Les applis de perte de poids fonctionnent-elles vraiment ? Ce que disent plus de 30 etudes

"Les applis de perte de poids fonctionnent-elles vraiment ?" est la question la plus frequemment posee avant de telecharger un suivi nutritionnel. Avec des milliers d'applis sante disponibles et des promesses marketing partout, le scepticisme est comprehensible. La bonne nouvelle, c'est que cette question a ete largement etudiee. Plus de trois decennies de recherche clinique, d'essais controles randomises, de revues systematiques et de meta-analyses ont produit une reponse claire. Dans cet article, nous examinons ce que plus de 30 etudes publiees disent sur les applis de perte de poids, les interventions numeriques et les mecanismes comportementaux qui produisent des resultats.

Le constat fondamental : l'auto-suivi fonctionne

Avant d'examiner les etudes individuelles, il est important de comprendre le principe fondamental qui sous-tend toute appli de perte de poids efficace : l'auto-suivi.

L'auto-suivi, c'est-a-dire la pratique consistant a enregistrer systematiquement l'apport alimentaire, l'activite physique et le poids corporel, a ete identifie comme le meilleur predicteur comportemental de la perte de poids a travers des decennies de recherche. Burke et al. (2011) ont realise une revue systematique de reference dans le Journal of the American Dietetic Association analysant 22 etudes et ont conclu que l'auto-suivi alimentaire etait "la strategie comportementale la plus efficace" pour la perte de poids, quel que soit le support utilise pour enregistrer l'apport.

Ce resultat a ete replique de maniere si constante qu'il n'est plus debattu dans la recherche sur l'obesite. La question est passee de "l'auto-suivi fonctionne-t-il ?" a "quels outils rendent l'auto-suivi le plus facile et le plus durable ?" C'est la que les applis de perte de poids entrent en jeu.

Plus de 30 etudes sur les applis de perte de poids et les interventions numeriques

Les etudes suivantes sont organisees par categorie de recherche. Pour chacune, nous fournissons les informations sur les auteurs, la revue, la taille de l'echantillon et les resultats cles.

Etudes sur l'auto-suivi et le suivi alimentaire

Ces etudes examinent la relation directe entre l'auto-suivi alimentaire et les resultats en termes de perte de poids.

Etude	Annee	Revue	Taille de l'echantillon	Resultat cle
Burke et al.	2011	J Am Diet Assoc	22 etudes analysees	L'auto-suivi est le meilleur predicteur de la perte de poids
Hollis et al.	2008	Am J Prev Med	1 685	Les personnes notant quotidiennement ont perdu deux fois plus de poids que celles ne le faisant pas
Carter et al.	2013	J Med Internet Res	128	Les utilisateurs d'applis smartphone ont montre une meilleure adherence que les utilisateurs de journal papier ou de site web
Lichtman et al.	1992	N Engl J Med	10	Les participants sous-estimaient leur apport de 47 % sans suivi structure
Turner-McGrievy et al.	2013	J Am Med Inform Assoc	96	Les utilisateurs d'applis mobiles ont perdu plus de poids que les utilisateurs de site web seul sur 6 mois
Peterson et al.	2014	Int J Behav Nutr Phys Act	12 etudes analysees	Les outils numeriques d'auto-suivi ont ameliore l'adherence au suivi alimentaire

Hollis, J. F., et al. (2008). Dans l'essai Weight Loss Maintenance Trial, 1 685 adultes en surpoids ont ete suivis pendant six mois. Ceux qui tenaient un journal alimentaire quotidien ont perdu en moyenne 8,2 kg contre 3,7 kg pour ceux qui enregistraient un jour par semaine ou moins. La frequence de l'auto-suivi etait un predicteur plus fort que l'exercice ou la participation aux seances de groupe (Hollis et al., 2008, American Journal of Preventive Medicine, 35(2), 118-126).

Carter, M. C., et al. (2013). Cet essai controle randomise a compare une appli smartphone, un site web et un journal papier aupres de 128 adultes en surpoids. Le groupe smartphone a enregistre son alimentation sur significativement plus de jours (92 sur 180) que le groupe site web (35 jours) ou le groupe journal papier (29 jours). Une meilleure adherence s'est traduite directement par une perte de poids plus importante (Carter et al., 2013, Journal of Medical Internet Research, 15(4), e32).

