Vous êtes sur la page 1sur 150

SRIE VALUATION DES RISQUES MICROBIOLOGIQUES

17

Caractrisation des risques lis aux


dangers microbiologiques dorigine
alimentaire
DIRECTIVES

ORGANISATION MONDIALE DE LA SANT


ORGANISATION DES NATIONS UNIES POUR LALIMENTATION ET
LAGRICULTURE
2009

-iii-

-iii-

Table des matires


Remerciements ...........................................................................................vii
Collaborateurs .............................................................................................ix
Avant-propos ...............................................................................................xi
Sigles ..........................................................................................................xiii

1. Introduction...............................................................................................1
1.1 Srie FAO/OMS de Directives sur lvaluation des risques microbiologiques

1.2 Directives FAO/OMS sur la caractrisation des risques

1.3 La caractrisation des risques dans son contexte

1.4 Lecture de ces directives

1.2.1 Dfinition de la caractrisation des risques


1.2.2 Porte
1.2.3 Objet

2
2
2

2. OBJET DUNE EVALUATION DES RISQUES MICROBIOLOGIQUES


MENAANT LA SECURITE SANITAIRE DES ALIMENTS...............................7
2.1 Proprits des valuations des risques

2.1.1 Les quatre composantes dune valuation des risques


2.1.2 Diffrence entre lvaluation et la caractrisation des risques

10
10

2.2 Les mesures de la caractrisation des risques

11

2.3 Buts des valuations de risques spcifiques

12

2.4 Choix du type dvaluation des risques effectuer

17

2.5 Variabilit, caractre alatoire et incertitude

19

2.3.1 Estimation du risque non restreint et du risque de rfrence


2.3.2 Comparaison des stratgies de gestion des risques

2.5.1 Variabilit
2.5.2 Caractre alatoire
2.5.3 Incertitude

13
14

20
20
21

iv

2.6 Lacunes des donnes

22

2.7 Le rle des scnarios optimiste et pessimiste

24

2.8 Degr de fiabilit des rsultats de lvaluation des risques

24

2.6.1 Le recours des opinions dexperts

23

3. LA CARACTERISATION QUALITATIVE DES RISQUES, DANS UNE


EVALUATION DES RISQUES .........................................................................27
3.1 Introduction

27

3.2 Caractristiques dune valuation qualitative des risques

30

3.3 Ralisation dune caractrisation qualitative des risques

33

3.4 Exemples dvaluation qualitative des risques

37

3.1.1 Valeur et utilisations dune valuation qualitative des risques


3.1.2 Lvaluation qualitative des risques dans le domaine de la scurit sanitaire des aliments
3.2.1 Complmentarit des analyses qualitatives et quantitatives
3.2.2 Subjectivit des conclusions textuelles, dans les valuations qualitatives des risques
3.2.3 Limites dune caractrisation qualitative des risques
3.3.1 Description de la (des) voie(s) de risque(s)
3.3.2 Besoins en donnes
3.3.3 Prise en compte de lincertitude et de la variabilit
3.3.4 Transparence des conclusions

3.4.1 OMS Pollution fcale et qualit de leau


3.4.3 EFSA - valuation des risques de ESB/EST par le lait de chvre et ses produits drivs
3.4.4 valuation du risque gographique dESB chez les bovins

28
29

30
31
32

33
33
34
35
37
38
40

4. CARACTERISATION SEMI-QUANTITATIVE DES RISQUES ................41


4.1 Introduction

41

4.2 Caractristiques dune valuation semi-quantitative des risques

42

4.3 Excution dune valuation semi-quantitative des risques

44

4.4 Exemples dvaluations semi-quantitatives des risques

52

4.1.1 Les applications dune valuation semi-quantitative des risques

4.3.1 Risques avec plusieurs dimensions dimpact


4.3.2 Comparaisons des risques et des stratgies de gestion des risques
4.3.3 Limites dune valuation semi-quantitative des risques
4.3.4 Lincertitude et la variabilit
4.3.5 Besoins en donnes
4.3.6 Transparence des conclusions

41

46
47
48
50
51
52

4.4.1 Nouvelle-Zlande: Profil du risque li la prsence de Mycobacterium bovis dans le lait 52


4.4.2 Salubrit des produits de la mer avec RiskRanger
54
4.4.3 Mthodologie dvaluation des risques limportation danimaux et de produits animaux en
Australie
56

-v-

5. CARACTERISATION QUANTITATIVE DES RISQUES ..........................58


5.1 Introduction

58

5.2 Mesures quantitatives

58

5.3 Proprits souhaitables des valuations quantitatives des risques

64

5.4 Variabilit, caractre alatoire et incertitude

65

5.5 Intgration de la caractrisation des dangers et de lvaluation de lexposition

67

5.6 Exemples danalyses quantitatives des risques

81

5.2.1 Mesure de probabilit


59
5.2.2 Mesure dimpact
59
5.2.3 Mesures du risque
59
5.2.4 Correspondance entre les points terminaux de la relation dose-rponse et la mesure du risque
63
5.2.5 Prise en compte des sous-populations
64

5.4.1 Modlisation de la variabilit, en tant que variable alatoire


5.4.2 Sparation entre variabilit et caractre alatoire, et incertitude
5.5.1 Les units de dose dans lvaluation de lexposition
5.5.2 Units de dose et de rponse dans une valuation de la relation dose-rponse
5.5.3 Combinaison des valuations de lexposition et de la relation dose-rponse
5.5.4 Les hypothses du modle dose-rponse
5.5.5 Exposition exprime en tant que prvalence
5.5.6 Relations dose-rponse tablies daprs des donnes pidmiologiques
5.5.7 Intgration de la variabilit et de lincertitude

5.6.1 FSIS E. coli comparative risk assessment for intact (non-tenderized) and non-intact
(tenderized) beef (USDA FSIS, 2002)
5.6.2 FAO/OMS Listeria monocytogenes in ready-to-eat foods (FAO/OMS, 2004)
5.6.3 Shiga-toxin-producing E. coli O157 in steak tartare patties (Nauta et al., 2001)
5.6.4 FAO/OMS risk assessment of Vibrio vulnificus in raw oysters (FAO/OMS, 2005)

66
66

68
69
70
71
72
73
74

81
81
82
83

6. ASSURANCE DE LA QUALIT...............................................................86
6.1 Assurance de la qualit des donnes

86

6.2 Progression et poids de la preuve

90

6.3 Analyse de sensibilit

91

6.4 Analyse de lincertitude

94

6.5 Vrification des modles

94

6.1.1 Collecte des donnes


6.1.2 Tri et slection des sources de donnes

6.3.1 Lanalyse de sensibilit dans lvaluation qualitative des risques


6.3.2 Lanalyse de sensibilit dans une valuation quantitative des risques

86
89

92
92

vi

6.6 Ancrage dun modle

95

6.7 Validation dun modle

95

6.8 Comparaison avec des donnes pidmiologiques

97

6.9 Extrapolation et robustesse

97

6.10 Crdibilit de lvaluation des risques

99

6.10.1 Documentation de lvaluation des risques


6.10.2 Examen des pairs

99
99

7. LIENS ENTRE LEVALUATION DES RISQUES ET LANALYSE


ECONOMIQUE...............................................................................................102
7.1 Introduction

102

7.2 Lvaluation conomique

103

7.2.1 valuation des rsultats pour la sant


7.2.2 valuation des rsultats non sanitaires

103
105

7.3 Intgration de facteurs conomiques dans les valuations des risques pour faciliter
la prise de dcision
107
7.3.1 Analyse cots-avantages
7.3.2 Analyse cot-efficacit
7.3.3 Courbes doptions risque/cot
7.3.4 Lincertitude dans lanalyse conomique

107
108
109
109

8. LA COMMUNICATION SUR LES RISQUES DANS LA


CARACTERISATION DES RISQUES............................................................112
8.1 Introduction

112

8.2 Interaction entre les gestionnaires et les valuateurs des risques

114

8.3 Une fois lERM acheve

115

8.4 laboration de stratgies de communication sur les risques

116

8.5 Examen par le public

119

8.1.1 Informations partager avec les parties prenantes


8.1.2 Linformation scientifique dans la communication sur les risques
8.2.1 Planification et mise en service dune ERM
8.2.2 Droulement de lERM

113
113

114
115

9. REFERENCES BIBLIOGRAPHIQUES ..................................................122


ANNEXE 1..................................................................................................128

-vii-

Remerciements
LOrganisation des Nations Unies pour lalimentation et lagriculture (FAO) et lOrganisation
mondiale de la sant (OMS) tiennent exprimer leur gratitude tous ceux qui ont contribu
la prparation des prsentes directives en mettant disposition leur temps, leurs comptences et
leur exprience, et en fournissant des informations pertinentes. Elles remercient en particulier
ceux qui ont particip aux ateliers tenus au Danemark et en Suisse, pour leur gracieuse
contribution avant, pendant et aprs les ateliers. De nombreuses personnes, toutes cites dans
les pages qui suivent, nous ont consacr du temps et fait profiter de leur expertise en rvisant
les directives et en nous faisant part de leurs observations. M. Tom Ross et M. Don Schaffner
ont fourni une assistance supplmentaire prcieuse en examinant les observations des experts
qui avaient examin ces directives et en les rvisant, le cas chant.
Les directives ont t labores par lquipe du Secrtariat des Consultations mixtes
FAO/OMS dexperts de lvaluation des risques microbiologiques (JEMRA), qui comprenait :
Sarah Cahill, Maria de Lourdes Costarrica et Jean Louis Jouve (jusquen 2004) la FAO, et
Peter Karim Ben Embarek, Hajime Toyofuku (jusquen 2004) et Jocelyne Rocourt (jusquen
2004) lOMS. La publication des directives a t coordonne par Sarah Cahill. Thorgeir
Lawrence sest occup de la correction des preuves, de la mise en forme finale, et de la
prparation de la publication.
Les travaux ont t soutenus et financs par la Division de la nutrition et de la protection des
consommateurs de la FAO et le Dpartement de la scurit sanitaire des aliments et des
zoonoses de lOMS.

viii

-ix-

Collaborateurs
PARTICIPANTS ATELIER DANOIS
John Bowers

Food and Drug Administration, tats-Unis dAmrique

Aamir Fazil

Agence de la sant publique du Canada, Canada

Bjarke Bak Christensen

Danish Veterinary and Food Administration, Danemark

Christopher Frey

North Carolina State University, tats-Unis dAmrique

Arie Havelaar

National Institute of Public Health and the Environment, PaysBas

Louise Kelly

University of Strathclyde, Royaume-Uni

George Nasinyama

Makerere University, Ouganda

Maarten Nauta

National Institute of Public Health and the Environment, PaysBas

Niels Ladefoged Nielson

Danish Veterinary and Food Administration, Danemark

Birgit Norrung

Danish Veterinary and Food Administration, Danemark

Greg Paoli

Decisionalysis Risk Consultants Inc., Canada

Mark Powell

United States Department of Agriculture, tats-Unis dAmrique

Tanya Roberts

United States Department of Agriculture, tats-Unis dAmrique

Don Schaffner

Rutgers University, tats-Unis dAmrique

Helle Sommer

Danish Veterinary and Food Administration, Danemark

David Vose

Vose Consulting, France

Danilo Lo Fo Wong

Danish Veterinary Institute, Danemark

Marion Wooldridge

Veterinary Laboratories Agency (Weybridge), Royaume-Uni

Charles Yoe

College of Notre Dame of Maryland, tats-Unis dAmrique

PARTICIPANTS ATELIER SUISSE


Robert Buchanan

Food and Drug Administration, tats-Unis dAmrique

Arie Havelaar

National Institute of Public Health and the Environment, PaysBas

Greg Paoli

Decisionalysis Risk Consultants Inc., Canada

Don Schaffner

Rutgers University, tats-Unis dAmrique

David Vose

Vose Consulting, France

Marion Wooldridge

Veterinary Laboratories Agency (Weybridge), Royaume-Uni


RVISION PAR LES PAIRS

Wayne Anderson

Food Safety Authority of Ireland, Irlande

Linda Calvin

United States Department of Agriculture, tats-Unis dAmrique

Sherrie Dennis

Food and Drug Administration, tats-Unis dAmrique

Christopher Frey

North Carolina State University, tats-Unis dAmrique

Charles Haas

Drexel University, tats-Unis dAmrique

William Hallman

Rutgers University, tats-Unis dAmrique

Linda Harris

University of California Davis, tats-Unis dAmrique

LeeAnn Jaykus

North Carolina State University, tats-Unis dAmrique

Fumiko Kasuga

National Institute of Infectious Diseases, Japon

Rob Lake

Environmental Science and Research, Nouvelle-Zlande

Anna Lammerding

Public Health Agency of Canada, Canada

Rgis Pouillot

Institut Pasteur, Cameroun

Mark Powell

United States Department of Agriculture, tats-Unis dAmrique

Moez Sanna

National Veterinary School of Alfort, France

Richard Whiting

Food and Drug Administration, tats-Unis dAmrique

Marion Wooldridge

Veterinary Laboratories Agency (Weybridge), Royaume-Uni

-xi-

Avant-propos
Les membres de l'Organisation des Nations Unies pour l'alimentation et l'agriculture (FAO)
et de l'Organisation mondiale de la sant (OMS) ont exprim leur inquitude au sujet de la
scurit sanitaire des aliments aux niveaux tant national qu'international. L'incidence croissante
des maladies d'origine alimentaire au cours des dernires dcennies semble tre lie dans de
nombreux pays une augmentation des maladies dues la prsence de micro-organismes dans
les aliments. Cette inquitude a t exprime au cours des runions d'organes directeurs des
deux Organisations et de la Commission du Codex Alimentarius. Il n'est pas facile de
dterminer si cette augmentation prsume est relle ou si elle reflte des changements survenus
dans d'autres domaines comme, par exemple, une meilleure surveillance des maladies ou de
meilleures mthodes de dtection des micro-organismes dans les aliments. Toutefois, il importe
surtout de savoir si de nouveaux outils ou encore, la rvision ou lamlioration des mesures
d'intervention peuvent contribuer notre capacit de rduire la pression de la maladie et de
fournir des aliments plus sains. Heureusement, il semble que de nouveaux outils susceptibles de
faciliter les interventions seront bientt disponibles.
Au cours de la dernire dcennie, lanalyse des risques processus qui consiste en
l'valuation des risques, la gestion des risques et la communication sur les risques est apparue
comme un modle structur propre amliorer nos systmes de contrle alimentaire dans le but
de produire des aliments plus sains, de rduire le nombre de maladies d'origine alimentaire et de
faciliter le commerce national et international des aliments. En outre, nous nous acheminons
vers une approche plus globale de la scurit sanitaire, dans laquelle toute la chane alimentaire
doit tre prise en compte pour produire des aliments plus sains.
Comme avec tout modle, des outils sont ncessaires pour la mise en oeuvre du paradigme
d'analyse des risques. L'valuation des risques est la composante scientifique de l'analyse des
risques. Aujourd'hui, la science nous fournit des informations approfondies sur la vie dans le
monde o nous vivons. Elle nous a permis d'accumuler une mine de connaissances sur des
organismes microscopiques, leur croissance, leur survie et leur mort, et mme leur composition
gntique. Grce elle, nous avons compris la production, la transformation et la conservation
des aliments, le lien existant entre le monde microscopique et le monde macroscopique ainsi
que les effets positifs et ngatifs de ces micro-organismes sur lhomme. L'valuation des risques
constitue un cadre pour organiser toutes ces donnes et informations et pour mieux comprendre
l'interaction entre micro-organismes, aliments et maladies humaines. Elle nous permet d'estimer
les risques, pour la sant humaine, de certains micro-organismes prsents dans les aliments et
nous fournit un outil avec lequel nous pouvons comparer et valuer diffrents scnarios et
identifier les types de donnes ncessaires lestimation et loptimisation des mesures de
prvention.
L'valuation des risques microbiologiques peut tre considre comme un outil que lon peut
utiliser pour la gestion des risques prsents par des pathognes d'origine alimentaire et pour
llaboration de normes relatives aux aliments faisant l'objet d'un commerce international.
Toutefois, il est reconnu quune valuation des risques microbiologiques, en particulier une
valuation quantitative, est une tche exigeant de nombreuses ressources et une approche
multidisciplinaire. Les maladies d'origine alimentaire reprsentent nanmoins lun des
problmes de sant publique les plus rpandus; elles crent un fardeau social et conomique
ainsi que des souffrances humaines, et posent un problme auquel tous les pays sont confronts.
L'valuation des risques peut galement servir justifier l'introduction de normes plus strictes

xii

pour les produits alimentaires imports; il est donc important de comprendre en quoi consiste
l'valuation des risques microbiologiques des fins commerciales et de doter les pays d'outils
pour comprendre et, si possible, mener bien ce type d'valuation. Cette ncessit, associe
celle du Codex Alimentarius de recevoir des avis scientifiques fonds sur les risques, a conduit
la FAO et l'OMS entreprendre un programme d'activits sur l'valuation des risques
microbiologiques au niveau international.
La Division de la nutrition et de la protection des consommateurs de la FAO et le
Dpartement de la scurit sanitaire des aliments, des zoonoses et des maladies dorigine
alimentaire de l'OMS sont les principales units responsables de cette initiative. Les deux
groupes ont travaill ensemble pour dvelopper le domaine de l'valuation des risques
microbiologiques au niveau international afin de lappliquer aux niveaux national et
international. Ce travail a t grandement facilit par la contribution d'experts du monde entier
dans le domaine de la microbiologie, de la modlisation mathmatique, de l'pidmiologie et
des technologies alimentaires, pour n'en citer que quelques-uns.
La srie d'valuations des risques microbiologiques, dont fait partie le prsent rapport,
fournit une gamme de donnes et d'informations ceux qui doivent comprendre ou entreprendre
une valuation des risques microbiologiques. Elle comporte des valuations des risques pour des
combinaisons particulires pathogne-aliment, de rsums explicatifs des valuations des
risques, des directives pour conduire et utiliser des valuations des risques ainsi que des rapports
concernant d'autres aspects pertinents de l'valuation des risques microbiologiques.
Nous esprons que cette srie permettra de mieux comprendre l'valuation des risques
microbiologiques, comment l'entreprendre et comment lutiliser. Nous sommes convaincus qu'il
s'agit d'un domaine qui devrait tre dvelopp l'chelon international. Les travaux accomplis
jusqu ce jour indiquent clairement quune approche internationale et un accord rapide dans ce
domaine renforceront le potentiel dutilisation futur de cet outil dans le monde entier ainsi que
l'tablissement de normes internationales. Nous vous invitons soumettre vos observations et
vos impressions sur les documents faisant partie de cette srie; nous pourrons ainsi faire tout
notre possible pour fournir aux pays membres, au Codex Alimentarius et aux autres utilisateurs
l'information dont ils ont besoin pour utiliser les outils fonds sur les risques, dont lobjectif
final est de garantir, tous les consommateurs, un accs des aliments srs.
Ezzeddine Boutrif
Division de la nutrition et de la protection des consommateurs
FAO
Jrgen Schlundt
Dpartement de la scurit sanitaire des aliments, des zoonoses et des maladies dorigine
alimentaire
OMS

-xiii-

SIGLES

ANOVA

Analysis de variance

ESB

Encphalopathie spongiforme bovine

CE

Commission europenne

CAC

Commission du Codex alimentarius

CCFH

Comit du Codex sur lhygine alimentaire

UFC

Units formant colonies

COI

Mthode du cot social, ou mthode COI

AVCI

Annes de vie corriges du facteur incapacit

EFSA

Autorit europenne de scurit des aliments

FSIS

[USDA] Food Safety and Inspection Service

GBR

Geographical BSE-Risk

ERM

valuation des risques microbiologiques

NACMCF

[USDA/FSIS] National Advisory Committee on Microbiological Criteria


for Foods

NHMRC

National Health and Medical Research Council [Australie]

P-I

Probabilit-impact

QALY

Annes de vie ajustes sur la qualit de vie

SPS

[Accord de lOMS sur lapplication des] mesures sanitaires et


phytosanitaires

STEC

Escherichia coli producteurs de shiga-toxines

EST

Encphalopathie spongiforme transmissible

USDA

Dpartement de lagriculture des tats-Unis

VOI

Valeur de linformation [analyse]

OMC

Organisation mondiale du commerce

UFP

Units formant plage

1. Introduction
1.1 Srie FAO/OMS de Directives sur lvaluation des risques microbiologiques
Lvaluation des risques lis la prsence de microbes dangereux dans les aliments (valuation
des risques microbiologiques ERM) a t dsigne comme un domaine dactivit prioritaire
par la Commission du Codex alimentarius. Suite aux travaux du Comit du Codex sur lhygine
alimentaire (CCFH), la Commission a adopt les Principes et directives rgissant la conduite de
lvaluation des risques microbiologiques (CAC/GL 30-1999) CAC, 1999). Par la suite, sa
trente-deuxime session, le CCFH a identifi un certain nombre daspects pour lesquels il avait
besoin dun avis dexpert de lvaluation des risques. Au niveau international, il convient de
noter que lAccord de lOrganisation mondiale du commerce (OMC) sur lapplication des
mesures sanitaires et phytosanitaires (OMC, sans date) exige que les Membres fassent en sorte
que leurs mesures soient tablies sur la base d'une valuation des risques, selon qu'il sera
appropri en fonction des circonstances, compte tenu des techniques d'valuation des risques
labores par les organisations internationales comptentes.
Pour rpondre aux besoins de leurs Membres et du Codex, la FAO et lOMS ont donc lanc
un programme de travail visant fournir des avis dexperts sur lvaluation des risques lis la
prsence de microbes dangereux dans les aliments. Ce travail a pour objet de fournir une vue
densemble des informations pertinentes disponibles et des valuations des risques qui ont dj
t entreprises et, partir de l, de formuler des avis scientifiques fonds sur les risques pour
rpondre aux besoins du Codex et mettre au point des outils dvaluation des risques lusage
des pays membres.
La FAO et lOMS ont aussi entrepris llaboration de directives sur diverses tapes de
lvaluation des risques, savoir la caractrisation des dangers, lvaluation de lexposition et la
caractrisation des risques, cette dernire faisant lobjet du prsent volume. Une liste des autres
documents de la srie et des renseignements pour les obtenir figurent sur les pages de
couverture intrieures de ce document. La ncessit de ces directives a t mise en relief dans
les travaux de la FAO et de lOMS sur lvaluation des risques lis des combinaisons
produits-pathognes spcifiques, et il est reconnu que, dans ltape de caractrisation des
risques, la fiabilit et la cohrence des estimations sont cruciales.
La srie de directives FAO/OMS a pour objet de fournir des orientations pratiques et un
cadre structur pour mener bien chacune des quatre grandes tapes dune valuation des
risques microbiologiques (identification des dangers, caractrisation des dangers, valuation de
lexposition, caractrisation des risques), aussi bien dans le contexte dune valuation des
risques complte, quen accompagnement dautres valuations, ou de faon autonome.
Les prsentes directives relatives lERM sont principalement destines la communaut
mondiale de scientifiques et dvaluateurs des risques, quelque soit leur niveau dexprience,
ainsi quaux gestionnaires des risques qui sadressent eux.
Ces directives ne prtendent pas avoir une valeur normative, de mme quelles nidentifient
pas doptions incontournables, slectionnes lavance. Pour certaines questions, une approche
est prconise sur la base de lopinion gnrale des experts pour donner des orientations
dactualit sur la science de lvaluation des risques. Pour dautres questions, les options
disponibles sont compares et lanalyste dcidera de lapproche adopter compte tenu de la

Introduction

situation. Dans ces deux cas, lapproche et sa justification doivent tre documentes, pour des
raisons de transparence.
1.2 Directives FAO/OMS sur la caractrisation des risques
1.2.1 Dfinition de la caractrisation des risques
La caractrisation des risques, en tant qulment dune ERM, a t dfinie comme suit par la
Commission du Codex alimentarius:
lestimation qualitative et/ou quantitative, compte tenu des incertitudes inhrentes l'valuation, de la
probabilit de la frquence et de la gravit des effets adverses connus ou potentiels sur la sant
susceptibles de se produire dans une population donne, sur la base de l'identification des dangers, de
la caractrisation des dangers et de l'valuation de l'exposition.

Ltape de la caractrisation des risques est celle o sont prsents les rsultats de lvaluation
des risques. Ces rsultats sont donns sous la forme destimations et de descriptions des risques
qui fournissent des rponses aux questions que les gestionnaires des risques posent aux
valuateurs des risques. Ces rponses fournissent leur tour aux gestionnaires des risques les
meilleurs lments de preuve scientifique disponibles pour les aider grer la scurit sanitaire
des aliments.
1.2.2 Porte
Ces directives portent sur la caractrisation des risques et les questions connexes dans une
ERM. Elles fournissent des orientations dtailles sur la conduite des caractrisations des
risques dans divers contextes, et lutilisation des divers outils et techniques. Llaboration de ces
directives a t motive par la prise de conscience de limportance cruciale de la fiabilit de
lestimation du risque pour lvaluation globale des risques.
1.2.3 Objet
Malgr leur caractre parfois prospectif, en ce sens quelles anticipent ce quoi peuvent
conduire les pratiques optimales, ces directives ne prtendent pas avoir une valeur normative.
Le seul objet de ce document est de fournir des directives pratiques sur un cadre structur pour
mener bien une caractrisation des risques lis des dangers microbiologiques dorigine
alimentaire. Comme dans le cas dautres documents de la srie ERM, ces directives sur la
caractrisation des risques sont principalement destines la communaut mondiale de
scientifiques et dvaluateurs des risques, quel que soit leur niveau dexprience, ainsi quaux
gestionnaires des risques qui sadressent eux.
Les principaux objectifs de ces directives sont daider les lecteurs :
identifier les aspects et les caractristiques cls dune caractrisation des risques;
reconnatre les proprits dune caractrisation des risques optimale ;
viter quelques piges courants de la caractrisation des risques;
reconnatre et comprendre les hypothses qui sous-tendent le choix de mesures spcifiques de
caractrisation des risques ;
prparer des caractrisations des risques qui rpondent aux attentes des gestionnaires des
risques.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

1.2.4 Lvolution de lvaluation des risques microbiologiques


On effectue des valuations des risques microbiologiques depuis le dbut des annes 90 pour
leau, et depuis le milieu de la mme dcennie pour les aliments, suite la mise au point
dvaluations des risques nuclaires et toxicologiques pour la sant humaine. Les techniques
utilises pour valuer les risques microbiologiques et aligner les disciplines scientifiques qui
fournissent des donnes pour les valuations des risques ont peine dix ans. Les prsentes
directives reprsentent donc les meilleures pratiques au moment o nous les prparons. Nous
esprons quelles contribueront, avec celles qui ont dj t publies dans cette srie, inciter
les amliorer encore et diffuser les connaissances actuelles.
1.3 La caractrisation des risques dans son contexte
La caractrisation des risques est la dernire tape de la composante dvaluation des risques
dune analyse des risques, qui en compte trois : la gestion des risques, lvaluation des risques et
la communication sur les risques. Une valuation des risques est lance linitiative des
gestionnaires des risques qui laborent une politique dvaluation des risques et impriment
lvaluation des risques son orientation en dfinissant ses objectifs spcifiques et les questions
auxquelles elle doit rpondre. Les questions poses par les gestionnaires sont gnralement
revues et peaufines au cours dun processus itratif de dcouverte, de discernement et de
ngociation avec les valuateurs des risques. Une fois quils ont obtenu ces rponses, les
gestionnaires des risques disposent des informations scientifiquement fondes dont ils ont
besoin pour soutenir leur processus de prise dcision.
La caractrisation des risques est ltape de lvaluation des risques durant laquelle la plupart
des questions poses par les gestionnaires des risques trouvent une rponse. La caractrisation
des risques est le processus, alors que son rsultat est lestimation des risques . La
caractrisation des risques inclut gnralement une ou plusieurs estimation(s) des risques,
description(s) des risques et valuation(s) des options en matire de gestion des risques
pouvant comprendre des valuations conomiques ou autres, sajoutant des estimations des
variations des risques imputables aux options de gestion. La caractrisation des risques devrait
aussi porter sur lassurance de la qualit de lvaluation globale des risques, qui est traite au
chapitre 6.
Beaucoup de rcentes valuations quantitatives des risques microbiologiques utilisent le cadre
de lvaluation des risques du Codex (Figure 1.1). Ce cadre prvoit une caractrisation des
risques intgrant les informations pertinentes provenant des trois autres tapes de lvaluation
des risques savoir, lidentification des dangers, lvaluation de lexposition et la
caractrisation des dangers - pour obtenir une estimation des risques.
Le contexte de la caractrisation des risques qui vient dtre dcrit est le plus courant, mais
ce nest pas le seul. Dans la pratique, une valuation des risques ne comprend pas
ncessairement toutes ces tapes. Des analyses scientifiques qui nen englobent quune peuvent
tre suffisantes en elles-mmes pour clairer la prise de dcisions. Par exemple, au Danemark,
le nombre de cas humains de salmonellose attribus diffrentes sources animales est estim
sans valuation prcise de lexposition et sans utiliser de modle dose-rponse (Hald et al.,
2004). En effet, dans ce cas, les srotypes et les lysotypes sont dans une certaine mesure
spcifiques la source alimentaire, ce qui signifie que lon peut se baser sur une information
pidmiologique indiquant le type de salmonelle qui cause une infection humaine pour estimer
le pourcentage de cas humains d chaque type daliment, ce qui permet en ralit dtablir un
classement des risques poss par diffrentes sources alimentaires.

Introduction

La caractrisation des risques, telle quelle est envisage dans ces directives, ne saurait tre
reprsente par un modle ou une description unique, quels quils soient. Les approches les plus
classiques sont dcrites dans les chapitres suivants.
1.4 Lecture de ces directives
La FAO et lOMS ont produit une srie de documents destins faciliter la conduite des
valuations des risques microbiologiques. Dans lidal, lvaluateur devrait commencer par lire
le Rapport d'une Consultation conjointe FAO/OMS intitul Principes et lignes directrices en
vue de l'incorporation de l'valuation du risque microbiologique dans l'laboration de normes,
de lignes directrices et de textes connexes en matire de scurit sanitaire des aliments
(FAO/OMS, 2002). Ce rapport rappelle juste titre que lvaluation du risque a pour objet de
rpondre aux attentes des gestionnaires des risques. Nous conseillons donc au lecteur de se
rfrer ce rapport, lorsquil parcourra ces directives relatives la caractrisation des risques.

valuation des risques


Identification des dangers

Caractrisation des dangers

Communication sur
les risques

Caractrisation des risques

valuation de lexposition

Gestion des risques

Figure 1.1 Reprsentation schmatique des composantes dune analyse des risques telle que dfinie par la
Commission du Codex alimentarius.

La caractrisation des risques prsente les rsultats de lvaluation des risques et a pour objet
de rpondre aux attentes des gestionnaires des risques. Il est donc essentiel de comprendre ce
que cette caractrisation devrait englober et danticiper quelques-uns des problmes susceptibles
de se poser pendant le droulement de lvaluation. Une fois que la caractrisation des risques

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

est bien comprise, il peut tre utile de lire dautres directives : i) Caractrisation des dangers lis
la prsence de pathognes dans les aliments et dans leau (FAO/OMS, 2003); et
(ii) valuation de lexposition aux dangers microbiologiques dans les aliments (FAO/OMS,
2008).
Les prsentes directives sur la caractrisation des risques sont articules sur huit chapitres.
Aprs cette introduction, nous nous pencherons dans le chapitre 2 sur les utilisations et les
objectifs des valuations des risques et les diffrents types de mesures de caractrisation des
risques. La caractrisation qualitative des risques est tudie dans le chapitre 3 alors que le
chapitre 4 est consacr la caractrisation semi-quantitative des risques ; les caractrisations
quantitatives des risques, qui mettent laccent sur lestimation de la variabilit et de
lincertitude, sont abordes au chapitre 5. Lassurance de la qualit, y compris lanalyse de la
sensibilit et les mthodes visant vrifier, ancrer et valider les caractrisations des risques sont
traites au chapitre 6. Le chapitre 7 dcrit des mthodes visant intgrer une estimation des
rsultats en matire de sant publique et une analyse des cots-avantages dans la caractrisation
des risques microbiologiques pour la scurit sanitaire des aliments. Enfin, au chapitre 8, ces
Directives examinent quelques aspects de la communication sur les risques.

2. Objet dune valuation des risques microbiologiques


menaant la scurit sanitaire des aliments
Dans le cadre du Codex, lobjet dune ERM est au sens le plus strict, une approche analytique
systmatique destine faciliter la comprhension et la gestion des problmes de risques
microbiologiques (Fazil et al., 2005). Quand on value des problmes microbiologiques de
scurit sanitaire des aliments, on recherche gnralement des rsultats tels que lincidence dun
ou de plusieurs types deffets sur la sant humaine imputables un aliment, un pathogne,
un processus, une rgion, une voie de distribution ou une combinaison quelconque de ces
lments. Ces effets sur la sant comprennent les maladies diarrhiques, les hospitalisations et
les dcs. Dans dautres valuations des risques microbiologiques, dautres impacts, notamment
sociaux, environnementaux et conomiques, peuvent aussi tre examins.
Les gestionnaires des risques commencent par dfinir ce quoi va leur servir lvaluation
des risques dans leurs activits prliminaires de gestion des risques (voir FAO/OMS 2002).
En principe, ils interagissent avec les valuateurs des risques pour mieux dfinir dans le cadre
dun processus itratif, si possible pendant toute la dure de lvaluation, les questions
spcifiques quils se posent, ou la porte, lobjectif ou les rsultats de lvaluation des risques.
Les gestionnaires des risques sont censs demander aux valuateurs de rpondre une srie de
questions dtermines afin dobtenir les renseignements et les analyses dont ils ont besoin pour
pouvoir prendre leurs dcisions touchant la scurit sanitaire des aliments.
Lnonc de lobjet dune valuation des risques doit tre clair et guider la forme de rsultat
que lon souhaite obtenir, tel que nombre de cas de maladie par an imputables au produit ou au
pathogne ; classement du risque provenant dun aliment par rapport dautres ; ou rduction
escompte du risque si diverses interventions sont mises en uvre. Si lvaluation a pour but
didentifier la meilleure option pour rduire un risque, lnonc de lobjet devrait aussi dsigner
toute la gamme dinterventions potentielles de gestion des risques qui doivent tre prises en
considration dans lvaluation. Les questions et lnonc de lobjet dicteront dans une large
mesure le choix de lapproche adopter pour caractriser le risque. Les donnes et informations
recueillies dans le cadre dune valuation spcifique des risques peuvent tre combines et
analyses de diffrentes manires pour rpondre un certain nombre de questions diffrentes.
Toutefois, si le but de lvaluation nest pas clairement nonc ds le dpart, on risque de
collecter des donnes et des informations inappropries, ou de les combiner et de les analyser
dune faon qui, mme si elles clairent certains aspects du risque, ne permette pas de rpondre
clairement aux questions spcifiques poses par le gestionnaire des risques, pour laider
prendre ses dcisions. En consquence, lobjet dune valuation spcifique des risques doit tre
clairement dfini et expliqu aux valuateurs chargs de la caractrisation des risques, avant de
commencer lvaluation, de faon ce que les donnes pertinentes soient rassembles,
synthtises et analyses comme il convient pour rpondre aux questions du gestionnaire des
risques.
Il est impratif quun gestionnaire des risques puisse estimer la probabilit des diffrents
rsultats dans le cadre de divers scnarios, par exemple dautres stratgies dintervention
possibles, pour pouvoir faire un choix rationnel entre celles-ci. dfaut danalyser la
composante de probabilit dun risque, celui qui est charg de le grer ne pourra que comparer
des rsultats qui sont simplement possibles .

