Un outil en accès libre développé par INRAE et l’université de Tokyo analyse les aliments sans les abîmer pour repérer l’eau, le sel, la fraîcheur et les zones invisibles où les bactéries pourraient se développer.

 

Un poisson peut sembler frais. Une viande peut avoir une belle couleur. Un saucisson peut paraître parfaitement affiné. Pourtant, à la surface d’un aliment, tout n’est pas toujours uniforme : un peu moins de sel ici, plus d’eau là, une zone plus fragile ailleurs. Ces différences invisibles comptent énormément pour la sécurité alimentaire, la fraîcheur des aliments, la qualité des produits frais et la prévention des risques bactériologiques.

C’est précisément ce que veut mieux repérer une équipe internationale coordonnée par INRAE (l’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement), avec la participation de l’université de Tokyo. Les chercheurs ont développé un outil en accès libre capable d’analyser les aliments sans les découper, sans les broyer et sans les abîmer.

Comment ? Grâce à l’imagerie hyperspectrale (HSI, pour Hyperspectral Imaging), une technologie de caméra qui capte des informations invisibles pour l’œil humain, notamment dans le visible et l’infrarouge. Elle ne se contente pas de photographier un aliment : elle aide à repérer l’eau, le sel, les signes d’altération, l’oxydation ou certaines zones plus sensibles.

L’outil repose aussi sur une intelligence artificielle sobre : une IA d’analyse, moins gourmande en calcul, capable d’interpréter ces données complexes. Sur des filets de truite, elle a permis de prédire la présence de sel avec une fiabilité proche de 98 %, alors même que le sel n’est pas directement visible par la caméra.

Les résultats ont été publiés dans LWT – Food Science and Technology, une revue scientifique internationale spécialisée dans les sciences et technologies alimentaires. Le code est mis à disposition sur la forge INRAE, principalement pour les chercheurs ; les industriels sont invités à contacter les scientifiques avant toute utilisation ou modification.

Pourquoi mieux analyser les aliments devient indispensable ?

L’industrie agroalimentaire doit répondre à une question simple mais cruciale : comment garantir qu’un aliment est sûr, frais, stable et de bonne qualité ?

La réponse est plus complexe qu’il n’y paraît. Un poisson, une viande, un saucisson ou un aliment transformé ne sont jamais totalement uniformes. Leur composition peut varier d’une zone à l’autre. Une partie peut être plus humide, moins salée, plus oxydée ou plus fragile qu’une autre.

Aujourd’hui, les contrôles qualité des aliments reposent encore souvent sur des analyses chimiques longues et destructives. Dans certains cas, il faut prélever un morceau d’aliment, le broyer, l’analyser en laboratoire, puis attendre les résultats. Ces méthodes donnent souvent une moyenne globale.

Mais une moyenne ne raconte pas tout. Elle ne montre pas forcément les petites différences locales, pourtant essentielles pour comprendre la qualité réelle d’un aliment.

C’est là que cette innovation devient intéressante : elle permet de regarder l’aliment autrement, de manière plus fine, plus rapide et beaucoup moins invasive.

Comment cet outil analyse les aliments sans les détruire ?

L’outil développé par les chercheurs utilise l’imagerie hyperspectrale, une technologie capable d’obtenir beaucoup plus d’informations qu’une caméra classique.

Une caméra classique voit surtout des formes et des couleurs. Une caméra hyperspectrale, elle, capte aussi des informations issues du visible et de l’infrarouge (IR), une partie de la lumière que nous ne voyons pas, mais qui peut donner des indices sur certaines propriétés d’un aliment.

Le proche infrarouge (NIR, pour Near Infrared) est particulièrement utile dans l’analyse des aliments, car il peut fournir des informations indirectes sur l’eau, les graisses, les protéines ou certains changements de matière.

Avec cette technologie, l’aliment n’est pas seulement photographié. Il est analysé point par point. Chaque pixel contient une information. Les chercheurs peuvent alors créer une sorte de carte très précise de la surface de l’aliment.

C’est ce que les scientifiques appellent une cartographie. Le mot peut sembler technique, mais l’idée est simple : au lieu de dire “cet aliment contient en moyenne tant de sel ou tant d’eau”, l’outil montre où se trouvent les différences.

