En savoir plus

Titre :  Mieux comprendre l’altération microbiologique de saucisses fraîches au travers du prisme de la modélisation

Encadrement : Sandrine Guillou (directrice de thèse), Jeanne-Marie Membré (co-directrice) et Louis Coroller (co-encadrant)

Composition du jury

• Président : El-Mostafa Qannari, Professeur, Oniris, Nantes, France
• Rapporteurs :
  • Arthur Tenenhaus, Professeur, CentraleSupelec, Gif-sur-Yvette, France
  • Annemie Geeraerd, Professeur, KU Leuven, Belgique
• Examinateur :
  • Véronique Huchet, Docteur, ADRIA Développement, Quimper, France
• Membre invité :
  • Véronique Cariou, Maître de Conférences, Oniris, Nantes, France

Résumé :

Le développement des bactéries pendant le stockage est une cause majeure de l’altération de la viande. Comprendre le lien entre les activités bactériennes et l’évolution de l’altération est difficile en raison de la complexité de l’écosystème alimentaire et nécessite l’intégration des données expérimentales variées. Cette thèse porte sur le développement d’outils statistiques et la modélisation de données hétérogènes issues d’analyses sensorielles, microbiologiques et physico-chimiques, en vue de mieux appréhender l’altération de saucisses fraîches de porc et de volaille. Quatre modèles différents ont été développés. Un modèle à effet mixte permet d’explorer les effets du temps de stockage et des stratégies de maîtrise mises en place au niveau industriel (formulation en lactate et atmosphère protectrice). Un modèle bayésien décrit l’évolution du pH des produits. Trois approches de régression multivariée évaluent le lien entre microbiote initial et dynamique de l’altération. Enfin, une approche d’intégration de données multi-block établit des liens de causalité entre le microbiote, le volatilome et les profils sensoriels.

Ces modèles ont confirmé le caractère dynamique des réponses associées à l’altération. La formulation et l’atmosphère protectrice se sont avérées avoir un effet différent selon le type de viande et la réponse étudiée. Le modèle multi-block a permis d’identifier des espèces bactériennes à l’origine de molécules volatiles responsables de perceptions sensorielles. La progression vers la prédiction de l’altération à partir de données microbiologiques nécessitera d’explorer encore davantage ces modèles adaptés au traitement de données complexes.