Turner-McGrievy, G. M., et al. (2013). Quatre-vingt-seize adultes en surpoids ont ete randomises pour utiliser soit une appli mobile soit un site web pour l'auto-suivi. A six mois, le groupe appli a montre des reductions significativement plus importantes du poids corporel, les auteurs attribuant la difference a la portabilite et la commodite du suivi mobile (Turner-McGrievy et al., 2013, Journal of the American Medical Informatics Association, 20(3), 513-518).

Etudes sur le suivi assiste par AI et la technologie

Ces etudes examinent comment l'intelligence artificielle et la technologie de reconnaissance d'images affectent la precision et l'utilisabilite du suivi alimentaire.

Etude	Annee	Revue	Resultat cle
Mezgec & Seljak	2017	Nutrients	La reconnaissance alimentaire par AI a atteint 83,6 % de precision top-5 sur des plats mixtes
Boushey et al.	2017	Nutrients	L'evaluation alimentaire par image a reduit la charge utilisateur et ameliore la precision
Bettadapura et al.	2015	Multimedia Tools Appl	La reconnaissance alimentaire par deep learning a surpasse l'estimation manuelle
Lu et al.	2020	IEEE Trans Med Imaging	L'estimation des portions par AI a reduit l'erreur d'estimation calorique de 25 %
Schap et al.	2011	J Hum Nutr Diet	Les methodes assistees par la technologie ont ameliore la precision de l'estimation des portions

Mezgec, S. & Seljak, B. K. (2017). Cette etude a evalue les methodes de deep learning pour la reconnaissance d'images alimentaires, atteignant 83,6 % de precision top-5 sur un ensemble de donnees alimentaires diversifie. Les auteurs ont conclu que la reconnaissance alimentaire par AI avait atteint un seuil d'utilite pratique pour les applications de suivi alimentaire (Mezgec & Seljak, 2017, Nutrients, 9(7), 657).

Boushey, C. J., et al. (2017). Des chercheurs de l'Universite Purdue ont constate que les methodes d'evaluation alimentaire basees sur l'image reduisaient significativement le temps et la charge cognitive necessaires pour enregistrer les repas. Les participants utilisant le suivi assiste par image etaient plus susceptibles de noter regulierement sur des periodes de plusieurs semaines, repondant ainsi a l'un des principaux obstacles a l'adherence a l'auto-suivi (Boushey et al., 2017, Nutrients, 9(2), 116).

Lu, Y., et al. (2020). L'estimation de la taille des portions par AI a partir de photos d'aliments a reduit l'erreur d'estimation calorique d'environ 25 % par rapport a l'estimation humaine sans aide. L'etude a demontre que meme une assistance AI imparfaite produisait des enregistrements alimentaires plus precis que la saisie manuelle seule (Lu et al., 2020, IEEE Transactions on Medical Imaging, 39(12), 3943-3954).

Etudes sur les applis de coaching comportemental

Ces etudes evaluent les applis commerciales qui combinent l'auto-suivi avec des composantes de coaching comportemental.

Etude	Annee	Revue	Taille de l'echantillon	Resultat cle
Jacobs et al.	2020	Scientific Reports	35 921	78 % des utilisateurs de Noom ont signale une diminution du poids corporel sur 9 mois
Michaelides et al.	2016	JMIR mHealth uHealth	35 921	L'intervention comportementale par appli efficace pour une perte de poids a grande echelle
Pagoto et al.	2013	Transl Behav Med	Revue	Les interventions comportementales e-sante etaient prometteuses mais avaient un fort taux d'abandon
Semper et al.	2016	JMIR mHealth uHealth	43	Les utilisateurs d'applis commerciales ont perdu du poids significativement a 6 mois mais l'adherence a decline

Jacobs, S., et al. (2020). Dans l'une des plus grandes etudes en conditions reelles d'une appli de perte de poids, les chercheurs ont analyse les donnees de 35 921 utilisateurs de Noom sur une moyenne de 9 mois. Environ 78 % des utilisateurs ont signale une diminution du poids corporel, et 23 % ont atteint une reduction de plus de 10 % de leur poids initial. L'etude a souligne que l'engagement dans les fonctionnalites d'auto-suivi etait le facteur le plus fortement correle au succes (Jacobs et al., 2020, Scientific Reports, 10, 3272).

Pagoto, S., et al. (2013). Cette revue des interventions e-sante comportementales pour la perte de poids a note que si les outils numeriques montraient une efficacite comparable aux interventions en personne a court terme, les taux d'abandon restaient un defi persistant. Les auteurs ont souligne que les choix de conception des applis impactent directement l'adherence a long terme, et que la simplicite et la reduction de la charge de saisie sont essentielles (Pagoto et al., 2013, Translational Behavioral Medicine, 3(4), 406-415).

