Ces résultats, publiés dans la revue « Communications Chemistry », ouvrent la voie à de nouveaux outils potentiels pour lutter contre la contrefaçon vins, et des outils prédictifs pour guider la prise de décision dans la filière vitivinicole.
Chaque vin est le résultat de mélanges fins et complexes de milliers de molécules. Leurs concentrations fluctuent en fonction de la composition du raisin, qui dépend elle-même de la nature, de la structure du sol, de la variété des raisins et des pratiques du vigneron. Ces variations, même minimes, peuvent avoir un impact important sur le goût du vin. Avec le changement climatique, les nouvelles habitudes de consommation et l'augmentation de la contrefaçon du vin, la nécessité de disposer d'outils efficaces pour déterminer l'identité des vins est devenue aujourd'hui fondamentale.
L'une des techniques utilisées est la « chromatographie en phase gazeuse »., qui consiste à séparer les composants d'un mélange par affinité entre deux matériaux. Cette méthode, en particulier, nécessite que le mélange passe à travers un tube très fin de 30 mètres de long, ici les composants qui ont la plus grande affinité avec le matériau du tube se sépareront progressivement des autres ; chaque division sera ensuite enregistrée par un « spectromètre de masse », qui produira un chromatogramme, capable de détecter les « pics » sous-jacents aux séparations moléculaires.
Dans le cas du vin, du fait des nombreuses molécules qui le composent, ces pics sont extrêmement nombreux, rendant très difficile une analyse détaillée et exhaustive. En collaboration avec l'équipe de Stéphanie Marchand, de l'Institut des Sciences de la Vigne et du Vin de l'Université de Bordeaux, le groupe de recherche d'Alexandre Pouget a trouvé la solution à ce dilemme, combinant chromatogrammes et outils d'intelligence artificielle.
Les chromatogrammes proviennent de 80 vins rouges issus de douze millésimes, entre 1990 et 2007., et sept domaines dans la région bordelaise. Ces données brutes ont ensuite été traitées grâce au machine learning, un domaine del'intelligence artificielle dans lequel les algorithmes apprennent à identifier des modèles récurrents dans des groupes d'informations. La méthode permet de prendre en compte les chromatogrammes complets de chaque vin, qui peuvent comprendre jusqu'à 30.000 XNUMX points, et de résumer chaque chromatogramme en deux coordonnées X et Y, ce processus est appelé réduction de dimensionnalité.
En plaçant les nouvelles coordonnées sur un graphique, les chercheurs ont pu visualiser sept « nuages » de points et ont découvert que chacun d'entre eux regroupait les millésimes d'un même domaine en fonction de leurs similitudes chimiques. Les chercheurs ont ainsi pu démontrer que chaque entreprise possède sa propre signature chimique.
Au cours de leurs analyses, les chercheurs ont découvert que l'identité chimique de ces vins n'a pas été definié par la concentration de certaines molécules spécifiques, mais à partir d'un large spectre chimique. « Nos résultats démontrent qu’il est possible d’identifier l’origine géographique d’un vin avec une précision de 100 %, en appliquant des techniques de réduction de dimensionnalité aux chromatogrammes en phase gazeuse – a souligné Pouget, qui a également dirigé la recherche – l’étude apporte de nouvelles connaissances sur les composantes de l’identité et propriétés sensorielles d'un vin. Il ouvre également la voie au développement d'outils d'aide à la décision, comme par exemple la préservation de l'identité et de l'expression d'un territoire et pour lutter plus efficacement contre la contrefaçon. »
BlogInnovazione.it
Développer la motricité fine grâce au coloriage prépare les enfants à des compétences plus complexes comme l’écriture. Colorier…
Le secteur naval est une véritable puissance économique mondiale, qui a navigué vers un marché de 150 milliards...
Lundi dernier, le Financial Times a annoncé un accord avec OpenAI. FT autorise son journalisme de classe mondiale…
Des millions de personnes paient pour des services de streaming en payant des frais d’abonnement mensuels. Il est communément admis que vous…