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

Lvaluation des risques est un outil daide la dcision. Son but nest pas ncessairement
dapprofondir des connaissances scientifiques mais de donner aux gestionnaires des risques une
reprsentation rationnelle et objective de la situation, telle quon la connat ou croit la connatre,
un moment donn. Il est clair quune valuation des risques ne comprendra pas toutes les
informations possibles sur un problme de risque, en raison de laccs limit aux donnes (par
exemple, parce que lon manque de temps pour les recueillir, ou parce que ceux qui dtiennent
les informations ne sont pas disposs les partager), ou de leur indisponibilit ; pendant que
lon effectue une valuation du risque, on apprend gnralement discerner les lacunes
dinformation les plus critiques et les moins importantes. La distribution gnrale dun projet
dvaluation des risques, dans lequel les donnes manquantes et les hypothses sont clairement
indiques peut cependant donner de nouvelles informations.
Ce que lon sait un moment donn nest pas toujours suffisant pour quun gestionnaire des
risques puisse choisir facilement une stratgie dintervention. Si les lments et les critres sur
lesquels il se fonde pour prendre une dcision particulire (la rgle de dcision ) sont bien
dfinis, une valuation du risque conduite sur la base des connaissances actuelles, peut
gnralement aider identifier les types et le nombre dinformations susceptibles dclairer la
prise de dcision. La mthode dvaluation des risques sert aussi de point de dpart pour un
examen et une valuation rationnels des donnes et des solutions potentielles un problme.
Elle sert donc crer un consensus entre les parties prenantes autour des stratgies de gestion
des risques ou aide identifier les lacunes des donnes.
Toutes les valuations des risques devraient tre tudies dans le contexte des questions
trancher: savoir, quelles sont les stratgies entre lesquelles le gestionnaire des risques souhaite
choisir, et quelles sont les donnes disponibles pour faciliter lvaluation de ces stratgies? Par
exemple, dans le cas de lencphalopathie spongiforme bovine (ESB), on dispose sans doute de
donnes de surveillance de la sant animale suffisantes pour caractriser quantitativement la
prvalence de la maladie dans une population de bovins, mais la relation dose-rponse pour la
variante de la maladie de Creutzfeldt-Jakob (forme humaine de lESB) ne sera probablement
pas connue avant longtemps. Il serait donc lvidence absurde de critiquer une valuation du
risque dESB parce quelle ne comprenait pas de composante dose rponse alors que les
donnes disponibles ne sont pas suffisantes pour tablir une relation dose-rponse. Une
valuation des risques a pour but daider le gestionnaire des risques faire son choix en
connaissance de cause et en expliquer clairement les raisons toutes les parties prenantes.
Ainsi, dans certaines situations, une valuation trs rapide et simple peut tre suffisante pour
rpondre aux attentes du gestionnaire des risques. Imaginons par exemple que ce dernier
envisage un changement qui ne cote rien, et quune analyse rudimentaire rvle que la mise en
uvre de ce changement rduirait de 10 90% les probabilits que le risque considr
survienne, sans quil y ait de risques secondaires. Le gestionnaire du risque pourrait alors
estimer que cette information est suffisante pour lautoriser oprer ce changement, bien que
le degr dincertitude soit lev et quil nait pas dtermin quel tait au dpart le risque de
rfrence. Il est clair que la plupart des problmes de risque sont beaucoup plus complexes et
que la solution reposera sur un quilibre entre les avantages (gnralement, en termes dimpact
sur la sant humaine vit) et les cots (gnralement, en termes des ressources disponibles
engager pour mener bien la stratgie, et effets sur la sant humaine dcoulant des ventuels
risques secondaires) des diffrentes stratgies dintervention.
La thorie de la probabilit repose sur deux concepts fondamentaux. Le premier est le
caractre apparemment alatoire du monde ; le deuxime est le degr dincertitude quant au

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

fonctionnement du monde rel. Ces deux concepts limitent notre capacit prvoir lavenir et
les consquences de nos dcisions susceptibles davoir une incidence sur le futur. Lvaluation
des risques microbiologiques pour la scurit sanitaire des aliments est particulirement
entache dincertitude : incertitude sur ce qui se passe rellement dans les voies dexposition et
qui fait que les hommes sont infects ou ingrent des toxines microbiologiques ; incertitude sur
les processus qui conduisent de lingestion ou linfection la maladie et qui font que la gravit
de la maladie varie selon les personnes, et incertitude sur les valeurs des paramtres relatifs
ces voies dexposition et ces processus. Toutes ces incertitudes sont examines dans la
section 2.5.3. Certaines peuvent tre quantifies facilement par des techniques statistiques dans
la mesure o des donnes sont disponibles, et ce sont ces techniques qui donneront au
gestionnaire des risques la description la plus objective de lincertitude. Cependant, si une
valuation des risques prend pour hypothse une srie particulire de voies dexposition et de
relations causales qui sont incorrectes, lvaluation sera fausse.
2.1 Proprits des valuations des risques
Dune manire gnrale, les valuations des risques devraient tre aussi simples que possible
tout en rpondant aux attentes du gestionnaire des risques et elles devraient sefforcer de trouver
un quilibre entre les avantages dune analyse plus dtaille et plus complexe (traitant plus de
questions ou de scnarios possibles), et linconvnient qui en dcoule, savoir de devoir inclure
un plus grand nombre dhypothses, car plus les hypothses sont nombreuses, moins les
conclusions sont fiables.
Les directives du Codex (CAC, 1999) relatives lvaluation des risques microbiologiques
noncent les principes gnraux de lvaluation des risques microbiologiques, notamment:
lvaluation des risques doit tre objective, fonde sur les meilleures donnes scientifiques
disponibles, et prsentes de manire transparente;
toute contrainte ayant un impact sur lvaluation des risques, telle que le cot, les ressources
ou la dure, devrait tre identifie et ses consquences possibles dcrites;
lvaluation des risques microbiologiques devrait clairement stipuler lobjectif de lexamen, y
compris la forme donne aux rsultats de lestimation des risques;
une valuation des risques microbiologiques devrait aborder de manire explicite la
dynamique de la croissance, de la survie et de la mort des lments microbiologiques dans les
aliments, la complexit de linteraction (y compris les squelles) entre lhomme et lagent,
lorsquelle est postrieure la consommation, ainsi que lventualit dune propagation;
les donnes devraient permettre de dterminer les incertitudes inhrentes lestimation du
risque;
les donnes et les systmes de collecte devraient tre, autant que possible, dune qualit et
dune prcision suffisantes pour rduire les lments dincertitude de lvaluation des risques.
lERM devrait tre conduite mene conformment une approche structure comprenant
lidentification des dangers, la caractrisation des dangers, lvaluation de lexposition et la
caractrisation des risques.
Nous allons maintenant examiner plus en dtail ce dernier principe.

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

10

2.1.1 Les quatre composantes dune valuation des risques


Comme on la dj fait observer, la Commission du Codex alimentarius (CAC, 1999) prvoit
quune valuation des risques microbiologiques doit avoir quatre composantes :
1. Identification des dangers;
2. Caractrisation des dangers;
3. valuation de lexposition; et synthse de ces trois lments dans une
4. Caractrisation des risques.
Lapproche, qui sduit par sa logique, est inspire du systme dvaluation des risques
chimiques de lUS National Academy of Science, qui est appliqu depuis les annes 70 par
lAgence pour la protection de l'environnement (tats-Unis dAmrique). Cependant, une
certaine souplesse est essentielle pour interprter la ncessit de ces quatre composantes, vues
comme des entits distinctes.
Ces composantes sont toutes ncessaires sous une forme quelconque, mais pour les
valuateurs des risques, le plus important est dinterprter lvaluation de lexposition et la
caractrisation des dangers. La Commission du Codex alimentarius a donn la dfinition
suivante de la caractrisation des dangers
valuation qualitative et/ou quantitative de la nature des effets adverses pour la sant associs au
danger. Aux fins de lvaluation des risques microbiologiques, seuls les micro-organismes et/ou
leurs toxines font lobjet de cette tude.

La Commission prcise ensuite


Cette tape fournit une description qualitative ou quantitative de la gravit et de la dure des
effets adverses pouvant rsulter de lingestion dun micro-organisme ou de ses toxines prsents
dans un aliment. Une valuation de la relation dose-rponse devrait tre effectue si les donnes
sont disponibles.

et
Dans une situation idale, la caractrisation des dangers devrait pouvoir tablir une relation entre
la dose et la rponse.

Cela a souvent, tort, t interprt comme une ncessit de dterminer une relation doserponse. Il est clair que sil est impossible de dfinir une relation dose-rponse crdible, ou de
dterminer le niveau dexposition qui est combin la relation dose-rponse pour estimer les
effets sur la sant humaine, il convient de rechercher une autre approche. Les Sections 5.5.5 et
5.5.6 dcrivent des mthodes permettant de mettre en corrlation lexposition et le risque sans
recourir la fonction dose-rponse habituelle, et qui sont pourtant parfaitement valides pour
dcrire certains types de problmes tels que lestimation du risque relatif. On a fait observer
(FAO/OMS 2002) que
dans de nombreux cas, des dcisions efficaces en matire de gestion du risque peuvent nanmoins
tre prises lorsque lon ne dispose que de certains lments de [l'valuation quantitative des risques
microbiologiques] et notamment de l'valuation de l'exposition.

2.1.2 Diffrence entre lvaluation et la caractrisation des risques


Il arrive souvent quune valuation des risques soit divise en plusieurs tapes (CAC, 1999;
OIE, 1999) mais, dune manire gnrale, lexpression valuation des risques est utilise
dans un sens gnrique pour dcrire lensemble du processus. Dans le cadre du Codex,

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

11

lvaluation des risques est le processus qui consiste suivre les quatre tapes qui permettent
dvaluer un risque. De mme, la caractrisation des risques est le processus consistant
combiner les informations obtenues lors de lIdentification des dangers, de lvaluation de
lexposition et de la Caractrisation des dangers, pour produire une estimation des risques ,
expression finale du risque, qui est laboutissement ou le produit des deux processus de
caractrisation des risques et dvaluation des risques. Alors que les mthodes utilises pour
estimer les risques varient selon que lon effectue une valuation quantitative ou qualitative, la
relation entre les processus dvaluation et de caractrisation des risques ne change pas.
2.2 Les mesures de la caractrisation des risques
Lorsque lon value les risques microbiologiques dorigine alimentaire, on sintresse en
premier lieu leffet du danger identifi sur la sant humaine, parmi les nombreux rsultats
possibles dune exposition des pathognes microbiens. Chez un individu donn, leffet peut
tre nul ou non mesurable. Toutefois, un organisme nest considr comme pathogne ou
toxique que si son ingestion peut se traduire par un effet adverse sur la sant chez au moins une
partie de la population expose.
Les effets adverses sur la sant de lexposition des pathognes englobent des maladies de
gravit (morbidit) et de dure variables, quil sagisse de maladies rsolutives lgres, ou de
maladies qui ncessitent une hospitalisation ou conduisent des pathologies chroniques ou la
mort (mortalit). Jusqu prsent, les valuations des risques ont tendu mesurer les risques
microbiologiques dintoxication ou dinfection dorigine alimentaire comme rsultant
directement dune exposition un aliment contamin par des pathognes ou par leurs toxines.
lchelle dune population, toutefois, lapparition de porteurs asymptomatiques du pathogne
peut aussi tre classe comme un effet adverse sur la sant, car elle peut conduire la
multiplication, lexcrtion et la transmission de lorganisme dautres personnes qui
pourront dvelopper une maladie ou mourir (transmission secondaire). En outre, certains effets
adverses sur la sant peuvent tre nots plus spcifiquement lchelle dune population (cas
des pidmies ou des pandmies).
Les risques peuvent tre estims lchelle individuelle (ex: risque de maladie par portion
[dun aliment]) ou lchelle dune population (ex: nombre de cas par an). Dans le cadre du
Codex, lvaluation des risques se concentre sur la gravit et la probabilit dune maladie, mais
des mesures sont ncessaires pour comparer la gravit dune maladie. Le poids dune maladie
peut tre mesur en termes de perte conomique lchelle individuelle ou nationale, selon que
de besoin, par le nombre probable de jours ou dannes dactivit perdus, le cot du traitement,
etc. comme on le verra au Chapitre 7 et lAnnexe 1. En revanche, la perte de qualit de vie est
plus difficile quantifier, malgr plusieurs tentatives en ce sens, qui ont dbouch sur le concept
des annes quivalentes de vie perdues imputables certains types dincapacit, la
souffrance physique ou dautres maux entranant une baisse de la qualit de vie. Ce concept
permet de comparer diffrents tats de sant et les taux de mortalit. On peut donc quantifier
leffet adverse sur la sant de tout vnement, en termes dannes quivalentes de vie perdue, et
estimer ce risque quelle que soit la source do il provient. Des mesures intgres de la sant
donnent des informations pour analyser diffrents risques dans ce contexte.
Un gestionnaire des risques peut souhaiter tudier de nombreux effets adverses potentiels sur
la sant, en plus de ceux qui concernent directement la personne touche. Il existe donc aussi de
nombreuses mthodes possibles pour mesurer et exprimer la grandeur du risque (parfois
dsignes sous le nom de mtrique du risque ), entre lesquelles on peut choisir, selon le
rsultat que lon cherche obtenir avec une valuation des risques. Le choix de la mesure

12

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

spcifique du risque que lon utilisera nest donc pas ncessairement vident, et le gestionnaire
des risques, lvaluateur des risques et les autres parties prenantes intresses doivent en
discuter ensemble. En outre, pour la modlisation quantitative, la (les) unit(s) ncessaire(s)
doi(ven)t tre dfinie(s) en tenant compte des aspects pratiques de la modlisation de faon
pouvoir produire et signaler les rsultats dans ces units.
2.3 Buts des valuations de risques spcifiques
Divers types de modles de probabilits
et dtudes des problmes de risque ont
t appeles valuations des risques
(voir encadr 2.1). Les directives de la
FAO/OMS, de lOIE et dautres
organismes
prconisent la prise de
dcision fonde sur une valuation des
risques.
Les
directives
et
les
recommandations du Codex en matire
dvaluation des risques font rfrence
sur le plan juridique quant aux critres
qui font une valuation des risques aux
termes de lAccord sur les mesures
sanitaires et phytosanitaires de lOMC. Il
est donc important, aussi bien dun point
de vue technique que lgal, de pouvoir
dterminer si un lment spcifique
dune tude peut tre class comme une
valuation des risques.

Encadr 2.1 Exemples dvaluations des risques


conues diverses fins
Une valuation danoise du risque de Salmonella
visant imputer les cas humains diffrents
aliments dorigine animale.
Sant Canada E. coli O157 dans le beefsteak
hach, Dutch RIVM STEC O157 in steak tartare
valuations des risques aux fins de la recherche
et de la formation.
US FDA valuation du risque de Listeria pour
imputer le risque des catgories daliments.
FAO/OMS Enterobacter sakazakii dans les
prparations en poudre pour nourrissons, pour
valuer les interventions
USDA valuations des risques dentrite E. coli
O157 et Salmonella , pour la dfinition de
stratgies dintervention.

La prsente section dcrit trois


catgories
dactivits
gnralement US FDA-CVM valuation du risque de
catalogues comme des valuations des
Campylobacter rsistant la fluoroquinolone risques , et cherche dterminer si elles
pour une estimation de limpact sur la sant
sont conformes aux exigences. Les trois
humaine.
approches sont prsentes titre
dexemple mais ce ne sont pas les seules possibles. Aucune bonne approche ne peut tre
recommande ou spcifie: le choix dpend des questions auxquelles doit rpondre lvaluation,
des donnes et des ressources disponibles, etc. Les trois catgories tudies sont les suivantes :
Estimation dun risque non restreint ou dun risque de rfrence.
Comparaison de stratgies dintervention en matire de risque.
tude ou modle ax sur la recherche.
Ces types dvaluation des risques peuvent tre utilises des fins qui peuvent tre
considres comme internes ou externes, ce qui dpend en partie de la gamme de parties
prenantes concernes. Les objectifs internes peuvent inclure des activits telles que la dfinition
des priorits, lallocation des ressources, etc. au sein dune organisation, et lvaluation des
risques ne doit pas tre rendue publique. Les utilisations externes des valuations des risques
peuvent tre celles qui affectent un plus grand nombre de parties prenantes, comme celles qui
dbouchent sur une modification des rglements, ou qui sont entreprises dans le cadre de
travaux universitaires ou pour dmontrer de nouvelles ou meilleures approches de lvaluation

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

13

des risques; Elles sont gnralement rendues publiques et examines par des pairs. Ces
valuations sont gnralement publies dans des revues professionnelles et/ou sur des sites
Internet.
2.3.1 Estimation du risque non restreint et du risque de rfrence
Le risque non restreint est le niveau de risque qui serait prsent sil ny avait pas de
sauvegarde, alors que le risque de rfrence est celui qui correspond la situation actuelle
ou la norme, cest--dire le point par rapport auquel les cots et avantages des diverses
stratgies dintervention peuvent tre compars. Le concept de risque non restreint a t trs
largement utilis dans les analyses des risques limportation, o il est videmment trs utile.
Dans une valuation des risques, on commence gnralement par estimer le niveau de risque
existant, cest--dire le niveau de risque qui pse sur la scurit sanitaire des aliments en
labsence de tout changement dans le systme actuel. Le risque ainsi estim devient le risque
de rfrence par rapport auquel les stratgies dintervention pourront tre values, si on le
souhaite. Ce risque de rfrence peut notamment tre utile pour dterminer le Degr de
protection appropri (DPA). Le fait de prendre comme rfrence le risque actuel prsente un
certain nombre davantages: cest dabord le moyen le plus simple pour estimer leffet des
changements, puisquil ne reste plus qu estimer la grandeur du risque une fois que les
conditions ont chang par rapport au niveau de risque existant, au lieu de devoir quantifier
explicitement le niveau de risque dans le cadre des deux scnarios. Cette approche pose
implicitement comme point de dpart de toute intervention de gestion des risques,
lintroduction de changements par rapport au systme actuel. Selon lobjectif que lon poursuit,
on peut choisir une autre rfrence que le niveau de risque existant, comme point de
comparaison. Par exemple, on peut dcrter que le risque de rfrence est celui qui existerait
dans le cadre dune approche de gestion des risques prfre (par exemple, parce que moins
coteuse), et comparer le risque dans le cadre dautres approches possibles.
Lestimation dun risque non restreint (parfois aussi appel risque inhrent) - niveau de
risque qui serait prsent si aucune mesure ntait prise dans le but spcifique de le rduire peut tre utile pour comparer lefficacit dapproches existantes de gestion des risques
microbiologiques en matire de scurit sanitaire des aliments, par rapport celle de systmes
radicalement nouveaux. Au fil du temps, les causes des maladies infectieuses tant mieux
connues, de nombreux contrles ont t mis en place, aussi bien auprs des consommateurs que
des industries, pour minimiser lincidence des maladies dorigine alimentaire. Il est vident
quon peut difficilement concevoir que lon puisse faire une valuation raliste du niveau de
risque dans un monde hypothtique o tous ces contrles seraient supprims, mais le principe
est valable et prend comme point de dpart un risque brut qui a t identifi, et prsent
quantifi et pour lequel on peut choisir entre de nombreuses combinaisons doptions pour
limiter le risque. Cette mthode devrait en principe permettre de procder une nouvelle
valuation pour identifier la combinaison de contrles (contrles dj en place et nouvelles
interventions possibles) qui dboucherait sur la protection la plus efficace. Dans la pratique, on
peut tenter destimer un risque en supposant que certaines des interventions en place les plus
videntes et peut-tre les plus coteuses soient supprimes, puis procder une nouvelle
valuation pour dcider de la manire de grer le risque. Si lon prend comme point de
comparaison le niveau de risque actuel, on na gure de raisons dexaminer les nombreux types
dactivits de rduction des risques qui sont dj en place et qui ont volu avec le temps alors
quil ny avait pas de systme de suivi pour valuer leur efficacit et la renforcer. Par exemple,
les mesures de contrle introduites avant que lon soit bien inform sur un problme sont
gnralement trs prudentes. Avec lamlioration des connaissances, on pourrait concevoir des

14

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

approches mieux cibles pour assurer le mme niveau de protection sanitaire avec moins
dinconvnients pour les consommateurs ou les producteurs.
Lorsque lon estime un risque de rfrence ou un risque non restreint, lobjectif immdiat
nest pas toujours de grer le risque, mais plutt de mesurer ou de circonscrire la gravit dun
problme de scurit sanitaire des aliments. En thorie, il nest pas forcment ncessaire de
dterminer un risque de rfrence pour valuer des stratgies dintervention, mais dans la
pratique on le fait presque toujours.
Dans le mme ordre dide, une autre activit, dite de lattribution du risque, consiste
rpartir un risque identifi entre des causes concurrentes. Il peut sagir de rpartir des risques
alimentaires entre des pathognes, de rpartir le risque associ un pathogne spcifique entre
diffrentes catgories de produits alimentaires, ou entre diffrents types de comportements (ex :
manger des denres cuisines au barbecue ou dans des restaurants). La mthode dattribution
du risque li un pathogne spcifique, provenant de diffrents aliments, peut tre utilise pour
classer des sources alimentaires en fonction du risque quelles gnrent. Les gestionnaires
pourront ainsi identifier laliment ou la source alimentaire contrler en priorit pour matriser
la maladie de la manire la plus efficace et la plus rentable.
2.3.2 Comparaison des stratgies de gestion des risques
Les valuations des risques sont gnralement entreprises pour aider les gestionnaires des
risques comprendre quelles sont les stratgies dintervention, si tant est quil y en ait, qui
peuvent tre le plus efficaces pour prserver la scurit sanitaire des aliments, ou dterminer si
les mesures de gestion des risques actuellement en place sont adquates. Lidal serait que les
institutions responsables de la scurit sanitaire des aliments examinent toutes les interventions
possibles pour grer le risque tout au long de la chane alimentaire, quelle que soit lautorit
charge de les mettre en uvre, et cest dans ce but quont t cres des autorits intgres
responsables de la scurit sanitaire des aliments dans de nombreux pays et rgions. Un modle
de la ferme la table serait donc particulirement appropri. Cependant, dans la pratique, il
arrive que la porte de lvaluation soit limite aux segments de la chane alimentaire qui
relvent de la comptence du gestionnaire des risques ; or une valuation des risques plus
globale pourrait identifier des relations dans dautres domaines, ce qui inciterait le gestionnaire
des risques demander la nouvelle autorit dintervenir efficacement ou dinviter dautres
personnes habilites prendre les mesures qui simposent. Pour certains problmes de risques,
une analyse des donnes pidmiologiques ou un modle portant sur une partie de la chane
alimentaire peut convenir. Comme on la dj vu, certaines valuations des risques peuvent
avoir pour objet de vrifier si les rglementations existantes en matire de scurit alimentaire et
les stratgies dintervention en place sont adquates, ou sont les plus appropries, ou si elles
doivent tre revues.
Les valuations des mesures de gestion des risques envisages reposent gnralement sur des
comparaisons entre un risque de rfrence estim et un risque prvu qui pourrait rsulter de
ladoption de diverses stratgies possibles. On dit parfois quelles se fondent sur des
scnarios simuls (voir encadr 2.2). Lun prvoit un futur sans nouvelle intervention,
lautre un futur avec une nouvelle intervention. On commence par construire un modle de
rfrence (le scnario sans intervention) pour obtenir une estimation du risque de rfrence.
Ensuite, on change les paramtres du modle slectionn pour dterminer leffet probable de
lintervention envisage (voir encadr 2.3 pour des exemples dintervention). Les carts entre
les deux estimations des risques donnent de bonnes indications des avantages de lintervention
propose en termes de sant publique et aussi, dans la mesure du possible, du cot qui leur est

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

15

associ. On peut aussi adopter une approche similaire pour analyser des combinaisons
dinterventions et dterminer leur effet cumul, pour tenter de trouver la stratgie optimale.
Encadr 2.2 Scnarios avec et sans intervention, et volution des risques au fil du
temps
Une valuation des options de gestion des risques peut tre aborde de diverses manires, notamment par une
analyse dcarts, une comparaison avant/aprs, une comparaison avec/sans (illustre dans cet exemple). Les
estimations des risques, les tudes spciales, les analyses conomiques et environnementales, les sondages
dopinion, les analyses des consquences lgales des actions proposes, et autres dmarches similaires, varient
dun cas lautre. Tous ces lments ne font pas partie du processus dvaluation des risques, mais on peut
identifier quelques tapes du processus qui se retrouvent dans toutes les valuations, notamment :
Description du risque de rfrence existant, savoir
dintervention dj en place.

Description de la situation future la plus probable, en labsence dun changement dans lintervention de gestion du
risque (situation sans ). Chaque option est value par rapport cette mme situation sans , appele Futur
sans action dans la figure ci-dessous. La tendance correspondant ce futur peut tre croissante, dcroissante, plate
ou mixte.

Description de la situation future la plus probable prvue, avec une intervention de gestion des risques spcifique
(situation avec). Chaque intervention a une situation avec qui lui est propre : dans lexemple ci-dessous, elle
est appele Futur avec intervention A.

Comparaison des situations avec et sans pour chaque intervention possible.

Caractrisation des effets de cette comparaison: tous les effets nont pas la mme ampleur, certains sont
souhaitables, dautres pas.

Human
Health Effects
Effets sur la sant humaine

ltat actuel du risque, compte tenu des stratgies

With
& Without avec
Comparaison
et sans intervention
Intervention
Comparison

c tio n

o Aaction
Futur
sans
re N

F u tu

Rfrence
existante
Existing
Baseline
Situation
existante
Existing

Before & After

Comparaison avant
Comparison
et
aprs
Analyse dcart

Future
Futurwith
avecInterv
interventio
ention A

Target
Objectif

Gap Analysis

Temps
Time

Dans certains cas, on peut estimer la variation du risque sans avoir valu le risque de
rfrence, mais le rsultat devra tre interprt avec prudence. Par exemple, une valuation des
risques pourrait montrer quil est techniquement faisable de diviser par cent un risque
particulier, mais si ce risque tait ngligeable au dpart, cette stratgie peut tre dnue
dintrt.
La proximit dun risque est couramment prise en considration dans les analyses des
risques appliques la gestion de projets de construction de grande ampleur ; or elle peut aussi
tre un facteur important dans une valuation des risques pour la scurit sanitaire des aliments
sil y a des raisons de penser que des facteurs imprvus ou non matriss sont susceptibles de
modifier le risque au fil du temps (ex : on prvoit que laugmentation de lge moyen des

16

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

populations dans de nombreux pays


Encadr 2.3 Exemples dinterventions de
accrotra la sensibilit globale de la
gestion des risques microbiologiques
population de nombreuses maladies,
notamment dorigine alimentaire, dont
Vaccination des animaux dlevage.
lincidence sera par consquent accrue.
Analyse des risques aux points critiques (HACCP) et
Dans dautres situations, le risque peut
approches analogues au stade de la transformation.
tre saisonnier, ou se poser uniquement
Rfrigration et spcification des dates limites de
aprs des catastrophes naturelles, ou tre
consommation.
li quelque vnement spcifique
impliquant un rassemblement de
tablissement de critres microbiologiques.
personnes trs important, etc. La
Utilisation du concept de barrires pour limiter la
proximit dcrit la priode ou
croissance des pathognes.
lintervalle de temps durant lequel le
tiquetage du produit aux fins de la traabilit.
risque peut affecter les personnes
concernes. On tend naturellement se
ducation des consommateurs, notamment pour les
concentrer sur les risques immdiats
consommateurs risque .
alors que lon a souvent des moyens
limits pour les grer: or, si lon valuait les risques susceptibles de survenir dans le futur, les
diffrentes tapes de la gestion du risque pourraient tre menes bien pour une fraction du
cot dune intervention durgence postriori .
2.3.3 tude ou modle ax sur la recherche
On a dj dit quune valuation des risques tait un outil daide la dcision et non un outil
scientifique ou de recherche. Quelques valuations des risques axes sur la recherche ont t
produites dans le but de parfaire les connaissances et les outils que nous utilisons pour valuer
les risques. Ces tudes peuvent tre fondes sur des questions relatives des dcisions
hypothtiques ou relles et valuer les rsultats des valuations selon la manire dont ils
rpondent ces questions. Toutefois, elles ne sont pas toujours dues linitiative dun
gestionnaire des risques .
Parmi les modles microbiologiques de scurit sanitaire des aliments existants, un certain
nombre ont t construits dans le cadre de travaux universitaires. Ces modles ont contribu
faire avancer la discipline de lvaluation des risques microbiologiques en nous permettant
didentifier les techniques ncessaires, den mettre au point de nouvelles et de stimuler la
recherche qui, on le sait aujourdhui, peut avoir un rle jouer dans un contexte dvaluation
des risques. Dans certaines situations, les gestionnaires des risques se sont servis de ces
modles pour prendre leurs dcisions. Ces modles ont aussi mis en vidence les changements
dans les mthodes de collecte et de notification des donnes relatives des investigations
microbiologiques, des enqutes pidmiologiques, la production, aux rgimes alimentaires
et dautres aspects, qui renforcent lutilit de ces informations dans le contexte dune
valuation des risques.
Il arrive que les gestionnaires des risques ne connaissent pas la nature du risque qui menace
la scurit sanitaire des aliments. Dans ce cas, ils peuvent faire raliser une valuation des
risques uniquement pour tre mieux informs sur ce point.
Il faut certes faire des recherches pour faire une bonne valuation des risques, mais une
valuation des risques est aussi un trs bon instrument de recherche pour identifier les lacunes
des connaissances et comprendre comment les combler. Elle peut tre entreprise spcifiquement

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

17

ou accessoirement pour identifier les besoins de recherche, tablir les priorits de recherche et
concevoir les tudes raliser.
Les valuations prcdentes des risques microbiologiques se sont avres prcieuses pour
nous aider comprendre des systmes complexes. Si nous sommes aujourdhui capables
dapprcier et de comprendre la complexit des systmes qui constituent la chane alimentaire,
cest en partie grce au processus mme danalyse systmatique dune chane alimentaire.
2.4 Choix du type dvaluation des risques effectuer
Les mthodes dvaluation des risques couvrent un ensemble, ou continuum, de techniques
qualitatives, semi-quantitatives, ou pleinement quantitatives. Dans le domaine de la scurit
sanitaire des aliments, elles sont toutes applicables, mais ce qui dtermine si une mthode est
approprie, cest la conformit de lvaluation des risques avec les principes noncs la
Section 2.1. Les Chapitres 3 5 dcrivent ce continuum avec des exemples lappui. Au vu des
titres des chapitres et des exemples fournis, on pourrait penser quil nexiste que trois
catgories strictes de mthodes dvaluation des risques, mais les trois termes nont quune
valeur descriptive et ils ne sont utiliss que pour mieux structurer le document. Nimporte quelle
valuation des risques pourrait comprendre des lments dune combinaison quelconque de ces
approches. Lun des avantages dune valuation des risques est que les solutions permettant de
minimiser le risque se dgagent souvent du processus officiel dexamen du risque, que lon soit
en prsence dune valuation qualitative, semi-quantitative ou quantitative.
On a dj insist sur la ncessit de choisir un type dvaluation des risques adapt son
objectif. L'U.S. National Advisory Committee on Microbiological Criteria for Foods
(USNACMCF, 2004) a not ce qui suit:
Les valuations des risques peuvent tre quantitatives ou qualitatives, mais elles doivent tre
adquates pour faciliter la slection des options en matire de gestion des risques. La dcision
dentreprendre une valuation quantitative ou qualitative dpend de multiples facteurs tels que la
disponibilit et la qualit des donnes, le degr de consensus de lopinion scientifique et les
ressources disponibles.

Le National Health and Medical Research Council australien (NHMRC, 2004: 36) met en
garde :
Il est important que ce que lon attend dune identification des dangers et dune valuation des
risques soit raliste. On dispose rarement dinformations suffisantes pour mener son terme une
valuation quantitative des risques dtaille Un point de vue raliste sur les limites de ces
prvisions doit tre compris par le personnel et communiqu au public.