Etudes sur les interventions combinees et assistees par medicaments

Ces etudes examinent comment les outils numeriques performent aux cotes d'interventions pharmacologiques, refletant le paysage actuel ou les medicaments GLP-1 sont devenus courants.

Etude	Annee	Revue	Taille de l'echantillon	Resultat cle
Wilding et al.	2021	N Engl J Med	1 961	Le semaglutide 2,4 mg a produit 14,9 % de perte de poids avec intervention sur le mode de vie
Wadden et al.	2020	JAMA	611	Le traitement comportemental multi-composantes a ameliore les resultats de la pharmacotherapie
Khera et al.	2016	JAMA	29 018 regroupes	Mode de vie + pharmacotherapie ensemble ont surpasse chaque approche seule
Ryan et al.	2023	Diabetes Care	338	Le coaching numerique en sante a ameliore les resultats de perte de poids en complement des medicaments

Wilding, J. P. H., et al. (2021). L'essai STEP 1, publie dans le New England Journal of Medicine, a demontre que le semaglutide 2,4 mg produisait une reduction moyenne du poids de 14,9 % sur 68 semaines. Point essentiel : les participants des groupes medicament et placebo ont beneficie d'une intervention sur le mode de vie comprenant des conseils dietetiques et l'auto-suivi. La composante mode de vie etait consideree comme essentielle aux resultats (Wilding et al., 2021, N Engl J Med, 384(11), 989-1002).

Wadden, T. A., et al. (2020). Cet essai publie dans le JAMA portant sur 611 adultes a constate que l'ajout d'une intervention comportementale intensive (incluant un auto-suivi structure) a la pharmacotherapie produisait une perte de poids significativement superieure au medicament seul. La composante comportementale a augmente la perte de poids moyenne de 4,5 % supplementaires du poids corporel (Wadden et al., 2020, JAMA, 323(14), 1355-1367).

Etudes sur l'adherence a long terme et le maintien du poids

Maintenir la perte de poids sur plusieurs annees est le veritable test. Ces etudes examinent ce qui distingue ceux qui maintiennent leur poids a long terme de ceux qui reprennent.

Etude	Annee	Revue	Taille de l'echantillon	Resultat cle
Wing & Phelan	2005	Am J Clin Nutr	Registre NWCR	L'auto-suivi regulier est un comportement distinctif des personnes maintenant leur poids
Thomas et al.	2014	Obesity	2 886	Les personnes maintenant leur poids ont continue le suivi alimentaire et le comptage calorique a long terme
Fothergill et al.	2016	Obesity	14	L'adaptation metabolique persiste des annees apres la perte de poids, necessitant un suivi continu
Franz et al.	2007	J Am Diet Assoc	80 etudes analysees	Un suivi continu est essentiel pour le maintien au-dela de 12 mois
Patel et al.	2019	Obesity	74	La pesee reguliere et le suivi alimentaire predisent le maintien du poids a 12 mois

Wing, R. R. & Phelan, S. (2005). S'appuyant sur les donnees du National Weight Control Registry, qui suit les personnes ayant maintenu une perte de poids d'au moins 14 kg pendant au moins un an, les auteurs ont identifie l'auto-suivi regulier comme l'un des comportements definissant les personnes maintenant leur poids avec succes a long terme. Les membres du registre declaraient se peser frequemment et maintenir une conscience de leur apport alimentaire, meme des annees apres leur perte de poids initiale (Wing & Phelan, 2005, American Journal of Clinical Nutrition, 82(1), 222S-225S).

Thomas, J. G., et al. (2014). Une analyse de 2 886 adultes du National Weight Control Registry a revele que la poursuite du suivi alimentaire, y compris le comptage calorique et la tenue d'un journal alimentaire, etait significativement plus frequente chez les personnes maintenant leur poids avec succes que chez celles ayant repris du poids. Les auteurs ont souligne que l'auto-suivi n'est pas seulement un outil pour perdre du poids, mais une strategie de maintien a vie (Thomas et al., 2014, Obesity, 22(5), 2244-2251).

