Un ordinateur peut-il « déguster » une tomate ou une myrtille ? Pas exactement, selon des chercheurs de l’université de Floride, il peut dire aux scientifiques quels sont les composés volatils de ces fruits qui leur donnent du goût.
Pendant des années, les sélectionneurs de plantes et les généticiens ont aidé les agriculteurs à obtenir des rendements plus élevés, car les caractéristiques orientées vers le consommateur, comme la saveur, sont plus difficiles à mesurer. Toutefois, les rendements élevés ne suffisent pas aux producteurs pour être compétitifs sur les marchés exigeants d’aujourd’hui, a déclaré Patricio Muñoz, professeur associé en sciences horticoles à l’UF/IFAS, responsable du programme de sélection des myrtilles.
Les producteurs savent que s’ils n’incluent pas des variétés qui ont bon goût, leurs fruits risquent de ne pas se vendre à un bon prix ou de ne pas se vendre du tout, a déclaré Muñoz. Avec ces méthodes, les scientifiques espèrent aider les producteurs à rester compétitifs et les consommateurs à avoir une meilleure expérience avec leurs produits.
Marcio Resende, sélectionneur et généticien de l’UF/IFAS, veut créer ce qu’il appelle un « connaisseur en intelligence artificielle », un modèle qui indique aux chercheurs quels composés chimiques – c’est-à-dire les substances volatiles, les sucres, les acides et autres composés chimiques – produisent les meilleures saveurs de fruits.
Pour savoir si un fruit ou un légume vaut la peine d’être sélectionné, les scientifiques procèdent eux-mêmes à un échantillonnage gustatif et olfactif, en parcourant les champs et en cueillant les produits individuellement.
« En raison des coûts et des limitations logistiques, les sélectionneurs n’utilisent généralement pas de panels de consommateurs dans leurs programmes », a déclaré Klee, professeur de sciences horticoles à l’UF/IFAS. « L’idéal serait d’utiliser un grand panel de consommateurs comprenant un ensemble diversifié de consommateurs potentiels. Nous utilisons 100 personnes, d’âge et d’origine ethnique variés. Cette approche est beaucoup plus représentative de la population des acheteurs. »
M. Resende a dirigé les nouvelles recherches qui montrent comment intégrer les données sur les substances volatiles des myrtilles et des tomates dans un modèle statistique. Les résultats de la recherche sont pour l’instant limités à ces deux fruits, mais seront ultérieurement étendus à d’autres cultures développées par les chercheurs de l’UF/IFAS.
Pour réaliser leur nouvelle étude, les chercheurs de l’UF/IFAS ont utilisé les données des programmes de sélection de tomates et de myrtilles de la dernière décennie.
Ils ont soumis un ensemble diversifié de variétés de tomates et de myrtilles à des panels de consommateurs au laboratoire sensoriel de l’UF à Gainesville. Les scientifiques ont ensuite recueilli des notes sur des attributs de saveur tels que le « goût », la douceur, l’acidité, l’intensité de la saveur et l’umami.
Les chercheurs de l’UF/IFAS ont testé la gamme des notes qui leur indiquent à quel point un consommateur aime une saveur. Il s’est avéré que les substances volatiles expliquaient jusqu’à 56 % des scores de « goût », ce qui renforce la preuve que les substances volatiles sont importantes pour déterminer dans quelle mesure les consommateurs aiment le fruit. Les substances volatiles sont également importantes pour quantifier et estimer l’importance de la saveur des fruits, a déclaré M. Resende.
En outre, les chercheurs ont montré que les approches d’apprentissage automatique, appelées sélection métabolomique, sont généralement les meilleurs prédicteurs des préférences des consommateurs en matière d’arômes. La précision de la sélection métabolique est supérieure aux modèles qui utilisent plutôt des données génomiques, ce qui souligne le potentiel de cette nouvelle méthode dans les applications de sélection.
« Je pense que le point principal est que les sélectionneurs peuvent cribler un plus grand nombre d’échantillons », a déclaré Resende. « De cette façon, vous disposez d’un entonnoir plus large pour identifier les variétés de bon goût, et à un moment donné, les panels de dégustation font une sélection finale avec les données sensorielles. Nous espérons que ces modèles permettront une incorporation plus précoce de la saveur comme objectif de sélection et encourageront la sélection et la diffusion de variétés fruitières plus savoureuses. »
Cliquez ci-dessous pour voir une vidéo dans laquelle le Dr Resende explique cette nouvelle recherche sur l’IA.
Pour plus d’informations :
Brad Buck
UF/IFAS
bradbuck@ufl.edu
www.ifas.ufl.edu