Le choix dun quilibre appropri, dans la srie de mthodes allant du qualitatif au


quantitatif, reposera sur un certain nombre de facteurs, recenss dans les passages qui suivent.
Cohrence
Le dsir de cohrence peut inciter ou dissuader dappliquer une valuation qualitative des
risques. Dun ct, on peut concevoir une valuation qualitative et semi quantitative
suffisamment simple pour quelle puisse tre rplique et applique divers problmes de
risque, alors quune valuation quantitative, qui est davantage dicte par la disponibilit des
donnes, doit gnralement employer toutes sortes de mthodes disparates pour modliser des
risques diffrents. Il peut y avoir une connotation subjective dans les valuations quantitatives
des risques, notamment au niveau de la slection et de lanalyse des donnes, mais il est

18

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

gnralement possible de justifier ces opinions et de les documenter pour que dautres puissent
rpliquer lvaluation. Nanmoins, il peut tre difficile de comparer les hypothses et la qualit
des donnes. Dun autre ct, une valuation qualitative des risques est plus expose des
jugements subjectifs, notamment pour la conversion des donnes ou des rsultats dans des
catgories de risque lev , intermdiaire et faible . Il peut tre malais de dfinir
clairement ces termes, ce qui compromet les possibilits de rplicabilit dune analyse par
dautres.
Expertise
En principe, dans une valuation quantitative des risques, au moins une partie de lquipe
charge de la mener bien doit avoir une formation mathmatique rigoureuse. Si lon na pas
suffisamment de personnel qualifi, une valuation qualitative peut tre plus approprie
condition que le risque considr se prte une telle approche. Les valuations qualitatives ne
demandent pas de qualifications importantes en termes de mathmatique pure, mais lanalyste
doit avoir de grandes capacits de jugement, pour combiner les lments probants dune
manire approprie et logique, et les capacits techniques requises pour compiler et interprter
les connaissances scientifiques actuelles sont peu prs quivalentes.
Limites de la thorie ou des donnes
Les valuations quantitatives des risques tendent tre mieux adaptes si lon dispose de
modles mathmatiques pour dcrire des phnomnes et de donnes pour estimer les paramtres
des modles. Si la thorie ou les donnes font dfaut, il est prfrable dopter pour une
valuation plus qualitative.
Champ dapplication
Lorsque lon tudie des risques travers toute une gamme de dangers et de voies, il peut tre
difficile dappliquer de faon cohrente une valuation quantitative des risques en se fondant
sur des lments thoriques et pragmatiques trs divers, comme cest le cas lorsque lon
compare des dangers microbiologiques et chimiques dans les aliments. Les mthodologies et les
modes de mesure ne sont sans doute pas encore assez au point pour fournir des mesures des
risques suffisantes pour clairer la prise de dcision si le champ dapplication est large.
Rapidit
Les valuations des risques qualitatives et semi-quantitatives prennent gnralement beaucoup
moins de temps que les valuations quantitatives, surtout si les protocoles des premires ont t
bien dfinis et si des orientations claires ont t donnes pour interprter les lments de preuve.
Quelques exceptions sont toutefois possibles si lvaluation qualitative repose sur un processus
de consultation (ex : tudes dans lesquelles les hypothses dexperts officielles tiennent une
place importante) avec des besoins considrables en termes de planification, dinformation et de
programmation.
Transparence
Le dsir de transparence peut favoriser toutes les mthodes et le choix dpendra du type de
transparence recherch. Cependant, il ne faut pas confondre transparence et accessibilit. Si
la transparence sentend au sens que chaque lment de preuve est clairement dfini, ainsi que

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

19

son impact prcis sur le processus dvaluation, elle est plus facilement assure par une
valuation quantitative. En revanche laccessibilit, au sens o un large public de parties
prenantes peut comprendre le processus dvaluation, est plus facilement garantie par une
valuation qualitative ou semi-quantitative. Une valuation quantitative des risques
microbiologiques exige gnralement des connaissances spcialises et un investissement en
temps considrable, de sorte quelle peut ntre accessible qu des spcialistes ou des
personnes qui ont le temps et les moyens den engager. La transparence au sens strict ne
prsente gure dintrt si les parties prenantes ne sont pas capables de comprendre et
dexaminer en dtail lanalyse et son interprtation et dy contribuer, ou si elles considrent que
cela leur demanderait trop de travail. Les approches qualitative ou semi-quantitative peuvent
tre plus facilement comprises par une plus large gamme de parties prenantes, qui seront ensuite
mieux mme de contribuer au processus danalyse des risques.
Stade de lanalyse
Les valuations qualitative et quantitative des risques ne sexcluent pas ncessairement lune
lautre. Une valuation qualitative est trs utile dans une phase initiale de la gestion des risques
pour fournir en temps opportun des informations sur le niveau approximatif de risque, et dcider
de la porte de lanalyse quantitative du risque et du niveau des ressources lui affecter. titre
dexemple, on peut avoir recours une analyse qualitative pour dterminer les voies
dexposition (ex : air, aliments, eau, ou aliments crus/prts consommer) qui feront lobjet
dune valuation quantitative des risques.
Adaptabilit
Une proccupation importante souvent exprime dans les situations rglementaires est le
manque dadaptabilit des mesures de caractrisation des risques ou des conclusions en cas
dapparition dun nouvel lment de preuve. Imaginons une situation o une valuation des
risques a t conduite avec des donnes anciennes indiquant que la prvalence dun pathogne
est de 10%. Une fois lvaluation publie, on constate que la prvalence est tombe 1%. Dans
la plupart des valuations quantitatives, la baisse de la prvalence aurait un impact bien
dtermin sur la caractrisation des risques alors que dans certaines valuations qualitatives, cet
impact pourrait ne pas tre suffisamment clair. On peut considrer que les valuations
qualitatives des risques encouragent ou favorisent ce manque dadaptabilit, surtout si le lien
entre llment de preuve et la conclusion est mal dfini. Ce manque dadaptabilit peut
engendrer la mfiance et des proccupations pour lintgrit du processus dvaluation des
risques.
2.5 Variabilit, caractre alatoire et incertitude
On confond souvent la variabilit, le caractre alatoire et lincertitude car ces trois lments
peuvent tre dcrits par des distributions. Ils ont cependant des significations diffrentes et le
processus dvaluation des risques est grandement facilit si le gestionnaire et lvaluateur des
risques interprtent ces concepts de la mme manire. Ces thmes sont galement tudis dans
la Section 5.4 mais dans le contexte dune valuation quantitative des risques et dapproches de
modlisation mathmatique.

20

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

2.5.1 Variabilit
La variabilit, parfois aussi appele variabilit interindividuelle, dsigne les diffrences
effectives des valeurs dune proprit quelconque dune population dans le temps et dans
lespace, entre les individus qui la composent, que cette population se rfre des personnes,
un produit alimentaire ou une espce de pathogne dorigine alimentaire, etc. titre
dexemples, citons parmi les facteurs variables dune valuation des risques microbiologiques,
les tempratures de stockage des produits alimentaires, le caractre saisonnier de diffrents
modes de prparation des denres (ex : cuisson au barbecue), les pratiques culinaires, la
sensibilit aux infections dans des sous-populations, les habitudes de consommation dans une
rgion, les diffrences de virulence entre les souches, et les procds de manutention des
produits adopts par les diffrents producteurs.
Dans certains cas, la variabilit dune population sexplique en partie par des attributs
individuels observables. Par exemple, alors que la population humaine est htrogne, il peut y
avoir des diffrences notables de risque entre des sous-populations identifiables car elles sont
pour une raison quelconque moins frquemment exposes ou moins vulnrables au danger
considr. Il peut aussi y avoir trois mthodes diffrentes dentreposer une denre alimentaire,
(ex : trois tempratures diffrentes avec le degr dhumidit correspondant), conduisant un
potentiel de croissance microbiologique diffrent dans les fractions du produit alimentaire qui
sont entreposes dans chacune de ces conditions.
Lorsquil y a des diffrences de risque observables imputables des facteurs connus, le
recours un type quelconque de stratification peut tre commode pour analyser la variabilit
dune population, en reconnaissant les sous-populations comme des entits distinctes dans
lvaluation des risques. Les proprits de chaque sous-population peuvent encore tre dcrites
comme une quantit variable, mais avec une valeur moyenne et une dispersion des valeurs
diffrentes. Une population humaine peut tre stratifie de plusieurs manires, sur la base de
critres dmographiques, culturels, de lge et dautres variables, mais la stratification des
risques lis un pathogne dorigine alimentaire se fait gnralement soit sur la base des
diffrences dexposition, soit sur la base des diffrences de sensibilit. Ces strates peuvent aussi
se chevaucher. Dans une population considre, on doit rechercher des preuves de diffrences
de sensibilit et dune probabilit dexposition diffrentielle travers des aliments. Si les
ventuelles diffrences dceles ont des probabilits daltrer de faon significative les risques
ou les mesures de protection potentielles, on doit envisager de stratifier la caractrisation des
risques en fonction de ces diffrences.
La variabilit est en principe dcrite par une liste de valeurs diffrentes que prend la variable.
Toutefois, le nombre de valeurs est souvent si lev (cest par exemple le cas de certaines
caractristiques dune population humaine qui compte des millions dindividus) quil est plus
pratique de dcrire la variation par une distribution de frquence.
2.5.2 Caractre alatoire
Le caractre alatoire rsulte de leffet du hasard inhrent au monde rel, et il est synonyme
dincertitude alatoire et de variabilit stochastique.
La question de savoir si le caractre alatoire existe vraiment ou sil reflte seulement notre
connaissance imparfaite du monde rel reste claircir, mais pour des raisons pratiques, la
variation rsiduelle non explique par un modle est gnralement traite comme un caractre
alatoire inhrent (Morgan et Henrion, 1990). Un exemple du caractre alatoire dans le

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

21

contexte dune ERM est fourni la Section 5.4.1., qui illustre aussi linteraction entre la
variabilit, le caractre alatoire et le recours la stratification, examin plus haut.
2.5.3 Incertitude
Lincertitude - galement appele incertitude pistmique, incertitude par manque de
connaissances, ou incertitude subjective dcoule du fait que lon ne connat pas la valeur
relle dune quantit. On dit souvent que la variabilit et le caractre alatoire sont des
proprits du systme tudi alors que lincertitude est une proprit de lanalyste. Des
analystes diffrents, qui nont pas les mmes niveaux de connaissances ou qui ont accs des
ensembles de donnes ou des techniques de mesure diffrents, nont pas les mmes degrs
dincertitude en ce qui concerne les prvisions quils font. Il est important de comprendre
lincertitude pour avoir une ide de lincidence que peut avoir le manque dinformations sur la
prise de dcisions. Quand la fourchette dincertitude est suffisamment large pour quil y ait
ambigut sur le type de dcision prfr, il peut tre intressant de recueillir des donnes
supplmentaires ou deffectuer dautres recherches pour rduire lincertitude.
Lincertitude concerne non seulement les paramtres dentre dun modle dvaluation,
mais aussi les scnarios hypothtiques sur lesquels se fondent lvaluation et le modle.
Lincertitude concernant les scnarios peut provenir dune mauvaise spcification des agents
nuisibles considrs, des voies dexposition et des vecteurs, des populations exposes et des
dimensions spatiales et temporaires du problme. Les sources dincertitude concernant le
modle sont lies sa structure, son niveau de dtail, sa rsolution, sa validation ou nonvalidation, lextrapolation et ses limites (paramtres inclus/exclus). Morgan et Henrion
(1990), et Cullen et Frey (1999) donnent des exemples de sources dincertitude dans le domaine
de lvaluation des risques, notamment:
Erreur alatoire. Erreur associe des imperfections des techniques de mesure ou des
processus qui sont alatoires ou statistiquement indpendants les uns des autres. Une erreur
alatoire de mesure conduit une incertitude qui peut tre rduite par des mesures
supplmentaires et son contraire est la prcision. On entend par prcision, la concordance
entre des mesures rptes dune mme quantit.
Erreur systmatique. La valeur moyenne dune quantit mesure peut ne pas correspondre la
valeur moyenne relle, en raison de biais dans les mesures et les procdures. Ces biais peuvent
dcouler dun talonnage imprcis, dune mauvaise lecture des mtres, et dinexactitudes dans les
hypothses retenues pour infrer la quantit relle, partir de lectures observes dautres
quantits.
Absence de fondement empirique. Une valuation des risques comporte souvent des questions
pour lesquelles il est impossible de procder des essais et des observations directs, de sorte
que lon doit faire des hypothses sur la base des lments de preuve disponibles. La validit de
ces hypothses ne peut pas tre value empiriquement. Ce type dincertitude ne peut pas tre
trait au moyen de techniques statistiques classiques, car il oblige faire des prvisions sur un
vnement qui doit encore se produire, ou sur un lment qui doit tre mesur, ou soumis un
test. On utilise par exemple des donnes de substitution pour pallier un manque dinformations
sur la population tudie. Lincertitude quant la fidlit avec laquelle les donnes de
substitution reprsentent la population considre peut tre caractrise grce des jugements
dexperts.
Dpendance et corrlation. Lorsque plusieurs quantits sont incertaines, il se peut que les
incertitudes soient statistiquement ou fonctionnellement dpendantes. Une modlisation

22

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

incorrecte de la dpendance entre les quantits peut aboutir un rsultat incertain, en termes de
prvision inapproprie de la variance des variables de sortie.
Dsaccord. Lorsquil existe des donnes limites ou dautres fondements thoriques possibles
pour modliser un systme, les experts peuvent ne pas tre daccord sur linterprtation des
donnes ou sur les estimations concernant la fourchette et la probabilit des rsultats relatifs
des quantits empiriques. En cas de dsaccord entre les experts, il est gnralement prfrable
dtudier sparment les consquences des jugements de chaque expert pour dterminer sils
dbouchent sur des conclusions sensiblement diffrentes quant au problme tudi. Dans le cas
o les conclusions ne sont pas altres de faon significative, on dit que les rsultats sont robustes
puisquils rsistent aux dsaccords entre experts. Dans le cas contraire, les sources de dsaccord
entre experts doivent tre values plus attentivement. Dans certains cas, les experts ne sont pas
en dsaccord sur lensemble des connaissances. Leurs divergences dopinions peuvent alors se
rduire des diffrences clairement identifies dans les infrences quils font partir des
donnes.
2.6 Lacunes des donnes
Quelles soient qualitatives ou quantitatives, toutes les valuations des risques ncessitent des
donnes et des connaissances (sur les processus, les interactions, etc.). Si ces dernires viennent
manquer, lvaluateur a moins confiance dans la caractrisation des risques et lestimation lui
parat moins fiable. La forme dune valuation des risques est principalement dtermine par le
type de questions poses pour faciliter la prise de dcision. On cherche ensuite identifier les
donnes et connaissances disponibles qui pourraient tre utiles pour construire une
argumentation logique base sur le risque (lvaluation des risques) qui rponde ces questions.
En gnral, on doit faire un compromis car il se peut quune approche spcifique dvaluation
des risques ne soit pas capable de rpondre toutes les questions, mais puisse fournir une
rponse de meilleure qualit. Il se peut aussi que les donnes disponibles ne permettent de
rpondre aucune question. Do limportance considrable que peut revtir le dialogue entre
lvaluateur et le gestionnaire des risques pour dfinir la forme dune valuation des risques.
Ce processus aide souvent mieux comprendre la valeur dautres informations qui ne sont
pas disponibles. On peut se demander quelle autre dmarche on pourrait adopter si lon arrivait
trouver des donnes particulires. Suivant le temps quil lui reste avant de prendre une
dcision, et les ressources disponibles, le gestionnaire des risques peut estimer que cela vaut la
peine dattendre, ou dengager des dpenses pour acqurir ces donnes dans lespoir de formuler
une opinion en connaissance de cause.
Il est tentant de planifier la structure dune valuation susceptible de rpondre toutes les
questions du gestionnaire des risques, pour ensuite tenter de trouver les donnes ncessaires
pour remplir lvaluation, mais dans le domaine de la scurit sanitaire des aliments, cette
approche est voue lchec car les donnes manquantes sont lgion. Ltablissement dune
liste de toutes les donnes que lon souhaiterait obtenir donnerait donc forcment des
rsultats dcevants. Dautres approches prliminaires ont t proposes pour tenter de
dterminer la forme de lvaluation des risques, notamment la construction dun
raisonnement simplifi, fond sur un modle, pour dcrire le systme ou le processus avant
didentifier les donnes disponibles. Les lacunes des donnes sont tudies de faon plus
approfondie dans dautres ouvrages (Fazil et al., 2005; FAO/OMS, 2008), mais les raisons de
ces lacunes peuvent tre rsumes de la faon suivante:
On navait jusque l pas jug important de recueillir ces donnes;

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

23

La collecte de ces donnes cote trop cher;

Les donnes sont impossibles obtenir, avec les technologies actuelles ;

Les donnes passes sont obsoltes;

Les donnes provenant dautres rgions ne sont pas considres comme pertinentes ;

Les donnes ont t collectes et/ou signales dune manire inapproprie par rapport aux
besoins de lvaluation des risques.

Le problme des donnes prcdemment considres comme peu importantes se pose


souvent dans des tudes de contamination qui contiennent peu de donnes positives. En gnral,
les revues scientifiques leur accordent peu de valeur, de sorte que les chercheurs nont gure
intrt conduire des tudes de ce type. Toutefois, les donnes ngatives ont leur importance
dans les valuations des risques, notamment pour estimer la prvalence.
En saidant du cadre dvaluation des risques, on peut dterminer les lacunes les plus
gnantes pour rpondre aux questions du gestionnaire des risques. Ce processus didentification
peut tre utilis pour tablir des priorits pour la collecte de donnes et les recherches
exprimentales futures.
2.6.1 Le recours des opinions dexperts
Il peut tre ncessaire de chercher obtenir des estimations dexperts concernant les valeurs des
paramtres du modle des voies lorsque des donnes critiques font dfaut ou lorsque pour des
raisons pragmatiques, il est indispensable dvaluer le risque dans un avenir relativement
proche. Ici, les problmes qui se posent concernent par exemple les dcisions concernant
lidentification et la slection des experts, le nombre dexperts requis, les techniques
dobtention des informations, la correction des biais, etc. et des mthodes sont en cours
dlaboration dans ce domaine (voir, par exemple, Jenkinson, 2004).
Lorsque lon a besoin dopinions dexperts, les problmes et les mthodes de slection, de
correction des biais, etc. sont jusqu prsent gnralement similaires quil sagisse
dvaluations qualitatives ou quantitatives. Ces mthodes sont examines en dtail dans dautres
directives FAO/OMS (FAO/OMS 2003, 2008). En principe, il est admis que lon devrait avoir
recours un nombre suffisant dexperts. Des techniques comme la mthode Delphi (Linstone
et Turoff, 1975), qui vise obtenir le consensus dun groupe dexperts, permettent de produire
des estimations plus fiables partir des informations disponibles. Toutefois, il arrive quil y ait
vraiment trs peu dexperts de la question tudie, quil ny en ait quun seul dans le monde, ou
mme quil ny en ait pas du tout. On est donc oblig dutiliser des donnes trs incertaines
quelque soit le type dvaluation des risques, une solution qui est loin dtre idale mais qui est
parfois la seule option possible, court terme.
Dans une valuation quantitative des risques, on doit convertir une opinion dexpert en une
donne chiffre. L encore, il existe diverses mthodes pour le faire et de nombreuses autres
sont en voie dlaboration (voir par exemple, Gallagher et al., 2002). Mme dans une valuation
qualitative des risques, ces mmes mthodes peuvent tre utilises pour convertir une opinion
dexperts en valeurs numriques pour des tapes spcifiques du modle et, si lon a
suffisamment de temps, cest le procd le plus recommand. On a dj fait observer que les
termes quantitatif ou qualitatif , appliqus des approches dvaluation des risques, ne
dsignent pas des catgories officiellement dfinies dvaluation des risques. Pour obtenir des
opinions dexperts dans ce domaine, on peut aussi procder plus simplement, en demandant

24

Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments

directement un expert son opinion sur les probabilits dune tape spcifique, quil exprimera
en des termes tels que leves, faibles, ngligeables, etc. Linterprtation de ces termes est elle
aussi subjective, comme on va le voir dans les valuations qualitatives des risques en gnral
(voir Chapitre 3) et la manire dont le lecteur valuera les rsultats devra tre fonde sur
lvaluation des experts slectionns. En principe, cette mthode ne devrait tre adopte qu
titre temporaire, jusqu ce que lon dispose de donnes plus prcises.
2.7 Le rle des scnarios optimiste et pessimiste
Comme technique de filtrage dans le domaine de lvaluation des risques, par exemple dans le
cadre dun profil de risque, il peut tre utile danalyser le scnario le plus favorable ou le plus
dfavorable pour avoir une ide de ce qui se pourrait se passer de mieux ou de pire. Le scnario
le plus dfavorable, ou pessimiste, est gnralement utilis pour dterminer sil y a lieu de se
proccuper dun risque ou dune voie dexposition. Aucune analyse supplmentaire nest
ncessaire si lestimation la plus pessimiste montre que le niveau de risque est infrieur un
certain seuil (ex : niveau de risque ngligeable).
Inversement, le scnario le plus favorable, ou optimiste, peut tre utilis pour filtrer les
options possibles en matire de gestion des risques. Le gestionnaire des risques peut exclure
certaines options si lestimation la plus optimiste a tabli que les avantages qui en dcoulent ne
justifient pas leur cot.
Les scnarios optimiste et pessimiste fonctionnent un peu comme des scnarios de
simulation extrmes. Si un paramtre dun modle est entach dune incertitude trs grande,
mais quantifie, on utilise une valeur qui donne lextrme requis. Il sagit gnralement dune
valeur extrme issue de la distribution de lincertitude du paramtre, comme son 1er ou son
99me percentile. Cependant, quand il ny a pas de relation monotone entre la valeur du
paramtre et lestimation du risque (ce qui signifie que la grandeur du risque estim crot/dcrot
seulement si la valeur du paramtre crot/dcrot ou, inversement, que la grandeur du risque
estim dcrot/crot seulement quand la valeur du paramtre crot/dcrot), lestimation du
risque extrme se trouve plus vers le centre de la distribution de lincertitude du paramtre.
En cas dincertitude sur les voies dexposition et lattribution du risque, lestimation du
risque extrme sobtient en prenant la voie la plus pessimiste (ou optimiste): par exemple
supposons que toutes les salmonelles proviennent du poulet .
Les analyses du cas le plus dfavorable ont des inconvnients : elles sont gnralement
centres sur les consquences de lhypothse la pire, sans tenir compte des probabilits que ce
scnario pessimiste se vrifie, et il est difficile de spcifier les conditions susceptibles de
conduire au cas le plus dfavorable (ou le plus favorable), car les extrmes absolus ne sont
limits que par notre imagination. Au contraire, dans tous les cas o les valeurs dun paramtre
ou les voies dexposition sont connues avec une grande certitude, il convient de les utiliser pour
viter de concevoir un scnario extrme tellement pessimiste (ou optimiste) quil est irraliste.
Lvaluation de scnarios optimistes et pessimistes peut tre considre comme une
valuation des risques si les informations sur la probabilit extrme sont crdibles et juges
suffisantes par le dcideur.
2.8 Degr de fiabilit des rsultats de lvaluation des risques
Les rsultats de toute valuation des risques sont entachs dune certaine incertitude. Mme si
toutes les rgles sont respectes en matire de transparence, de description des incertitudes du

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

25

modle et des paramtres, et de toutes les hypothses implicites ou explicites, les gestionnaires
des risques ne sauront pas quel degr de confiance lvaluateur des risques accorde aux rsultats
de lvaluation, et ils ne connatront pas les limites de son application. Ainsi, les valuateurs
des risques doivent expliquer le niveau de confiance quils accordent aux rsultats de
lvaluation. Toutes les hypothses devraient tre reconnues et explicites dans des termes
comprhensibles pour des profanes (non mathmaticiens). Par exemple, au lieu de dire les
maladies sont supposes suivre un processus de Poisson , il vaut mieux dire les maladies ont
t modlises comme un processus de Poisson, ce qui signifie que toutes les maladies sont
supposes survenir de faon alatoire dans le temps, indpendamment les unes des autres, et que
le risque dune maladie est constant dans le temps ou se rpte selon un schma saisonnier
quelconque . Ce genre dexplication permettra au gestionnaire des risques de mieux
comprendre les hypothses, et peut-tre de poser des questions plus pertinentes sur ce qui se
passerait si elles ntaient pas respectes.
La caractrisation des risques devrait inclure une description des atouts et des limites de
lvaluation ainsi que de ses effets sur lensemble de lvaluation. La caractrisation des risques
devrait aussi dire si lvaluation rpond bien aux questions formules au dpart. Il est important
de bien expliquer leffet des hypothses sur la validit de lvaluation. Des arguments peuvent
tre utiles pour la circonscrire, par exemple: si lhypothse X savrait incorrecte, le risque ne
pourrait pas logiquement tre plus grand que Y, condition que toutes les autres hypothses
soient vraies.
Le chapitre 6 donne des avis dtaills sur lassurance de la qualit des caractrisations des
risques et sur lvaluation de leur robustesse et leur crdibilit.

3. La caractrisation qualitative des risques, dans une


valuation des risques
3.1 Introduction
Dans lidal, ltape de caractrisation des risques dune valuation qualitative des risques
devrait fonde sur des donnes numriques concernant lvaluation de lexposition et la
caractrisation des dangers, mais elle se limite gnralement dcrire un risque ou le classer
dans une catgorie qui nest pas directement lie une mesure du risque, quantifie de faon
plus prcise. Les valuations qualitatives servent gnralement passer les risques au crible
pour dterminer sils mritent une tude plus pousse, et elles peuvent tre utiles dans le cadre
des activits prliminaires de gestion des risques dcrites dans FAO/OMS (2002), et pour
fournir les informations et les analyses requises pour rpondre des questions spcifiques du
gestionnaire des risques. Parmi les valuations qualitatives des risques dj publies on peut
citer celles de Stephens (2002), EU-HCPDG (2003), Lake, Hudson et Cressey (2002a, b).
Soulignons que les proprits dune bonne valuation des risques, dcrites la Section 2.1,
sappliquent aussi aux valuations qualitatives. Des donnes appropries doivent tre
recueillies, documentes et pleinement rfrences et synthtises dune manire logique et
transparente, quelle que soit la mthode employe. Les approches qualitatives et quantitatives
de caractrisation des risques se diffrencient principalement par la manire dont linformation
est synthtise et par le mode de communication des conclusions.
Bien quun certain nombre de grands projets largement mdiatiss dvaluation quantitative
des risques microbiologiques menaant la scurit sanitaire des aliments aient rcemment t
achevs, la majorit des valuations des risques auxquelles ont recours les gestionnaires des
risques et les dcideurs dans les domaines de la scurit sanitaire des aliments, de la sant et de
la microbiologie ne sont probablement pas pleinement quantitatives, au sens o lentend le
Chapitre 5.
Cela peut sexpliquer par divers facteurs. Une valuation quantitative des risques
microbiologiques est une discipline nouvelle et spcialise ; les mthodes permettant de les
raliser ne sont pas encore pleinement au point et lexpertise et les ressources ncessaires cette
fin sont peu rpandues. En outre, comme on la fait observer au Chapitre 2, les rsultats de ces
valuations ne sont pas toujours accessibles aux gestionnaires des risques et aux autres
parties prenantes. Ainsi, si un valuateur des risques fait raliser une valuation des risques
officielle (travail spcialement conu pour estimer la grandeur dun risque, dont la prsentation
est conforme une srie de directives sur lvaluation des risques) plusieurs raisons peuvent le
pousser demander spcifiquement une valuation qualitative :
Une valuation qualitative est perue comme beaucoup plus simple et plus rapide;
Il estime quune valuation qualitative sera plus accessible et plus facile comprendre, et que
le gestionnaire des risques ou le dcideur pourra plus facilement lexpliquer des tiers ;
Linsuffisance, relle ou perue, des donnes, qui fait que le gestionnaire des risques
considre quune valuation quantitative sera impossible;

28

La caractrisation qualitative des risques, dans une valuation des risques

Le manque de comptences en mathmatique ou informatique et dinstallations pour


lvaluation des risques, conjugu un manque de moyens ou de motivation pour faire appel
dautres experts, dans ces domaines ou dans une autre discipline connexe.
Parmi ces raisons, beaucoup se rfrent des perceptions du processus dvaluation
qualitative des risques qui ne sont gnralement pas valables, pour des motifs mentionns plus
haut. Toutes les valuations des risques, quelles soient qualitatives, semi-quantitatives ou
quantitatives, demandent des donnes. Les donnes numriques sont prfrables, et si des
donnes cruciales manquent, cela a une incidence ngative sur toutes les approches. tant donn
que lopration de collecte et de documentation des donnes est la partie qui prend le plus de
temps dans nimporte quelle valuation des risques, et quil faut des capacits de logique pour
synthtiser les donnes dans une estimation ou une conclusion, rien ne dit quune valuation
qualitative soit plus rapide ou plus simple. Le plus souvent, les valuations qualitatives et semiquantitatives prennent moins de temps, elles exigent autant daptitudes logiques et de trs
grandes comptences de calcul, mais moins de comptences spcialises en mathmatique et en
informatique. Une valuation qualitative dcrit les probabilits de survenue dun rsultat non
souhait, en des termes qui sont par nature, trs subjectifs. Il nest donc pas ncessairement plus
facile pour le gestionnaire des risques de comprendre les conclusions qui se dgagent de
lvaluation du risque ou de les expliquer des tiers. Toute valuation officielle dun risque doit
absolument tre transparente, et indiquer comment on est parvenu une description du risque,
quelle soit chiffre ou qualitative, afin que les utilisateurs puissent comprendre le raisonnement
sur lequel se fonde lvaluation, ses points forts et ses limites, la contester ou la critiquer, ou
communiquer des donnes ou des connaissances supplmentaires pour lamliorer. En outre,
comme toutes les approches demandent aussi des comptences spcialises en mdecine,
microbiologie, biologie, mdecine vtrinaire, pidmiologie, etc., linclusion dinformations et
de concepts provenant de disciplines aussi diverses peut rendre lvaluation moins accessible.
Le Chapitre 8 tudie les mthodes les plus efficaces pour communiquer les rsultats dune
valuation des risques aux utilisateurs et aux intresss.
3.1.1 Valeur et utilisations dune valuation qualitative des risques
Selon la dfinition la plus simple, une valuation des risques est une mthode qui value ou
tente dvaluer un risque. Une valuation qualitative des risques ne se rduit cependant pas
une tude documentaire ou une description de lensemble des informations disponibles sur un
problme de risque. Elle doit aussi arriver une conclusion sur les probabilits de rsultats
concernant un risque de rfrence et/ou les ventuelles stratgies de rduction qui ont t
proposes. La Commission du Codex alimentarius (1999) et lOIE (1999) estiment que les
valuations qualitatives et quantitatives sont aussi valables les unes que les autres, mais elles ne
se sont pas prononces sur les valuations semi-quantitatives (voir Chapitre 4). Toutefois,
aucune de ces deux organisations nexplique les conditions dans lesquelles les deux types
dvaluation ont la mme validit, et les avis des experts du risque divergent en ce qui concerne
les mthodes et les approches appliquer pour une valuation qualitative des risques, ainsi que
les critres de validit. Le Comit des mesures sanitaires et phytosanitaires de lOrganisation
mondiale du commerce note certains avantages des expressions quantitatives du risque :
La quantification du niveau appropri de protection, lorsque cela est possible, peut faciliter la
mise en vidence des distinctions arbitraires ou injustifies dans les niveaux jugs appropris dans
des situations diffrentes lutilisation de termes quantitatifs et/ou dunits communes peut
faciliter les comparaisons.

Toutefois, les valuateurs ont reconnu la ncessit dinclure dans une valuation des risques
des rsultats chiffrs dans le contexte dun examen circonstanci des limites des donnes et de

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

29

lanalyse, des principales hypothses ou variables, et des aspects qualitatifs du risque non
clairs par une analyse quantitative. Les mmes principes logiques sappliquent toutes les
valuations, quelles soient quantitatives ou qualitatives.
Il arrive que lon commence par entreprendre une valuation qualitative, dans lintention de
la complter par une valuation quantitative si lon estime par la suite quelle sera ncessaire ou
utile.
Il arrive quune valuation qualitative fournisse au gestionnaire du risque ou au dcideur
toutes les informations dont il a besoin. Cest le cas si les informations recueillies comprennent
quelque lment de preuve qui montre que le risque est effectivement ngligeable et que les
travaux effectus jusqu prsent suffisent. Des lments de preuve peuvent au contraire
indiquer que le niveau de risque est trop lev pour tre acceptable, ou quune ou plusieurs
consquences sont tellement inacceptables que des mesures de sauvegarde doivent tre
adoptes, quelle que soit lampleur du risque. De la mme manire, des valuations qualitatives
peuvent tre effectues dans un premier temps pour explorer ou mettre en uvre rapidement des
mesures de protection, si les experts concordent pour dire que ces mesures seront
immdiatement efficaces et utiles. Ainsi, sil existe des sources videntes de risque qui peuvent
tre limines, il ny a pas lieu dattendre les rsultats dune valuation quantitative complte
pour mettre en place des interventions visant rduire le risque. Une valuation qualitative des
risques peut aussi fournir les indications ncessaires sur une (des) voie(s) de risque jusque l
non identifies, ce qui permet au gestionnaire des risques de prendre des dcisions ou
dappliquer des mesures de sauvegarde sans avoir procder une quantification ultrieure.
La FAO et lOMS (2004) ont not ce qui suit:
Les valuations qualitatives des risques peuvent tre entreprises, par exemple, sur la base
dhypothses dexperts. En synthtisant les connaissances des experts et en dcrivant quelques
incertitudes, on peut au moins tablir un classement des risques relatifs, ou les diviser en
catgories de risques Quand les valuateurs comprennent comment sont faites les valuations
qualitatives des risques, elles peuvent devenir des instruments efficaces entre les mains des
gestionnaires des risques.

Conscientes du fait que, dans certaines circonstances, comme celles indiques ci-dessus, les
valuations qualitatives peuvent tre conduites rapidement, utilises pour rpondre des
questions spcifiques, et rvler quil nest pas ncessaire dentreprendre une importante
valuation pleinement quantitative de lexposition et du risque pour donner des avis
pertinents au gestionnaire du risque.
3.1.2 Lvaluation qualitative des risques dans le domaine de la scurit sanitaire des aliments
Les valuations qualitatives des risques ont t massivement utilises pour valuer les risques
lis limportation danimaux et de leurs produits. Sachant que bon nombre de ces produits sont
destins lalimentation humaine, les valuations des risques limportation ont aussi port sur
des produits alimentaires destins la consommation humaine. Jusquici, elles ont cependant
toujours t centres sur le risque quun pathogne exotique spcifique, prsent dans un aliment,
soit introduit dans une rgion ou un pays ou importateur potentiel. Lintention est gnralement
de dterminer si le risque dimporter le pathogne dans le produit est trop lev pour tre
acceptable pour le pays importateur, et sil convient par consquent dadopter des mesures de
protection (du type cuisson, conglation, essais ou prohibition pure et simple). Les valuations
des risques ont rarement t centres sur dautres consquences, telles que les effets potentiels
sur la sant humaine, mme si le pathogne pouvait tre organisme zoonotique.

