : « Qu'est-ce qui va avec le poulet ? »

Guide A (Cooc) dit : « Ail, oignon et carottes. » (Des choses que l'on cuit avec le poulet).
Guide B (Chem) dit : « Bœuf et porc. » (Des choses qui ont un goût similaire au poulet chimiquement).
Guide C (Core) dit : « Porc et bœuf, mais aussi bouillon de poulet. » (Un mélange des deux).

B. La « boussole magique » (SLERP)
La partie la plus excitante est un outil appelé SLERP. Imaginez une aiguille de boussole pointant vers « Poulet ». Vous pouvez faire pivoter cette aiguille vers une nouvelle direction, comme « Asie du Sud » ou « Dessert sucré ».

Si vous faites pivoter « Poulet » vers Asie du Sud, la carte suggère instantanément : Feuille de curry, fenugrec et lentilles.
Si vous faites pivoter « Chocolat » vers Pâtisserie sucrée, elle suggère : Vanille, cacao en poudre et café.
L'utilisateur peut contrôler la distance de la rotation. Un petit tour vous maintient proche de l'ingrédient original ; un grand tour vous emmène profondément dans un nouveau monde de saveurs.

5. La grande découverte

Les auteurs ont découvert que le guide « Chimie » (Guide B) était en fait le meilleur pour trouver des directions claires et distinctes pour des concepts comme « épicé », « gras » ou « italien ».

L'analogie : Imaginez que la bibliothèque est une pièce.
- Le Guide A (Recettes) étale les livres uniformément dans toute la pièce.
- Le Guide B (Chimie) regroupe les livres étroitement dans des coins spécifiques.
- Surprenamment, la carte aux regroupements serrés (Guide B) a rendu plus facile le tracé de lignes droites entre les concepts (comme « italien » versus « chinois »). Il s'est avéré que comprendre la chimie des aliments aidait en fait l'ordinateur à mieux comprendre la culture des aliments que de simplement regarder les recettes seules.

Résumé

L'article présente Epicure, un nouvel ensemble d'outils qui aide les ordinateurs à comprendre la nourriture. Il prouve qu'en mélangeant les habitudes de recettes avec la science chimique, et en donnant aux utilisateurs un « bouton » pour contrôler la proportion de chacun qu'ils souhaitent, nous pouvons construire un assistant de cuisine numérique capable de :

Suggérer des ingrédients qui vont bien ensemble.
Vous aider à explorer de nouvelles cuisines en faisant tourner un « cadran de saveurs ».
Comprendre que le « poulet » peut être un « dîner occidental » ou un « curry indien » selon la direction dans laquelle vous tournez le cadran.

Les auteurs n'ont pas encore publié le code, mais ils ont démontré que cette nouvelle méthode de cartographie de la nourriture fonctionne mieux que les méthodes précédentes pour trouver des modèles clairs et utiles.

Résumé technique : Epicure – Naviguer dans la géométrie émergente des plongements d'ingrédients alimentaires

Énoncé du problème
Les approches existantes en gastronomie computationnelle, telles que FlavorGraph, ont établi des plongements alimentaires complets en combinant des données chimiques (FlavorDB) avec la co-occurrence de recettes (Recipe1M+). Cependant, des travaux antérieurs ont identifié trois limitations critiques dans ces modèles : (1) ils reposent sur des corpus monolingues centrés sur l'anglais ; (2) ils fusionnent les signaux chimiques et contextuels de recette en un biais inductif fixe, empêchant tout contrôle sur l'équilibre entre chimie et contexte culinaire ; et (3) ils utilisent souvent des vocabulaires dispersés contenant des détails de préparation et des éléments non alimentaires. Les auteurs postulent qu'un plongement d'ingrédient utile doit non seulement encoder des connaissances culinaires, mais aussi exposer la géométrie sous-jacente comme un axe de conception contrôlable, permettant des outils capables de naviguer le long de directions sémantiques supervisées ou de modes culturels émergents.

Méthodologie
Les auteurs présentent Epicure, une famille de trois plongements d'ingrédients frères de type skip-gram entraînés à partir de zéro pour répondre aux limitations susmentionnées. La méthodologie se déroule en cinq étapes :