Ce que cet outil sécurité alimentaire peut voir dans le poisson, la viande ou les aliments transformés

Cette innovation peut aider à repérer plusieurs informations importantes pour la qualité alimentaire, le contrôle sanitaire et la sécurité des aliments. Elle ne regarde pas seulement l’apparence d’un produit alimentaire. Elle aide à comprendre ce qui se passe à sa surface : eau, sel, oxydation, fraîcheur, texture, zones plus fragiles ou risques invisibles.

Elle peut suivre la perte en eau d’un aliment. C’est essentiel pour comprendre le séchage, l’affinage, la conservation ou la texture, notamment dans les viandes, les poissons, les produits de charcuterie ou certains aliments transformés.

Elle peut observer des variations de couleur, parfois liées à l’évolution du produit, à son exposition à l’air, à ses conditions de stockage ou à son passage dans la chaîne alimentaire.

Elle peut détecter certains signes d’oxydation, un phénomène qui peut modifier l’aspect, le goût, la qualité nutritionnelle, la stabilité ou la valeur nutritive d’un aliment. Dans certains produits, l’oxydation peut aussi influencer les matières grasses, les acides gras ou la fraîcheur perçue par le consommateur.

Elle peut aussi aider à prédire la présence de composés invisibles pour la caméra, comme le sel. Demain, cette logique pourrait intéresser d’autres paramètres liés aux aliments : sucres, protéines, matières grasses, additifs, humidité, nutriments ou signes de dégradation.

Et c’est là que l’innovation devient particulièrement forte : cet outil sécurité alimentaire ne se contente pas de dire qu’un aliment est “bon” ou “mauvais”. Il aide à repérer où se trouvent les différences, dans quelles zones elles apparaissent et pourquoi elles peuvent compter pour la sécurité sanitaire des aliments.

Sel, eau, fraîcheur : ce que cette technologie peut détecter

Dans l’étude, les chercheurs ont testé leur outil sur des filets de truite. Leur objectif était de prédire la présence de sel.

Le sel n’est pourtant pas directement visible avec ce type de caméra. Mais il laisse une empreinte indirecte sur les molécules d’eau présentes à la surface de l’aliment. L’outil utilise cette empreinte pour estimer où le sel se trouve.

Grâce à une intelligence artificielle (IA) sobre, les chercheurs ont obtenu une fiabilité proche de 98 % pour prédire la présence de sel sur les filets de truite.

Ici, l’IA ne sert pas à écrire un texte ou à créer une image. Elle sert à analyser des données et à repérer des liens invisibles à l’œil nu. Les chercheurs utilisent aussi le machine learning (apprentissage automatique), une méthode qui permet à un algorithme d’apprendre à partir de données pour reconnaître des relations entre les signaux captés par la caméra et la composition réelle de l’aliment.

L’expression IA sobre est importante : elle désigne une intelligence artificielle moins gourmande en énergie et en ressources de calcul. L’objectif n’est donc pas de créer une machine énorme et coûteuse, mais un outil scientifique efficace, plus léger et plus accessible.

Ce type d’analyse pourrait devenir précieux pour mieux suivre les produits alimentaires sensibles : poissons, viandes, aliments d’origine animale, produits en cours d’affinage ou denrées transformées. À terme, il pourrait aussi inspirer des applications sur d’autres familles d’aliments, comme certains produits laitiers, fruits et légumes, produits biologiques ou aliments issus de filières végétales, dès lors que leur qualité dépend de l’eau, de la conservation, de la texture ou de la fraîcheur.

Pourquoi la répartition du sel peut influencer le risque bactérien ?

Le sel ne sert pas seulement à donner du goût. Dans certains aliments, il joue aussi un rôle dans la conservation.

Une zone avec moins de sel, plus d’eau ou une composition différente peut devenir plus fragile. Elle peut, dans certaines conditions, favoriser l’altération du produit, la contamination ou le développement de micro-organismes.

Ces micro-organismes peuvent parfois être des pathogènes, c’est-à-dire des bactéries ou agents capables de provoquer une maladie. C’est pour cette raison que la salubrité des aliments repose autant sur la composition du produit que sur sa conservation, son emballage, sa température, son transport et sa place dans toute la chaîne alimentaire.

C’est pourquoi la répartition du sel compte autant que la quantité totale.