30

La caractrisation qualitative des risques, dans une valuation des risques

Dune manire gnrale, les valuations des risques limportation de produits alimentaires
cherchent dterminer la probabilit de la prsence dun pathogne dans ce produit, afin que
des mesures protectionnistes puissent tre adoptes, si cette probabilit est inacceptable. Les
valuations des risques lis aux produits alimentaires pour la scurit sanitaire et la sant
humaine, sont gnralement conues pour valuer non seulement les probabilits de la prsence
dun pathogne, mais aussi la quantit du pathogne prsent, afin de pouvoir dterminer la
rponse de lorganisme humain la dose probable. Cest ce dernier aspect qui fait que les
valuations qualitatives des risques sont parfois perues comme moins utiles dans le domaine de
la scurit sanitaire des aliments, mme si lon sait que de nombreuses donnes quantitatives sur
la relation dose-rponse reposent sur des mthodes destimation trs subjectives. On a vu au
Chapitre 2 que toutes les tapes du processus dvaluation des risques (Identification des
dangers, Caractrisation des dangers, valuation de lexposition, Caractrisation des risques)
taient ncessaires dans tous les cas pour aider les gestionnaires des risques en matire de
scurit sanitaire des aliments, choisir des interventions appropries pour grer le risque.
Mme si lon ne possde pas de donnes sur la relation dose-rponse, les interventions visant
rduire lexposition sont souvent des tapes appropries pour limiter le risque, qui pourraient
tre dtermines partir dune valuation qualitative ou quantitative incomplte (cest-dire
sans ltape de caractrisation des dangers). Une valuation des risques pidmiologiques peut
aussi tre faite sans donnes sur la relation dose-rponse.
3.2 Caractristiques dune valuation qualitative des risques
3.2.1 Complmentarit des analyses qualitatives et quantitatives
Les principes fondamentaux dune valuation des risques sappliquent de la mme manire
tous les types dvaluations, qualitatives, semi-quantitatives, ou quantitatives. En effet, toute
valuation doit identifier le danger, dfinir le problme de risque, dcrire les tapes des voies
de risque, recueillir des donnes et informations, notamment sur lincertitude et la variabilit,
combiner les informations dune manire logique, et faire en sorte que le tout soit pleinement
document et transparent. Il sensuit que la plupart des activits sont les mmes, jusqu la
collecte des donnes comprise. On commence donc souvent par tablir un profil de risque, ou
par entreprendre une valuation qualitative ou semi-quantitative, dans lintention de la
complter par une valuation quantitative, si on juge par la suite quelle est ncessaire, utile et
ralisable.
Les investigations faites lors dune analyse qualitative des risques peuvent tre suffisamment
dtailles pour donner au gestionnaire des risques ou au dcideur toutes les informations dont il
a besoin. Cest par exemple le cas si les informations recueillies comprennent quelque lment
de preuve qui montre que le risque est effectivement ngligeable et que les travaux effectus
jusqu prsent suffisent. Des lments de preuve peuvent au contraire indiquer que le niveau de
risque est trop lev pour tre acceptable, ou quune ou plusieurs consquences sont tellement
inacceptables que des mesures de sauvegarde doivent tre adoptes quelles que soient les
probabilits de risque. Une valuation qualitative des risques peut aussi fournir les indications
ncessaires sur une (des) voie(s) de risque jusque l non identifies, ce qui permet au
gestionnaire des risques de prendre des dcisions ou dappliquer des mesures de sauvegarde
sans avoir procder une quantification ultrieure. Dans ces circonstances, le gestionnaire des
risques ou le dcideur estimera probablement quune valuation quantitative supplmentaire
serait superflue.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

31

Un profil de risque (ou une valuation qualitative des risques) est recommand si une
valuation quantitative est prvue. Ce profil peut tre utile pour identifier les donnes
actuellement disponibles, les incertitudes qui entourent ces donnes et les incertitudes
concernant les voies dexposition, afin de se prononcer sur la faisabilit et lutilit dune analyse
quantitative. Il peut aussi servir identifier les donnes manquantes pour cibler les tudes quil
conviendra de faire avant de procder la quantification. Enfin, lvaluation qualitative peut
chercher dterminer lampleur probable des risques associs des voies de risque multiples,
telles que les voies dexposition, afin de dsigner celles quantifier en priorit.
Quelle que soit lintention initiale, lorsquune valuation qualitative des risques a dj t
effectue, une bonne partie du travail sur lequel repose une analyse quantitative est dj faite.
Pour le mme problme de risque, lanalyse quantitative pourra sappuyer sur les voies de
risque dj identifies et sur les donnes dj collectes pour chiffrer le risque.
3.2.2 Subjectivit des conclusions textuelles, dans les valuations qualitatives des risques
Lvaluation de la probabilit dune tape quelconque de la voie de risque, ou du risque global,
en termes de lev , moyen , faible , ngligeable , etc. a un caractre subjectif : en
effet lvaluateur interprte ces termes selon ses propres concepts, alors quils peuvent avoir, et
ont gnralement, une signification diffrente selon les personnes. Cest l lune des principales
critiques adresses aux valuations qualitatives des risques. Cependant, les estimations finales
des valuateurs ne devraient jamais tre considres isolment et il en va de mme pour les
rsultats chiffrs des valuations quantitatives des risques - ce qui ne fait que confirmer la
ncessit que les donnes et la logique sur lesquelles sest fond lvaluateur pour estimer le
risque soient bien documentes et transparentes.
Nimporte quelle valuation des risques fait appel au jugement. Il peut sagir du jugement de
lvaluateur et/ou dune opinion dexpert, et dans les deux cas, ces jugements sont subjectifs. Ce
jugement intervient pour dfinir la porte du problme, slectionner ou rejeter des donnes,
identifier les voies de risque, appliquer des coefficients de pondration aux donnes ou aux
voies modlises, choisir les distributions dans un modle stochastique, slectionner une
description des termes lev, faible, etc. dans une valuation qualitative. Cest pourquoi un
gestionnaire des risques, un dcideur ou un autre intress qui a besoin dutiliser une valuation
des risques donne, ou souhaite la comprendre, ne doit pas se contenter de regarder le rsultat
final . Il doit savoir comment on est arriv ce rsultat.
Beaucoup de gens ne sont pas suffisamment qualifis pour comprendre immdiatement les
calculs effectus dans une valuation quantitative des risques. Ils ont besoin des explications et
des opinions de lvaluateur qui doit dire comment le rsultat a t atteint, et dcrire les
hypothses, les jugements, les incertitudes, etc. pris en compte dans les calculs. Si lvaluateur
est aussi un bon pdagogue, ses explications peuvent suffire, mais si ce nest pas le cas, le
gestionnaire des risques a trs peu de chances de pouvoir comprendre tout seul limportance et
la signification du rsultat quantitatif.
Comme on la not dans les Sections 2.4 et 3.1, lexpression mathmatique du risque
inhrent dans une analyse quantitative peut limiter laccessibilit de lvaluation, si elle ne
contient pas dexplications textuelles. De la mme manire, pratiquement tout le monde devrait
tre capable de comprendre et de suivre largumentation dune valuation qualitative si elle a
t rdige de manire transparente et logique. En examinant lvaluation complte, le
gestionnaire des risques peut donc voir immdiatement sil est daccord avec les conclusions de
lvaluateur.

32

La caractrisation qualitative des risques, dans une valuation des risques

Bien que les mots soient interprts de faon subjective, la manire dont les gens utilisent
ces termes est lie, de sorte quils donnent une ide de la grandeur du risque. Par exemple, si
99% de la population a des probabilits dtre infecte par un pathogne potentiel P, la plupart
des gens considreront que ce risque est trs lev (ou plus encore). linverse, sil na jamais
t dmontr quun pathogne potentiel P infectait lhomme, bien quil ait fortement contamin
lenvironnement dans toutes les rgions du monde et que la population ait t soumise des
tests trs sensibles, la plupart des gens dcriront probablement ce risque comme excessivement
faible (ou nul). Si, en outre, il a t dmontr que P tait un organisme trs stable avec des
probabilits de mutation trs faibles, beaucoup pourraient mme qualifier ce risque de
ngligeable. Les risques classs comme intermdiaire dans les valuations quantitatives sont
ceux qui recueilleront le moins le consensus. Cette question est examine de faon plus
approfondie dans la section 3.2.4.
Le terme ngligeable , au sens o il est utilis dans les valuations qualitatives des
risques, signifie que, pour toutes les applications pratiques, la grandeur dun risque ngligeable
ne peut pas tre diffrencie de zro, par des mthodes qualitatives (voir par exemple
lutilisation de ce terme dans Murray et al., 2004). Le terme zro nest pas employ car
dans le domaine de la salubrit microbiologique des aliments, la notion de risque zro nexiste
pas. Notons au passage que, comme le terme ngligeable peut tre interprt au sens de
peut tre nglig , il peut tre considr comme un terme de gestion des risques dans la
mesure o il implique un jugement. Dans certaines situations, un gestionnaire des risques
considrera un risque dtermin comme ngligeable, non pas parce quil ne peut pas tre
diffrenci de zro, mais parce quil estime que les mesures visant le rduire encore ne sont
pas justifies, pour des raisons conomiques ou de faisabilit technique. En ce sens,
ngligeable peut aussi tre interprt comme niveau minimum raisonnablement
ralisable .
3.2.3 Limites dune caractrisation qualitative des risques
Intuitivement, il est difficile de concevoir une valuation des risques pleinement qualitative qui
fournisse des avis utiles aux gestionnaires des risques, sauf dans quelques cas particuliers o le
nombre de facteurs susceptibles davoir une incidence sur le risque analys est trs faible (ex :
moins de quatre) ou quand tous les facteurs qui ont une incidence changent le risque dans la
mme direction, ce qui veut dire que chaque tape du processus accrot le risque au plus haut
niveau ou catgorie pour cette tape, ou inversement. Dans tous les autres cas, il est
pratiquement impossible dvaluer leffet combin de plusieurs stades, car les contributions
relatives des facteurs, exprimes en termes qualitatifs, ne peuvent pas tre combines de
manire logique pour dterminer leur effet global. Ainsi, si une valuation pleinement
qualitative des risques peut identifier des voies ou des scnarios qui conduisent des niveaux
de risque extrmes, le risque relatif dcoulant de tous les autres scnarios ne peut pas tre
diffrenci sur une base logique. Un raisonnement logique de type qualitatif peut fournir des
conclusions comme le risque est logiquement infrieur celui de X , o X est un autre
risque, quantifi de faon plus prcise, qui a prcdemment t jug acceptable, ou le risque
est logiquement suprieur celui de Y o Y est un autre risque, quantifi de faon plus
prcise, qui a antrieurement t jug inacceptable. On peut toutefois faire valoir quil sagit en
fait dvaluations quantitatives des risques, respectivement bases sur des scnarios optimiste et
pessimiste. Cox, Babayev et Huber (2005) ont tudi de faon plus approfondie ces limites,
avec des exemples lappui.
Le prsent chapitre traite cependant de la caractrisation qualitative des risques, et il tudie
les mthodes qui permettent de combiner les donnes qualitatives dcrivant lexposition et la

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

33

relation dose-rponse pour produire une estimation du risque. Les principaux problmes et
limites potentiels sont lis la prsentation approprie des lments de preuve et la
transparence de la synthse logique.
La description qualitative dun risque ne peut tre utile un gestionnaire des risques que si
ce dernier interprte de la mme manire que lvaluateur des termes subjectifs comme
faible , ngligeable , etc. ou dautres descripteurs (voir aussi Section 3.2.2). La conclusion
dune caractrisation des risques (indiquant par exemple un risque faible ) na gure de
signification pour un gestionnaire du risque si ce verdict nest pas accompagn dune indication
quelconque de ce que lauteur du rapport entend par faible . En outre, cette conclusion ne dit
rien sur les lments qui pourraient faire passer le risque tiquet un autre niveau que
faible . Ainsi, si lon prsentait des preuves que 25% du produit ntait pas stock congel, le
risque augmenterait-il pour devenir modr ?
Les analyses qualitatives ptissent souvent de lincapacit identifier les lments de preuve
qui ont eu une influence, la manire dont ils ont t combins, et liminer lambigut
concernant la signification des catgories de risque attribues par la caractrisation des risques.
dfaut de critres explicites pour expliquer ce que lon entend par risque lev, modr et
faible, les conclusions pourraient ressembler des jugements arbitraires et subjectifs sur le
niveau de risque. Ces dfaillances tendent faire de la caractrisation qualitative des risques un
instrument souvent inacceptable pour faciliter la prise de dcision.
On peut prsenter une analyse pour lui donner une apparence structure alors quelle ne lest
pas, en insrant des titres standards, tels que valuation de lexposition, caractrisation des
dangers et caractrisation des risques, mais il y a peu de chances pour quun tel document soit
rellement considr comme une caractrisation des risques. On trouvera la section 3.4 des
exemples dapproches qualitatives dans lesquelles la corrlation entre les lments de preuve et
la conclusion est explique.
Si lvaluation des risques sadresse un public plus large, les auteurs doivent avoir prsent
lesprit que les mots ou les termes utiliss comme descripteurs peuvent tre interprts
diffremment suivant la langue ou les rgions. Mme sil y a un consensus entre les valuateurs
et les gestionnaires des risques ce sujet, certaines limites des valuations qualitatives des
risques peuvent tre identifies.
3.3 Ralisation dune caractrisation qualitative des risques
3.3.1 Description de la (des) voie(s) de risque(s)
Les voies du risque sont les voies potentielles qui mnent du danger considr au rsultat
considr. Toute valuation des risques se doit didentifier et de dcrire ces voies. On dtermine
les donnes quil convient de collecter et dincorporer, sur la base des tapes dfinies dans la
voie du risque. Lordre dans lequel sont prsentes les donnes et lidentification des
probabilits calculer et des conclusions, reposent sur la connaissance des tapes fondamentales
de la voie du risque.
3.3.2 Besoins en donnes
Les donnes utilises dans les valuations qualitatives, semi-quantitatives et quantitatives des
risques comprennent des informations numriques et textuelles. Les problmes gnraux
concernant la qualit et la pertinence des donnes pour les valuations des risques sont traites
dans dautres directives FAO/OMS sur lvaluation des risques (FAO/OMS, 2003, 2008). Deux

34

La caractrisation qualitative des risques, dans une valuation des risques

grands types de donnes sont ncessaires pour une valuation des risques, quelle soit
qualitative ou quantitative, savoir :
les donnes utilises pour dcrire la voie du risque, puis construire le cadre du modle;
les donnes utilises pour estimer les paramtres dentre du modle.
Pour certaines questions intressant la gestion des risques, il peut tre ncessaire didentifier
toutes les voies dexposition un mme pathogne, de manire pouvoir attribuer leffet sur la
sant la source tudie. Ces informations peuvent tre textuelles mais une valuation des
risques sera beaucoup plus solide si lon dispose dinformations quantitatives, notamment issues
danalyses pidmiologiques statistiques. La description des voies qui relient un aliment ou un
animal une exposition humaine au pathogne est une information textuelle utile aussi bien
pour les valuations qualitatives que quantitatives. Des discussions avec des producteurs et/ou
des transformateurs et des observations la ferme ou dans des usines de transformation des
aliments, par exemple, permettront de dcrire les tapes dans la voie du risque tudie. Cette
description est ensuite convertie en un graphique, pour plus de clart, et sert de base pour dfinir
les tapes dans le cadre du modle. ce niveau, les besoins sont les mmes pour les valuations
qualitatives et quantitatives.
Le deuxime type de donnes celles qui sont utilises pour estimer les paramtres dentre
du modle - doivent toutes tre chiffres pour une valuation quantitative des risques. dfaut,
les lacunes seront combles par des opinions dexperts ou des donnes de substitution
quantifies. En outre, les ventuelles incertitudes ou variabilits doivent tre incorpores sous
une forme mathmatique, gnralement en tant que distributions. Lorsquil y a plusieurs sources
de donnes pour un paramtre dentre, elles doivent tre pondres et/ou combines dans des
formules mathmatiques appropries refltant leur importance dans lestimation du paramtre
tudi. Malgr son nom, une valuation qualitative des risques doit avoir le plus de donnes
chiffres possible insrer dans le modle. La recherche dinformations, et donc de donnes
chiffres, devrait tre aussi approfondie que pour une valuation quantitative. En outre, si lon
manque de donnes numriques cruciales, on peut l encore avoir recours des opinions
dexpert. La principale diffrence entre les approches qualitatives et quantitatives tient la
manire dont sont traites les donnes et les opinions dexperts une fois quelles ont t
obtenues.
3.3.3 Prise en compte de lincertitude et de la variabilit
Une valuation qualitative des risques doit tenir compte de lincertitude et de la variabilit. Par
exemple, lorsque lon dispose de donnes donnant une fourchette ou une distribution spcifique,
celle-ci doit tre dcrite dans lvaluation des risques. Toutefois, il nexiste pas de mthode
particulire permettant dinclure lincertitude et la variabilit dans un paramtre dentre et de
les reflter avec prcision dans lestimation finale du risque, mme si lon a des donnes
chiffres. Comme dans le cas de lvaluation du risque, lvaluation globale de lincertitude et
de la variabilit provenant de cette source sera faite dans des termes descriptifs tels que
beaucoup , peu , etc.
Lune des possibilits, pour inclure la variabilit, consiste laborer plusieurs scnarios (ex:
conditions quasi-optimales, situation normale, et une srie de conditions adverses) refltant la
variabilit, valuer sparment chaque scnario de risque et comparer les rsultats. Cette
approche mettra en vidence la variabilit sil y a une large gamme de scnarios prsentant des
risques trs variables. Toutefois, si les scnarios produisent des rsultats trs diffrents et que
les probabilits relatives de chaque scnario ne sont pas dcrites, cette analyse na pas

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

35

forcment une grande valeur pour clairer la prise de dcision. On notera que les risques pour
une population peuvent tre domins, ou tout au moins fortement influencs, par les scnarios
plus extrmes (ex: conditions conduisant un risque par portion relativement lev) mme si les
probabilits quils se concrtisent sont plus faibles. Il est important que lvaluateur des risques
dtermine dans son analyse sil y a des probabilits que ce soit le cas pour les risques sur
lesquels porte lvaluation.
Dune manire gnrale, linfluence des facteurs cls devrait tre examine de faon trs
approfondie si lincertitude inhrente ces facteurs (ex: prvalence, efficacit de traitement) est
suffisante pour altrer la mesure de la caractrisation du risque. Ceci est particulirement
important si, dans la fourchette dincertitude, la mesure de caractrisation des risques peut
dpasser un seuil important pour la prise de dcision.
Il existe cependant dautres types dincertitude. Lun deux est lincertitude du modle. Dans
ce cas, lincertitude concerne les voies relles par lesquelles le rsultat non souhait peut se
produire. Dans une valuation qualitative des risques, les diffrentes voies seront dcrites, de
prfrence avec des graphiques, lincertitude du modle sera reporte et les autres possibilits
examines.
Il peut y avoir un autre type dincertitude quand des donnes sont disponibles, mais quand
leur description nest pas assez circonstancie. Supposons par exemple que lon entreprenne une
valuation des risques dans laquelle le danger est reprsent par une sous-espce S dune espce
de microbe M. Supposons encore que partout dans le monde, les donnes sur ce microbe soient
disperses, mais que lon ait quelques donnes sur une sous-espce non spcifie du microbe M.
Dans une valuation quantitative des risques, il faudrait dcider si la gamme de sous-espces
connues de M est suffisamment similaire S, pour que lon puisse utiliser ces donnes non
spcifies. Si on les utilise, on peut obtenir une rponse prcise, mais inexacte (si la sous-espce
est en ralit trs diffrente) alors que si on ne les utilise pas, on risque de manquer
dinformation sans ncessit (sil sagissait en fait de la sous-espce S). La dcision serait
subjective et fonde sur les opinions de lvaluateur ou dexperts. En revanche, avec une
valuation qualitative, les donnes peuvent tre dcrites telles quelles sont signales et le
manque de prcision de lidentification de la sous-espce sera vident. En outre, des
informations peuvent tre donnes concernant la similitude probable ou non du comportement,
des proprits, etc., dune sous-espce connue de M. On peut donc utiliser toutes les donnes
disponibles, charge pour le lecteur den analyser la pertinence, au lieu de choisir entre deux
extrmes, en rejetant ou en donnant trop de poids des donnes dont la description est
imprcise. Cela devrait aussi renforcer la transparence. La ncessit danalyser de faon
transparente la pertinence et la fiabilit des donnes relatives une sous-espce non spcifie
de M, sapplique galement aux valuations quantitatives.
3.3.4 Transparence des conclusions
Une valuation qualitative des risques devrait montrer clairement comme on est arriv
chacune des estimations du risque. La manire prcise de le faire dpend de la complexit de
lvaluation et des prfrences de lvaluateur. Les mthodes utilises sont les suivantes:
Prsentation en tableau, avec les donnes dans la colonne de gauche, et les conclusions
relatives au risque dans la colonne de droite;
Prsentation avec section pour la synthse ou les conclusions la fin de chaque section de
donnes

La caractrisation qualitative des risques, dans une valuation des risques

36

On trouvera aux Tableaux 3.1 et 3.2 des exemples de ces prsentations illustrant les bonnes
pratiques (documentation des preuves et raisonnement logique). Ces exemples se fondent sur des
tapes particulires dune valuation globale des risques devant rpondre la question suivante :
Quelle est la probabilit dune maladie humaine due au microbe M dans un pays C, par suite de la
consommation de viande dune espce de btail S infecte par le microbe M. ?
Tableau 3.1 Format tabulaire type pour la prsentation des donnes lies aux estimations et aux
conclusions relatives un risque.
tape examine:
Quelle est la probabilit quun chantillon slectionn de faon alatoire dune espce S dans un pays C soit infect par
le microbe M?
Donnes disponibles

Estimation du risque et conclusions

Daprs les rapports, la prvalence du microbe M dans


lespce S dans le pays C, est de 35% (Smith & Jones,
1999*).

Les tudes indiquent que la probabilit quun chantillon


slectionn de faon alatoire dune espce S dans un pays Y
soit infect par le microbe M est de moyenne leve.
Cependant les deux tudes indiquent une trs forte variabilit
probable dune rgion lautre.

Daprs les rapports, la prvalence du microbe M dans une


rgion R du pays C est de 86% (Brown, 2001*).
Il ny a pas de diffrences gographiques ou
dmographiques particulires (en ce qui concerne S) dans la
rgion R, par rapport au reste du pays C (Atlas of World
Geography, 1995*).
Le test de diagnostic du Microbe M, utilis dans le
programme de surveillance du btail dans le pays C aurait
une sensibilit de 92% et une spcificit de 99% (Potter &
Porter, 1982*).

Avec seulement deux tudes disponibles, il rgne aussi une trs


grande incertitude concernant la fourchette de la prvalence par
rgion, et la probabilit dinfection dans un chantillon
slectionn au hasard de S. En outre, compte tenu des dates de
ces enqutes on peut penser que la prvalence de M dans C est
en augmentation.
Les paramtres indiqus pour le test de diagnostic utilis
naltrent pas ces conclusions.

*Rfrences fictives, uniquement des fins illustratives

Tableau 3.2 Format par sections type pour la prsentation des donnes lies aux estimations et aux
conclusions relatives au risque.
SECTION X. Quelle est la probabilit dune maladie humaine, compte tenu dune infection par le microbe M?
Donnes disponibles

Aucune donne spcifique sur la relation dose-rponse na t trouve en ce qui concerne le microbe M.

Les autorits sanitaires du pays C fournissent les donnes suivantes (National Health Reviews, 19992002*).

Lincidence sur la priode aurait t de 22 cas par an et par million dhabitants (22 pour un million = 0,000022% de la
population par an).

Les systmes denregistrement et de dclaration de lincidence clinique dans le pays C sont considrs comme dexcellente
qualit (Bloggs, communication personnelle.*).

Daprs les opinions dexperts, une fois que les symptmes cliniques apparaissent, les personnes concernes vont
gnralement consulter un mdecin (Journal of Microbial Medicine, 1992*).

Les cas tendent tre observs chez les personnes trs jeunes ou trs ges (Journal of Microbial Medicine, 1992*).

Une tude de surveillance reposant sur des tests de dpistage srologique a indiqu que 35% de la population de C avait t
expose au microbe M et tait devenue sropositive (Hunt, Hunt et Seek, 2001*). Il sagissait dune tude statistiquement
reprsentative lchelle du pays.
*Rfrences fictives, donnes uniquement des fins illustratives

Conclusions

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

37

Les donnes indiquent un niveau lev dexposition au microbe M dans le pays C, mais une trs faible incidence de maladie
clinique. Les experts estiment peu probable que cette faible incidence reflte une sous-dclaration de la maladie clinique faute
dintervention des mdecins. Globalement, la probabilit de maladie humaine conscutive une infection par le microbe M est
donc vraisemblablement faible. Le niveau dincertitude des donnes concernant spcifiquement le pays C semble faible, de sorte
que cette conclusion peut tre considre comme raisonnablement certaine.
Les donnes indiquent cependant aussi que certains groupes ont un risque plus lev de contracter une maladie clinique, en
particulier les personnes trs jeunes ou trs ges. Les donnes actuellement disponibles ne dfinir avec plus de prcision ce risque
plus lev .

3.4 Exemples dvaluation qualitative des risques


Un certain nombre de caractrisations qualitatives des risques existantes et publies sont
prsentes dans les passages qui suivent.
3.4.1 OMS Pollution fcale et qualit de leau
Le Protocole dAnnapolis (OMS, 1999) a t labor pour rpondre aux proccupations
concernant le bien-fond et lefficacit des approches de surveillance et de gestion des eaux de
baignade contamines par des matires fcales. Lun des principaux changements recommands
par le protocole tait dabandonner lapproche base uniquement sur les valeurs guide des
bactries fcales servant dindicateurs au profit dun classement qualitatif des eaux de baignade
en fonction de leur teneur en matire fcales. Le protocole a t test dans plusieurs pays et une
consultation dexperts a t convoque par lOMS (OMS, 2001) pour mettre jour la version
provisoire des directives de lOMS de 1998 Guidelines for Safe Recreational-water
Environments . La consultation dexperts a dbouch sur la rvision du chapitre 4 du volume 1
des directives, dcrivant une approche approprie pour lvaluation et la gestion des risques
(OMS, 2003). Des tableaux ont t tablis pour les plans deau affects par trois diffrentes
sources de pollution fcale, savoir les gouts, les rejets dans les cours deau et la pollution par
les baigneurs. Les tableaux reposaient sur une valuation qualitative du risque dexposition dans
des conditions normales en termes deaux uses, de niveaux deau, etc., et classaient le
risque humain potentiel. Le tableau 3.3 reproduit la classification pour les gouts.
Tableau 3.3 Risque relatif potentiel pour la sant humaine dcoulant dune exposition des eaux
contamines, par les gouts (daprs OMS, 2003).
Traitement
Nantc

Type de dcharge
Directement sur la plage

Courtea

Effectiveb

Trs lev

lev

NAd

Prliminaire

Trs lev

lev

Faible

Primaire (y.c. fosse septique)

Trs lev

lev

Faible

Secondaire

lev

lev

Faible

Secondaire plus dsinfectione

Modr

Modr

Trs faible

Tertiaire

Modr

Modr

Trs faible

Tertiaire plus dsinfection

Trs faible

Trs faible

Trs faible

Lagunes

lev

lev

Faible

Notes: a) Le risque relatif est modifi par la taille de la population. Il est accru si les dcharges proviennent de populations
importantes et dcru si les populations sont peu nombreuses. b) Cela suppose que la capacit nominale na pas t dpasse et que
les conditions climatiques et ocaniques extrmes sont prises en compte dans lobjectif nominal (pas de rejets deaux uses dans la
zone de la plage). c) Inclut les dbordements dgouts combins. d) NA = non applicable. e) Investigations supplmentaires
recommandes pour tenir compte de labsence de prvision concernant les organismes fcaux indicateurs.

38

La caractrisation qualitative des risques, dans une valuation des risques

3.4.2 Directives australiennes concernant leau potable


Dans le cadre de la Stratgie nationale de gestion de la qualit de leau, le National Health and
Medical Research Council australien a publi des directives sur leau potable en Australie
(NHMRC, 2004) destines servir de cadre pour une bonne gestion des ressources en eau
potable. Les directives nont pas force obligatoire, leur but est plutt de fournir un document de
rfrence qui fasse autorit et serve de cadre pour bien grer les ressources en eau potable et
garantir leur salubrit aux points dutilisation, dans toutes les rgions du pays. Les directives
considrent que les plus grands risques pour les consommateurs deau potable sont les
microorganismes pathognes, aussi couvrent-elles les mmes questions que lvaluation des
risques microbiologiques pour la scurit sanitaire des aliments, mais pour la salubrit de leau,
sachant toutefois que la croissance et linactivation microbiennes ( travers la transformation
des aliments) ont beaucoup plus dimportance dans lvaluation des risques microbiologiques
pour la scurit sanitaire des aliments. Ces directives approfondies incluent une mthode
qualitative pour valuer les risques pour la sant humaine et recommandent danalyser les
risques deux niveaux :
Risque maximal en labsence de mesures prventives (concept quivalent celui de
risque non restreint, dcrit dans la section 2.3.1);
Risque rsiduel aprs examen des mesures prventives en place.
Le niveau de risque associ chaque danger (pathogne ou vnement dangereux) est valu
qualitativement en combinant une valuation qualitative de la probabilit doccurrence du
danger et de la svrit des consquences au cas o il surviendrait, selon les Tableaux 3.4ac
(Tableaux 3.1, 3.2 et 3.3 dans le document original), qui ont t prpars partir de la norme
Australie/Nouvelle-Zlande sur lanalyse des risques AS/NZS 4360:1999: Risk
management , remplace par la norme AS/NZS 4360:2004. Les Directives dcrivent galement
une mthode essentiellement qualitative didentification et de caractrisation des dangers pour
une vaste gamme de dangers dorigine hydrique qui peuvent tre utilises pour faciliter
lapplication des matrices de risque. Le but dclar de la mthodologie est de diffrencier les
risques trs levs et faibles (NHMRC, 2004).
3.4.3 EFSA - valuation des risques de ESB/EST par le lait de chvre et ses produits drivs
En France, un groupe de recherche a dtect un cas suspect dinfection par lencphalopathie
spongiforme bovine (ESB) chez une chvre abattue en 2002. La Commission europenne a
donc demand lAutorit europenne de scurit des aliments (EFSA) son avis concernant
linnocuit du lait et de la viande eu gard lencphalopathie spongiforme transmissible (EST)
chez les caprins et les ovins. LEFSA (2004a) a publi la dclaration prliminaire suivante:
Daprs les donnes limites aujourdhui disponibles, on peut conclure qu la lumire des
connaissances scientifiques actuelles, et quelle que soit leur provenance gographique, le lait de
petits ruminants et ses drivs (ex: lactoferrine, lactose) ne prsentent vraisemblablement aucun
risque de contamination par lEST condition que le lait provienne danimaux cliniquement sains.
Lexclusion des animaux atteints de mastite devrait rduire le risque potentiel. Pour avoir une
assurance supplmentaire de linnocuit du lait, on pourrait le tester pour connatre la numration
totale des cellules somatiques, qui est un indicateur dinflammation. [Caractres gras ajouts].

LEFSA a galement fait observer (Communiqu de presse 713 de lEFSA):


Une valuation quantitative complte des risques associs lingestion de viande, de lait et de
produits laitiers de chvre ne sera possible que si lon peut obtenir davantage de donnes

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

39

scientifiques sur loccurrence de lEST chez les petits ruminants. Dans la mesure o elle est
ralisable, une telle valuation prendra beaucoup plus de temps.

Tableau 3.4a Mesures qualitatives des probabilits.


Niveau

Descripteur

Description type

Presque certain

On sattend ce que lala se produise dans la plupart des circonstances

Probable

Surviendra probablement dans la plupart des circonstances

Possible

Pourrait ou devrait survenir un moment donn

Peu probable

pourrait survenir un moment donn

Rare

Peut survenir seulement dans des circonstances exceptionnelles

Tableau 3.4b Mesures qualitatives des consquences ou de limpact.


Niveau

Descripteur

Description type

Ngligeable

Impact ngligeable; peu de perturbation du fonctionnement normal; faible augmentation des


cots de fonctionnement normaux

Mineur

Impact mineur pour une petite population; perturbation limite et grable du


fonctionnement normal; augmentation limite des cots de fonctionnement

Modr

Impact mineur pour une population nombreuse; modification significative, mais grable du
fonctionnement normal ; augmentation des cots de fonctionnement ; renforcement de la
surveillance

Majeur

Impact majeur pour une petite population; systmes compromis de faon significative et
fonctionnement anormal ou arrt; Niveau de surveillance lev requis

Catastrophique

Impact majeur pour une population nombreuse; arrt complet des systmes

Tableau 3.4c Analyse qualitative des risques: matrice de classification des niveaux de risque
Probabilit

Impact
1 Ngligeable

2 Mineur

3 Modr

4 Majeur

5 Catastrophique

A (Presque certain)

Modr

lev

B (Probable)

Modr

lev

Trs lev

Trs lev

Trs lev

lev

Trs lev

Trs lev

C (Possible)

Faible

Modr

lev

Trs lev

Trs lev

D (Peu probable)

Faible

Faible

Modr

lev

Trs lev

E (Rare)

Faible

Faible

Modr

lev,

lev

Il est extrmement difficile dvaluer les risques lis un produit contamin par lESB
tant donn quil nexiste aucun moyen de mesurer le nombre de prions prsents dans un
produit alimentaire, et que lon ne dispose daucune relation dose-rponse humaine pour les
niveaux de prions. LEFSA devait cependant fournir des observations sur le niveau du risque
ci-dessus et comptait sur un groupe dexperts pour examiner les donnes disponibles.

La caractrisation qualitative des risques, dans une valuation des risques

40

3.4.4 valuation du risque gographique dESB chez les bovins


En 2003, lEFSA a rvalu le risque gographique dESB, la demande de la Communaut
europenne, et conclu ce qui suit (EFSA 2004b):
1. Le risque gographique dESB (GBR) est un indicateur qualitatif des probabilits de la prsence
dau moins une tte de btail infecte par lESB, aussi bien sous une forme pr-clinique que clinique,
un moment donn dans un pays. Si la prsence est confirme, le GBR donne une indication du
niveau de contamination.
2. Les estimations du GBR se fondent sur les informations soumises par les pays concerns
conformment une recommandation de la Communaut europenne (1998). Ces informations
concernent en particulier les importations de bovins et de farines de viande et dos en provenance du
Royaume-Uni et dautres pays risque dESB ; les normes dquarissage pour les sous-produits
animaux ; lutilisation des matriels risques spcifis (MRS) ; lemploi de farines de viande et
dos dans lalimentation des ruminants, etc.
3. Le Tableau 3.5 montre les niveaux actuels du GBR dans les sept pays valus par lEFSA jusqu
ce jour, ainsi que leur classification prcdente, si disponible.

