ÉTant donné que le système alimentaire est responsable d'un tiers des émissions de gaz à effet de serre d'origine humaine, cet article explore comment les modèles linguistiques à grande échelle (MLE) peuvent contribuer à réduire l'impact environnemental de la production alimentaire. En nous appuyant sur la littérature sur l'alimentation durable et la collaboration d'experts, nous définissons une typologie de tâches de conception et de prédiction, et évaluons six LLM sur quatre tâches. Par exemple, dans une tâche de conception de protéines durables, la collaboration avec les LLM a permis un gain de temps moyen de 45 % par rapport à la collaboration avec d'autres scientifiques experts en alimentation humaine (22 %). Cependant, dans une tâche de conception de menus durables, les LLM ont produit des solutions sous-optimales lorsqu'on leur a demandé de prendre en compte à la fois la satisfaction humaine et les impacts climatiques. Nous proposons un cadre général qui intègre l'optimisation combinatoire pour améliorer les capacités d'inférence des LLM, ce qui se traduit par une réduction de 79 % des émissions liées aux choix alimentaires dans un restaurant virtuel tout en préservant la satisfaction des participants. En conclusion, nous démontrons que les LLM soutenus par des techniques d'optimisation ont le potentiel d'accélérer le développement et l'adoption d'une alimentation durable.
