Les gens apprécient la photographie culinaire car ils aiment la nourriture. Derrière chaque repas se cache une histoire décrite par une recette complexe, et malheureusement, en regardant simplement une image de nourriture, nous n'avons pas accès à son processus de préparation. Par conséquent, dans cet article, nous présentons un système de cuisine inverse capable de reconstruire des recettes de cuisine à partir d'images alimentaires. Notre système prédit les ingrédients sous forme d'ensembles grâce à une nouvelle architecture, modélisant leurs dépendances sans imposer aucun ordre, puis génère des instructions de cuisson en prenant simultanément en compte l'image et les ingrédients inférés. Nous évaluons exhaustivement le système sur l'ensemble de données à grande échelle Recipe1M et montrons que (1) nous améliorons les performances par rapport aux méthodes de base précédentes pour la prédiction des ingrédients ; (2) nous sommes capables d'obtenir des recettes de haute qualité en exploitant à la fois l'image et les ingrédients ; (3) notre système produit des recettes plus convaincantes que les approches basées sur la recherche selon le jugement humain. Nous mettons le code et les modèles à disposition du public.Note: The term "ensembles" is used here to translate "sets" in the context of predicting ingredients, which is a common practice in French academic writing when referring to collections or groups of items in a technical sense.