Tableau 3.5 Risque gographique dESB (GBR) en 2003 dans sept pays, valu par lEFSA (2004b). Les
niveaux des valuations antrieures sont galement indiqus.
Catgorie Prsence dun ou plusieurs bovins prsentant une infection Situation actuelle du GBR dans
GBR
clinique ou prclinique par lagent de lESB dans un pays le pays ou la rgion (tat
ou une rgion gographique donn(e)
antrieur)
I

Hautement improbable

Australie (I)

II

Peu probable mais non exclu

Norvge(I), Sude(II)

III

Probable, mais non confirm ou confirm un faible niveau

Canada (II), Mexique (N/A), Afrique


du Sud (N/A), tats-Unis (II)

IV

Confirm un niveau lev

Nant

NOTES: N/A = non applicable, cest--dire non valu auparavant

4. Caractrisation semi-quantitative des risques


4.1 Introduction
Lvaluation semi-quantitative dun risque attribue une note au risque, et elle se situe un
niveau intermdiaire entre lvaluation textuelle dune valuation qualitative des risques et
lvaluation chiffre dune valuation quantitative des risques. Cette approche est plus
cohrente et plus rigoureuse quune valuation qualitative pour valuer et comparer les risques
et les stratgies de gestion des risques et elle vite quelques-unes des principales ambiguts
que peuvent gnrer les valuations qualitatives. Moins exigeante quune valuation
quantitative, en termes de comptences mathmatiques ou de quantit de donnes, elle peut tre
utilise pour analyser les risques et les stratgies pour lesquelles on manque de donnes
prcises. Nanmoins, toutes les formes dvaluation des risques exigent que lon collecte et que
lon value le plus de donnes possible sur le problme de risque, et les valuations des risques
pour la scurit sanitaire des aliments demandent une connaissance approfondie de diverses
disciplines scientifiques. Une valuation semi-quantitative des risques a besoin de toutes les
activits de collecte et danalyse des donnes effectues pour une analyse qualitative, qui ont
t dcrites dans le chapitre prcdent.
Lvaluation semi-quantitative des risques est apparue depuis relativement peu de temps
dans le domaine de la scurit sanitaire des aliments. La Commission du Codex alimentarius et
les autres organismes ne prennent gnralement en considration que deux types dvaluations,
qualitatives et quantitatives. Lvaluation semi-quantitative, telle quelle est dcrite ici, a
souvent t regroupe avec une valuation qualitative, mais cest faire abstraction des
importantes diffrences qui les sparent, en termes de structure et de leurs niveaux relatifs
dobjectivit, de transparence et de rplicabilit.
4.1.1 Les applications dune valuation semi-quantitative des risques
Le principal intrt dune valuation semi-quantitative des risques est quelle permet de classer
de faon structure les risques en fonction de leur probabilit et/ ou de leur impact (gravit), et
les mesures de rduction des risques en fonction de leur efficacit. On utilise cette fin un
systme de notation prtabli qui permet de ranger un risque peru dans une catgorie,
lorsquune hirarchie logique a t tablie de manire explicite entre les catgories.
On a gnralement recours une valuation semi-quantitative des risques lorsque lon tente
doptimiser lallocation des ressources disponibles pour minimiser limpact dun groupe de
risques sous le contrle dune organisation. Lvaluation utilise deux procds cette fin:
premirement, les risques sont placs sur une sorte de carte, de faon pouvoir sparer les plus
importants des moins importants. Deuximement, on compare la note totale de tous les risques
avant et aprs une stratgie (on une combinaison de stratgies) dintervention propose, pour
avoir une ide de lefficacit relative des stratgies et de la justification de leur cot.
Lvaluation semi-quantitative a t utilise pendant plus dune dcennie avec un grand succs
dans divers secteurs de risque lis des projets et des oprations militaires, et elle commence
gagner du terrain dans le domaine des risques lis des pathognes dorigine alimentaire.
Avec une valuation semi-quantitative des risques, on peut estimer un plus grand nombre de
problmes de risque quavec une valuation quantitative, car il nest pas ncessaire davoir un

42

Caractrisation semi-quantitative des risques

modle mathmatique complet. Si des valuations pleinement quantitatives des risques ont pu
tre effectues, leurs rsultats peuvent tre inclus dans une justification semi-quantitative, mme
si cela se fait gnralement au dtriment de la prcision quantitative, dans la mesure o les
probabilits ou limpact chiffrs de faon prcise dans lvaluation quantitative, se retrouvent
dans des catgories couvrant de larges fourchettes de probabilit et dimpact. Du fait quil peut
examiner un plus grand nombre de risques et de stratgies dintervention possibles dans le cadre
dune seule analyse, le gestionnaire des risques a une vue plus panoramique du problme, ce
qui lui permet de concevoir une stratgie plus globale.
4.2 Caractristiques dune valuation semi-quantitative des risques
Une valuation semi-quantitative des risques repose sur ltablissement de catgories, et sur des
descriptions non techniques de la probabilit, de limpact et de la gravit dun risque
(combinaison de la probabilit et de limpact), telles que: Trs faible, Faible, Moyen,
lev , et Trs lev , ou sur une chelle de notation quelconque, par exemple de A F.
Afin que ce type de classement par catgories soit dpourvu dambigut et utile, la gestion doit
fournir une liste exhaustive (sans doublons) des termes dsignant les catgories utiliser, ainsi
que des dfinitions claires de chaque terme. Par exemple, un risque de probabilit Faible
pourrait tre dfini comme un risque individuel ayant une probabilit comprise entre10-3 et 10-4
de survenir en un an, alors quun impact lev pourrait correspondre un individu souffrant
de squelles long terme altrant sa qualit de vie. Cette tape est cruciale, car un certain
nombre dtudes ont montr que mme des professionnels qui connaissent bien la thorie des
probabilits et qui prennent rgulirement des dcisions sur la base dvaluations des risques
ninterprtent pas de faon constante les descriptions des probabilits ( probable presque
certain , etc.), ce qui peut tre une source dincohrence et de manque de transparence. Si elles
ne sont pas accompagnes de dfinitions numriques de la probabilit, des descriptions
subjectives comme faible peuvent tre avoir une connotation diffrente selon lampleur de
limpact du risque: par exemple, une probabilit de maladie diarrhique de 5% dcoulant dune
exposition quelconque pourrait tre considre comme faible , alors quune probabilit de
dcs de 10% rsultant de la mme exposition peut tre considre comme leve. Le nombre
de catgories exprimant la probabilit et limpact devrait tre choisi de faon ce quelles soient
suffisamment reprsentatives pour que lon nait pas perdre de temps discuter de dtails qui
en fin de compte nont pas dincidence sur la dcision du gestionnaire des risques. Les
valuateurs des risques prfrent souvent les chelles cinq points, avec parfois une sixime
catgorie reprsentant la probabilit et limpact zro, et une septime catgorie certaine
reprsentant une probabilit de 1.
La caractrisation des risques sert donner la gestion une estimation non biaise du niveau
du risque considr. Ainsi, si une valuation des risques conclut que le niveau du risque tudi
est faible , elle peut tre perue comme refltant lopinion du gestionnaire des risques, de
sorte quil y aurait confusion entre les rles de lvaluateur et du gestionnaire des risques, ce qui
est lune des principales faiblesses potentielles des valuations qualitatives des risques. Une
valuation semi-quantitative vite ce problme en attachant une signification quantitative
spcifique (plutt quun jugement subjectif) des termes comme faible probabilit . Les
Tableaux 4.1 et 4.2 donnent quelques dfinitions-types des catgories de probabilit, de taux
dexposition et dimpact.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

43

Tableau 4.1 Dfinitions types des catgories de probabilit et de frquence dexposition


Catgorie
Ngligeable

Fourchette de probabilit
(probabilit doccurrence par an)
Impossible distinguer de 0

Catgorie
Negligeable

Expositions par an
Impossible distinguer de 0

-4

Trs faible

12

Faible

10-3 10-4

Faible

310

Moyen

10-2 10-3

Moyen

1020

lev

2050

Trs faible

< 10 , autre que 0

-1

lev

10 10

-2

> 10-1, autre que 1

Trs lev
Certain

Trs lev

>50

Tableau 4.2 Dfinitions types des catgories dimpact sur la sant


Catgorie

Description dimpact

Nant

Pas deffet

Trs faible

Se sentir malade pendant quelques jours sans diarrhe

Faible

Maladie diarrhique

Moyen

Hospitalisation

lev

Squelles chroniques

Trs lev

Dcs

Tableau 4.3 Combinaisons-types des catgories.


Composante

Catgorie

Fourchette

Probabilit quune portion soit contamine

Trs lev

10-1 1

Nombre de portions par an

Moyen

10 20

Probabilit de maladie due une portion contamine

Faible

10-4 10-3

Probabilit de maladie en un an

Faible ou moyen

10-4 2,10-2

Pendant que lon effectue une valuation qualitative des risques, on peut gnralement faire
une estimation approximative de la probabilit dexposition, etc., partir dune comparaison
avec dautres risques pralablement quantifis ou de bonnes donnes relatives au problme
considr. Si lon na pas suffisamment de temps ou dinformations disposition pour effectuer
une valuation quantitative complte, on peut se rfrer ces catgories pour exprimer le niveau
de risque de faon plus structure quavec une simple description de llment de preuve
obtenu. Par exemple, si lvaluation qualitative a dtermin que la probabilit quune portion
soit contamine est trs leve , que le nombre de portions consommes par une personne
choisie au hasard est moyen et que la probabilit de maladie due lingestion du produit
contamin est faible, on peut conclure que la probabilit compose est de faible moyenne,
en examinant les fourchettes correspondantes, comme indiqu dans le Tableau 4.3, et en se
rfrant aux dfinitions types des Tableaux 4.1 et 4.2.

Caractrisation semi-quantitative des risques

44

Cette approche permet de tirer des conclusions plus cohrentes et logiques : une faible
probabilit dexposition par portion et une probabilit leve de maladie dcoulant dune
exposition ne peuvent par exemple pas tre classes dans la catgorie des probabilits trs
leves de maladie par portion.
Il est possible dutiliser des catgories pour effectuer une manipulation des probabilits de
type rudimentaire. Par exemple, en dfinissant avec soin les fourchettes assignes chaque
catgorie, on peut combiner une faible exposition avec une probabilit leve dun effet
ultrieur sur la sant (la caractrisation du danger, ou la composante dose-rponse) pour
dterminer la catgorie approprie du risque total. La cohrence et la transparence peuvent tre
maintenues en combinant les catgories assignes aux lments dune valuation des risques si
des fourchettes numriques ont t dfinies pour chaque catgorie, toutefois, la plus grande
prudence est de rigueur (voir la Section 4.3.3).
4.3 Excution dune valuation semi-quantitative des risques
Un tableau P-I (probabilit-impact) permet de visualiser rapidement la gravit relative (en
analyse des risques, le terme gravit dsigne habituellement la combinaison probabilitimpact) de tous les risques identifis relativement au problme considr. Le tableau 4.4 illustre
un exemple. Tous les risques (cest--dire la liste des pathognes susceptibles dapparatre dans
un type daliment donn) sont reports dans le tableau, ce qui permet la fois de reconnatre
aisment les risques les plus menaants et de se reprsenter le risque global associ au type
daliment. Les chiffres figurant dans le tableau sont les indices des risques identifis. Les
risques 2 et 13 par exemple, ont une gravit leve, alors que les risques 3, 5 et 7 ont une gravit
trs faible. Les risques zro vnement par an (probabilit zro, qui sont les risques 11 et 14)
ou impact zro (ex : les risques 8, 9 et 10) ne sont pas des risques proprement parler, mais il
peut tre utile de les documenter dans un tableau P-I pour montrer quils ont t identifis, puis
jugs ngligeables.
Tableau 4.4 Exemple de Tableau P-I pour un risque individuel par an.

TE

6
14

P MOY
A

TF

13,2
15

5
11

NUL TF

3
8,9

T NUL

12

F MOY

10
E

TE

VNEMENTS PAR AN
Des scores de gravit (parfois appels scores de probabilit-impact) peuvent tre utiliss
pour classer les risques identifis. Un facteur dchelle, ou score, est assign chaque
qualificatif utilis pour dcrire chaque type dimpact. Si on se sert dune chelle logarithmique
pour dfinir chaque chelle catgorielle, comme dans les exemples du Tableau 4.1 pour la
probabilit et du Tableau 4.2 pour limpact (vrifier sil y a un logarithme de diffrence entre

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

45

chaque catgorie dimpact, et ajuster sil y a lieu), les scores de probabilit et dimpact peuvent
tre conus de faon ce que le score de gravit dun risque soit gal la somme des scores de
probabilit et dimpact, ou quelque autre quation mathmatique simple. Le Tableau 4.5
fournit un exemple du type de facteurs dchelle pouvant tre associs chaque combinaison de
type dimpact et de terme.
Dans cet exemple (Tableau 4.5), un impact de 6 a t attribu Trs lev, car ce
qualificatif dsigne la mort, qui marque une augmentation beaucoup plus grande par rapport aux
squelles chroniques, que squelles chroniques par rapport hospitalisation, ou que lune
quelconque des augmentations dimpact. On peut maintenant assigner un score de gravit aux
risques du Tableau 4.4, comme indiqu dans le Tableau 4.6 (o probabilit et taux sont
considrs comme quivalents).
Les scores de gravit permettent dtablir des catgories et un classement des risques selon
la gravit. Dans le systme de notation du Tableau 4.5 par exemple, un risque de gravit
leve a un score suprieur 7, un risque de gravit moyenne a un score compris entre 4
et 6, et un score de gravit faible a un score infrieur 4. Lun des principaux inconvnients
de cette approche de classement des risques est que le processus est trs sensible aux facteurs
dchelle assigns chaque qualificatif dcrivant les impacts du risque.

Caractrisation semi-quantitative des risques

46

Tableau 4.5 Types de facteurs dchelle pouvant tre appliqus pour dterminer un score
gravit.

Catgorie

Score de probabilit

Score dimpact

Nul

NA

NA

TF

MOY

TE

Tableau 4.6 Exemple de calculs des scores de gravit pour les risques du Tableau 4.4
Indice du
risque

Probabilit

Score de probabilit

Impact

Score dImpact

Score de gravit

13

TE

TE

5+6 = 11

MOY

4+3 = 7

TF

MOY

1+3 = 4

4.3.1 Risques avec plusieurs dimensions dimpact


Une valuation des risques microbiologiques pour la scurit sanitaire des aliments aboutit
gnralement une mesure quelconque du risque pour la sant humaine. Toutefois, elle peut
aussi prendre en considration dautres types dimpact, tels que les pertes conomiques ou
lrosion de la qualit de vie (ex : rduction dans le choix de produits alimentaires sains) qui
sont parfois plus difficiles chiffrer.
Les tableaux P-I peuvent tre construits de diverses manires: par exemple, en affichant les
divers types dimpact de chaque risque individuel (comme pour une bactrie ou une denre
particulire). Le Tableau 4.7 montre par exemple limpact sur la sant humaine (H), le cot ()
et limpact social (S) dun risque spcifique. Chaque impact peut avoir une probabilit
diffrente. Dans cet exemple, la probabilit doccurrence dun vnement de risque est
leve et sil se produit, il est certain quil y aura un impact en termes de cot. La
probabilit dun impact sur la sant humaine est moins grande et la probabilit que lvnement
se produise et engendre un impact social est considre comme faible. Le fait dassigner des
catgories plusieurs types dimpact implique que les valeurs attribues, par exemple,
limpact sur la sant humaine et aux pertes conomiques sont largement corrles.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

47

Tableau 4.7 Tableau P-I relatif un risque spcifique.

Impacts du risque numro 15


I

TE

P MOY
A

TF

T NUL
NUL TF

F MOY

TE

VNEMENTS PAR AN

Quand on a plusieurs dimensions dimpact, il est plus difficile dtablir un score de gravit
global du risque, car les impacts sadditionnent plutt que de se multiplier. Lapproche la plus
courante consiste tout simplement prendre le niveau maximum des scores de gravit attribus
chaque dimension de limpact. Ce systme fonctionne assez bien si les chelles de probabilit
et dimpact sont de type logarithmique. Ainsi, par exemple, on peut valuer le risque du Tableau
4.7 avec le systme de notation du Tableau 4.5, comme indiqu au Tableau 4.8.
Tableau 4.8 Dtermination dun score de gravit global, par exemple pour le risque 15 du Tableau 4.7.
Type
dimpact
Sanitaire (H)

Probabilit

Score de probabilit Impact

Score dimpact

Score de gravit

MOY

3+4 = 7

conomique ()

EI

MOY

4+3 = 7

Social (S)

TF

Gravit globale

1+2 = 3
MAX(7,7,3) = 7

Cet exemple (Tableau 4.8) montre que cette analyse est trs grossire, puisque le score de
gravit serait le mme si, par exemple, il ny avait pas de dimension conomique de limpact.
On peut aussi obtenir un score de gravit global par une mthode un peu plus complexe
consistant extraire les scores de gravit de chaque impact des logarithmes, les additionner
puis les reconvertir en logarithmes. Pour les risques du tableau Table 4.8 cela donnerait:
Score de gravit global = LOG10(10^7 + 10^7 + 10^3) = 7,3
4.3.2 Comparaisons des risques et des stratgies de gestion des risques
Le Tableau 4.9 montre on peut se servir dun score de gravit pour sparer les risques figurant
dans le Tableau P-I en trois zones, selon un systme dit des feux tricolores : les risques de
la zone verte sont largement acceptables (faible gravit) ; ceux qui sont dans la zone rouge sont
inacceptables (gravit leve) et les autres risques sont dans la zone intermdiaire orange,
correspondant une gravit moyenne. Compte tenu du caractre trs grossier de cette notation

Caractrisation semi-quantitative des risques

48

qui sinscrit dans une approche dvaluation semi-quantitative des risques, on a gnralement
intrt analyser de faon plus approfondie les risques oranges, ventuellement au moyen de
mthodes plus quantitatives, pour dterminer sils se trouvent en ralit proximit ou
lintrieur des zones rouges ou vertes.
Tableau 4.9 Sparation des risques en trois zones, en fonction de leur score de gravit : zone verte =
faible gravit, zone orange = gravit moyenne et zone rouge = gravit leve.

Scores de gravit unidimensionnels


I

10

11

NA

P MO NA
Y
A F NA

C TF NA

TE NA
E

Gravit leve
Gravit moyenne
Gravit faible

T NUL NA NA NA NA NA NA
NUL TF

F MOY E

TE

VNEMENTS PAR AN
Les scores de gravit peuvent fournir une mesure cohrente du risque qui peut tre utilise
pour dfinir des paramtres et effectuer des analyses de tendances. Par exemple, le score de
gravit maximal de tous les risques associs un type daliment donne une indication de
lampleur globale de lexposition au risque par ce type daliment. Ces deux paramtres peuvent
tre mesurs pour les diffrentes dimensions de limpact (sant, cot, etc.) ou pour diffrents
types de risque ou zones dimpact, afin de dterminer comment est distribue lexposition au
risque. Des paramtres plus complexes peuvent tre drivs au moyen des scores de gravit, ce
qui permet de normaliser lexposition au risque et de la comparer un risque de rfrence. Les
tendances en matire dexposition au risque peuvent ainsi tre identifies et surveilles, ce qui
donnera aux gestionnaires des risques des renseignements prcieux sur lamlioration globale de
la scurit sanitaire des aliments, limportance des risques qui se profilent, etc.
4.3.3 Limites dune valuation semi-quantitative des risques
Une valuation semi-quantitative des risques a ses limites. Les
risques sont rangs dans des sries de catgories gnralement
assez larges. Il est courant que lon en utilise peu prs 5 pour la
probabilit ou pour limpact, sans compter le niveau zro, ce qui
donne 25 combinaisons possibles. Il est donc indispensable de
construire avec soin les catgories. Par exemple, on pourrait
diviser la fourchette de probabilit en cinq catgories, comme
dans le Tableau 4.10.
Toutefois, avec ce systme, un risque de probabilit de 0,1 se
trouverait dans la mme catgorie quun risque de probabilit
0,000 001, bien quil soit 100 000 fois plus probable. Cest en
partie pour cela que lon choisit souvent une chelle

Tableau 4.10 Systme de


notation linaire des
probabilits
Score

Fourchette de
probabilit

0 0.2

0,2 0,4

0,4 0,6

0,6 0,8

0,8 1

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

49

logarithmique pour les probabilits. Quand on analyse un risque en matire de scurit sanitaire
des aliments, on gre souvent des probabilits qui stendent sur plusieurs ordres de grandeur,
de sorte que le choix dune chelle logarithmique est encore plus justifi.
Il est difficile de combiner les scores de probabilit des composantes dune voie de risque
pour obtenir un score de probabilit pour le risque global. Par exemple, lestimation dun risque
en matire de salubrit des aliments se fait gnralement en deux temps: estimation de la
probabilit dexposition et estimation de la probabilit de maladie rsultant dune exposition.
Avec le systme ci-dessus, supposons que lexposition ait une probabilit de 0,3 (score = 2) de
survenir pendant une certaine priode chez un individu slectionn au hasard, et que la
probabilit de maladie rsultant de cette exposition soit de 0,7 (score = 4), la probabilit
combine est de 0,21 (score 2). Il est difficile de crer une rgle avec des scores qui reproduise
les rgles des probabilits. On peut rsoudre en partie le problme en prenant le niveau
minimum des deux scores (en Excel, la syntaxe serait MIN(2,4) = 2) mais cette solution
surestime gnralement le risque. Par exemple, avec cette formule, si la probabilit de maladie
rsultant dune exposition un risque quelconque, ntait plus de 0,2 mais de 1,0 on
obtiendrait le mme score de probabilit combin (score 2).
Lutilisation dune chelle logarithmique des
probabilits arrange un peu les choses si lon inverse
lordre des scores de probabilit dcrits jusqu prsent
de sorte que la probabilit la plus leve corresponde au
score le plus faible, comme indiqu au Tableau 4.11.

Tableau 4.11 Systme de notation


logarithmique des probabilits.
Catgories

Fourchette de
probabilit

Score

Avec cette mthode, le systme de notation Impossible


0
NA
quivalent la multiplication des probabilits consiste
-4
Trs faible
< 10 , sauf 0
5
additionner les scores. Par exemple, supposons que
Faible
10-3 10-4
4
lexposition ait une probabilit de 0,2 (score = 1) de
10-2 10-3
3
survenir durant une priode dtermine chez un Moyenne
-1
-2
individu slectionn au hasard, et que la probabilit de lev
10 10
2
maladie rsultant de cette exposition soit de 0,004 Trs lev
> 10-1, pas 1
1
(score = 3), la probabilit combine est de 0,0008 (score Certain
presque 1
0
4). Le rsultat nest pas toujours aussi net. Une
exposition ayant une probabilit de 0,5 (score = 1) et une probabilit de maladie rsultant de
cette exposition de 0,003 (score = 3) donne une probabilit combine de 0,0015 (score = 3), et
pourtant la somme des scores individuels est de 4. Laddition des scores dans un systme
logarithmique comme celui du tableau 4.11 conduit gnralement surestimer dune catgorie
la probabilit. Cest en partie parce que lon sait que les risques peuvent tre surestims que lon
a prvu une zone orange dans le systme des feux tricolores : les risques qui se trouvent dans
cette zone peuvent en ralit savrer acceptables.
Le calcul des scores de gravit doit tre chang avec ce systme des scores de probabilit
inverss. Par exemple, en conservant le score dimpact du Tableau 4.2, on pourrait calculer un
score de gravit (score dimpact moins score de probabilit). La fourchette des scores de gravit
serait modifie, mais on maintiendrait le mme ordre que dans le Tableau 4.9. Le Tableau 4.12
montre les catgories de scores de gravit, tablies avec les scores dimpact du Tableau 4.5 et
les scores de probabilit du Tableau 4.11, laide de la formule: (Score de gravit) = (Score
dimpact) - (Score de probabilit).
Tableau 4.12 Sparation des risques en trois zones, en fonction de leur score de gravit : zone verte =
faible gravit, zone orange = gravit moyenne et zone rouge = gravit leve (avec les scores de
probabilit inverss)

Caractrisation semi-quantitative des risques

50

Scores de gravit unidimensionnels


I

NA

-1

P MO NA
Y
A F NA

-2

-1

-3

-2

-1

C TF NA

-4

-3

-2

-1

TE NA
E

T NUL NA NA NA NA NA NA
NUL TF F MOY E TE

Gravit leve
Gravit moyenne
Gravit faible

VNEMENTS PAR AN
La granularit de lchelle est aussi un problme. Par exemple, un risque dont la probabilit
doccurrence se trouve juste au dessus de la limite entre deux catgories, pour lequel on a
identifi une stratgie de gestion des risques qui rduit lgrement la probabilit, pourrait
tomber dans la catgorie des probabilits infrieure, qui est la mme que si la probabilit avait
t rduite dun facteur de 10. Toutefois, rien nempche lvaluateur des risques de fractionner
les scores sil le juge utile. Le systme est conu avec des nombres entiers pour plus de
simplicit et de commodit et on peut le modifier pour inclure des fractions si cela correspond
mieux aux connaissances disponibles.
Lutilisation du systme de notation dune valuation semi-quantitative des risques la place
des calculs des probabilits risque de produire des inexactitudes plus graves si lon value une
squence dvnements plus longue.
4.3.4 Lincertitude et la variabilit
Dans un sens, les larges fourchettes de catgories assignes aux chelles de probabilit et
dimpact vitent davoir examiner autre chose que les incertitudes grande chelle. tant
donn quune valuation semi-quantitative des risques est une vue densemble, il est plus facile
de rflchir des aspects plus globaux de lincertitude des modles. Cela dit, si les rsultats
dune valuation quantitative des risques en matire de salubrit des aliments ne sont pas
arrims des taux de maladie observs, ils couvrent souvent plusieurs ordres de grandeur de
lincertitude. Le niveau des informations disponibles fait quil est aussi difficile dattribuer des
catgories de probabilit et dimpact un risque particulier. Il serait la fois utile et plus
objectif de pouvoir exprimer cette incertitude. Pour ce faire, on peut la dcrire en montrant la
zone du tableau P-I dans laquelle se trouve un risque, (voir Tableau 4.13).
Tableau 4.13 Expression graphique de lincertitude concernant une catgorie de risque

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

51

Impacts du risque numro 15


I

TE

P MOY
A

TF

T NUL
NUL TF

F MOY

TE

VNEMENTS PAR AN
Ici, la case ombre fonce (facultative) correspond la zone dans laquelle lquipe charge
de lvaluation considre que le risque a le plus de probabilits de se trouver, alors que les cases
ombres plus claires reprsentent la fourchette dincertitude qui entoure cette valuation. Une
autre mthode, consistant dessiner des formes graphiques, comme des cercles, sur le tableau
pour reprsenter lincertitude, permet de calculer plus facilement plusieurs risques
simultanment.
On peut aussi avoir recours une simulation standard de Monte-Carlo pour exprimer
lincertitude par des scores et les manipuler dans des analyses plus mathmatiques comme celles
qui viennent dtre examines.
La variabilit - par exemple la variabilit de la sensibilit selon les sous-populations peut
facilement tre intgre dans une analyse semi-quantitative des risques (si lon dispose des
donnes ncessaires), en estimant les risques que courent les sous-populations, et en les traant
sparment sur le mme graphique. On obtient ainsi une excellente vue densemble de la
rpartition du risque pour la scurit sanitaire des aliments entre diffrentes sous-populations.
4.3.5 Besoins en donnes
Le principe de base dune valuation des risques est de recueillir le plus grand nombre de
donnes possible, condition quelles puissent avoir une influence sur la prise de dcision. Les
donnes recueillies pour une analyse qualitative des risques sont gnralement suffisantes pour
une analyse semi-quantitative. La diffrence entre les deux types dvaluation est que
lvaluation semi-quantitative cherche plus valuer les composantes du risque dans la limite
de donnes quantitatives dfinies. Ainsi, il arrive que lon fasse une analyse statistique dune
srie de donnes pour tenter destimer de faon plus prcise une probabilit, ou limpact
escompt, pour que lvaluateur puisse classer le risque sur une base plus fiable.
Une valuation semi-quantitative des risques sert gnralement comparer plusieurs risques
ou stratgies de gestion des risques. Il arrive que lon ait suffisamment de donnes pour pouvoir
effectuer une valuation pleinement quantitative dun nombre dtermin de risques (ex :
combinaisons de pathognes prsents dans les aliments). Un modle quantitatif donne plus de
renseignements sur les stratgies spcifiques adopter pour faire face au risque considr, mais
on peut aussi utiliser les rsultats quantitatifs pour placer ces risques valus avec plus de
prcision dans le contexte dautres risques tudis dans un environnement semi-quantitatif.

Caractrisation semi-quantitative des risques

52

4.3.6 Transparence des conclusions


Une valuation semi-quantitative des risques offre de nombreux avantages du point de vue de la
transparence. Par exemple, aucun modle mathmatique nest ncessaire, ce qui la rend
accessible au profane. Il serait cependant exagr de penser que lutilisation de modles
mathmatiques est un obstacle la transparence. La plupart des valuations des risques pour la
scurit sanitaire des aliments exigent une bonne comprhension de mcanismes
microbiologiques complexes, ainsi quun niveau de connaissances acceptable de la mdecine
humaine et des principes pidmiologiques qui sont gnralement des thmes dtudes
universitaires suprieures, alors que les valuations quantitatives des risques font appel des
mathmatiques gnralement tudies dans le premier cycle. Le manque de transparence des
modles quantitatifs est surtout d au fait que peu de personnes sont spcialises dans cette
discipline.
Une valuation semi-quantitative des risques favorise llaboration de rgles de dcision (ex:
le systme des feux tricolores ) facilement applicables et vrifiables. Grce la mthode
consistant placer les risques dans un tableau de probabilit-impact, il est beaucoup plus facile
de dmontrer la cohrence de la gestion des risques car ils sont tous analyss ensemble.
Le principal problme de transparence avec les valuations semi-quantitatives, vient de la
granularit des chelles utilises pour ltablissement des scores. Comme les catgories sont
gnralement assez larges, on ne peut plus distinguer des risques qui peuvent tre trs diffrents
par la grandeur de leurs probabilits et/ou de leur impact, ce qui peut avoir plusieurs
inconvnients : par exemple, une industrie alimentaire pourrait tre injustement pnalise parce
que ses produits se trouvent juste au-dessus dune catgorie, ou encore les industries ou les
organismes de rglementation pourraient avoir seulement intrt faire passer un risque juste
au-dessus de la limite de la catgorie.
Une valuation semi-quantitative permet de faire un tri entre des risques, de se concentrer sur
les grands problmes et de mieux grer lensemble du portefeuille de risques. Le systme
dtablissement des scores est en lui-mme imparfait, mais on peut en dire autant de tout autre
systme dvaluation des risques. Sil savre que le systme utilis pour ltablissement des
scores produit dimportantes erreurs dans la logique de dcision, on peut avoir recours une
valuation quantitative plus prcise ou changer le systme dtablissement des scores pour
adopter une mthode plus prcise.
4.4 Exemples dvaluations semi-quantitatives des risques
4.4.1 Nouvelle-Zlande: Profil du risque li la prsence de Mycobacterium bovis dans le lait
La New Zealand Food Safety Authority a demand au New Zealand Institute of Environmental
Science & Research Ltd (ESR) dtablir un profil du risque li la prsence de
Mycobacterium bovis dans le lait (Lake, Hudson et Cressey, 2002b).
Lanalyse a pris la forme dun Profil de risque qui est utilis dans le systme no-zlandais
de scurit sanitaire des aliments pour classer les risques pour la salubrit des aliments en vue
de les rduire. Ce profil sinscrit dans la partie initiale de leur processus dvaluation des
risques qui comprend:
lidentification du problme menaant la scurit sanitaire des aliments ;
ltablissement dun profil de risque ;

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

53

le classement du problme de scurit sanitaire des aliments aux fins de la gestion des risques
ltablissement dune politique dvaluation des risques;
la commande dune valuation des risques; et
lexamen des rsultats de lvaluation des risques.
Le choix du pathogne aux fins de lvaluation est justifi comme suit
Bien que ce pathogne ait probablement un impact minime sur la sant publique, la dmonstration
de linnocuit des aliments produits en Nouvelle-Zlande par rapport ce pathogne, peut avoir des
implications commerciales. Laliment le plus couramment associ une transmission lhomme est le
lait de vache.

Le systme dattribution dune catgorie une combinaison aliment/danger repose sur des
catgories de lincidence (taux) et de la gravit. Un systme de notation en quatre catgories a
t propos pour le taux (incidence), sur la base des taux de maladies dorigine alimentaire
constats en Nouvelle-Zlande (Tableau 4.14).
Un systme de notation en trois catgories a t propos pour la gravit, sur la base dune
comparaison de la proportion de cas de maladies dorigine alimentaire en Nouvelle-Zlande, qui
ont des consquences graves (maladie long terme ou mort) (Tableau 4.15).
Tableau 4.14 Les quatre catgories proposes en Nouvelle-Zlande pour lincidence (taux)
Catgorie
de taux

Fourchette de taux
(pour 100 000 par jour)

>100

10100

110

<1

Exemples
Contribue de faon significative la campylobactriose
transmise par les aliments
Facteur majeur contribuant la salmonellose transmise par les
aliments
Facteur majeur contribuant aux norovirus transmis par les
aliments
Facteur majeur contribuant la yersiniose et la shigellose
dorigine alimentaire
Facteur majeur contribuant la listriose dorigine alimentaire

Tableau 4.15 Les trois catgories proposes en Nouvelle-Zlande pour la gravit.


Catgorie
de gravit

Fraction de cas ayant des


consquences graves

Exemples

5%

listriose; STEC; hpatite A; typhode

0,.5-5%

salmonellose; shigellose

<0,5%

campylobactriose; yersiniose; norovirus; toxines

NOTES: STEC = Escherichia coli producteurs de shiga-toxines.

Caractrisation semi-quantitative des risques

54

Lanalyse relative Mycobacterium bovis dans le lait a t entrave par labsence totale
dinformations sur la prvalence, qui a rendu impossible toute apprciation, ne serait-ce que
qualitative, de lexposition. Les seules donnes disponibles sur la relation dose-rponse
provenaient dexprimentations animales datant de 1934 ou mme antrieures, de sorte que cela
naurait eu aucun sens dvaluer lexposition et de caractriser le danger dans le cadre dune
valuation classique des risques pour la scurit sanitaire des aliments. La mthode du profil de
risque utilise uniquement des donnes pidmiologiques, pour tenter dinformer les dcideurs
de limportance relative du problme par rapport dautres problmes de scurit sanitaire des
aliments; Lanalyse a examin les lments de preuve disponibles et attribu les scores
suivants :
Gravit: 1 (> 5% Consquences graves)
Incidence: 4 (<1 pour 100 000 personnes par an)
Importance commerciale: leve
LESR produit un profil de risque li la prsence de Salmonella dans la volaille (entire et
en morceaux) laide des mmes mthodes, mais avec des donnes beaucoup plus nombreuses
(Lake, Hudson et Cressey, 2002a). Notons que ces profils sont dcrits comme des valuations
qualitatives des risques, alors que les dfinitions chiffres des grands groupes de catgories
font quils sapparentent plus des valuations semi-quantitatives des risques, comme celles
examines dans ce document.
4.4.2 Salubrit des produits de la mer avec RiskRanger
La FAO (2004) examine le continuum entre les valuations qualitatives et quantitatives des
risques lis aux produits de la mer et prsente une mthode dvaluation semi-quantitative qui a
t codifie dans un prototype de logiciel daide la dcision appel RiskRanger, qui peut tre
tlcharg gratuitement (Ross et Sumner, 2002). Cet outil demande que lon rponde 11
questions dcrivant les facteurs, qui tout au long de la chane alimentaire, peuvent constituer un
risque pour la scurit sanitaire des aliments marins. Les rponses aux questions peuvent tre
donnes en termes qualitatifs (avec des catgories prdfinies) ou quantitatifs. Les rponses
qualitatives sont converties en valeurs quantitatives conformment une srie de tables.
Le modle est spcifique une population, de sorte que des paramtres essentiels tels que la
taille de la population totale ou rgionale doivent tre dfinis au pralable, mais des valeurs
dfinies par les utilisateurs peuvent aussi tre entres dans le modle. Un score est ensuite
calcul partir des paramtres dentre, ce qui permet de classer les diverses combinaisons
aliment-pathogne. Le systme prvoit une notation sur une chelle de zro 100, o 100
reprsente le scnario le plus dfavorable que lon puisse imaginer, savoir que chaque membre
de la population consomme chaque jour une dose ltale. Il a t dcid arbitrairement quun
score de 0 correspondait un cas de diarrhe lgre pour 100 milliards de personnes en cent
ans, la logique tant que la population de la plante est trs infrieure 100 milliards
dhabitants, si bien quaucune personne ne devrait jamais voir jamais voir cet vnement se
produire nulle part, au cours de sa vie. La fourchette choisie stend sur 17,6 ordres de grandeur,
ce qui quivaut 100/17,6 6 units de classement du risque par facteur de 10 entre les
risques.
La mthode a pour objet de passer au crible les risques et les principales catgories doptions
permettant de les grer. Linterface tableur permet au gestionnaire des risques davoir une
vision instantane des scnarios simuls propres stimuler une discussion des stratgies de

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

55

gestion des risques possibles. La simplicit du modle et son caractre gnrique font quil reste
plutt grossier et que les questions poses sont dordre trs gnral. Les auteurs signalent avec
beaucoup de dtails ces limites aux lecteurs. Ainsi, le modle ne prend pas en compte
lincertitude et la variabilit, qui pourraient pourtant facilement tre ajoutes dans le modle de
tableur, laide dune simulation de Monte-Carlo.
Le logiciel a ensuite t utilis pour valuer 10 combinaisons danger+produit lies des
produits de la mer australiens et il a pris en considration diffrentes sous-populations
dAustralie consommatrices de ces produits ; les rsultats de cette valuation sont rcapituls
dans le Tableau 4.16 (daprs Sumner et Ross, 2002).
Les auteurs ont compar les risques classs par rapport des donnes observes en Australie.
Il ny a pas eu de cas documents dans le pays pour les risques ayant un score infrieur 32.
Tous les risques ayant un score compris entre 32 et 48 (une fourchette de trois ordres de
grandeur) avaient caus plusieurs foyers de maladies dorigine alimentaire en Australie,
lexception de Vibrio cholera. Les risques ayant des scores suprieurs 48 avaient tous caus
des foyers touchant un grand nombre de personnes, certains dans des rgions spcifiques.
Tableau 4.16 Rsultat de lvaluation par Risk Ranger des combinaisons danger + produit pour diverses
sous-populations dAustralie.
Combinaison danger + produit

Population slectionne

Classement du
risque

Ciguatera - poissons de rcifs

Ensemble population australienne

45

Ciguatera - poissons de rcifs

Pcheurs amateurs, Queensland

60

Scombrotoxicose

Ensemble population australienne

40

Biotoxines algales dans les coquillages eaux traites

Ensemble population australienne

31

Biotoxines algales durant une efflorescence algale

Ramasseurs amateurs

72

Mercure dans poissons prdateurs

Ensemble population australienne

24

Virus dans les hutres eaux contamines

Ensemble population australienne

67

Virus dans les hutres eaux non contamines

Ensemble population australienne

31

Vibrio parahaemolyticus dans crevettes cuites

Ensemble population australienne

37

Vibrio cholerae dans les crevettes cuites

Ensemble population australienne

37

Vibrio vulnificus dans les hutres

Ensemble population australienne

41

Listeria monocytogenes dans des produits de la mer fums


froid

Ensemble population australienne

39

Listeria monocytogenes dans des produits de la mer fums


froid

Sensible (pers. ges, f. enceintes, etc.)

