Ok

En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies. Ces derniers assurent le bon fonctionnement de nos services. En savoir plus.

15/11/2021

Utilisation du big data et des systèmes d'aide à la décision en hygiène alimentaire

Publié récemment dans Trends in Food Science and Technology, un article de chercheurs irlandais fait une revue de littérature sur l'usage du Big Data et des Systèmes d'aides à la décision (SAD) pour l’évaluation du risque sanitaire en alimentation, plus spécifiquement lié au changement climatique. Il a en effet des conséquences sur la sécurité alimentaire, en particulier au niveau microbiologique. À partir de 4 bases de données bibliométriques, les auteurs ont identifié 856 articles parus entre 1995 et 2021, pour en retenir finalement 92 portant sur les thèmes analysés.

De nombreuses sources d'informations et de données sur l'alimentation existent (recherche, données recueillies tout au long de la chaîne alimentaire), fournissant des éléments de natures diverses : propriétés physico-chimiques, règles juridiques, caractéristiques économiques, etc. (figure ci-dessous). Les techniques d'exploration de données (data mining) en évaluation des risques alimentaires associent l'intelligence artificielle, l’apprentissage automatique (machine learning) et l'apprentissage profond (deep learning). Elles évaluent la probabilité de la présence de pathogènes ou de contaminants, en explorant les facteurs environnementaux qui augmentent le risque de leur présence à toutes les étapes, de la fourche à la fourchette.

Réseau des sources et des types d'informations alimentaires

hygiene alimentaire.jpg

Source : Trends in Food Science and Technology

Parmi les menaces documentées, le changement climatique affectera température et taux d'humidité, deux facteurs favorisant le développement de mycotoxines dans les céréales, qui consommées par les vaches peuvent ensuite se retrouver dans leur lait. Or, cette filière fait l'objet de très nombreuses collectes de data, et leur traitement à l'aide de SAD permet par exemple de tracer et d'identifier avec précision les sources de contaminations à l'aflatoxine B1, et donc de retirer à la fois le lait produit de la chaîne alimentaire et les céréales de la ration des animaux concernés.

Le développement d'outils associant big data et SAD est promu dans divers programmes de recherche (programme européen H2020, projet néerlandais RICHFIELDS, etc.). Les auteurs font trois recommandations pour les améliorer : i) le recours renforcé à des outils d'analyse automatique de documents, actuellement sous-utilisés ; ii) l'utilisation de la plateforme de recueil de données sur la consommation des Européens, lancée en 2021 par l'Autorité européenne de sécurité des aliments (Efsa), qui peut se faire via des applications mobiles ; iii) le développement de la blockchain pour une transparence complète et le traçage de tous les composants sur l'ensemble de la chaîne alimentaire.

Franck Bourdy, Centre d'études et de prospective

Source : Trends in Food Science and Technology

Les commentaires sont fermés.