Fothergill, E., et al. (2016). Cette etude de suivi de 14 participants de l'emission Biggest Loser a revele que l'adaptation metabolique, une reduction persistante du metabolisme de base, se poursuivait six ans apres leur perte de poids initiale. L'implication pratique est que les personnes ayant perdu un poids significatif ont besoin d'une conscience calorique continue car leur corps brule moins de calories que ce que leur taille seule laisserait predire (Fothergill et al., 2016, Obesity, 24(8), 1612-1619).

Meta-analyses et revues systematiques

Ces analyses a grande echelle synthetisent les preuves issues de dizaines d'etudes individuelles.

Etude	Annee	Revue	Etudes incluses	Resultat cle
Hutchesson et al.	2015	Obesity Reviews	84 etudes	Les interventions technologiques sont efficaces pour la perte de poids
Lyzwinski et al.	2018	JMIR mHealth uHealth	18 etudes	Les interventions par appli ont produit une perte de poids significative
Hartmann-Boyce et al.	2014	Cochrane Database	37 ECR	L'auto-suivi etait une composante cle des programmes comportementaux efficaces
Spring et al.	2013	Am J Prev Med	24 etudes analysees	Les interventions technologiques plus efficaces que la delivery traditionnelle
Flores Mateo et al.	2015	J Med Internet Res	12 ECR	Les interventions par appli mobile ont significativement reduit le poids corporel
Milne-Ives et al.	2020	JMIR mHealth uHealth	52 articles	Les applis de sante mobile ont montre des effets positifs mais variables sur les comportements de sante

Hutchesson, M. J., et al. (2015). Cette revue systematique exhaustive dans Obesity Reviews a examine 84 etudes d'interventions technologiques sur l'alimentation et l'activite physique. La revue a conclu que les interventions technologiques, y compris les applis mobiles, etaient efficaces pour la perte de poids a court terme, et que les composantes d'auto-suivi etaient systematiquement associees a de meilleurs resultats. La revue a egalement note que les outils technologiques avaient l'avantage de la scalabilite, touchant plus de personnes a moindre cout que les programmes en personne (Hutchesson et al., 2015, Obesity Reviews, 16(5), 376-392).

Lyzwinski, L. N., et al. (2018). Une revue systematique de 18 etudes examinant specifiquement les interventions de perte de poids par appli a revele que la majorite produisait une perte de poids statistiquement significative. La revue a identifie l'auto-suivi, la fixation d'objectifs et le feedback comme les trois fonctionnalites d'appli les plus systematiquement associees a des resultats positifs. Les interventions integrant les trois fonctionnalites surpassaient celles n'en comportant qu'une ou deux (Lyzwinski et al., 2018, JMIR mHealth and uHealth, 6(9), e11).

Hartmann-Boyce, J., et al. (2014). Cette revue systematique Cochrane a analyse 37 essais controles randomises d'interventions comportementales de gestion du poids. L'auto-suivi de l'apport alimentaire a ete identifie comme une composante cle partagee par les programmes les plus efficaces. La revue a conclu que les programmes comportementaux structures integrant un auto-suivi regulier produisent une perte de poids cliniquement significative (Hartmann-Boyce et al., 2014, Cochrane Database of Systematic Reviews, (2), CD012651).

Flores Mateo, G., et al. (2015). Une meta-analyse de 12 essais controles randomises a revele que les interventions par appli de sante mobile produisaient une reduction statistiquement significative du poids corporel par rapport aux groupes temoins. L'effet regroupe a montre une difference moyenne de -1,04 kg en faveur des utilisateurs d'applis, avec des effets plus importants observes dans les etudes ou l'appli incluait une base de donnees alimentaire complete et un scanner de codes-barres (Flores Mateo et al., 2015, Journal of Medical Internet Research, 17(11), e253).

Ce sur quoi les etudes s'accordent

A travers plus de 30 etudes couvrant differentes populations, interventions et methodologies, plusieurs constats coherents emergent :

1. L'auto-suivi est la base. Chaque meta-analyse et revue systematique identifie l'auto-suivi alimentaire comme une composante essentielle des interventions efficaces de perte de poids. Ce constat tient quel que soit l'outil utilise : appli, site web ou journal papier.

2. Les applis mobiles surpassent les methodes plus anciennes. En comparaison directe, les applis smartphone produisent systematiquement des taux d'adherence plus eleves que les sites web ou les journaux papier. La commodite de noter sur un appareil que tu as toujours sur toi compte.

3. Reduire la charge de saisie augmente l'adherence. Les etudes montrent de facon repetee que plus il est facile d'enregistrer un repas, plus les utilisateurs le font regulierement. Des technologies comme le scan de codes-barres, la reconnaissance photo des aliments et les grandes bases de donnees alimentaires repondent directement a cet obstacle.