45

Listeria monocytogenes dans des produits de la mer fums


froid

Extrmement sensible (SIDA, cancer)

47

Clostridium botulinum dans du poisson en bote

Ensemble population australienne

25

Clostridium botulinum dans du poisson fum sous-vide

Ensemble population australienne

28

Parasites dans le sushi ou le sashimi

Ensemble population australienne

31

Entrobactries dans crevettes cuites importes

Ensemble population australienne

31

Entrobactries dans crevettes cuites importes

Sensible (pers. ges, f. enceintes, etc.)

48

56

Caractrisation semi-quantitative des risques

Les principales mises en garde des auteurs concernent le fait quils nont pas t en mesure
dvaluer de manire systmatique et objective les performances du modle car les sries de
donnes dcrivant lexposition et lincidence des maladies dorigine alimentaire taient trop peu
nombreuses. Cette mise en garde montre cependant aussi quil naurait pas t possible dtablir
des modles pleinement quantitatifs.
Les auteurs ont aussi constat que le modle tait un outil prcieux pour enseigner les
principes de lanalyse des risques.
4.4.3 Mthodologie dvaluation des risques limportation danimaux et de produits animaux
en Australie
En 1998, un diffrend commercial entre le Canada et lAustralie concernant lembargo
australien sur les importations de saumon non cuit a t port devant le tribunal de lOMC
(OMC, 1998). Le service dinspection et de quarantaine australien avait produit une premire
valuation qualitative des risques de maladie en 1995, puis une autre en 1996: la premire
estimait que le risque tait faible et acceptable, alors que la seconde arrivait une conclusion
oppose. Cette diffrence sexpliquait plus par un changement dapproche, que par lapparition
de nouvelles donnes. LOrgane dappel de lOMC a donn raison au Canada, notamment parce
quil considrait que lvaluation des risques effectue par lAustralie ntait pas approprie.
Cette affaire a attir lattention de la communaut dvaluateurs des risques sur les problmes
pouvant dcouler de lutilisation dune mthode purement qualitative danalyse des risques, en
particulier dans un contexte conflictuel.
Lorganisme de rglementation australien charg dvaluer les risques limportation a t
restructur. Il relve prsent de Biosecurity Australia qui a mis au point une approche semiquantitative pour valuer les risques limportation (Biosecurity Australia, 2001). Cette
mthode consiste placer le risque estim dans un tableau (Tableau 4.17). La bande des cases
trs faible risque reprsente le Degr de protection appropri (DPA) de lAustralie, ou la
perte tolre, une version en deux catgories du concept des feux tricolores .
Les directives dcrivent une valuation qualitative (ex: faible, moyen, lev), semiquantitative (ex: 0 0,0001; 0,0001 0,001; 0,001 0,01; 0,01 1) et quantitative (calcul des
probabilits exactes) de la probabilit dentre dune maladie exotique en Australie. Lavantage
potentiel est de pouvoir intgrer dans un seul contexte des valuations des risques aussi bien
qualitatives, que semi-quantitatives ou quantitatives. Les tapes successives qui conduisent
lentre dune maladie exotique peuvent tre values qualitativement grce lutilisation dune
matrice pour combiner ces probabilits qualitatives.
La composante valuation des consquences de lestimation du risque dimportation dune
maladie exotique est gnralement considre comme beaucoup plus complexe que lvaluation
de la probabilit dentre dune maladie. En effet, les importations sont rglementes et
relativement simples modliser et leurs probabilits sont bien comprises alors quon ne
dispose daucune donne sur la propagation dune maladie dans son pays dorigine, et quil est
toujours extrmement difficile de modliser la diffusion dune maladie.
Dsireuse dvaluer les probabilits et lampleur de divers impacts, au cas o la maladie
serait introduite dans le pays, Biosecurity Australia a conu une srie de rgles qui ont permis
dintgrer ltendue gographique des consquences (locale, district, rgionale, nationale), et le
niveau auquel les consquences seraient ressenties cette chelle. Dautres rgles combinaient
les estimations (ncessairement qualitatives ou semi-quantitatives) de la probabilit de ces

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

57

consquences (de lentre de la maladie en Australie) pour pouvoir placer lestimation du risque
non restreint dans le tableau (Tableau 4.17).
Si le risque non restreint estim (risque existant en labsence de mesure de protection
spcifique contre le pathogne considr) se trouve dans une zone acceptable, limportation est
autorise sans restrictions. Si ce nest pas le cas, on value des mesures de contrle (essais,
traitement thermique, viscration, etc.) pour dterminer loption la moins restrictive pour le
commerce qui permettre de mettre le produit import en conformit avec le DPA de lAustralie.
Quelle que soit lapproche (ou la combinaison dapproches) choisie, les directives spcifient
quelle devrait fournir:
une valuation scientifiquement fonde;
une valuation structure et transparente;
une valuation cohrente au niveau interne et reproductible (avec un rsultat identique ou
similaire) par un autre oprateur, avec le mme cadre et les mmes donnes ;
un rsultat qui confirme lestimation du risque (une combinaison de la probabilit et des
consquences);
un rsultat qui permette dvaluer un risque par rapport au DPA, ou aux pertes tolres, du
pays importateur; et
un cadre dans lequel puissent tre values lefficacit de la gestion du risque et
lacceptabilit dun risque attnu.

Probabilit dentre et exposition

Tableau 4.17 Tabulation des risques, en tant que combinaison dune probabilit et dun impact
Probabilit leve

Risque
ngligeable

Risque trs
faible

Risque faible

Risque
modr

Risque lev

Risque extrme

Probabilit
modre

Risque
ngligeable

Risque trs
faible

Risque faible

Risque
modr

Risque lev

Risque extrme

Probabilit faible

Risque
ngligeable

Risque
ngligeable

Risque trs
faible

Risque faible

Risque
modr

Risque lev

Probabilit trs
faible

Risque
ngligeable

Risque
ngligeable

Risque
ngligeable

Risque trs
faible

Risque faible

Risque modr

Probabilit
Risque
extrmement faible ngligeable

Risque
ngligeable

Risque
ngligeable

Risque
ngligeable

Risque trs
faible

Risque faible

Risque
ngligeable

Risque
ngligeable

Risque
ngligeable

Risque
ngligeable

Risque
ngligeable

Risque trs
faible

Impact
ngligeable

Impact trs
faible

Impact faible

Impact
modr

Impact lev

Impact extrme

Probabilit
ngligeable

Consquences dune entre et dune exposition


NOTES: 1) Lire entre, tablissement et propagation pour lanalyse des risques limportation de plantes ou de produits vgtaux

5. Caractrisation quantitative des risques


5.1 Introduction
Une valuation quantitative des risques peut tre soit dterministe (ce qui signifie que des
valeurs uniques, comme des moyennes ou des percentiles, sont utilises pour dcrire les
variables dun modle) soit probabiliste (ce qui signifie que les variables des modles sont
dcrites par des distributions de probabilit). Les publications, les directives et les exemples les
mieux connus dans le domaine de lvaluation des risques microbiologiques sont pour
lessentiel des valuations quantitatives probabilistes. Cette approche offre de multiples
avantages spcifiques par rapport une valuation dterministe, et ils sont dcrits en dtail dans
le Chapitre 3 et les suivants. La littrature sur lvaluation de la scurit sanitaire des additifs
alimentaires (ou valuation des risques chimiques ) foisonne dexemples dvaluation
quantitative des risques de type dterministe. La FAO et lOMS ont produit de nombreux
exemples dvaluations probabilistes des risques, et cest aussi le cas de nombreuses autorits
de scurit sanitaire des aliments, exerant dans le monde entier.
Une chelle de mesure numrique donne gnralement plus dinformations quune chelle
qualitative. Il sensuit quune caractrisation quantitative des risques rpondra aux questions
identifies par la gestion des risques de faon plus dtaille quune valuation qualitative ou
semi-quantitative et quelle permettra une comparaison plus prcise entre les risques et entre les
options offertes pour les grer. Toutefois le niveau de dtail accru peut avoir pour contreparties
un temps de ralisation beaucoup plus long, une rduction du champ dapplication et un modle
plus complexe et plus difficile comprendre. Les techniques probabilistes sont plus
compliques et comportent donc un plus grand risque derreur ou dtre mal comprises par les
parties prenantes. En outre, les valuations quantitatives des risques peuvent reposer sur des
hypothses quantitatives subjectives (OMS/OCDE, 2003: 80), et la prcision mathmatique de
ces rsultats quantitatifs peut, sans le vouloir, accorder trop dimportance au niveau rel
dexactitude. Ce fait est admis depuis longtemps dans les milieux de lanalyse des risques.
Selon Whittemore (1983), les analyses quantitatives des risques produisent des chiffres qui,
sortis de leur contexte, se mettent vivre leur vie, librs des qualificatifs, des mises en garde
ou des hypothses qui les ont crs. Il faut avoir prsentes lesprit ces mises en garde, mais
toutes choses tant gales par ailleurs, une bonne analyse quantitative des risques doit tre
prfre une valuation qualitative ou semi-quantitative.
Plus loin dans ce chapitre, nous dcrirons les proprits que devraient avoir les
caractrisations quantitatives, puis nous analyserons les questions de la variabilit interindividuelle, du caractre alatoire et de lincertitude: trois aspects de la quantification des
risques qui sont dcrits par des distributions et sont donc souvent confondus. Pour finir, nous
nous intresserons lintgration des rsultats de lvaluation de lexposition et de la
caractrisation des dangers, notamment linclusion de lincertitude et de la variabilit.
5.2 Mesures quantitatives
Les mesures quantitatives dun risque doivent combiner sous une forme quelconque une
expression des deux composantes quantitatives du risque, savoir une mesure de la probabilit

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

59

que le risque se produise et lampleur de limpact, au cas o ce risque se produirait (Kaplan et


Garrick, 1981). Dans cette section, diffrents moyens de combiner la probabilit et limpact sont
examins, avec des reprsentations graphiques lappui, avec des graphiques pour les
reprsenter, ainsi que leffet de linclusion de lincertitude.
5.2.1 Mesure de probabilit
Dans une analyse des risques microbiologiques en matire de scurit sanitaire des aliments, les
mesures de probabilit doivent tre corrles un niveau dexposition spcifique tel que la
consommation dune quantit dtermine dune denre alimentaire par individu et par an dans
un pays donn, ou un vnement dexposition individuel (qui peut tre diffrent de la
consommation si lexposition est indirecte) Les mesures de probabilit sont gnralement
exprimes sous une de ces deux formes :
La probabilit quun vnement porteur de risque se produise en corrlation avec un
vnement dexposition dtermin (ex: probabilit de maladie rsultant de lingestion dun
uf slectionn de faon alatoire), ou au cours dune priode (ex : probabilit de tomber
malade au moins une fois par an, pour un individu slectionn de faon alatoire qui
consomme des ufs); ou
Le nombre moyen dvnements porteurs de risque qui peuvent se produire au cours dune
priode dtermine.
Chacune de ces options a des avantages et des inconvnients. La premire souligne le
contenu probabiliste de la mesure du risque, alors que la deuxime peut tre mal interprte et
donner penser que lvnement porteur de risque se produira de faon dterministe avec la
frquence spcifie. Paralllement, si lon spcifie un risque en termes probabilistes, il est
difficile dexprimer la possibilit doccurrences multiples de lvnement porteur de risque qui
saccrot progressivement avec laugmentation de la frquence attendue estime. Par exemple, si
lon considre quun foyer de maladie se dclare de faon alatoire dans le temps la cadence
prvue dun vnement par an, la probabilit que cela se produise au moins une fois par an est
de lordre de 63%. En revanche, un risque attendu deux fois par an a une probabilit de se
produire au moins une fois par an denviron 86%. Le deuxime risque a une frquence deux fois
plus leve que le premier, mais cela nest pas reflt dans la probabilit doccurrence. Une
mesure de probabilit doit tre choisie avec une grande attention afin que les rsultats de
lvaluation des risques soient expliqus de la faon la plus claire possible aux intresss.
5.2.2 Mesure dimpact
Le choix de la ou des mesure(s) dimpact dpend du problme qui proccupe le gestionnaire des
risques. Il peut sagir du nombre de cas de maladie ou de dcs humains, mais les cas de
maladie seront nouveau stratifis en divers degrs de maladie si le dcideur le juge utile. Une
maladie peut aussi tre traduite en une mesure quelconque dimpact conomique ou dimpact
social, telle que lesprance de vie corrige en fonction du bien-tre (QALY, un concept
galement appel annes de vie ajustes sur la qualit de vie), examine plus en dtail dans la
Section 7.2.1.
5.2.3 Mesures du risque
La mesure du risque combine les composantes de probabilit et dimpact tudies plus haut
pour fournir une description du risque, avec les incertitudes inhrentes. On choisira loption
propre faire comprendre plus facilement lestimation du risque au public vis, do lutilit de
produire plusieurs expressions destines des publics diffrents. Le choix devra aussi se porter

60

Caractrisation quantitative des risques

sur lexpression la plus utile au dcideur (par exemple, si lon fait des comparaisons avec
dautres risques, les mesures doivent tre cohrentes). Lorsque lon communique aux parties
prenantes les estimations des risques, il faut tre conscient de certains problmes qui peuvent
entraver un dialogue constructif, notamment de la manire dont les gens ragissent diffrentes
expressions dun mme risque. Par exemple, si le public dun pays de 20 millions dhabitants
est inform quil y a une probabilit sur un million quune personne meure chaque anne,
cause dun danger spcifique, il peut avoir une raction radicalement diffrente de celle quil
aurait eu si on lui avait expos la mme situation autrement, en disant que lon estimait quen
moyenne 20 personnes mourraient chaque anne cause du mme danger. Il existe une
littrature trs abondante sur la perception et linterprtation des risques, que les valuateurs et
les gestionnaires des risques devraient lire attentivement.
La mesure du risque peut tre une mesure probabiliste un point, telle que la probabilit
dau moins une maladie pendant une priode dtermine ou le nombre de cas prvus lanne
prochaine. Cela signifie que, si lincertitude na t prise en compte dans le modle dvaluation
des risques, ou si lincertitude et le caractre alatoire ont t combins, ces rsultats sont des
valeurs fixes (Figure 5.1). Si lincertitude a t incluse dans le modle sans tre combine avec
le caractre alatoire, les rsultats sont des distributions de lincertitude (Figure 5.1a).
La mesure du risque peut aussi tre une distribution de probabilit, portant par exemple sur
le nombre dvnements nfastes pour la sant quune personne slectionne de faon alatoire
pourrait connatre lanne prochaine. Il sagira dune distribution de premier ordre si
lincertitude na pas t incluse dans le modle (Figure 5.1b), ou si lincertitude et le caractre
alatoire ont t combins. Si lincertitude a t prise en compte dans le modle sans tre
combine avec le caractre alatoire, le rsultat sera une distribution de probabilit du deuxime
ordre (Figure 5.1c).
Troisimement, la mesure du risque peut dcrire la variation du risque dans une population.
Ce risque peut par exemple tre caractris comme la probabilit de maladie par portion.
Lanalyse peut dboucher sur une distribution de la variabilit de cette probabilit dans les souspopulations, soit parce que quelques sous-populations ont une source dalimentation plus
fortement contamine, soit parce quelles ont lhabitude de prparer ou de manipuler les
aliments dune manire diffrente, soit parce que leur courbe dose-rponse est plus pentue que
les autres en raison de leur plus grande sensibilit une bactrie. On peut reprsenter
graphiquement la variation de cette probabilit par portion dune sous-population lautre, si la
comparaison entre les sous-populations apporte des claircissements. Si lvaluation des risques
ne prend pas en compte lincertitude, on peut utiliser une mesure de probabilit unique pour
dcrire le risque que court chaque sous-population (Figure 5.1d). Si lvaluation des risques
prend en considration lincertitude sans la combiner dans la mesure de probabilit, nous
pouvons nous interroger sur le degr de fiabilit de ces estimations de probabilit par portion
(Figure 5.1e). Il est difficile de comparer graphiquement deux ou plusieurs distributions du
deuxime ordre : il est thoriquement possible de produire, par exemple, des distributions de
probabilit du nombre de maladies quune personne ou une sous-population peut endurer au
cours dune priode, mais sil sagit de distributions du deuxime ordre, on obtiendra beaucoup
des rsultats beaucoup plus clairs en comparant une statistique approprie (moyenne, 90me
percentile, etc.) avec les incertitudes inhrentes.
Risque par portion
Le risque par portion est difficile cerner, vu lambigut de la dfinition de ce qui constitue
une portion. Ainsi, on doit commencer par dfinir les quantits standards - une portion tant par

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

61

exemple 100 g de poulet cuit ou 150 ml de jus dorange ou une distribution de probabilit du
poids des portions. De surcrot, il est difficile de convertir le risque au niveau individuel, car il
faut tenir compte de la quantit de laliment considr quun individu peut ingrer au cours
dune priode dtermine. Toutefois, si une quantit standard (ex : 100 g de poids cuit, ou une
ration protique de 30g, ou 1000 calories) est prdfinie, la mesure du risque par portion permet
de comparer facilement le risque rsultant de la consommation directe de diffrentes denres.
Elle peut galement tre utile pour tablir une argumentation fonde sur le rapport cotsavantages, par exemple si on recherche le risque le plus faible pour un besoin nutritionnel
dtermin.
Risque individuel
Un risque individuel peut tre spcifi pour un individu choisi au hasard dans la population
considre ou pour un consommateur slectionn de faon alatoire du produit (on part du
principe que, dans la population, tout le monde ne consomme pas le produit incrimin et que
seuls ceux qui le consomment sont risque, ce qui suppose quil ny a pas dinfection
secondaire ou de contamination croise significative1). Le risque peut aussi tre spcifi pour un
individu choisi au hasard dans diverses sous-populations si lon souhaite explorer le degr de
variabilit entre les sous-populations face au risque. Voici quelques exemples destimations
dun risque individuel:

La question de la contamination croise est examine dans le document FAO/OMS : Guidelines


on Exposure Assessment of Microbiological Hazards in Foods (FAO/OMS, 2008).

Caractrisation quantitative des risques

62

Caractre alatoire seulement

Incertitude et caractre alatoire


a) x = mesure de probabilit; y = confiance

Mesure de
probabilit un
point

Une valeur fixe

b) x = nombre de personnes malades (par ex.); y =


probabilit

c) x,y comme dans (b). Les courbes multiples montrent


lincertitude

d) x = sous-groupe; y = mesure de probabilit

e) x, y comme dans (d). Les bandes montrent


lincertitude

Distribution de
probabilit

Variabilit de la
population

Figure 5.1 Une matrice des divers types de rsultats quantitatifs que lon peut produire partir dune
valuation des risques dcrivant la variabilit, le caractre alatoire et lincertitude.

La probabilit par an quun individu slectionn de faon alatoire soit atteint dune maladie
X rsultant dune exposition la bactrie Y dans laliment Z.
La probabilit par an quun individu slectionn de faon alatoire souffre dune dgradation
de sa sant X rsultant dune exposition la bactrie Y dans un type daliment Z.
La probabilit quun individu souffre dun effet nfaste pour la sant au cours de sa vie,
rsultant de lexposition la bactrie Y dans des aliments.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

63

Le nombre prvu dvnements nfastes pour la sant dorigine alimentaire, rsultant de la


consommation dun type daliment Z, chez un individu slectionn de faon alatoire, au
cours dune anne.
La distribution du nombre dvnements nfastes pour la sant dorigine alimentaire, rsultant
de la consommation dun type daliment Z, chez un individu slectionn de faon alatoire,
au cours dune anne.
Lincidence prvue par habitant (ou par kg consomm, ou par kg produit, au niveau national)
de leffet sur la sant X rsultant de lingestion dun type daliment Z.
Le risque par personne est souvent un chiffre trs faible (par exemple 0,000013 maladie
prvues par personne et par an) et par consquent difficile visualiser et comparer, mais on
peut extrapoler le risque un plus grand nombre de personnes de faon obtenir des chiffres
plus levs et plus utilisables, par exemple en convertissant lestimation qui prcde plus de
1,3 maladies prvues pour 100 000 personnes par an. Le coefficient multiplicateur peut tre
choisi de faon rendre la mesure du risque plus accessible: par exemple, le nombre 100 000
peut tre choisi parce quil reprsente la population dune petite ville, et que le concept de 1,3
maladie par an pour une petite ville est plus parlant que lexpression 0,000013 maladie
prvue par personne et par an .
Risque lchelle dune population
Lestimation dun risque lchelle dune population porte sur la distribution du risque dans la
population ou sous-population considre, et ventuellement sur le poids du risque support par
lensemble de la population. Aucune distinction nest faite entre les sous-groupes qui composent
cette population, en fonction de critres tels que la rgion, lappartenance ethnique, lge ou
ltat de sant. Les estimations du niveau de risque lchelle dune population peuvent
notamment tre exprimes comme suit :

Nombre total de cas de maladies dorigine alimentaire pouvant tre attendus dans la
population, en un an.

Nombre prvu de jours-lits dhpital consomms par an du fait dun pathogne dorigine
alimentaire spcifique.

Pertes annuelles, en termes de nombre dannes de vie corriges en fonction du bien-tre ou


de cot conomique, imputables un pathogne prsent dans un type daliment particulier.
La probabilit doccurrence dau moins un foyer (ou un dcs, une maladie, etc.) dans la
population en un an.
La probabilit doccurrence de plus de 10 000 maladies dans la population en un an
Ces estimations peuvent tre diffrencies par sous-populations, le cas chant, et regroupes
dans une mesure unique pour lensemble de la population.
5.2.4 Correspondance entre les points terminaux de la relation dose-rponse et la mesure du
risque
Lexposition des agents microbiens peut engendrer toute une srie de ractions, allant de
linfection asymptomatique la mort. Pour caractriser les risques, il faut prendre en
considration le point terminal de la mesure (rsultat pour la sant dclar) utilis pour tablir la
relation dose-rponse, et il peut tre ncessaire destimer un ou plusieurs point terminaux

64

Caractrisation quantitative des risques

partir dun point terminal plus ou moins grave. Une fraction des individus exposs seront
infects. Linfection peut tre mesure par la multiplication dorganismes chez lhte, suivie
dexcrtion, ou par laugmentation des anticorps sriques. Une fraction des personnes infectes
dvelopperont une maladie symptomatique (ratio de morbidit), mesure par une observation
clinique, dclare par des patients, ou rvle par les rponses des consommateurs. Une
fraction de ceux qui contractent une maladie vont dvelopper des symptmes graves (ex :
diarrhe sanguinolente), avoir besoin dun traitement mdical ou dune hospitalisation, ou
mourir (ratio de mortalit). On fera en sorte que les implications de la dfinition des cas utilise
dans un essai clinique ou une enqute pidmiologique soient bien comprises. En ce qui
concerne les essais cliniques, les points terminaux des mesures sont normalement linfection
(atteste par un test fcal positif) ou la maladie (indique par une diarrhe). Les enqutes
pidmiologiques peuvent fournir des informations sur les ratios de morbidit et de mortalit.
En principe, ces ratios sont cependant fonction dune dose, mais les enqutes pidmiologiques
ne donnent pas dinformations sur cette relation. Dans certains cas, des essais cliniques ont t
effectus sur la base dun point terminal dune mesure continue de la relation dose-rponse (ex :
volume de diarrhe excrt) susceptible de donner des claircissements sur la relation de
dpendance entre la gravit du rsultat et la dose.
5.2.5 Prise en compte des sous-populations
Les sous-populations de consommateurs peuvent avoir des conditions variables en termes de
sensibilit et/ou dexposition. Si la caractrisation des risques cherche diffrencier le risque
par sous-population (ex : par classe dge), il convient de dsagrger le rsultat de lvaluation
de lexposition pour reflter la variation de lexposition des diffrentes sous-populations (ex : la
frquence, le poids et la prparation des portions consommes par les membres de chaque classe
dge). Comme on la dj vu propos de la variabilit et de lincertitude, si lon dispose
dinformations suffisantes pour laborer des relations dose-rponse spcifiques des souspopulations (ex : sensibles/non sensibles), le rsultat de lvaluation de lexposition concernant
chaque sous-population peut tre propag grce au modle dose-rponse correspondant.
Toutefois, mme dans des cas o il est impossible de dcrire des relations dose-rponse ainsi
diffrencies, la caractrisation des risques par sous-population peut donner des informations
utiles. Par exemple, les donnes peuvent tre suffisantes pour tablir des ratios de morbidit ou
de mortalit par sous-populations. On notera que les sous-populations les plus intressantes (par
exemple les consommateurs sensibles) ne peuvent pas forcment tre directement rattaches
des catgories qui se dfinissent delles-mmes (ex : classes dge). On doit donc sassurer de la
logique des critres de classification des consommateurs dans les diffrentes sous-populations et
de la cohrence des dfinitions des sous-populations dans les analyses de lexposition et de la
relation dose-rponse. Un exemple dvaluation prenant en compte les sous-populations est
examin plus loin (Section 5.5.7).
5.3 Proprits souhaitables des valuations quantitatives des risques
Une valuation quantitative des risques comprend lidentification, la slection et llaboration
ou la modification dun ou plusieurs modles qui sont ensuite combins dans un cadre. Lun des
principaux lments prendre en considration pour le choix des modles, est le niveau de
dtail requis pour lvaluation, qui doit tre cohrent par rapport aux objectifs fixs.
Pour choisir un modle quantitatif, on doit dterminer dans quelle mesure le modle est tay
par les donnes disponibles, si ses rsultats donneront des informations satisfaisantes aux
dcideurs, le nombre dhypothses qui ont t formules pour construire le modle et la solidit

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

65

de ces hypothses. Invitablement, le processus du choix des modles, de la slection et de


lanalyse des donnes et de lapplication des donnes et des modles pour rpondre aux
questions de lvaluation, implique un jugement subjectif.
La Section 6.3 est consacre lanalyse de la sensibilit qui aide identifier des variables
cls sur lesquelles il est possible dagir et qui peuvent tre utilises pour identifier les
principales sources dincertitude qui pourraient tre attnues par des recherches ou par la
collecte de donnes supplmentaires, afin de rduire lambigut de la caractrisation des
risques et de la comparaison des options de gestion des risques.
Sur la base de ce qui prcde, les principales proprits dune valuation quantitative des
risques sont les suivantes:
Dfinition claire des objectifs de lvaluation.
Scnarios bien dcrits.
Modles slectionns de faon approprie, tays dans toute la mesure du possible par des
donnes.
Niveau de dtail de lanalyse adapt au niveau de lvaluation (ex : analyse prliminaire ou
plus affine).
valuation de lincertitude dans les scnarios.
valuation de lincertitude dans les modles.
Explication de toutes les hypothses et du choix des donnes utilises dans lanalyse.
Quantification et valuation du caractre alatoire, de la variabilit et de lincertitude dans les
prdictions du modle.
Intgration approprie de lvaluation de lexposition et de la caractrisation des dangers pour
caractriser les risques.
Identification des principales options pour attnuer les risques.
Identification des principales options pour rduire lincertitude.
Identification de paramtres des risques appropris.
5.4 Variabilit, caractre alatoire et incertitude
Les valuations quantitatives des risques visent prdire ce qui se passera dans le futur ou
limpact qui pourrait rsulter dun changement de la situation. De nombreux processus
alatoires font quun pathogne qui se dveloppe lintrieur de lorganisme dun animal
producteur de nourriture conduit une exposition humaine et aux effets sur la sant qui en
dcoulent. Un modle quantitatif dcrit ce caractre alatoire en termes de probabilits. Le
modle aboutit des rsultats tels que la probabilit quun individu slectionn de faon
alatoire soit infect au cours dune anne donne, ou une distribution de probabilit du nombre
de maladies qui pourraient se dclarer au cours dune priode future. Il existe aussi une grande
variabilit interindividuelle entre les animaux, les exploitations agricoles, les comportements
humains, etc. Si cette variabilit a une incidence sur le risque, un modle quantitatif la dcrit au
moyen de distributions de frquence. En raison de la complexit du systme et de nos mthodes
de mesure imparfaites, les valeurs exactes des paramtres dcrivant les voies de risque

66

Caractrisation quantitative des risques

proposes sont incertaines. Un modle quantitatif dcrit cette incertitude avec des distributions
de lincertitude, dtermines par diverses mthodes statistiques. Il existe plusieurs ouvrages qui
traitent de la modlisation de lincertitude, de la variabilit et du caractre alatoire. Nous allons
prsenter dans les passages qui suivent une vue densemble des concepts cls, en nous appuyant
sur des exemples, sil y a lieu. Pour des informations plus dtailles sur la mthodologie, on
peut se rfrer des ouvrages comme ceux de Morgan et Henrion (1990), Vose (2000) et
ModelAssist (2004).
5.4.1 Modlisation de la variabilit, en tant que variable alatoire
On confond souvent variabilit et caractre alatoire. Si lon a assign une distribution de
frquence quelconque pour dcrire la variabilit interindividuelle de lanimal dont laliment est
issu (masse dune carcasse de poulet par exemple), une carcasse de poulet slectionne de
manire alatoire a une masse donne par cette mme distribution. La distribution de frquence
est r-interprte comme une distribution de probabilit cause de laction dun chantillon
alatoire. Ainsi, dans des modles quantitatifs, certaines sources de variabilit peuvent tre
traites comme des variables alatoires, ce qui permet deffectuer un chantillonnage alatoire
partir des distributions de probabilit associes. Selon une rgle empirique grossire, on pourrait
modliser la variabilit en tant que variable alatoire si le nombre dindividus choisis de
manire alatoire est beaucoup plus petit que la population. Par exemple, en une anne un petit
nombre de personnes sont exposes E. coli O157:H7, de sorte que lon pourrait considrer
quune personne ainsi expose a une sensibilit la bactrie extraite de faon alatoire de la
distribution de la variabilit de la sensibilit, pour lensemble de la population. Toutefois,
comme cette mthode nest pas applicable toutes les sources de variabilit on est parfois
oblig de procder une stratification de la population, les strates devant tre modlises
paralllement pour obtenir des estimations de probabilit distinctes ou tre pondres pour
obtenir une estimation de la probabilit. Voici des exemples de stratification : stratification de la
population en fonction de la sensibilit, ou stratification du produit alimentaire par producteur.
La variabilit est importante car elle rsulte par exemple du fait que des individus diffrents
sont soumis des expositions et des risques diffrents, et que des mthodes de manutention
des aliments diffrentes gnrent des niveaux de risque diffrents. Une comprhension de la
variabilit interindividuelle fournira des claircissements sur les sous-groupes de population
exposs qui sont les plus exposs ou prdisposs au risque, ainsi que sur les mthodes qui sont
plus ou moins dangereuses que la moyenne. Si des interventions peuvent tre mises en uvre, il
peut tre utile de cibler des strates spcifiques (ex: enfants/adultes). En outre, la mise en uvre
de stratgies dintervention (ex: pratiques, technologies) visant modifier une variable sur
laquelle il est possible dagir (ex : rduire loccurrence des valeurs leves des temps et/ou
tempratures de conservation, pour freiner la croissance des pathognes durant lentreposage),
devrait permettre de rduire les expositions les plus leves, et par consquent dattnuer le
risque.
5.4.2 Sparation entre variabilit et caractre alatoire, et incertitude
La variabilit et le caractre alatoire sont des proprits objectives. Le degr de variabilit
entre des individus, des animaux, des bactries, des installations de transformation, des
rfrigrateurs, etc. existe que lon en soit inform ou non. Il en va de mme pour la probabilit.
Ainsi, la croissance bactrienne, la quantit de nourriture ingre un repas, la probabilit
quune denre alimentaire vienne ou non dun abattoir contamin, le nombre de bactries
prsentes au moment de lingestion, etc. sont autant de variables alatoires (stochastiques),
caractrises par des distributions de probabilit, qui existent mme si on ne le sait pas. En

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

revanche, lincertitude est une qualit subjective,


en ce sens quelle est fonction de la quantit
dinformation dont dispose lvaluateur. Des
valuateurs diffrents qui ne disposent pas de la
mme quantit dinformations peuvent produire
des distributions de lincertitude diffrentes.

67

Encadr 5.1 Modles de second


ordre
Les distributions de probabilit sont drives de
donnes. Ces dernires sont gnralement un
chantillon dun type quelconque, de sorte que
si lon drive la distribution de probabilit qui
leur est associe, elle est entache dun degr
dincertitude. En recouvrant cette incertitude,
on obtient une distribution de second ordre.
Visuellement, une distribution de second ordre
est reprsente par de multiples courbes de
probabilit sur un mme graphique. Chaque
courbe reprsente une distribution de
probabilit et la diffrence entre les courbes
reflte lincertitude associe ce caractre
alatoire.

Le caractre alatoire, la variabilit et


lincertitude peuvent tre dcrits par des
distributions qui se ressemblent, ceci prs que les
chelles verticales dcrivent des quantits
diffrentes:
frquence
relative
pour
les
distributions de la variabilit interindividuelle ;
probabilit ou densit de probabilit pour les
distributions de probabilit, et confiance relative
pour les distributions de lincertitude. Les trois
utilisations distinctes des distributions peuvent tre
une source de confusion et conduire les
modliser ensemble dans une simulation de MonteCarlo. Or un tel modle dbouchera sur la description dune combinaison qui peut tre difficile
interprter. En outre, le fait de ne pas maintenir la distinction entre la variabilit et le
caractre alatoire (lies au monde rel) et lincertitude (lie ltat de nos connaissances) peut
dans certains cas avoir une incidence profonde sur la caractrisation des risques (Nauta, 2000).
On doit donc sefforcer de les sparer, ce qui peut tre fait de plusieurs manires, notamment
par une modlisation de second ordre (voir Encadr 5.1).
Des donnes sont ncessaires pour dfinir les distributions associes aux paramtres du
modle, mais si les donnes disponibles sont ambigus, il est difficile de dterminer si la
variabilit et/ou le caractre alatoire sont dcrits dans le modle. Dans une estimation
subjective des quantits alatoires, il est aussi gnralement trs difficile de sparer les
composantes du caractre alatoire et de lincertitude. Ainsi, il peut tre difficile de distinguer
lincertitude des autres composantes du modle et cela ne doit tre fait que si la dcision est
affecte. On tend faire abstraction de lincertitude quand on construit un modle de
probabilit, surtout si lon na pas lintention de faire un modle de second ordre, mais
lincertitude ne peut tre exclue que sil est dmontr que cela aurait un impact minime, car son
exclusion pourrait conduire surestimer la fiabilit des rsultats du modle. Parmi les rcentes
valuations des risques microbiologiques traitant de la sparation, on peut citer Nauta et al.
(2001), Hartnett (2001) et US FDA-CVM (2000).
5.5 Intgration de la caractrisation des dangers et de lvaluation de lexposition
Les directives du Codex expliquent quil est ncessaire dvaluer lexposition un pathogne et
de dterminer le niveau de risque (relation dose-rponse) correspondant cette exposition. La
plupart des valuations quantitatives des risques construisent des modles spars dexposition
et de dose-rponse, qui doivent ensuite tre mis corrlation pour estimer le risque caractriser.
La cohrence entre les concepts de dose utiliss dans les deux modles est cruciale, en
particulier pour les units de dose et les ventuelles hypothses de probabilit et on doit dans la
mesure du possible la garantir ds le stade de la planification des modles pour viter de devoir
ajuster le rsultat de lexposition ou les paramtres dentre de la caractrisation des dangers, ce
qui pourrait ne pas fonctionner.