Une analyse classique peut dire : “ce produit contient tel taux moyen de sel”. Mais elle ne montre pas si ce sel est bien réparti partout. Elle ne dit pas non plus si une zone est plus humide, plus fragile ou plus favorable à une contamination locale.

Le nouvel outil, lui, permet de voir les différences locales. Il peut montrer qu’une zone est moins salée qu’une autre, plus humide ou plus sensible.

Pour les industriels, cela peut aider à mieux contrôler les procédés de salage, de séchage, d’affinage ou de conservation. Pour les chercheurs en sécurité sanitaire, nutrition et épidémiologie alimentaire, ces données plus fines peuvent aussi aider à mieux comprendre comment certains risques apparaissent dans les produits alimentaires.

Pour les consommateurs, l’enjeu final est très concret : des aliments mieux suivis, mieux contrôlés, avec une meilleure maîtrise des risques invisibles.

Des saucissons analysés pendant leur affinage

Les chercheurs ont aussi testé l’outil sur des saucissons en cours d’affinage.

L’affinage est une étape importante : le produit perd de l’eau, sa texture change, ses couleurs évoluent, des réactions chimiques se produisent.

Grâce à l’imagerie hyperspectrale, les scientifiques ont pu suivre spatialement la perte en eau et l’oxydation. Ils ont visualisé le séchage de la périphérie vers le cœur du produit.

L’intérêt est majeur pour l’agroalimentaire : mieux comprendre comment un produit évolue, où il sèche, comment il se transforme et comment ajuster les procédés pour obtenir une qualité plus régulière.

Cela peut aussi aider à limiter les pertes, les défauts de fabrication et les variations trop importantes entre les produits. Dans les aliments d’origine animale, comme les viandes, les poissons ou certains produits affinés, cette précision peut devenir un atout pour mieux contrôler la fraîcheur, la conservation et la sécurité sanitaire.

Un outil en accès libre pour démocratiser une technologie complexe

L’autre point important de cette innovation sur l’analyse des denrées alimentaires est son accessibilité.

L’imagerie hyperspectrale est prometteuse, mais les données qu’elle produit sont extrêmement complexes. Les caméras génèrent une grande quantité d’informations. Il faut ensuite les traiter, les nettoyer, les comparer, les interpréter.

Jusqu’ici, cette complexité pouvait freiner les chercheurs et les industriels. Les logiciels propriétaires sont parfois coûteux, fermés ou difficiles à adapter.

L’équipe coordonnée par INRAE a donc développé un workflow Python open source, c’est-à-dire une chaîne de traitement informatique conçue avec Python, un langage de programmation très utilisé en recherche, en analyse de données et en intelligence artificielle, et disponible en code ouvert.

Concrètement, cela signifie que des chercheurs peuvent consulter le code, comprendre comment les analyses sont réalisées, le tester, l’améliorer ou l’adapter, dans le respect des conditions prévues.

Cette approche rend la technologie plus transparente, plus reproductible et plus facilement partageable entre équipes scientifiques. Elle peut aussi favoriser, à terme, des contrôles plus homogènes sur les produits alimentaires, qu’il s’agisse d’aliments transformés, de produits laitiers, de viandes, de poissons ou d’autres denrées sensibles.

Ce que cet outil sécurité alimentaire pourrait changer dans les usines alimentaires

À terme, ce type d’outil pourrait transformer une partie du contrôle qualité agroalimentaire.

Dans une usine, l’imagerie hyperspectrale pourrait permettre d’analyser les aliments directement sur une ligne de production. Au lieu de contrôler seulement quelques échantillons, on pourrait vérifier beaucoup plus de produits, plus rapidement et sans les détruire.

Les applications possibles sont nombreuses : poisson, viande, charcuterie, aliments transformés, produits en cours de séchage, produits salés, produits affinés ou conservés.

L’outil pourrait aider à mieux suivre la fraîcheur des aliments, repérer les zones trop humides, contrôler la répartition du sel, surveiller l’oxydation, optimiser le séchage ou l’affinage, limiter les pertes alimentaires, réduire les analyses destructives, mieux détecter les hétérogénéités locales, renforcer la sécurité sanitaire et améliorer la qualité des produits finis.

