par Dr Hai Haham, chercheur en R&D, et Dr Sigal Meirovitch, vice-président chargé de l’innovation, Equinom Ltd, Israël
Dans un monde où la qualité du blé joue un rôle central sur les marchés nationaux et internationaux, il est plus important que jamais de garantir la constance de la qualité du blé. La chaîne d’approvisionnement mondiale en blé est confrontée à une variabilité croissante en raison de l’évolution des conditions environnementales et de la demande du marché. Par conséquent, les méthodes traditionnelles d’évaluation de la qualité du blé sont remises en question. Les agriculteurs s’appuient souvent sur les feuilles de règlement fournies par les silos à grains, qui décrivent un ensemble limité de facteurs de classement standard, pour déterminer le prix qu’ils reçoivent pour le blé. Cependant, ces caractéristiques n’offrent qu’une partie du tableau, laissant un fossé entre ce pour quoi les agriculteurs sont payés et les caractéristiques de l’utilisation finale que les meuniers et les boulangers utilisent pour évaluer le blé. Cette asymétrie d’information entre les producteurs et les utilisateurs finaux constitue un risque pour la chaîne d’approvisionnement (figure 1), car elle peut affecter la fixation des prix et le contrôle de la qualité.
Évaluation de la qualité du blé
Le terme “qualité du blé” peut varier et être défini différemment car les meuniers, les fabricants de pain et les consommateurs prennent en compte des caractéristiques de qualité différentes. Il existe environ 80 caractéristiques susceptibles d’être utilisées pour évaluer le blé, qui peuvent également varier ou être partiellement adoptées par les différentes entreprises. Ces caractéristiques peuvent être classées en trois grandes catégories : les caractéristiques conventionnelles, les caractéristiques de broyage et les caractéristiques de cuisson.
Il n’est pas toujours possible d’appliquer toutes les caractérisations conventionnelles, meunières et boulangères du blé en raison de contraintes de temps et d’un accès limité aux instruments d’analyse. En outre, l’établissement de relations entre les caractéristiques du grain de blé et les propriétés du produit final est complexe. Premièrement, la structure des grains et la composition biochimique sont hétérogènes. Deuxièmement, les grains de blé réagissent métaboliquement aux changements de leur environnement. Troisièmement, les grains sont également hétérogènes en termes de taille, de forme et de degré de maturité. Enfin, les effets du changement climatique en cours sont devenus un défi important pour l’industrie céréalière du blé.
Impact de la variabilité environnementale
Il a été observé que la qualité des grains de blé, notamment en termes de rendement, de qualité meunière, de teneur en protéines et de caractéristiques de la pâte, fluctue considérablement en fonction des conditions climatiques. De 1960 à 2018, des études ont montré que les rendements des lignées de sélection du blé d’hiver ont diminué de 3,6 % par augmentation de 1°C, tandis que la variété de contrôle – le point de comparaison de l’étude – a diminué de 5,5 % par augmentation de 1°C. Dans une autre étude sur le blé d’hiver dans les grandes plaines des États-Unis, les rendements en grains ont augmenté régulièrement dans toutes les sous-zones jusqu’au début des années 1980. À partir de 1990, les tendances en matière de rendement ont divergé : les températures annuelles moyennes ont augmenté dans toutes les zonera avec des hausses plus prononcées dans les sous-zones septentrionales. L’impact des variations de température sur les rendements peut également s’exprimer au niveau de la qualité du blé.
Dans une étude que nous avons menée sur l’ensemble des données historiques de l’USDA (United States Department of Agriculture), nous avons observé que la teneur en protéines varie également dans le temps, en fonction du lieu et de l’environnement. Nous avons observé que la teneur en protéines d’une même variété diffère d’environ 20 % en fonction de l’emplacement. En outre, la teneur en protéines de la même variété fluctue de plus de 30 % entre 2010 et 2023. De telles variations ne sont pas souhaitables dans un climat commercial qui met l’accent sur l’adéquation entre la qualité du blé et les exigences de la transformation, tant en ce qui concerne les aspects qualitatifs spécifiques que la cohérence.