68

Caractrisation quantitative des risques

Lorsquil y a une sparation logique entre la variabilit et lincertitude, soit dans lvaluation
de lexposition soit dans la caractrisation des dangers, cette distinction devrait tre propage
par le processus dintgration pour dterminer la variabilit et lincertitude dans les mesures
des risques pertinentes sur lesquelles est focalise lvaluation. Si lon ne parvient pas
maintenir la sparation entre la variabilit et lincertitude, la caractrisation des risques peut tre
profondment altre (Nauta, 2000). En outre, les hypothses qui sous-tendent des modles
dose-rponse spcifiques ou les biais potentiels associs une estimation de la relation doserponse peuvent limiter les modalits de combinaison des modles dexposition et de doserponse. On doit tenir compte des hypothses de modlisation et des biais potentiels de la
relation dose-rponse pour garantir une intgration logique de lexposition et de la
caractrisation des dangers.
Dans cette section, les concepts de dose sont passs en revue, tels quils sont formuls dans
les lignes directrices FAO/OMS sur lvaluation de lexposition et la caractrisation des dangers
(FAO/OMS, 2003, 2008) et des suggestions sont proposes pour prserver la cohrence des
units et les justifications du modle dose-rponse et rduire les biais lors de lintgration de
caractrisations de lexposition et des dangers potentiellement incohrentes.
5.5.1 Les units de dose dans lvaluation de lexposition
Selon le Codex (CAC, 1999) le rsultat de lvaluation de lexposition est une estimation, avec
lincertitude qui lui est associe, de la probabilit et de la concentration du pathogne dans une
portion donne dun aliment au moment de la consommation. En ce qui concerne les pathognes
prsents des concentrations relativement faibles, cette estimation de lexposition est
gnralement reprsente par une prvalence indiquant la probabilit quune portion de
laliment slectionne de manire alatoire soit contamine par le pathogne, combine avec
une distribution de probabilit reprsentant le nombre (ou la concentration) de pathognes dans
les portions daliment qui sont contamines (cest--dire qui contiennent une ou plusieurs
cellules du pathogne). La prvalence et la distribution de probabilit conditionnelle de
contamination devraient tre prsentes avec lincertitude concomitante (FAO/OMS, 2008).
Pour les pathognes prsents des concentrations relativement leves, la prvalence dans les
portions consommes peut tre voisine de 100%. Dans ce cas, laspect dterminant de
lexposition est seulement la distribution estime des concentrations microbiologiques dans
toutes les portions de laliment consomm.
Il est important de dcider si le niveau de contamination sera exprim en tant que
concentration (UFC/g ou UFC/ml) ou en tant que nombre (UFC) quand on relie ce rsultat de
lexposition un modle dose-rponse. Les nombres dUFC potentiellement ingrs sont
ncessairement des nombre entiers positifs. En consquence, il est plus logique de dcrire
lexposition estime par une distribution discrte (discontinue). Une distribution continue serait
plus approprie pour modliser des expositions individuelles si les concentrations sont
relativement leves, mais on peut toujours la reconvertir en une distribution discrte avec une
fonction darrondissement quelconque. On utilise souvent des distributions continues pour les
numrations bactriennes car elles sont beaucoup plus flexibles et faciles manipuler que les
distributions discrtes. Si le degr dexposition est exprim en termes de concentration, cette
dernire doit tre multiplie par la quantit de nourriture ingre pour dterminer lexposition
individuelle. Si la concentration est modlise sous la forme dune moyenne probabiliste, ion
doit prfrer les fonctions dose-rponse dont les donnes initiales sont des doses moyennes
probabilistes (ordinairement Poisson) aux fonctions doses-rponses ayant pour donnes dentre
une dose effective.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

69

5.5.2 Units de dose et de rponse dans une valuation de la relation dose-rponse


En gnral, dans les valuations des risques microbiologiques, les modles dose-rponse
reposent sur les concepts des mcanismes sans seuils, de laction indpendante et de la nature
particulaire de linoculum (FAO/OMS, 2003). Cela se traduit par lapplication de modles bass
sur la thorie du choc unique , comme le modle exponentiel, le modle Bta-Poisson, le
modle Weibull-Gamma et le modle hypergomtrique (Haas, 1983; Teunis et Havelaar,
2000). Ces modles supposent que chaque cellule ingre agit de manire indpendante, et que
toutes les cellules ont la mme probabilit de causer une infection. Lhypothse de labsence de
seuil implique que toute dose suprieure zro comporte un certain degr de risque.
Les directives FAO/OMS sur la caractrisation des dangers (FAO/OMS, 2003) passent en
revue les modles dose-rponse actuels. Les deux principales sources de donnes ncessaires
pour construire une valuation dose-rponse sont les tudes alimentaires sur des volontaires
humains, bases sur des tests cliniques, et les enqutes pidmiologiques sur lincidence dune
maladie associe une exposition un pathogne prsent dans un aliment. Ces diffrents types
de donnes humaines ont divers avantages et inconvnients.
Les tudes alimentaires bases sur des tests cliniques fournissent gnralement des mesures
du rsultat maladie chez des chantillons de volontaires jeunes et en bonne sant, exposs des
niveaux divers dun ou de plusieurs pathognes de substitution. Dans ces tudes, on neutralise
lacidit gastrique en administrant de faon concomitante un antiacide (par exemple du
bicarbonate) pour renforcer la survie du micro-organisme dans le tube digestif et minimiser la
variation interindividuelle de lexposition effective . Une relation dose-rponse estime sur
la base de ces donnes peut donc tre fausse par rapport celle qui rsulterait de lexposition
dune population comprenant aussi bien des personnes sensibles que des individus en bonne
sant. Le nombre limit de participants aux essais alimentaires na pas permis dobserver de
faibles taux dinfection correspondant de faibles doses de sorte que ces probabilits doivent
tre extrapoles partir de doses plus leves. En ce qui concerne les bactries pathognes, les
expositions individuelles au sein du mme groupe de doses dun essai sont variables en raison
de la distribution alatoire des inoculums, ce qui est pris en compte dans lanalyse mais accrot
lincertitude. Pour quelques autres types de pathognes, tels que le protozoaire
Cryptosporidium parvum, on peut compter directement le nombre dorganismes de sorte que
les niveaux dexposition individuels effectifs peuvent tre dtermins de faon certaine. La
forme fonctionnelle du modle dose-rponse ajust doit tre aligne sur la forme de lessai: par
exemple, un modle dose-rponse Beta-Poisson, qui suppose que la dose effective est une
variable alatoire de Poisson, de valeur prvue connue, est appropri pour les essais alimentaires
lis des bactries ; et le modle dose-rponse bta-binomial suppose que lon connat le
nombre exact de germes ingrs, ce qui convient pour un essai alimentaire dans lequel la dose a
fait lobjet dune numration.
Les donnes pidmiologiques sont gnralement constitues dune collection des maladies
confirmes par culture ou identifies dune autre manire enregistres au cours dune priode et
dans une rgion gographique donnes par les autorits en matire de sant publique. Ces
donnes peuvent tre issues dune surveillance continue active ou passive ou denqutes sur des
foyers spcifiques. Seule une fraction (plus ou moins leve selon le pathogne) de lincidence
de la maladie identifie est imputable des expositions des pathognes prsents dans des
aliments. Des informations supplmentaires sont ncessaires pour pouvoir caractriser les
dangers et estimer le nombre dexpositions correspondant un nombre donn de maladies
confirmes, et les niveaux probables doccurrence dune exposition. En outre, compte tenu des
degrs de gravit variables de la maladie qui peut se dclarer, le nombre de maladies identifies

70

Caractrisation quantitative des risques

nest quun sous-ensemble de toutes les maladies. La proportion des maladies totales qui sont
par la suite confirmes par culture ou identifies dune autre manire varie gnralement
sensiblement dun pathogne lautre, par suite de diffrences dans la virulence et/ou dans la
sensibilit de lhte (Mead et al. 1999). Lun des principaux avantages des enqutes
pidmiologiques est quelles couvrent lexposition de personnes qui nauraient jamais particip
des tudes alimentaires exprimentales, telles que les femmes enceintes, les personnes ges et
les infirmes, les jeunes enfants, etc.
Les donnes issues dtudes sur animaux sont aussi intressantes, mais il est plus difficile de
dterminer une relation dose-rponse sur la base de ces donnes que sur la base de donnes
exprimentales ou dobservation auprs de populations humaines. Toutefois, dfaut dtudes
alimentaires exprimentales sur des humains ou de donnes pidmiologiques suffisantes pour
dterminer une relation dose-rponse, la caractrisation des dangers peut reposer dans une large
mesure sur une extrapolation partir dtudes sur animaux. Dans ces cas-l, les incertitudes
associes lvaluation dose-rponse sont considrablement accrues et il est important de les
valuer et de les propager comme il convient grce la caractrisation des risques. Cela dit, il
est beaucoup plus difficile dvaluer lincertitude associe une extrapolation despce
espce, que celle associe lextrapolation dun petit chantillon de donnes humaines une
population.
5.5.3 Combinaison des valuations de lexposition et de la relation dose-rponse
Lorsque lon combine ces deux valuations, il est important de maintenir la cohrence. Avant
tout, lvaluation de lexposition et la caractrisation des dangers devraient porter sur le mme
danger, la ou les mme(s) population ou sous-populations, et le mme horizon temporel. Cela
peut sembler vident, mais le manque de donnes pourrait inciter choisir par exemple un
micro-organisme de substitution pour valuer la relation dose-rponse, ou extrapoler une
relation dose-rponse estime sur la base des donnes obtenues auprs de volontaires jeunes et
en bonne sant, une population moins homogne incluant des individus sensibles. Dans la
mesure du possible, il est prfrable dviter ces types dextrapolations et de se tourner vers
dautres approches de modlisation ; toutefois, si lon na pas dautre choix, cela doit tre
clairement indiqu et les ventuels biais et incertitudes lis ces extrapolations devraient si
possible tre pris en compte dans lvaluation.
La meilleure faon de combiner les deux valuations diffre selon que la relation doserponse est infre partir de donnes lchelle individuelle (essais alimentaires) ou globale
(enqutes pidmiologiques). Le rsultat de lvaluation de lexposition devrait tre exprim en
units dorganismes ingrs (UFC, cellules, UFP [units formant plage, utilises comme mesure
des concentrations dun virus]) par individu, et sur la base dun vnement par exposition en
raison du caractre aigu des risques microbiologiques. En revanche, les paramtres dentre de
la relation dose-rponse ne sont pas ncessairement au niveau individuel. Lexposition peut par
exemple tre exprime en tant que moyenne, ou autre synthse dune distribution des
expositions sur un groupe dindividus, mme si cela devrait autant que possible tre vit. Les
diffrences entre les synthses des expositions lchelle dun individu et dun groupe dans
une caractrisation des dangers peuvent tre lorigine dincohrences lorsque lon combine les
deux valuations aux fins de la caractrisation des risques.
Sur le plan technique, lvaluation de lexposition et la caractrisation des dangers peuvent
tre combines dans une simulation de Monte Carlo, en calculant une probabilit dinfection (ou
de maladie) associe chaque chantillon k partir de la distribution de lexposition. Pour un
chantillon donn de ni cellules provenant de la distribution de lexposition, P (infection| ni), la

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

71

probabilit conditionnelle dinfection rsultant de la dose spcifie sera ensuite calcule sur la
base de la relation dose-rponse estime ou infre. La probabilit inconditionnelle dinfection
rsultant dune exposition donne sera ensuite calcule en prenant la moyenne des valeurs k de
P (infection|ni) chantillonnes dans la simulation de Monte-Carlo. Dans ces calculs, les
prvisions relatives lexposition et au risque sont gnralement incertaines en raison de
lincertitude pistmique associe aux modles alternatifs de la distribution de lexposition et du
risque dinfection (ou de maladie) une dose quelconque spcifie. Ces incertitudes stendent
aux prvisions du risque lorsque lexposition et la dose-rponse sont combines, et elles
devraient tre refltes comme il convient dans le rsultat de lvaluation.
5.5.4 Les hypothses du modle dose-rponse
Beaucoup de modles dose-rponse bass sur le choc unique les plus courants, (ex: modle
Bta-Poisson et modle exponentiel) prennent pour hypothse une dose suivant une distribution
de Poisson pour driver une relation entre une dose moyenne et la probabilit dun effet nfaste
pour la sant. Cette distribution de Poisson de la dose nest gnralement pas compatible avec la
distribution de la dose rsultant de lvaluation de lexposition, sauf dans quelques cas
exceptionnels, le plus courant tant une dose dun aliment homogne, tel que liquide ou viande
hache, dans lequel lorganisme pathogne peut tre distribu de manire alatoire sans
sagrger. Le modle dose-rponse bas sur la distribution de Poisson convient bien pour
lanalyse statistique des donnes provenant dessais alimentaires dans lesquels la dose
administre est un chantillon dune solution dune concentration bactrienne donne, et peut de
ce fait tre considre comme suivant une distribution de Poisson. Les paramtres de la fonction
dose-rponse estime dans lanalyse statistique peuvent encore tre utiliss dans un autre
modle dose-rponse (dit bta-binomial) qui suppose que la dose exacte est connue.
Lquation sur laquelle se fondent tous les modles bass sur le choc unique est une
expression de la probabilit quun ou plusieurs chocs se produisent, dans lhypothse dune
action indpendante. Selon cette hypothse, la probabilit dinfection est exprime par le
modle dose-rponse binomial:
Pinf = 1- (1-pm)n
o Pinf est la probabilit dinfection (ou dun effet plus grave sur la sant), pm est la probabilit
quune seule cellule cause linfection, et n est le nombre de pathognes ingrs (FAO/OMS,
2003. 2008).
Si la variabilit en fonction de lhte de la probabilit dinfection par une cellule unique est
exprime par une distribution de Bta, pm peut tre remplac par une distribution de Bta pour
prendre en compte les effets de la variabilit interindividuelle. La relation dose-rponse qui en
rsulte est un modle Bta-binomial.
Si la dose n nest pas connue mais suppose suivre une distribution de Poisson de moyenne
connue, et si pm est cens avoir une valeur constante, le modle dose-rponse est dit exponentiel.
Si la dose est connue mais suppose suivre une distribution de Poisson de moyenne connue,
et si la valeur de pm est cense varier suivant une distribution Bta, on a un modle dose-rponse
de Bta-Poisson qui sera particulirement appropri sil est obtenu partir dun ajustement de la
fonction hypergomtrique confluente aux donnes disponibles (Teunis et Havelaar, 2000).
Les effets de lincertitude des paramtres ajusts de lquation dose-rponse devraient tre
propags travers les calculs de la caractrisation des risques.

72

Caractrisation quantitative des risques

Si lexposition suit une distribution de Poisson, ou si le coefficient de variation (ces--dire


lcart-type divis par la moyenne) est petit, le niveau moyen dexposition peut tre un
paramtre dentre suffisant pour la relation dose-rponse. Si le coefficient de variation est
grand, il faut prendre en compte la totalit de la distribution de lexposition et justifier les
raisons qui ont incit choisir le (s) modle(s) dose-rponse, pour garantir la cohrence des
donnes.
5.5.5 Exposition exprime en tant que prvalence
Si les niveaux dexposition quantitatifs ne sont pas connus et si lexposition nest exprime
quen tant que prvalence (par exemple, daliments tests positifs), les modles dose-rponse
reliant des niveaux quantitatifs dexposition la probabilit dun effet ne sappliquent pas. Il en
va de mme, si lon ne dispose pas dune relation dose-rponse, telle que celle dcrite dans les
directives FAO/OMS sur la caractrisation des dangers.
Dans ces situations, on peut se servir des donnes de suivi et/ou de surveillance sur la
prvalence dune exposition, et les mettre en corrlation avec lincidence (taux) dune maladie.
La prvalence considre sera de prfrence celle un pathogne aussi proche que possible de
celui qui est consomm, mais pour lequel les individus mesurs sont reprsentatifs de la source
alimentaire dans son ensemble et laliment est le principal vhicule dexposition humaine.
Dans certains cas, on peut supposer que la relation entre cette prvalence et le taux de
maladies prvu associ la source alimentaire est linaire. Il est prfrable que cette hypothse
soit taye par les donnes et la logistique de la transformation et de la manutention des
aliments : la contamination croise et le mlange des units daliment aprs le point de mesure
de la prvalence, doivent tre ngligeables.
Sur la base de ces hypothses, on peut tablir une ou deux relations entre la prvalence et le
taux de maladies (voir Figure 5.2). Si lon effectue une caractrisation des risques lis un
pathogne et une denre alimentaire qui est considre comme le seul vhicule dudit
pathogne (cas qui pourrait par exemple sappliquer Salmonella Enteritidis dans les ufs), on
peut sattendre, en premire approximation, avoir une relation caractrise par une courbe
linaire qui passe par lorigine, o une prvalence zro correspond un risque zro de maladie.
Si laliment considr nest quune voie dexposition parmi tant dautres, le taux de maladies ne
sera pas ncessairement gal zro si la prvalence du pathogne dans laliment est gale
zro, do la droite suprieure de la Figure 5.2.
Si ces hypothses sont raisonnables, ce type de relation peut aider prdire leffet dune
baisse de la prvalence rsultant dune intervention dans la chane alimentaire, un point
antrieur la mesure de la prvalence. Toutefois, une intervention qui abaisse la concentration
de pathognes dans laliment na pas ncessairement deffet sur la prvalence, mais elle aura un
effet sur la distribution de la dose dans les expositions, et donc sur la sant humaine. Une
caractrisation des risques base sur la relation dose-rponse en termes de prvalence doit donc
tre interprte avec prudence.

73

Taux de maladies

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

Prvalence

Figure 5.2 Relations dose-rponse / prvalence linaires, o la droite infrieure reprsente une
voie dexposition unique, telle quune prvalence zro correspond un risque zro, alors que la
droite suprieure correspond des voies dexposition multiples, telles quune prvalence zro
dans un aliment ne se traduit pas ncessairement par labsence de maladie dans la population.
La sensibilit et la spcificit du test employ pour mesurer la prvalence ont leur
importance lorsque lon utilise des donnes concernant la prvalence pour caractriser un aspect
quelconque du risque et, en loccurrence, pour valuer les concentrations bactriennes dans un
aliment. Pour comparer les prvalences, les mthodes employes devraient avoir la mme
sensibilit et, dans le cas contraire, leurs sensibilits devraient tre connues afin de permettre un
ajustement la prvalence relle . Cela nous amne la question de la limite de dtection du
pathogne dans laliment. Si cette limite varie dune mthode lautre, cette diffrence sera
reflte dans la prvalence mesure. Il existe des mthodes statistiques qui permettent de
corriger ces erreurs de mesure (Gibbons et Coleman, 2001).
Sil ressort de lvaluation que le niveau dexposition est faible et que lon ne dispose que
dune relation dose-rponse du type qui vient dtre dcrit, on doit tre particulirement attentif
leffet que peuvent avoir la limite de dtection et la sensibilit du test sur la prvalence
mesure pour obtenir les donnes de la relation dose-rponse. Les faibles concentrations, allant
de 1 10 UFC /100 g sont rarement mesures, mais elles peuvent avoir un impact sur le taux de
maladies rsultant de lexposition des micro-organismes pathognes. Cest pourquoi, il est
gnralement dconseill de combiner des valuations de lexposition indiquant de faibles
niveaux avec une relation dose-rponse du type de celles examines ici, sauf si lon peut
supposer que la distribution du pathogne dans un vnement dexposition demeure constante
quelle que soit la stratgie adopte pour grer les risques, ou que le niveau dexposition restera
lintrieur dune section en ligne droite de la courbe dose-rponse.
5.5.6 Relations dose-rponse tablies daprs des donnes pidmiologiques
tant donn que les donnes agrges (pidmiologiques) mettent gnralement en corrlation
un risque moyen observ ou infr et une exposition moyenne ou infre, il peut tre difficile

74

Caractrisation quantitative des risques

destimer la relation entre lexposition et le risque au niveau individuel, partir de ces donnes.
En effet, les units de mesure (agrgats dans la population) ne sont pas les mmes que les cibles
des infrences (individus). Dans la littrature pidmiologique, ce problme des infrences est
gnralement appel erreur cologique, biais dagrgation ou biais transversal (Piantadosi, Byar
et Green, 1988; Greenland et Morgenstern, 1989; Richardson, Stucker et Hemon, 1987).
Lerreur cologique inclut leffet potentiel de facteurs de confusion, mais il est reconnu que
mme sans facteur de confusion, lagrgation elle-mme peut engendrer un biais par rapport aux
relations tablies au niveau individuel. Ce phnomne est gnralement appel biais
dagrgation ou biais transversal.
Il ny a pas de panace pour rsoudre ce problme du biais dans linterprtation des donnes
agrges. Toutefois, en choisissant une dfinition approprie de lexposition et/ou du risque
moyen (ex : moyenne gomtrique/arithmtrique) pour les groupes de donnes utilises dans
la caractrisation des dangers, on peut rduire les effets du biais un niveau acceptable, si la
relation drive a pour objet de reprsenter le risque par rapport la dose lchelle
individuelle (Haas, 1996; Crump 1998; Guo et al., 1998). Il existe dautres approches plus
sophistiques pour rduire les effets de lerreur cologique (King, 1997), mais elles ne sont pas
toujours applicables une valuation des risques microbiologiques compte tenu de la nature et
de ltendue des autres biais possibles.
Les effets du biais transversal peuvent poser un problme quelle que soit la forme du rsultat
de lvaluation de lexposition (exposition de faible niveau, de niveau lev, ou base sur la
prvalence). Toutefois, compte tenu de la nature et de ltendue dautres incertitudes, leffet du
biais transversal peut tre particulirement pertinent si la relation dose-rponse est intgre avec
une valuation de lexposition dans laquelle les niveaux dexposition sont quantitatifs et levs.
5.5.7 Intgration de la variabilit et de lincertitude
Les rsultats de lvaluation de lexposition et de la caractrisation des dangers sont intgrs
diffremment selon lapproche adopte pour prendre en compte la variabilit et lincertitude.
Lapproche employe chaque tape doit tre cohrente de faon ce que, par exemple, si
lexposition a t stratifie en fonction de la sensibilit des diffrentes populations, il y ait un
modle dose-rponse pour chaque population. Il est important de relier correctement ces
caractristiques du modle quand on combine les rsultats. Par exemple, si la variabilit entre
les sous-populations a t prise en compte, la distribution de probabilit relative lexposition
dans chaque population, doit tre propage travers le modle dose-rponse pour cette
population.
Ces ides sont illustres la Figure 5.3. Ici, on suppose que lexposition dpend de la saison
(A et B) et du producteur (1 et 2), ce qui conduit 4 distributions diffrentes de lexposition
(A1, A2, B1, B2). On suppose en outre quil y a deux sous-populations, dont chacune a une
courbe dose-rponse qui lui est propre. La figure montre bien quil est important de relier le bon
modle dexposition au bon modle dose-rponse si lexposition et la relation dose-rponse sont
stratifies de cette manire.
Les ides de lien sont mieux illustres aux Figures 5.4 5.7, en tenant compte de la
variabilit et de lincertitude. Ces figures montrent en particulier des rsultats issus de modles
types dans lesquels la stratification de la population et lincertitude ont t incorpores des
degrs divers. Dans chaque cas, lvaluation de lexposition donne la probabilit quune portion
slectionne de faon alatoire de laliment soit contamine par le micro-organisme, ainsi
quune distribution de probabilit relative au nombre logarithmique dorganismes prsents dans
cette portion. On a suppos que lventuelle variabilit de la contamination, par exemple selon

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

75

les saisons, les rgions du pays ou les producteurs daliments avait t prise en compte, grce
ltablissement de moyennes et quune stratification ntait donc pas ncessaire. La
caractrisation des dangers dbouche sur le modle dose-rponse. On notera que les graphiques
reprsentant les modles dose-rponse ne sont pas des distributions de probabilit ou
dincertitude, mais des fonctions mathmatiques. Enfin, la caractrisation des risques prsente
deux mesures du risque. La premire est prise au niveau individuel et donne par la probabilit
quun individu slectionn de manire alatoire contracte une maladie rsultant de lingestion
dune portion du produit alimentaire. La deuxime, dfinie lchelle de la population, est le
nombre de cas lanne prochaine.
Lincertitude nest pas incluse dans les modles prsents aux Figures 5.4 et 5.5. On a donc
des valeurs ponctuelles pour la probabilit de contamination et le risque individuel, des modles
de dose-rponse unique et des distributions de probabilits uniques pour le nombre log
dorganismes et le risque lchelle de la population. Si lon dispose de grands chantillons de
sorte que le caractre alatoire et les carts entre les populations sont dominants, cette approche
convient. Autrement, on obtiendra des rsultats similaires en changeant les paramtres du
modle pour tudier leffet de lincertitude.
Les Figures 5.6 et 5.7 reprsentent des modles du second ordre. Dans ce cas, il y a une
distribution de lincertitude aussi bien pour la probabilit quune portion soit contamine que
pour le risque individuel (noter laxe des ordonnes sur chacun de ces graphiques - il montre la
confiance plutt que la probabilit). Il y a aussi une incertitude associe au modle dose-rponse
et aux distributions de probabilit concernant les nombres log par portion et le risque lchelle
de la population. Cette incertitude est indique par les courbes multiples sur chaque graphique.
Cette approche est approprie si lincertitude est grande et peut tre explicitement distingue de
la variabilit tous les stades.
La diffrence des rsultats, selon que la stratification de la population est incluse ou non, est
mise en relief par une comparaison entre les Figures 5.4 et 5.5 (sans incertitude) et les Figures
5.6 et 5.7 (avec incertitude). Pour les modles des Figures 5.5 et 5.7, on a suppos que les
rponses variaient entre deux sous-populations. Ceci ressort des diffrents modles de doserponse: la sous-population 1 est moins sensible que la sous-population 2 (bien que les deux
populations soient censes avoir le mme niveau dexposition). Les modles dose-rponse
diffrents dbouchent sur des niveaux de risque individuel diffrents, un individu choisi au
hasard dans la sous-population 1 ayant une probabilit de maladie plus leve quun individu
choisi de manire alatoire dans la sous-population 2. Le risque lchelle de la population
regroupe les rsultats des deux sous-populations pour donner le nombre de cas dans la
population totale. Sil y a des raisons de supposer que les rponses des deux sous-populations
sont les mmes, la stratification est sans objet (Figures 5.4 et 5.6).
Ces exemples peuvent facilement tre tendus, par exemple, pour identifier la variabilit
entre les producteurs, dans le temps ou dans lespace (voir Figure 5.3). En outre, dautres
estimations du risque pourraient tre drives.

Saison

Producteur
1

valuation de lexposition
Population
x

A, 1

A, 1

A, 2

A, 2

B, 1

B, 1

x
y

Caractrisation des dangers

x
y

B, 2

B, 2

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

Source de variabilit

Figure 5.3 Liaison entre lvaluation de lexposition et la caractrisation des dangers


77

78

Caractrisation quantitative des risques

valuation de lexposition

Caractrisation des dangers


Population

Probabilit de maladie

Population

Probabilit

0.8
0.6
0.4
0.2
0
Portion contamine

Portion non contamine

1.2
1
0.8
0.6
0.4
0.2
0
0

10

12

Dose log

Cumulative
probability

1
0.8
0.6
0.4
0.2
0
0

10

Log N pour portion

Caractrisation des risques


Population
1

Risque individuel

Probabilit

0.8
0.6
0.4
0.2
0

Risque pour la population

Probabilit cumule

Maladie rsultant
dune portion

Absence de maladie
rsultant dune portion

1
0.8
0.6
0.4
0.2
0
0

100

200

300

400

500

Nombre de cas lanne prochaine

Figure 5.4. Caractrisation des risques sans stratification de la population, et incertitude non incluse

78

Caractrisation quantitative des risques

79

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

valuation de lexposition
Sous-population 2

0,2

0,2
Portion contamine

Portion non contamine

0,6
0,4
0,2
0
0

Portion contamine

Portion non contamine

de

1
0,8
0,6

6
Dose log

10

12

0,4
0,2
0
0

10

12

Dose log

Probabilit cumule

1
0,8
Probabilit
cumule

0,4

maladie

0,6

1,2
1
0,8
0,6
0,4
0,2
0

Probabilit

0,4

Probabilit

0,6

0,8

Sous-population 2

maladie

0,8

Probabilit

Probabilit

Sous-population 1

de

Sous-population 1

Caractrisation des dangers

0,8
0,6
0,4
0,2
0
0

10

10

N log par portion

N log par portion

Caractrisation des risques


Sous-population 2

0,8

0,8

Probabilit

Risque individuel

Probabilit

Sous-population 1

0,6
0,4

0,6
0,4
0,2

0,2

0
Maladie rsultant dune portion

0
Maladie rsultant dune portion Absence de maladie rsultant dune portion

Absence de maladie rsultant


dune portion

1
0,8

Probabilit
cumule

Risque pour la population

0,6
0,4
0,2
0
0

100

200

300

400

500

Nombre de cas lanne prochaine

Figure 5.5. Caractrisation des risques avec stratification de la population, incertitude


non incluse

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

valuation de lexposition

Caractrisation des dangers

Population

Population
Probabilit de maladie

Confiance cumule

1
0,8
0,6
0,4
0,2
0
0

0.1

79

0.2

0.3

1,2
1
0,8
0,6
0,4
0,2
0
0

Probabilit portion contamine

10

12

Probabilit cumule

Dose log

1
0,8
0,6
0,4
0,2
0
0

10

N log par portion

Caractrisation des risques


Population
Confiance cumule

1
0,8
0,6

Risque individuel

0,4
0,2
0
0

0,002

0,004

0,006

0,008

0,01

Probabilit de maladie rsultant dune portion

Risque pour la population

Probabilit cumule

1
0,8
0,6
0,4
0,2
0
0

100

200

300

400

500

Nombre de cas lanne prochaine

Figure 5.6 Caractrisation des risques sans stratification de la population, incertitude incluse

Caractrisation quantitative des risques

80

valuation de lexposition

Sous-population 1

1
Confiance cumule

0,6
0,4
0,2
0

0,1

0,2

0,3

0,8
0,6
0,4
0,2
0
0

Probabilit portion contamine

0,1

0,2

1,2
1
0,8
0,6
0,4
0,2
0
0

0,3

10

12

1
0,8
0,6
0,4
0,2
0
0

Dose log

Probabilit portion contamine

Sous-population 2
Probabilit de maladie

1
0,8

0,8
0,6
0,4
0,2
0
0

10

0,8
0,6
0,4
0,2
0
0

N log par portion

10

N log par portion

Caractrisation des risques


Sous-population 2
Confiance cumule

Risque individuel

Confiance cumule

Sous-population 1
1
0,8
0,6
0,4
0,2
0

1
0,8
0,6
0,4
0,2
0

0,002

0,004

0,006

0,008

0,01

Risque pour la population

Probabilidad acumulativa

Probabilit de maladie rsultant dune portion

0,02

0,04

0,06

0,08

0,1

Probabilit de maladie rsultant dune portion

1
0,8
0,6
0,4
0,2
0
0

100

6
Dose log

1
Confiance cumule

Confiance cumule

Caractrisation des dangers

Sous-population 2
Probabilit de maladie

Confiance cumule

Sous-population 1

200
300
400
500
Nombre de cas lanne prochaine

Nombre de cas lanne prochaine

Figure 5.7 Caractrisation des risques avec stratification de la population, incertitude incluse

10

12

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

81

5.6 Exemples danalyses quantitatives des risques


5.6.1 FSIS E. coli comparative risk assessment for intact (non-tenderized) and non-intact
(tenderized) beef (USDA FSIS, 2002)
Lattendrissement mcanique avec des aiguilles ou des lames en inox dplace les pathognes
qui sont la surface des tranches de buf intactes vers le bas, ce qui peut les protger de leffet
ltal de la chaleur durant la cuisson.
Le Food Safety and Inspection Service (FSIS) cherchait dterminer si le steak attendri la
lame reprsentait un risque sanitaire sensiblement plus lev que son quivalent non attendri. Le
Service a construit un modle de simulation quantitative pour analyser les concentrations de
bactries dans les steaks et les modifications de leur taux de survie aprs le processus
dattendrissement qui, en les incorporant dans la viande, leur fournissait une protection
supplmentaire. Le service a ensuite estim la charge bactriologique des steaks aprs la
cuisson, et utilis les concentrations ainsi obtenues comme paramtres dun modle doserponse pour estimer le risque. Le FSIS a conclu ce qui suit:
Les probabilits qu E. coli O157:H7 survive aux pratiques de cuisson classiques, dans les steaks tant
attendris que non-attendris, sont infimes 0,000026 pour cent (soit 2,6 pour 10 millions de
portions) des steaks non attendris contiennent une ou plusieurs bactries Les diffrences des
concentrations de bactries aprs la cuisson entre les steaks attendris et les steaks non-attendris sont
minimes, voire nulles. [Le modle] met en vidence un cart peine dcelable des niveaux de dose
suprieurs 1. Les prvisions concernant les maladies par portion (IPSEV) sont de 1 maladie pour 14,2
millions de portions (7,010-8 ) de steak attendri, contre 1 maladie pour 15,9 millions de portions
(6,310-8) de steak non attendri. Cela signifie quil y aura sept maladies de plus imputables
lattendrissement, par milliard de portions de steak (7,010-8 6,3x10-8)

Comme il sagissait dune valuation comparative, le modle ne prenait en compte que les
lments utiles la comparaison. Il commenait donc par analyser la distribution des bactries
sur le steak avant lattendrissement, puis examinait les variations du risque pour la sant
humaine li lingestion du mme steak, soumis un traitement diffrent, et il navait besoin de
prendre en considration aucun autre facteur intressant llevage et labattage de lanimal.
5.6.2 FAO/OMS Listeria monocytogenes in ready-to-eat foods (FAO/OMS, 2004)
La FAO et lOMS ont runi un groupe de travail pour rpondre trois questions concernant
Listeria monocytogenes, qui avaient t poses par le Comit du Codex sur lhygine
alimentaire (CAC, 2000). Il sagissait de:
Estimer le risque de maladie grave imputable L. monocytogenes dans les aliments lorsque le
nombre dorganismes va de labsence dans 25 grammes 1 000 units formant colonies (UFC)
par gramme ou millilitre, ou ne dpasse pas des niveaux spcifis au point de consommation.
Estimer le risque de maladie grave pour les consommateurs dans diffrents groupes de
population sensibles (personnes ges, nourrissons, femmes enceintes et patients
immunodprims) par rapport la population gnrale.
Estimer le risque de maladie grave imputable L. monocytogenes dans les aliments qui
favorisent sa croissance et les aliments qui ne favorisent pas sa croissance dans des conditions
particulires de stockage et de dure de conservation.
Lvaluation des risques navait pas besoin dun modle complet couvrant toute la filire
alimentaire ( de la ferme la table ) pour rpondre ces questions. En outre, comme les

Caractrisation quantitative des risques

82

questions ne concernaient pas un pays ou un produit spcifique, il ntait pas ncessaire de


dfinir le champ dapplication du modle. Lquipe a dcid de focaliser ltude sur les
concentrations de Listeria monocytogenes dans les aliments vendus au dtail; de modliser la
croissance ou la rduction de L. monocytogenes entre le moment de lachat et celui de la
consommation; et dutiliser une fonction dose-rponse ajuste pour estimer le risque qui en
dcoule.
Lquipe a slectionn quatre aliments prts consommer raisonnablement reprsentatifs des
nombreux aliments disponibles. Lanalyse quantitative a produit les rsultats indiqus au
Tableau 5.1.
Tableau 5.1 Estimation des risques lis Listeria monocytogenes, selon la mthode utilise dans lERM
de la FAO/OMS
Aliment

Cas de listriose par


109 personnes par an

Cas de listriose par 109 portions

Lait

910

0,5

Crmes glaces

1,2

0,0014

Poisson fum

46

2,1

0,066

0,00025

Viandes fermentes

SOURCE: Adapt du Tableau 1 de lvaluation des risques lis Listeria monocytogenes dans les aliments prts consommer
(FAO/OMS, 2004).