Agrégation du corpus : Les auteurs ont agrégé 4,14 millions de recettes provenant de 11 sources couvrant sept langues (anglais, chinois, russe, vietnamien, espagnol, turc, indonésien, allemand et anglais indien). Les termes non anglais ont été traduits automatiquement en anglais à l'aide d'un décodage déterministe.
Normalisation du vocabulaire canonique : Un pipeline augmenté par un LLM (utilisant Claude Opus et Gemini Embeddings) a normalisé les chaînes brutes d'ingrédients en un vocabulaire partagé de 1 790 entrées canoniques. Ce processus a filtré les éléments non alimentaires et les modificateurs de préparation, garantissant un ensemble de nœuds propre.
Construction du graphe : Trois variantes de graphe ont été construites, partageant les mêmes 1 790 nœuds d'ingrédients et 203 508 arêtes de co-occurrence ingrédients-ingrédients (I-I) pondérées par le NPMI.
- Graphe Cooc : Contient uniquement des arêtes I-I.
- Graphe Core/Chem : Ajoute 2 247 nœuds de composés FlavorDB typés, connectés via 80 019 arêtes ingrédients-composés (I-C) typées. Les composés sont étiquetés avec 15 catégories de saveurs (par exemple, agrumes, gras, épicé).
Entraînement du modèle : Trois variantes de Metapath2Vec ont été entraînées avec des hyperparamètres identiques (plongements de 300 dimensions, 20 époques, échantillonnage négatif) mais des schémas de marche aléatoire différents :
- Epicure-Cooc : Parcourt uniquement le graphe de co-occurrence pur I-I.
- Epicure-Core : Parcourt le graphe de composés typés mais injecte des marches pures I-I (répétition 10x) pour mélanger les signaux chimiques et contextuels de recette.
- Epicure-Chem : Parcourt le graphe de composés typés sans marches I-I injectées, s'appuyant uniquement sur les chemins médiés par les composés.
Évaluation : Les plongements ont été évalués à l'aide de sondes de direction supervisées (27 directions sensorielles/nutritionnelles continues et 8 macro-régions de cuisine) et d'une analyse factorielle non supervisée (décomposition FastICA suivie d'un partitionnement par modèle de mélange gaussien).

Contributions clés

Biais inductif contrôlable : L'article introduit un axe de conception où le spectre « chimie contre contexte de recette » est contrôlé au niveau du schéma de marche plutôt que d'être une propriété fixe du modèle. Cela permet trois plongements distincts (Cooc, Core, Chem) à partir d'une seule configuration expérimentale.
Plongements multilingues et canoniques : Ce travail fournit la première famille de plongements alimentaires multilingues entraînée sur un vocabulaire normalisé et curaté par LLM, dépassant les listes d'ingrédients non structurées et centrées sur l'anglais.
Familles d'opérateurs doubles : Les auteurs démontrent qu'un seul espace 300-D prend en charge deux opérateurs de navigation complémentaires :
1. Appariements par plus proches voisins : Récupération des K meilleurs voisins et des modes émergents les plus proches.
2. Arithmétique de direction SLERP : Rotation continue d'un vecteur de départ vers des vecteurs pôle supervisés (par exemple, « Asie du Sud ») ou des pôles de modes facteurs émergents, contrôlée par un angle $\theta$ .

Résultats

Récupérabilité linéaire : Les trois modèles récupèrent linéairement les sondes supervisées. Le modèle Chem surpasse systématiquement Cooc et Core en qualité de direction (moyenne de la $d$ de Cohen pour la séparabilité des cuisines : 3,07 pour Chem contre 2,43 pour Cooc), suggérant que les marches médiées par la chimie agissent comme un prior structurel qui améliore la récupérabilité de concepts, même ceux non directement encodés dans le schéma de marche (par exemple, les goûts de base et les macronutriments USDA).
Isotropie et géométrie : Les modèles présentent des propriétés géométriques distinctes. Cooc et Chem sont hautement isotropes (Rapport de participation $\approx$ 174–183), tandis que Core est plus concentré (PR = 94,2) en raison des marches I-I injectées. Malgré cette concentration, Core atteint les modes émergents les plus serrés (cohérence 0,833 contre 0,611/0,703), indiquant que la concentration est un levier de conception délibéré plutôt qu'un défaut géométrique.
Modes émergents : La décomposition non supervisée a récupéré 20 facteurs interprétables par modèle, partitionnés en 150 à 200 modes culinaires nommés (par exemple, « Ingrédients sucrés de pâtisserie et desserts », « Mélanges d'épices entières d'Asie du Sud »). Ces modes montrent une forte cohérence (5 à 6 fois au-dessus des bases aléatoires) et représentent des voisinages serrés et nommés.
Comportement de navigation :
- Appariements : Cooc tend à récupérer des compagnons de recette (par exemple, ail pour poulet), tandis que Chem récupère des pairs de profils de saveurs (par exemple, bœuf pour poulet).
- SLERP : La rotation des graines vers des pôles supervisés ou émergents produit des résultats prévisibles et alignés sur les étiquettes. Par exemple, tourner « riz » vers « Asie du Sud » récupère la feuille de curry et les lentilles ; tourner « chocolat » vers « pâtisserie sucrée » récupère la levure chimique et la vanille (ou le matcha dans Chem, reflétant son biais chimique).

Signification
L'article soutient que la prochaine étape de la gastronomie computationnelle ne consiste pas simplement à créer des plongements plus grands, mais à exposer les opérateurs qui agissent sur eux. En traitant le schéma de marche comme un axe nommé et contrôlable, Epicure transforme un espace vectoriel statique en une interface navigable. Les trois frères permettent aux utilisateurs de choisir entre des voisins de contexte de recette (Cooc) et des pairs de profils de saveurs (Chem) sur le même espace 300-D. De plus, la combinaison des recherches par plus proches voisins et de la rotation continue SLERP prend en charge des outils destinés aux chefs, capables de « tourner, mélanger ou récupérer » le long de directions sémantiques supervisées et de modes émergents culturellement cohérents. Les auteurs concluent que ce changement méthodologique – traiter le schéma de marche comme la variable expérimentale – s'applique à toute fusion future de signaux culinaires, y compris la nutrition, l'image ou les descripteurs sensoriels.