Des chercheurs de la FAO et de Wageningen examinent un large éventail d'applications de l'IA en matière de sécurité des aliments

« Des chercheurs de la FAO et de Wageningen examinent un large éventail d'applications de l'IA en matière de sécurité des aliments », source Food Safety Magazine.

À connaître

• Les applications potentielles de l'IA en matière de sécurité des aliments comprennent la détection des pathogènes et des dangers chimiques, la lutte contre la fraude alimentaire et le contrôle de l'authenticité des aliments, la surveillance des épidémies, la prévision des risques et la prise de décisions réglementaires.
• La détection des risques microbiologiques représentait le domaine de recherche le plus important, suivie par les risques chimiques.
• Des obstacles à une adoption plus large persistent, tels que la quantité, la qualité et l'accessibilité des données ; la confidentialité ; et la transparence.

L’intelligence artificielle (IA) est de plus en plus appliquée dans le domaine de la sécurité des aliments, avec des utilisations potentielles allant de la détection des agents pathogènes et des dangers chimiques à l’identification des fraudes alimentaires, à la surveillance des épidémies, à la prévision des risques et à la prise de décision réglementaire, selon une nouvelle revue systématique réalisée par des chercheurs de Wageningen Food Safety Research (WFSR) et de l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO).

Publiée dans npj Science of Food, cette étude a analysé 161 publications évaluées par des pairs appliquant des méthodes d'intelligence artificielle à des questions de recherche liées à la sécurité des aliments, couvrant la littérature parue jusqu'au 1er avril 2024. Elle révèle une croissance rapide de la recherche en IA appliquée à la sécurité des aliments, le nombre de publications passant de une en 2012 à 46 en 2023. Bien que l'apprentissage automatique classique demeure la méthode la plus courante, la proportion d'études utilisant l'apprentissage profond a augmenté, passant de 22 % en 2019 à 43 % en 2023.

Applications de l'IA pour les risques microbiologiques et chimiques

Les risques microbiologiques Des chercheurs de la FAO et de Wageningen examinent un large éventail d'applications de l'IA en matière de sécurité des alimentsreprésentaient le principal domaine de recherche identifié par l'étude, avec 56 des 161 articles inclus, soit 35 %. Parmi ces études, 33 (59 %) ont appliqué l'IA pour améliorer la précision, la rapidité, le coût ou l'efficacité des analyses de laboratoire. Les applications incluaient la détection ou la quantification de pathogènes tels que Salmonella, Escherichia coli et Listeria à partir de données issues du séquençage du génome entier, de la microscopie, des méthodes moléculaires, du comptage des colonies et de la spectroscopie optique.

Onze autres études sur les risques microbiologiques ont examiné l'intelligence artificielle pour la prévision des risques futurs, tandis que douze autres ont étudié les facteurs de risque ou l'étiologie des pathogènes. Par exemple, une étude a utilisé l'apprentissage automatique et les séquences génomiques de Salmonella provenant de viande hachée de poulet pour prédire l'évolution de la maladie, tandis qu'une autre a montré que les données physico-chimiques sur la qualité de l'eau et les données météorologiques, combinées à des algorithmes de forêts aléatoires, pouvaient servir à prédire les niveaux de E. coli dans l'eau utilisée en agriculture.

Quarante études (25 %) ont abordé la question des risques chimiques. La moitié d'entre elles portaient sur l'amélioration des analyses en laboratoire, notamment pour les pesticides, les résidus de médicaments vétérinaires, les mycotoxines et les métaux lourds. Les chercheurs ont constaté une tendance à combiner l'apprentissage automatique avec des instruments non destructifs, peu coûteux et utilisables sur site, afin d'obtenir des résultats proches de ceux des méthodes d'analyse de laboratoire plus onéreuses et exigeantes en main-d'œuvre.

Fraude alimentaire, surveillance des épidémies et applications réglementaires

Au total, 27 études (17 %) ont examiné l'intelligence artificielle dans le cadre de la lutte contre la fraude alimentaire et de l'évaluation de l'authenticité des produits. La plupart ont utilisé des technologies analytiques telles que la spectroscopie proche infrarouge et de fluorescence, les nez électroniques et les langues électroniques. Certaines recherches ont également exploré des applications réglementaires, notamment un système d'alerte automatisé ayant analysé près de 100 millions de factures électroniques afin d'identifier les fabricants d'huiles alimentaires potentiellement problématiques.

Par ailleurs, neuf études ont porté sur les épidémies et la surveillance des maladies d'origine alimentaire. Celles-ci incluaient des applications utilisant des ensembles de données combinés pour identifier les facteurs de risque d'épidémie, prévoir les épidémies et améliorer la priorisation des inspections. Une étude a analysé des données anonymisées de recherche Internet et de géolocalisation de smartphones afin d'identifier en temps réel les sources potentielles de maladies d'origine alimentaire. Cette approche a permis d'améliorer de plus de trois fois l'identification des établissements potentiellement problématiques par rapport aux méthodes traditionnelles.