4. La regularite compte plus que la precision. Suivre la plupart des jours, meme imparfaitement, produit de meilleurs resultats qu'une precision sporadique. L'habitude de l'auto-suivi cree une conscience durable.

5. Le suivi a long terme predit le succes a long terme. Les etudes sur le maintien du poids constatent systematiquement que les personnes qui continuent l'auto-suivi apres leur perte de poids initiale ont significativement plus de chances de maintenir leur poids.

6. Les approches combinees fonctionnent le mieux. Les meilleurs resultats proviennent de la combinaison de l'auto-suivi avec la fixation d'objectifs, les mecanismes de feedback et les conseils nutritionnels, exactement l'approche multi-composantes que les applis modernes peuvent offrir sur une seule plateforme.

Ce qui rend une appli de perte de poids efficace selon la recherche

Sur la base des preuves examinees ci-dessus, une appli de perte de poids efficace doit inclure ces fonctionnalites fondees sur la recherche :

• Base de donnees alimentaire complete pour minimiser les frictions de saisie (Carter et al., 2013 ; Flores Mateo et al., 2015)
• Multiples methodes de saisie incluant photo, code-barres et voix pour reduire le temps par entree (Boushey et al., 2017 ; Schap et al., 2011)
• Reconnaissance assistee par AI pour ameliorer la precision et reduire l'effort (Mezgec & Seljak, 2017 ; Lu et al., 2020)
• Bilan nutritionnel detaille au-dela des simples calories, couvrant macro et micronutriments (Thomas et al., 2014)
• Feedback et suivi des objectifs pour renforcer le comportement d'auto-suivi (Lyzwinski et al., 2018)
• Faible cout et aucune publicite intrusive pour supprimer les obstacles a une utilisation durable (Pagoto et al., 2013)
• Utilisabilite a long terme car le maintien necessite un suivi continu (Wing & Phelan, 2005 ; Franz et al., 2007)

Comment Nutrola met en oeuvre les preuves scientifiques

Nutrola a ete concue autour de ces resultats de recherche. Chaque fonctionnalite majeure correspond directement a ce que les etudes montrent comme efficace.

Reduire la charge de saisie pour maximiser l'adherence. La recherche montre systematiquement qu'une saisie plus facile signifie un suivi plus regulier. Nutrola propose la reconnaissance photo par AI qui identifie les aliments en moins de 3 secondes, la saisie vocale et le scan de codes-barres, offrant aux utilisateurs le chemin le plus rapide de l'assiette au journal. Cela repond directement a l'obstacle d'adherence identifie par Carter et al. (2013) et Pagoto et al. (2013).

Precision alimentee par AI. Mezgec & Seljak (2017) et Lu et al. (2020) ont demontre que la reconnaissance alimentaire assistee par AI ameliore la precision des enregistrements alimentaires. La reconnaissance photo par AI de Nutrola atteint 85-95 % de precision et s'appuie sur une base de donnees verifiee par des nutritionnistes de 1,8 million d'aliments, garantissant que les donnees enregistrees sont fiables.

Suivi nutritionnel complet. Les etudes sur le maintien a long terme (Thomas et al., 2014 ; Wing & Phelan, 2005) soulignent que la seule conscience calorique ne suffit pas. Nutrola suit plus de 100 nutriments, fournissant la profondeur d'information nutritionnelle qui soutient un changement alimentaire eclaire et durable.

Assistant dietetique AI pour des conseils personnalises. Lyzwinski et al. (2018) ont constate que les applis combinant auto-suivi avec feedback et fixation d'objectifs surpassaient les outils de suivi seuls. L'Assistant dietetique AI de Nutrola fournit des conseils nutritionnels personnalises, des suggestions de repas a partir de plus de 500K recettes, et un feedback en temps reel qui reproduit les composantes de coaching comportemental dont l'efficacite a ete demontree par la recherche.

Abordable et sans publicite. Pagoto et al. (2013) ont identifie le cout et les frictions d'experience utilisateur comme des obstacles a l'engagement a long terme. Nutrola commence a seulement 2,50 EUR par mois avec zero publicite sur tous les forfaits, supprimant les barrieres financieres et experientielles a une utilisation durable.