Du point de vue de la composition des protéines, des rapports montrent que la composition du gluten, la qualité et la composition générale des protéines du grain peuvent être gravement influencées par les conditions de croissance. Il convient toutefois de noter que les effets de l’environnement sur le réseau de gluten et donc sur la qualité finale de la panification ne sont pas encore parfaitement compris. Les températures élevées pendant le remplissage des grains sont associées à des changements dans la composition des protéines du gluten, tels qu’une modification du rapport gluténine/gliadiane et une augmentation de la proportion de grands polymères de gluténine. Les températures supérieures à 30°C ont un impact négatif sur la qualité de la panification.
Les incohérences dans la qualité du blé soulèvent la question de savoir s’il existe un moyen de prédire rapidement et solidement la qualité boulangère d’un grain. Le développement de méthodes simples et rapides pour classer le blé sur la base de ses caractéristiques biochimiques, associées à des données historiques, peut apporter une solution pratique aux incertitudes entourant la qualité du blé.
L’IA comme solution de transformation
Les outils alimentés par l’intelligence artificielle (IA) peuvent fournir une solution pour une qualité constante du blé de la ferme à la fourchette, augmentant ainsi le rendement et la qualité des grains. Dans le domaine de la sélection des cultures, les chercheurs travaillent à la mise au point de variétés de blé résistantes à l’automne et de modèles de prévision des phénomènes météorologiques extrêmes. Dans l’agriculture, le traitement des images numériques est utilisé pour la détection des parasites et des maladies, des carences nutritionnelles et l’inspection des céréales. De nombreuses études ont déjà montré le potentiel des techniques d’imagerie hyper spectrale pour estimer la qualité des grains de blé.
La télédétection hyper spectrale a été progressivement appliquée ces dernières années pour surveiller l’état de l’azote dans les plants de blé en temps réel et d manière non invasive. Ces méthodes reflètent également la variation spatiale et temporelle de l’azote au cours de la saison de croissance à l’aide d’algorithmes appropriés, ce qui permet de formuler des recommandations avant la fertilisation de mi-saison. La spectroscopie proche infrarouge (NIRS) associée à des méthodologies d’apprentissage automatique s’est également révélée efficace pour contrôler les grains de blé, tant sur le plan qualitatif que quantitatif. Le fait que l’utilisation de la NIRS permette à l’utilisateur d’obtenir une technique analytique simple, rapide (environ une minute par analyse), rentable et non destructive est souhaitable pour prédire les paramètres de qualité de la farine de blé.
Des entreprises telles que Tomra Sorting Solutions, Bühler et Satake contribuent de manière significative à l’évaluation de la qualité des grains et améliorent la précision et l’efficacité du classement, du tri et du contrôle des grains. Ces entreprises utilisent la vision industrielle et l’analyse d’images pilotée par l’IA pour détecter de subtiles différences de qualité, garantissant ainsi que les grains répondent à des normes spécifiques.
L’avenir de l’IA dans la chaîne d’approvisionnement du blé offre d’importantes possibilités de révolutionner la façon dont les grains de blé sont classés et gérés. Toutefois, pour exploiter pleinement le potentiel del ‘IA, il est essentiel de poursuivre la recherche afin de développer des algorithmes d’IA spécifiquement adaptés aux besoins de chaque acteur de la chaîne d’approvisionnement, des agriculteurs aux meuniers en passant par les boulangers. La mise en œuvre progressive des technologies de l’IA est essentielle pour garantir le succès, en particulier aux points de décision critiques auxquels sont confrontés les meuniers. Il s’agit notamment de maintenir la cohérence du produit lors de la sélection des grains, d’optimiser les stratégies de regroupement et d’améliorer les processus de mélange.
L’industrie du blé peut renforcer la confiance dans les innovation de l’IA en intégrant l’IA aux données historiques et aux tests biochimiques partiels, ce qui garantit une transition en douceur vers les technologies basées sur l’IA et une adoption plus large au fil du temps.
