_09 HDR Giboreau - Institut Paul Bocuse

- Perspective centrée « Produits » -
de l'instrument et du (ou des) paramètre(s) extrait(s) se fait par l'étude des corrélations
simples. Par exemple, on utilisera un viscosimètre et on relèvera la viscosité à une vitesse
de cisaillement donnée pour suivre la consistance de sauces en usine (e.g. Issanchou et al.
1991, Daget et al. 1991).
Deuxièmement, lorsqu'il s'agit d'accéder à une connaissance plus fine des
propriétés physiques déterminant la texture d'une catégorie de produits, par exemple lors
d’une comparaison de produits concurrents ou lors de l’étude des interactions entre
plusieurs facteurs, telles que les interactions entre différentes familles d’ingrédients ou
entre ingrédients et procédés. Ici, nous choisissons à l'inverse une large panoplie
d'instruments, basés sur des principes différents et une diversité de paramètres issus de
chaque instrument (Mehinagic et al. 2003). Une approche statistique multivariée de
combinaison des paramètres instrumentaux est alors la plus adaptée pour décrire la
texture sensorielle. Pour chaque descripteur un modèle est déterminé en combinant
plusieurs paramètres instrumentaux : chaque descripteur est ensuite mis en équation et la
contribution des propriétés physiques peut être analysée et intégrée par les ingénieurs qui
formulent ou contrôlent les produits. Ainsi, nous préférons étudier descripteur sensoriel
par descripteur sensoriel afin de prendre en compte les différents phénomènes physiques
agissant à chaque étape de dégustation : écoulement sous faibles et fortes contraintes,
observation à petite et grande échelle de temps, cisaillement transitoire et permanent.
≻ La validation et l’application à la prédiction de la texture
La dernière étape est une étape de validation qui permet d’appliquer les modèles
mis au point pour de nouveaux échantillons qui sont soumis d’une part aux analyses
physiques et d’autre part aux analyses sensorielles. C’est la confrontation entre les notes
prédites par les modèles et les notes sensorielles effectivement données par le panel qui
est un indicateur de la qualité des modèles, au travers des coefficients de détermination et
des résidus, comme l’illustre le tableau ci-dessous.
Nous avons comparé quatre procédures de modélisation :
- régression linéaire multiple,
- régression pas à pas,
- régression sur composantes principales (Kjostad et al. 1990),
- 24 -