Concu pour une utilisation a long terme. Franz et al. (2007) et Wing & Phelan (2005) ont demontre que l'auto-suivi continu est essentiel au maintien du poids. Nutrola est concu comme un compagnon quotidien avec integration Apple Watch, fonctions de saisie rapide, et une interface concue pour des annees d'utilisation, pas seulement une phase initiale de perte de poids. Avec plus de 2 millions d'utilisateurs et une note de 4,9 etoiles, la retention des utilisateurs reflete cette philosophie de conception a long terme.

Le verdict final

Les applis de perte de poids fonctionnent-elles vraiment ? La recherche est claire : oui, les applis qui permettent un auto-suivi regulier de l'apport alimentaire produisent une perte de poids significative et soutiennent le maintien du poids a long terme. Ce n'est pas un resultat marginal. C'est le resultat le plus replique de la recherche comportementale sur la perte de poids au cours des 30 dernieres annees.

La variable cle n'est pas l'appli elle-meme, mais le fait que l'appli rende l'auto-suivi suffisamment facile pour que les utilisateurs le fassent reellement. Les etudes montrent systematiquement que la reduction de la charge de saisie, les bases de donnees alimentaires completes, la reconnaissance assistee par AI et les boucles de feedback multi-composantes sont les fonctionnalites qui separent les applis efficaces de celles qui sont abandonnees.

Les preuves ne soutiennent pas le choix d'une appli sur la base de promesses marketing. Elles soutiennent le choix d'une appli dont les fonctionnalites correspondent a ce que plus de 30 etudes ont montre comme efficace.

Questions frequemment posees

Les applis de perte de poids fonctionnent-elles ?

Oui. Plusieurs revues systematiques et meta-analyses, dont Hutchesson et al. (2015) couvrant 84 etudes et Lyzwinski et al. (2018) couvrant 18 etudes, confirment que les interventions par appli produisent une perte de poids statistiquement significative. Le mecanisme cle est l'auto-suivi, que les applis rendent plus accessible et plus regulier que les methodes traditionnelles.

Que dit la recherche sur les applis de suivi calorique ?

La recherche montre systematiquement que les applis de suivi calorique surpassent les journaux papier et les outils web en termes d'adherence et de resultats de perte de poids. Carter et al. (2013) ont constate que les utilisateurs d'applis smartphone enregistraient leur alimentation trois fois plus de jours que les utilisateurs de journal papier sur une periode de six mois. Une meilleure adherence predisait directement une perte de poids plus importante.

Les applis de perte de poids sont-elles fondees sur des preuves ?

Certaines le sont et d'autres non. Les preuves soutiennent les applis qui privilegient l'auto-suivi avec des fonctionnalites comme des bases de donnees alimentaires completes, la saisie assistee par AI, le scan de codes-barres et le feedback nutritionnel. Les applis qui reposent principalement sur des plans de repas restrictifs ou du contenu motivationnel sans outils de suivi robustes ont moins de soutien scientifique.

Quelle appli de perte de poids a le plus de preuves scientifiques derriere sa conception ?

Les fonctionnalites avec la base de preuves la plus solide sont l'auto-suivi alimentaire, la reconnaissance alimentaire assistee par AI, les bases de donnees nutritionnelles completes et le feedback multi-composantes. Nutrola integre toutes ces fonctionnalites : reconnaissance photo par AI, une base de donnees de 1,8 million d'aliments verifiee par des nutritionnistes, le suivi de plus de 100 nutriments, la saisie vocale et par code-barres, et un Assistant dietetique AI, ce qui en fait une implementation directe de ce que la recherche recommande.

Combien de poids peut-on perdre avec une appli de perte de poids ?

Les resultats varient selon les individus, mais la recherche fournit des reperes. Hollis et al. (2008) ont constate que les auto-suiveurs reguliers perdaient en moyenne 8,2 kg sur six mois. Jacobs et al. (2020) ont constate que 78 % des utilisateurs d'applis dans une etude de 35 921 personnes ont signale une perte de poids sur neuf mois, dont 23 % ont perdu plus de 10 % de leur poids initial.

Faut-il compter ses calories pour toujours pour maintenir sa perte de poids ?

Les donnees du National Weight Control Registry analysees par Wing & Phelan (2005) et Thomas et al. (2014) montrent que les personnes maintenant leur perte de poids a long terme continuent une forme d'auto-suivi alimentaire. Cela ne signifie pas necessairement enregistrer chaque calorie indefiniment, mais maintenir une conscience de son apport par un suivi regulier semble etre un comportement constant chez ceux qui maintiennent leur poids pendant des annees.