ZeroKnots TechnologiesMuscleTiger

Notes de recherche MuscleTiger

Comment sont choisis les chiffres de MuscleTiger

Une série sur la recherche derrière une application de fitness : ce que les données confirment, ce que nous avons simplifié et ce que nous ne savons pas encore. Chaque note cite ses sources et indique quand un chiffre est notre propre choix.

1La règle des 7 700 kcal est fausse : prévoir honnêtement la perte de poids et pourquoi votre balance mentD'où vient la règle des 7 700 kcal, pourquoi elle surestime la perte de poids, quelle part de ce qu'affiche la balance n'est pas de la graisse, et ce que cela implique pour une prévision fiable.Novembre 2026 · 13 min de lecture 2Combien de calories manger par jour : comment fixer un objectif quotidien, ce qui est prouvé et ce qui relève de la conventionLes décisions derrière un objectif calorique : dépense au repos, activité, rythme de perte, planchers de sécurité, disponibilité énergétique, protéines, lipides et glucides. Ce que la recherche étaye et ce que nous avons choisi nous-mêmes.Novembre 2026 · 12 min de lecture 3Entraînement fractionné ou corps entier : ce que disent les méta-analysesTout le monde a un avis sur l'entraînement fractionné contre le corps entier. Les études regroupées disent que, à nombre de séries égal par muscle, la différence est faible. Ce que montrent le volume, la fréquence et la comparaison directe, et ce qui reste à choisir.Novembre 2026 · 13 min de lecture 4Calculer votre TDEE réel : estimer la dépense énergétique réelle à partir du poids et du suivi alimentaireUne formule donne un objectif calorique de départ, souvent décalé de 5 à 10 %. Les calories ingérées moins la variation de poids mesurent la dépense avec vos propres données. Fonctionnement, précision dans une simulation, pourquoi le premier mois d'un régime trompe la méthode, et effet d'un biais de saisie constant.Novembre 2026 · 17 min de lecture 5Recherche d’aliments dans toutes les langues : traduction des requêtes, fusion des bases et résultats des mesuresComment un journal alimentaire trouve le bon produit lorsque la requête est dans une langue et les données dans une autre : quatre listes classées fusionnées par la fusion réciproque des rangs, un petit dictionnaire appris au lieu d’un traducteur neuronal, les taxonomies d’Open Food Facts et ce que les mesures ont montré.Novembre 2026 · 17 min de lecture
6Progrès en force : ce qu’un seul exercice peut vous dire, et ce qu’il ne peut pas direBientôt
7Charge d’entraînement et état de forme : ce qui est prouvé et ce qui relève de l’effet de modeBientôt
8Le sommeil et les liens entre les suivis : la corrélation sans exagérationBientôt
9Nous avons confronté notre application à la recherche : ce que nous avons corrigéBientôt