Utilisation de la microbiologie prévisionnelle dans l’industrie.
Dans l’application des principes généraux en matière d’hygiène alimentaire, il est de la responsabilité de l’exploitant du secteur alimentaire de contrôler le risque microbien dans les aliments (CE 2073/2005). De ce fait, les exploitants doivent garantir la conformité aux critères réglementaires en réalisant par exemple des études visant à évaluer la croissance ou la survie des micro-organismes dans le produit dans des conditions de stockage raisonnablement prévisibles. Pour cela, ils peuvent utiliser les données de la littérature, des modèles mathématiques et des études de challenge-tests. Dans ce cadre, il est nécessaire que :
- Les challenge-test soient conduits en conformité avec les recommandations internationales reconnues par la réglementation.
- Les valeurs cardinales avec lesquelles les simulations de prévisions sont réalisées doivent être déterminées selon de bonnes pratiques de laboratoire et les contrôles qualité nécessaires fournissant des valeurs fiables avec leurs écart-types.
- La modélisation doit être effectuée en utilisant des outils fiables sous assurance qualité.
Afin d’optimiser l’utilisation des données industrielles, Sym’Previus propose des outils d’ajustement de modèles, d’interface croissance / non-croissance mais aussi:
- des outils de simulation de croissance basés sur le gamma concept permettant de tester différents scenarii de conditions de formulation et de stockage (Zwietering, 1992)
- des outils de simulation d’inactivation basés sur le lambda concept (Mafart’s group, 2002, 2005, 2012)
Ces outils utilisent les résultats de challenge-tests, de données d’autocontrôle (dénombrement microbiologique, pH, Aw) en combinaison avec une base de données de valeurs microbiologiques.
La qualité de Sym’Previus est garantie par un conseil scientifique en charge de valider les données expérimentales, mais aussi par la publication, dans des journaux à comité de lecture, de tous les modèles prévisionnels.
En plus de Sym’Previus, il est possible d’utiliser des bases de données internationales complémentaires telles que Combase.
La microbiologie prévisionnelle
La microbiologie prévisionnelle permet de prévoir, par le biais de modèles mathématiques, si, et à quelle vitesse, les micro-organismes vont se multiplier, survivre, ou mourir dans l’aliment. Le principe de base de la microbiologie prévisionnelle est que le comportement de micro-organismes est prévisible à partir de connaissances sur le micro-organisme lui-même, et sur son environnement immédiat. Pour la plupart des aliments, une combinaison des principaux facteurs environnementaux (température, Aw, pH, atmosphère et antimicrobiens) permet de limiter la croissance microbienne. Il existe deux méthodes principales pour quantifier l’impact de facteurs environnementaux combinés: par le biais de modèles décrivant l’effet combiné de facteurs individuels, et par des facteurs composites de modélisation utilisant des surfaces de réponse ou approche polynomiale.
L’approche progressive ou « gamma concept » (Zwietering et al., 1996) consiste à étudier et à modéliser séparément l’impact de chaque facteur environnemental puis à construire à partir de ces modules simples, un modèle général complet incluant l’effet de tous les facteurs. En d’autres termes, dans les conditions optimales de croissance, chaque micro-organisme a une vitesse de croissance optimale reproductible. Sous des conditions défavorables de croissance, la vitesse de croissance diminue de manière prévisible et peut être calculée à partir de la vitesse de croissance optimale. L’inhibition de la croissance produite par chaque facteur, à des conditions sous-optimales, est représentée par le facteur de croissance « gamma ». Cette approche a pour avantage d’être basée sur des modèles robustes impliquant un nombre restreints de paramètres et ayant plus souvent une signification biologique. Le gamma concept est aussi la seule approche, à ce jour, permettant d’utiliser des données de challenge-tests pour simuler le comportement microbien dans de nouvelles conditions. De même, le lambda concept (Mafart’s group, 2002, 2005, 2012) utilise la même approche que le gamma concept, mais s’applique pour l’inactivation.
L’approche polynomiale permet de décrire simultanément l’effet des facteurs étudiés et a été très utilisée dans les années 90. Cependant, elle présente des inconvénients : le nombre élevé de paramètres et l’absence de signification biologique, l’impossibilité d’extrapoler les résultats en dehors de la plage expérimentale, l’impossibilité de prendre en compte la variabilité intra-espèce sur la croissance et la nécessité de mettre en place des plans expérimentaux complexes et parfois contraignants. Ces modèles fournissent des informations déterministes avec pas ou peu d’indications sur la variabilité ou l’incertitude.