29 autres études ont porté sur des applications plus générales en matière de sécurité des aliments, notamment les systèmes d'alerte précoce, la détérioration des aliments, les rapports d'inspection, les rappels de produits et les inspections aux frontières. À titre d'exemple, un modèle d'inspection aux frontières basé sur l'apprentissage automatique a permis de repérer des cas d'importation d'aliments présentant des taux de non-conformité jusqu'à trois fois supérieurs à ceux identifiés par un échantillonnage aléatoire.

Qualité et transparence des données : des défis pour l'IA en matière de sécurité des aliments

Malgré la diversité des applications potentielles, les chercheurs ont identifié des obstacles importants à une utilisation plus large et plus fiable de l'IA dans le domaine de la sécurité des aliments.

Les bases de données sur la sécurité des aliments sont souvent incomplètes ou fortement déséquilibrées, car la plupart des échantillons analysés présentent de faibles niveaux de contamination, tandis que relativement peu dépassent les limites maximales. Ces déséquilibres peuvent engendrer des modèles capables d'identifier avec précision les cas à faible risque, mais peu performants pour reconnaître les cas à risque plus élevé, comparativement rares, pourtant essentiels à la prise de décision en matière de sécurité des aliments.

Les auteurs ont également souligné l'absence de métadonnées et l'accessibilité limitée des données comme autant d'obstacles. Des informations telles que l'origine, le lieu et les conditions de prélèvement des échantillons sont essentielles pour retracer la contamination, identifier les facteurs de risque et prévoir les dangers. Les chercheurs ont plaidé pour une collecte de données standardisée, conforme aux principes FAIR : les données doivent être faciles à trouver, accessibles, interopérables et réutilisables.

Parallèlement, les données relatives à la sécurité des aliments peuvent contenir des informations privées, commercialement sensibles ou réglementaires, ce qui rend leur partage ouvert difficile. Les chercheurs ont identifié l'apprentissage fédéré, dans lequel les modèles interagissent avec des ensembles de données décentralisés sans qu'il soit nécessaire de centraliser les informations sensibles sous-jacentes, comme une approche potentielle pour surmonter cet obstacle.

La transparence est une autre préoccupation, notamment pour les modèles d'apprentissage profond dont le processus décisionnel peut être difficile à interpréter. Les chercheurs ont souligné l'importance croissante de l'IA explicable ou XAI, qui vise à identifier les paramètres influençant les décisions générées par l'IA, pour détecter les biais et favoriser la transparence et la responsabilité dans les applications liées à la sécurité des aliments.

Données insuffisantes sur l'utilisation de l'IA par les producteurs alimentaires

L'étude a également mis en évidence une lacune importante dans la littérature scientifique : relativement peu d'études évaluées par des pairs ont examiné les applications de l'IA dans les secteurs de la production, de la transformation et de la fabrication alimentaires. Les auteurs suggèrent que cela pourrait s'expliquer en partie par le recours des entreprises aux livres blancs plutôt qu'aux revues scientifiques pour communiquer leurs résultats, ainsi que par des considérations commerciales et de propriété intellectuelle qui freinent la publication de travaux liés à l'IA.

Le manque de données sur l'utilisation de l'IA industrielle ne signifie pas pour autant que l'IA n'est pas appliquée dans ces domaines. Dans la rubrique « Perspectives sur la sécurité des aliments » du numéro de juin/juillet 2026 de Food Safety Magazine, une enquête sectorielle a révélé que l'IA s'est déjà intégrée aux programmes de sécurité des aliments, parfois discrètement, même lorsque les entreprises insistent sur le fait qu'elle ne doit pas être utilisée.

Besoins futurs et perspectives d'avenir

Les auteurs de l'étude concluent que l'IA recèle un potentiel considérable pour la sécurité sanitaire des aliments, mais que sa fiabilité et son utilité pratique dépendront de la résolution des problèmes liés à la qualité et à la disponibilité des données, à la protection de la vie privée, à la gouvernance et à l'interprétabilité des modèles. La FAO a également souligné par le passé l'importance d'une gouvernance solide et d'une adoption responsable de l'IA pour la sécurité des aliments.

Le WFSR a annoncé son intention d'organiser la première Food Safety Conference (AIFS) dédiée à l’IA pour la sécurité des aliments en 2027, réunissant des chercheurs internationaux spécialisés en IA et en sécurité des aliments, afin de créer un forum pour discuter des applications émergentes, de la recherche et des défis liés à cette technologie.