Il pourrait aussi compléter d’autres leviers déjà connus du consommateur : l’étiquetage, la traçabilité, les emballages, les informations nutritionnelles et les contrôles sanitaires. Car un aliment sûr ne dépend pas seulement de sa recette. Il dépend aussi de son origine, de sa transformation, de son transport, de sa conservation et de la manière dont il arrive jusqu’à l’assiette.

Ce n’est pas encore une solution industrielle prête à être installée partout. L’outil est mis à disposition dans son état brut, principalement pour les chercheurs. Mais il ouvre la voie à de futurs logiciels plus simples, plus automatisés et plus adaptés aux besoins des entreprises agroalimentaires.

Pourquoi cette innovation intéresse aussi les consommateurs ?

Ce sujet peut sembler très technique. Pourtant, il touche à une préoccupation quotidienne : peut-on mieux contrôler ce que nous mangeons ?

Les consommateurs veulent des aliments sûrs, bien conservés, mieux contrôlés, moins transformés inutilement, avec plus de transparence. Ils veulent comprendre ce qu’il y a dans leur assiette : quantité de sel, sucres, calories, matières grasses, protéines, vitamines, calcium, acides gras, additifs ou autres nutriments.

Cette technologie ne remplace pas l’étiquetage nutritionnel, les règles sanitaires, les contrôles officiels ni l’expertise humaine. Mais elle peut devenir un outil supplémentaire pour voir ce qui échappe à l’œil nu.

Elle permet d’analyser un aliment sans le détruire, de mieux comprendre ses variations internes et d’identifier des signaux faibles.

Dans un contexte de vigilance accrue sur la sécurité alimentaire, les bactéries alimentaires, la fraîcheur du poisson, la qualité de la viande, le sel dans les aliments transformés, la contamination, les pathogènes et la transparence agroalimentaire, cette avancée scientifique pourrait compter.

Elle rejoint aussi une attente plus large de santé publique : des aliments plus sains, plus sûrs, mieux suivis, avec une information plus claire sur leur qualité nutritive, leur origine animale ou végétale, leur conservation et leur place dans la chaîne alimentaire.

Une invention déclarée et un code mis à disposition

Une déclaration d’inventions et de résultats valorisables (DIRV), procédure qui signale qu’un résultat scientifique peut avoir un potentiel d’application ou de valorisation, a été déposée sous la référence DI-RV-26-0053.

Le code est mis en ligne sur la forge INRAE, à disposition des chercheurs. INRAE demande toutefois aux industriels de l’industrie agro-alimentaire de contacter les scientifiques avant d’utiliser ou de modifier le code.

Cette précaution est importante : un outil scientifique prometteur doit être validé, adapté et encadré avant de devenir une solution industrielle courante.

Ce que cette recherche montre sur l’intérêt de l’IA pour la sécurité alimentaire

Cette innovation pour la sécurité des produits alimentaire raconte aussi autre chose : l’intelligence artificielle n’est pas seulement un outil spectaculaire ou médiatique. Elle peut aussi servir à mieux analyser le réel, améliorer la sécurité sanitaire et rendre les contrôles plus précis.

Ici, l’IA ne remplace ni les chercheurs ni les techniciens. Elle les aide à lire des signaux invisibles, à comprendre les différences entre les zones d’un aliment et à prendre de meilleures décisions.

C’est une IA discrète, scientifique, sobre et concrète. Une IA qui ne fait pas du bruit, mais qui pourrait contribuer à mieux protéger nos assiettes.

Vous aimerez aussi

Intoxications alimentaires : les bons réflexes pour cuisiner sans risque
Un guide pratique pour éviter les erreurs les plus fréquentes en cuisine.

Produits périmés : pourquoi il faut rester vigilant avec la viande, le poisson et les plats préparés
Un article utile pour mieux comprendre les risques liés aux dates limites et à la conservation.

Poissons et mercure : comment mieux choisir ce que l’on met dans son assiette
Nos conseils pour consommer du poisson avec plus de sécurité et de discernement.

 

 

Référence scientifique

Lalle Y., Kominami Y., Germond A. 2026. An open-source python workflow to characterize food samples and food processes by hyperspectral image analysis coupled with machine learning. LWT – Food Science and Technology. DOI : 10.1016/j.lwt.2026.119461.