Le rapport dvaluation des risques fournit une explication trs dtaille des principales
limites de lanalyse quantitative, qui doit notamment compter principalement sur des donnes
quantitatives europennes sur la contamination, et sur des sources multiples pour les estimations
de la prvalence. Les donnes sur la consommation provenaient principalement dAmrique du
Nord et la relation dose-rponse a t drive de donnes pidmiologiques provenant des tatsUnis dAmrique, o les niveaux dexposition pourraient ne pas tre les mmes quen Europe.
La rponse rsume aux trois questions du Codex reconnat que les donnes quantitatives
doivent tre interprtes avec prudence, en fournissant des rponses qualitatives. Par exemple
(FAO/OMS, 2004):
Lvaluation des risques dmontre que la plupart des cas de listriose sont attribuables de grands
nombres de Listeria et aux aliments dans lesquels la concentration du pathogne ne rpond pas aux
critres actuels, quels quils soient (0,04 ou 100 UFC/g). Le modle prvoit galement que lingestion
dun petit nombre de L. monocytogenes ne risque gure de causer la maladie. liminer de grands
nombres de L. monocytogenes au moment de la consommation a un impact non ngligeable sur le
nombre de cas de maladie prvu.

5.6.3 Shiga-toxin-producing E. coli O157 in steak tartare patties (Nauta et al., 2001)
Dans une valuation des risques lis Escherichia coli producteurs de Shiga-toxines (STEC)
dans des bouches de steak tartare, Nauta et al. (2001) ont simul lexposition de la population
aux Pays-Bas, en construisant un Modle de Monte-Carlo de la ferme la table . Cette
valuation des risques a fourni un exemple de lintgration de lvaluation de lexposition et de
la caractrisation des dangers avec une faible dose et une relation dose-rponse lchelle
individuelle. La prvision de lexposition du modle de rfrence tait caractrise par une
prvalence de 0,29% de bouches de tartare contamines et un nombre moyen de 190 UFC par
bouche contamine. La distribution des UFC dans les bouches contamines est rsume au
Tableau 5.2. En combinant cette distribution avec des donnes sur la probabilit de

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

83

consommation dune bouche de steak tartare par personne et par jour, on obtient une
valuation de lexposition de la population, exprime en units dUFC par personne et par jour.
Le modle dose-rponse labor pour la caractrisation des dangers se fondait sur une
pidmie bien documente dans une cole primaire au Japon (Shinagawa, 1997). Les donnes
ont t ajustes un modle exponentiel distinct pour les enfants et les adultes, ce qui a donn
des estimations ponctuelles de la probabilit dinfection par une seule cellule de r = 0,0093
pour les enfants et de r = 0,0051 pour les adultes.
Tableau 5.2 Distribution de lexposition aux STEC O157 dans des bouches de steak tartare.
UFC par exposition

Probabilit

63,9%

210

28,8%

11100

6,3%

1011000

0,9%

>1000

0,11%

Comme les niveaux dUFC par exposition taient gnralement faibles, la distribution de
lexposition a t combine avec le modle dose-rponse dans une simulation de Monte Carlo,
en appliquant le modle bas sur la thorie du choc unique, selon la formule 1-(1-r)n, n tant
un chantillon alatoire de la distribution de lexposition. La caractrisation des risques, faite au
moyen de cette approche, a permis de dterminer un taux dattaque prvu de 0,0015%
dinfections par personne et par an aux Pays-Bas, soit 2335 infections par 15,6 millions de
personnes et par an.
Notons que, dans cet exemple, lincertitude nest pas quantifie; seule la variabilit est prise
en compte.
5.6.4 FAO/OMS risk assessment of Vibrio vulnificus in raw oysters (FAO/OMS, 2005)
La FAO et lOMS ont entrepris dvaluer le risque de maladie imputable Vibrio vulnificus
dans les hutres crues, en adaptant la structure dun modle de risque qui avait t
prcdemment labore aux tats-Unis pour V. parahaemolyticus (FAO/OMS, 2005). Cette
valuation des risques fournit un exemple de lintgration dune valuation de lexposition et
dune caractrisation des dangers, quand une relation dose-rponse estime partir de donnes
agrges prsente un biais apprciable si elle est interprte comme valable au niveau des
expositions individuelles. Le modle relatif V. vulnificus avait pour principal objectif
dexaminer lefficacit potentielle des mesures de rduction aprs llaboration dun modle de
rfrence.
Une relation dose-rponse relative V. vulnificus a t obtenue en ajustant un modle
paramtrique (Bta-Poisson) aux donnes estimes lchelle de la population ou lchelle
globale sur la relation entre la moyenne arithmtique du risque et la moyenne arithmtique de
la dose sur des groupes des donnes dfinies par saison et par an. Ces donnes estimes sur la
relation dose-rponse se fondaient sur une surveillance pidmiologique des cas, des statistiques
de consommation et des estimations de la densit de V. vulnificus bases sur un modle.
Lajustement du modle dose-rponse obtenu a t interprt comme un ajustement empirique.

Caractrisation quantitative des risques

84

En thorie, le rsultat de lintgration ou de la recombinaison de la relation dose-rponse


drive, avec les expositions de rfrence utilises pour ltablir, devrait tre gal en moyenne
aux risques moyens lchelle de la population. Cela ntait cependant pas le cas lorsque la
relation dose-rponse estime tait interprte comme sappliquant lchelle individuelle
aussi bien qu lchelle des groupes de donnes dont elle tait drive, ce qui tait
apparemment d leffet du biais transversal.
Lampleur de la diffrence entre les prvisions de risque obtenues avec ces deux
interprtations possibles de la dose-rponse est mise en vidence au Tableau 5.3. Lhypothse
est que la relation ajuste dose-risque lchelle de la population applique au niveau individuel
ait dbouch sur des prvisions de risque considrablement plus faibles (jusqu 75% plus
faibles) que les estimations pidmiologiques des risques moyens. Les prvisions de risque
rsultant dune interprtation une chelle agrge de la dose-rponse taient ncessairement
plus cohrentes, en moyenne, avec les estimations pidmiologiques des risques moyens qui ont
servi de base pour obtenir lajustement dose-rponse. Cette interprtation a donc t retenue
pour caractriser les risques.
Tableau 5.3 Risque moyen de maladie imputable Vibrio vulnificus par portion ou exposition.

Saison

Donnes estimes sur la


base des cas notifis et des
statistiques de
consommation

Bas sur la relation doserponse ajuste, interprte


comme une relation doserisque lchelle
individuelle

Bas sur la relation doserponse ajuste, interprte


comme une relation dose
moyenne- risque moyen

Hiver

1,4 10-6

5,1 10-7

1,1 10-6

Printemps

2,8 10-5

1,7 10-5

3,4 10-5

-5

-5

3,9 10-5

5,1 10-6

2,3 10-5

4,9 10

Automne

1,9 10-5

2,8 10

6. Assurance de la qualit
La caractrisation des risques nest pas une simple synthse des rsultats des composantes
prcdentes de lvaluation des risques, elle rsume aussi lensemble des conclusions et
prsente les atouts et les limites de lanalyse aux gestionnaires des risques. La validit de
lvaluation dpend de la solidit de la structure, des paramtres et des hypothses sousjacentes des modles et de linterprtation de leurs rsultats. Lassurance de la qualit est donc
un lment crucial de la caractrisation des risques. La qualit peut tre garantie par diverses
mthodes. La question de lassurance de la qualit des donnes est examine la Section 6.1,
alors que la section 6.2 porte sur lvaluation du poids de la preuve. Lanalyse de la sensibilit
et lanalyse de lincertitude sont respectivement dcrites aux Sections 6.3 et 6.4, alors que la
vrification, lancrage et la validation des modles sont abords aux sections 6.5, 6.6 et 6.7. Une
mthode spcifique de validation des modles, impliquant une comparaison avec des donnes
pidmiologiques, est prsente la section 6.8. La solidit des modles et les problmes ayant
trait leur extrapolation sont traits la Section 6.9. La crdibilit dune valuation des risques
repose sur des critres, passs en revue la Section 6.10, incluant une documentation approprie
de lanalyse et lexamen par des pairs. Le processus dexamen par le public est tudi la
Section 8.5.
6.1 Assurance de la qualit des donnes
Les rsultats dune analyse de la sensibilit ou de lincertitude sont conditionns par les donnes
et autres informations utilises pour laborer le modle dvaluation des risques. Comme la
caractrisation des risques sert de mcanisme principal pour communiquer les conclusions des
valuations aux gestionnaires des risques, elle devrait rsumer brivement les principaux atouts
et limites des donnes, mthodes et analyses recenss durant lidentification des risques,
lvaluation de lexposition et la caractrisation des dangers. Pour ces analyses, les valuateurs
des risques doivent gnralement faire des synthses et des infrences partir de sources de
donnes disparates qui ntaient lorigine pas spcifiquement destines aux valuations des
risques. Dans certains cas, cela les oblige employer des mthodes non classiques ou non
usuelles qui doivent tre passes au crible pour sassurer quelles sont acceptables et appliques
comme il convient. Pour une tude plus approfondie, on peut se rfrer aux directives
FAO/OMS relatives la caractrisation des dangers et lvaluation de lexposition
(FAO/OMS, 2003, 2008).
6.1.1 Collecte des donnes
Habituellement les donnes utilisables pour une valuation des risques microbiologiques sont
disperses. En principe, les valuateurs devraient commencer par recueillir toutes les donnes
pertinentes par rapport lobjectif de lvaluation quil est possible dobtenir dans des
conditions raisonnables, et dans un deuxime temps examiner la qualit des diffrentes sources
de donnes. Lorsque lon collecte des donnes relatives aux distributions des paramtres,
plusieurs aspects doivent tre pris en considration pour valuer leur qualit. Les considrations
ci-aprs sappliquent aux donnes empiriques et aux informations obtenues auprs dexperts.
Dans lidal, les valuateurs des risques devraient avoir accs des donnes brutes non
synthtises. Sil sagit de donnes dobservation suffisantes, certaines mthodes statistiques,
comme les tests de la qualit de lajustement, permettent de dfinir une distribution

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

87

paramtrique approprie pour dcrire les donnes. dfaut, on peut avoir recours des
distributions paramtriques ou des mthodes de simulation non paramtriques pour
caractriser les distributions des donnes dentre. Cependant, les donnes brutes sont souvent
inaccessibles. Les rsultats sont gnralement exprims en tant que statistiques rsumes
agrges, telles que moyenne estime, cart-type ou erreur-type de la moyenne. Pour tablir une
distribution partir de statistiques rsumes, on doit obtenir des informations sur la distribution
suppose des donnes sous-jacentes, ainsi que sur la taille de lchantillon.
Il convient de recueillir le plus
dinformations gnrales possible sur les
sources des donnes (anne dachvement,
pays dorigine, type dchantillon,
transformation possible des donnes,
mthode
danalyse,
souche
microbiologique
et
facteurs
dmographiques, etc.). Ces informations
peuvent tre importantes pour le traitement
ou lutilisation des donnes ou pour
dcider de lopportunit de les inclure
dans le modle. Un exemple est fourni
lEncadr 6.1.

Encadr 6.1 Exemple dune valuation des


risques lis Campylobacter jejuni dans les
poulets, au Danemark.
Pour valuer les risques, des donnes quantitatives taient
ncessaires pour dcrire les variations de la concentration
du pathogne au cours dune tape donne dans un
abattoir de volailles (par exemple au cours de ltape de
lavage et de rfrigration, Figure 6.1). Faute de donnes
disponibles au Danemark, on a d utiliser des donnes
provenant dtudes ralises ltranger pour valuer
lefficacit du processus de lavage et rfrigration, en
termes de rduction des concentrations de pathognes
prsents sur les carcasses de poulets. On avait des
donnes concernant le microorganisme tudi, mais elles
provenaient
dunits
dchantillons
diffrentes
(chantillons de peau du cou, carcasse entire lave et
chantillons sur applicateur). Tous ces types
dchantillons indiquaient que la surface des carcasses de
poulet taient contamine. Pour synthtiser les donnes,
on a suppos que la rduction relative de la concentration
des pathognes au cours du processus tait indpendante
du type de mesure de la surface. Sur la Figure 6.2, les
pentes refltent les variations de la concentration
logarithmique au cours du processus. tant donn que
toutes les pentes semblent similaires, tous les ensembles
de donnes ont t utiliss pour dcrire la rduction au
cours du processus de lavage et de rfrigration.
(Christensen et al., 2001).

Il arrive que les donnes concernant le


micro-organisme considr ne soient pas
disponibles, quelles soient insuffisantes
ou dune qualit qui laisse dsirer (par
exemple, en raison de leur raret, ou de
mthodes de collecte imprcises). Dans ce
cas, on peut utiliser des donnes
concernant un micro-organisme de
substitution, condition que ce dernier ait
un comportement similaire dans le
processus tudi (ex : E. coli gnrique
pour estimer la contamination croise
durant les procdures dabattage). En gros,
on peut se servir de donnes provenant
dorganismes
de
substitution
pour
modliser diffrentes tapes dun mme modle, condition quelles soient disponibles et
appropries. Dans certains cas, des donnes chantillonnes exprimes dans des units
diffrentes (ex : concentration absolue ou variation de la concentration) peuvent tre employes
pour dcrire le mme processus, comme dans lexemple illustr ci-aprs. Selon la manire dont
les donnes sont utilises dans le modle (par exemple pour dcrire une variation de la
concentration au cours dune tape ou pour dcrire le niveau de concentration, Figure 6.2),
diffrents paramtres peuvent tre valus dans une analyse de sensibilit pour sassurer que les
objectifs de qualit sont atteints.
Une analyse de la sensibilit est un instrument prcieux pour garantir la qualit des donnes.
Certaines sources de donnes et paramtres des modles identifis comme ayant une influence
importante sur les rsultats des modles doivent tre valus avec prudence. Les donnes
disponibles peuvent sous-estimer la fourchette de variabilit relle dun paramtre du modle.
Dans lexemple dcrit plus haut, les donnes disponibles ne couvrent que deux pays et la

88

Assurance de la qualit

variabilit peut tre plus grande que ne le suggrent les donnes empiriques elles seules. De ce
fait, on peut avoir recours des techniques comme lanalyse de sensibilit de porte nominale
pour valuer la sensibilit du rsultat du modle aux variations dun paramtre sur toute sa
gamme de valeurs plausibles. Il se peut aussi que les donnes disponibles ne soient pas
considres comme reprsentatives de la population tudie. Dans ce cas, elles peuvent tre
exclues de lanalyse ou incorpores avec un ajustement appropri. Les dcisions relatives au
traitement des donnes non reprsentatives dpendent du contexte et doivent tre clairement
expliques. Par exemple, les donnes provenant dune source spcifique peuvent tre
considres comme non-reprsentatives pour fournir une estimation de la tendance centrale
(par exemple la moyenne), mais utiles pour caractriser la dispersion de la distribution dun
paramtre (ex : plus ou moins un ordre de grandeur).

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

89

Processus de lavage
et de
rfrigration
wash
& chiller

process

Concentration (log 10 ufc/g de peau) Concentration (log 10 ufc/g de peau)

Concentration de Campylobacter log 10 ufc ou / 1000 cm2


Concentration
ou / carcasse
of Campylobacter

Figure 6.1 Illustration dun sous-modle de bote noire mettant en corrlation deux ensembles de
donnes observes (points dancrage) au cours dun processus. On a suppos que la rduction relative de
la charge de Campylobacter sur les carcasses de poulets tait indpendante de la partie de la carcasse o
lchantillon a t prlev. Si les donnes sont exprimes en valeurs logarithmiques dUFC, on obtient la
variation relative de la concentration au cours du processus (lavage + rfrigration) en soustrayant les
concentrations avant et aprs le processus.

6
5

Mead et al (1995)

Oosterrom et al
(1983)

Izat et al (1988)

Cason et al (1997)

1
0
avant before
lavage +
rfrigration
wash+chiller

after lavage +
aprs
wash+chiller
rfrigration

Figure 6.2 Influence dun processus dabattage slectionn sur la concentration de Campylobacter sur
des carcasses de poulet. La variation des concentrations de pathognes avant et aprs le processus est
reprsente par une droite reliant des points de donnes provenant de la mme tude.

6.1.2 Tri et slection des sources de donnes


Aprs avoir recueilli des ensembles de donnes potentiellement appropris, chacun deux doit
tre valu attentivement pour slectionner les donnes qui fourniront le meilleur paramtre
possible pour le modle compte tenu de son objectif (ex : dcrire le niveau de contamination, la
prvalence ou les variations au cours dun processus). Le trac du paramtre considr avec les
intervalles de confiance de 95% fournit un aperu utile (voir Figure 6.3).

Assurance de la qualit

90

1.
2.

tudes
Studies

3.
4.
5.
6.
7.
8.
9.
10.

95 % confidence
Intervalle
de confiance interval
de 95%
Figure 6.3 Exemple daperu des donnes issues de diffrentes tudes, avec leurs intervalles de confiance
de 95%.

Lors de la slection des ensembles de donnes appropris inclure dans lvaluation des
risques, on peut aussi bien appliquer des critres subjectifs que des critres analytiques. Les
critres dvaluation subjectifs peuvent comprendre la reprsentativit des proprits
gographiques et temporelles de ltude propose. Par exemple, si ltude N. 1 de la Figure 6.3
est la seule tude trangre, et si elle est sensiblement diffrente des autres (selon les critres
analytiques) elle peut tre exclue. En revanche, si les 10 tudes ont toutes t effectues dans le
mme pays, la mme anne, etc., mais sont signales par des laboratoires diffrents, les
diffrences peuvent tre dues la variabilit entre les laboratoires et lvaluateur peut dcider
dincorporer toutes les tudes dans le modle.
6.2 Progression et poids de la preuve
Quune valuation soit quantitative ou qualitative,
le risque de sant publique li un microorganisme peut tre conu comme rsultant dun
danger, dune exposition et de consommateurs
sensibles (Figure 6.4).

DANGER

RISQUE

Si lun quelconque des trois lments du triangle


pidmiologique est gal zro, le risque est nul.
HOTE
EXPOSITION
Une tape prliminaire de lassurance de la qualit
consiste donc dterminer si une valuation des Figure 6.4 triangle pidmiologique.
risques reflte cette progression logique des
questions-seuil, auxquelles lvaluateur pourrait rpondre par oui ou par non (ventuellement
avec un niveau de confiance). Si la rponse une question-seuil est non, lanalyse sarrte l.
chaque seuil, le poids de la preuve devrait tre valu conformment des critres
scientifiques clairement dtermins. Au fur et mesure que le nombre de critres satisfaits
augmente, le poids de la preuve indique un risque plus crdible. Bien quil existe premire
vue un risque pour la sant publique imputable plusieurs pathognes couramment associs

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

91

des maladies aigus dorigine alimentaire, lavenir les valuateurs des risques devront
vraisemblablement rpondre des questions de plus en plus sibyllines et complexes sur la
gestion des risques, notamment propos du risque associ aux micro-organismes antibiorsistants, du poids des squelles chroniques, de certaines prparations alimentaires ayant un
effet inhibiteur sur la croissance, et de la prdisposition des individus ayant des troubles de
sant prexistants. Le prsent chapitre donne donc quelques directives prliminaires sur
lassurance de la qualit car on prvoit que les dterminations du poids de la preuve prendre de
plus en plus dimportance dans les valuations des risques associs la prsence de pathognes
microbiens dans les aliments.
6.3 Analyse de sensibilit
Les valuations des risques complexes peuvent avoir de nombreuses variables dentre (donnes
initiales) et de sortie (rsultats) relies par un systme dquations ou dautres structures de
modles. Une analyse de sensibilit est un vaste ensemble outils propres renseigner les
valuateurs et les gestionnaires des risques sur limportance relative des composantes dune
valuation des risques par rapport la question pose. La qualit globale de lvaluation dpend
essentiellement de la plausibilit des principales composantes, dont les variations peuvent aussi
tre exprimes en fonction de linfluence de ces paramtres dentre sur les rponses aux
questions poses par les gestionnaires des risques.
La pertinence dune analyse de la sensibilit par rapport une dcision est un critre
essentiel. Une analyse de sensibilit value leffet des changements des paramtres et des
hypothses du modle sur son rsultat et par consquent sur les dcisions en dcoulent. Elle
peut tre effectue au stade de llaboration du modle pour valuer et affiner son efficacit et
jouer un rle important dans la vrification et la validation dun modle tout au long de son
laboration et de son perfectionnement. Une analyse de sensibilit peut aussi tre ralise au
moment de la prise de dcision pour obtenir des renseignements sur la robustesse dun modle.
Une analyse de sensibilit peut aussi tre utile pour identifier dimportantes incertitudes en
vue de dterminer les donnes supplmentaires collecter ou les recherches effectuer en
priorit. Une analyse de la valeur de linformation peut complter les mthodes danalyse de
sensibilit car lefficacit des dcisions prises par les gestionnaires des risques concernant les
dpenses de recherche et de collecte de donnes dpend de diverses autres considrations (tels
que le cot et le temps).
Les modles dvaluation des risques microbiologiques prsentent gnralement les
caractristiques suivantes, qui peuvent compliquer considrablement lapplication des mthodes
danalyse de sensibilit:
non-linarits;
seuils (ex : en-de desquels la croissance dun pathogne microbien est nulle);
paramtres discrets (ex: nombres entiers danimaux ou de troupeaux; indicateurs oui/non de
contamination);
Inclusion derreurs de mesure;
variation de lchelle (units et fourchette) et de la forme des distributions des paramtres des
modles; et

Assurance de la qualit

92

dimensions temporelles et spatiales, y compris dynamique, caractre saisonnier ou variabilit


interannuelle.
Dans lidal, une mthode danalyse de sensibilit devrait fournir non seulement un
classement par ordre de grandeur des paramtres cls, mais aussi une mesure quantitative
discriminatoire quelconque de la sensibilit, permettant de distinguer clairement limportance
relative des diffrents paramtres. Par exemple, y a-t-il des groupes de paramtres dans lesquels
plusieurs lments ont une importance comparable et y a-t-il une diffrence dimportance qui
apparat clairement entre ces groupes ? Certaines mthodes statistiques, telles que lanalyse de
rgression ou lanalyse de variance produisent des indicateurs quantitatifs de limportance
relative des divers paramtres. En outre, des techniques comme lanalyse de rgression donnent
aussi une indication de la signification statistique des diffrences de sensibilit entre les
paramtres, sur la base des intervalles de confiance des coefficients de rgression.
La prsente section met au premier plan lanalyse de sensibilit dans les modles
dvaluation quantitative des risques, bien que certaines techniques, telles que les mthodes
exploratoires, puissent sappliquer aussi bien aux valuations quantitatives que qualitatives.
6.3.1 Lanalyse de sensibilit dans lvaluation qualitative des risques
Pour lexamen dune association entre un agent et un effet nfaste putatif sur la sant, des
critres largement admis (tels que les critres de Hill) ont t tablis pour dterminer si
llment de preuve est faible, modr ou irrfutable (Tomatis, 1990). Les critres narratifs
peuvent tre par essence subjectifs et par consquent difficilement reproductibles. En revanche,
si des critres peuvent tre valus objectivement, des valuateurs diffrents qui utiliseraient la
mme information devraient pouvoir reproduire de faon indpendante une dtermination
indiquant si les critres ont t remplis. Par exemple, le poids de la preuve dune causalit est
plus fort si la dtection de lassociation a t signale de faon indpendante par des sources
multiples, sil y a une corrlation entre la force de lassociation et le niveau dexposition
lagent, ou si les modifications de lagent causal putatif prcdent les variations de leffet
observ. Pour dterminer si ces critres sont satisfaits, on se fonde sur des lments de preuve.
Si les rsultats dune analyse qualitative ne varient pas face une accumulation de preuves
dune association ou, au contraire, face une preuve contradictoire, lvaluation est insensible
aux critres tablis pour valuer une causalit. Dans une caractrisation qualitative des dangers,
une valuation qui ne se fonderait que sur les critres de rsultats aigus pour la sant pourrait
tre insensible aux informations concernant les squelles chroniques connues. Au contraire, une
caractrisation qualitative des dangers pourrait tre trs sensible une faible preuve concernant
les squelles chroniques associes un pathogne opportuniste rarement responsable de
maladies aigus. Si une valuation qualitative constate quun pathogne comporte un risque
ngligeable, en partant de lhypothse que le pathogne ne se dveloppe pas dans certaines
conditions environnementales, mais que cette hypothse est contredite par de nouvelles
informations, on peut dterminer la sensibilit des rsultats de lvaluation des risques cette
nouvelle information en fonction de critres prtablis, tels que Les rsultats ont-ils t
reproduits de manire indpendante ? Les mthodes ont-elles t soumises un examen des
pairs ? Les critres et les fondements scientifiques de la caractrisation dune valuation
qualitative des risques doivent tre suffisamment transparents pour que lon puisse valuer
limpact dune nouvelle information ou dautres hypothses plausibles sur les rsultats.
6.3.2 Lanalyse de sensibilit dans une valuation quantitative des risques
Il existe plusieurs mthodes danalyse de la sensibilit. Saltelli, Chan et Scott (2000) ont
consacr cette question une tude approfondie, synthtise dans les passages qui suivent.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

93

Mthodes exploratoires
Dans le cadre dune analyse de sensibilit, les mthodes exploratoires sont gnralement
appliques de faon ponctuelle, mais elles peuvent tre primordiales pour lvaluation des
principales sources dincertitude dans une analyse. Certaines de ces sources dincertitude
comprennent des caractristiques qualitatives, telles que la reprsentation conceptuelle du
systme considr, la structure, le niveau de dtail, la validation, lextrapolation, la rsolution,
les limites et les scnarios du modle. Il nest pas rare, par exemple, que lincertitude
concernant la forme du vrai modle soit beaucoup plus importante que celle associe un
paramtre quelconque dun modle statistique donn. Une valuation de la sensibilit dune
analyse des modifications des hypothses ne serait pas complte si elle ne prenait pas en
considration la qualit de la spcification du scnario qui sous-tend lanalyse. Les mthodes
dvaluation de lincertitude concernant des caractristiques qualitatives de lanalyse impliquent
normalement une comparaison des rsultats dans le cadre dhypothses structurelles diffrentes.
Par exemple, pour dterminer limportance de diffrentes voies dexposition, on peut estimer
lexposition associe chaque voie et dterminer si les expositions totales dpendent seulement
dun petit nombre de voies critiques. De mme, en cas dincertitude concernant la structure
dun modle, on compare habituellement les prvisions bases sur diffrents modles, chacun
deux pouvant avoir une formulation thorique et mathmatique qui lui est propre.
Mthodes statistiques
Parmi les mthodes danalyse de la sensibilit statistique (ou mthodes bases sur ltude de la
variance), on peut citer lanalyse de rgression, lanalyse de la variance, la mthode des surfaces
de rponse, le test FAST (de langlais Fourier amplitude sensitivity test), lindice dinformation
mutuelle (IIM) et les arbres de classification et de rgression (CART) (Frey et Patil, 2002). La
plupart de ces mthodes sont appliques en mme temps quune analyse de Monte-Carlo, ou
aprs. Lanalyse de rgression, lanalyse de la variance, le test FAST et lIIM fournissent des
mesures quantitatives de la sensibilit de chaque paramtre. Une analyse de rgression exige
une hypothse sur le modle.
Mthodes graphiques
Les mthodes graphiques reprsentent gnralement la sensibilit par des nuages de points et
des diagrammes en araigne. Les rsultats dautres mthodes danalyse de la sensibilit (ex :
corrlation des ordres de grandeur) peuvent aussi tre synthtiss par des graphiques
(notamment diagrammes Tornado). Ces graphiques peuvent tre utiliss pour un visionnage
avant de passer une analyse plus approfondie dun modle, ou pour reprsenter des
dpendances complexes entre les variables dentre et de sortie du modle (Par exemple, voir
McCamly et Rudel, 1995). Ces dpendances complexes pourraient par exemple comprendre des
seuils ou des non-linarits qui ne seraient pas correctement capts par dautres techniques.
valuation des mthodes danalyse de la sensibilit
Chaque mthode danalyse de la sensibilit fournit des informations diffrentes concernant les
sensibilits des paramtres (ex : effet combin/ effets individuels des paramtres dun modle,
petites perturbations des paramtres/effet dune fourchette de variation, ou affectation de la
variance/information mutuelle). Comme les conclusions sont plus robustes quand plusieurs
mthodes concordent, on a intrt dans la mesure du possible appliquer deux ou plusieurs
types danalyses de sensibilit diffrents pour comparer les rsultats de chaque mthode et tirer

Assurance de la qualit

94

des conclusions sur la robustesse du classement par ordre de grandeur des principaux
paramtres. Les mthodes non-paramtriques (ex : corrlation des rangs de Spearman) sont
applicables des modles monotones, non linaires. Vose (2000) recommande lutilisation de
diagrammes en araigne pour illustrer leffet de variables dentre individuelles sur lincertitude
du rsultat du modle.
6.4 Analyse de lincertitude
Lanalyse de lincertitude value la gamme et la vraisemblance des prvisions dun modle.
Dans le contexte de lassurance de la qualit, lanalyse de lincertitude est un instrument
prcieux pour caractriser la prcision des prvisions dun modle.
Une analyse de lincertitude peut aussi tre utilise, en combinaison avec une analyse de la
sensibilit, pour valuer limportance des incertitudes lies aux paramtres dun modle, en
fonction de leurs contributions relatives lincertitude des rsultats du modle (Morgan et
Henrion, 1990). Diverses mthodes permettent destimer lincertitude du rsultat dun modle
daprs lincertitude de ses paramtres dentre et le choix de la mthode dpend du type
dinformation qui prsente le plus dintrt, de la forme fonctionnelle du modle et dans une
certaine mesure du nombre de paramtres pour lesquels lincertitude est caractrise.
Les mthodes classiques comprennent la simulation de Monte Carlo pour gnrer des
chantillons partir des distributions assignes chaque paramtre. Des mthodes danalyse de
la sensibilit, telles que lanalyse de rgression et lanalyse de la variance, peuvent tre
employes, en combinaison avec une simulation de Monte Carlo, pour identifier les paramtres
dun modle qui contribuent le plus lincertitude de ses prvisions. Helton et Davis (2002)
fournissent un tude documentaire approfondie des mthodes danalyse de la sensibilit utilises
en combinaison avec des mthodes dchantillonnage.
6.5 Vrification des modles
La vrification dun modle consiste le passer au crible pour sassurer quil fonctionne comme
le prvoyaient ses concepteurs. La vrification est ltape qui prcde la validation dun modle.
Le processus inclut la validation du code de logiciel utilis pour mettre en uvre le modle. Un
modle nest valid que si les donnes, mthodes, hypothses et outils utiliss sont pleinement
documents et transparents, de faon ce que le modle puisse tre reproduit de manire
indpendante. Une structure de modle bien organise facilite le processus de vrification.
La vrification dun modle doit rpondre plusieurs grandes questions:
La formulation du modle est-elle correcte? Par exemple, les quations analytiques sont-elles
drives correctement et exemptes derreur ?
La version informatise du modle analytique est-elle correctement applique?
Les paramtres sont-ils bien spcifis?
Les units de mesure se propagent-elles correctement travers le modle?
La cohrence interne du modle est-elle respecte ? Par exemple, si une hypothse est
formule dans une partie du modle, est-elle applique de faon cohrente dans lensemble du
modle ? Dans le modle, y a-t-il une cohrence entre les rsultats intermdiaires et les
paramtres dentre ?

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

95

Il est parfois difficile de vrifier un code informatique par des mthodes quantitatives,
surtout sil sagit de grands modles construits en peu de temps. Toutefois, la vrification du
code informatique peut tre facilite par de bonnes pratiques de gnie logiciel notamment par
une spcification claire des bases de donnes, la conception de la structure du logiciel avant le
codage, le contrle de la version, la spcification claire des interfaces entre les composantes
dun modle et une bonne communication entre les quipes de projet si des personnes
diffrentes conoivent les diffrentes composantes du modle. La documentation du modle et
lexamen par des pairs sont des aspects critiques du processus de vrification.
6.6 Ancrage dun modle
Lancrage est une technique visant ajuster ou calibrer un modle pour le rendre plus
compatible avec les donnes observes. Par exemple, les paramtres dun modle peuvent tre
ajusts pour assurer la concordance de ses prvisions avec les donnes observes. Lancrage est
une pratique gnralement accepte dans les valuations des risques pour la sant et les
exercices de modlisation environnementale, et elle a t employe sous une forme quelconque
dans des valuations des risques ralises aux tats-Unis dAmrique sur Salmonella Enteritidis
dans les oeufs, Listeria monocytogenes dans les aliments prts consommer, Escherichia coli
O157:H7 dans le buf hach, ainsi que pour une valuation internationale des risques associs
Vibrio vulnificus dans les hutres (FAO/OMS, 2005). Les donnes provenant des foyers
pidmiques reprsentent le point dancrage des modles dose-rponse et elles sont importantes
pour valider les valuations des risques. Cependant, un compromis simpose car lancrage
compromet la capacit de valider le rsultat dun modle travers une comparaison avec les
donnes observes dans les situations o lon dispose dlments insuffisants pour les
confirmer. En gnral, il est prfrable de recourir aux mthodes dancrage qui pondrent les
paramtres dun modle proportionnellement leur probabilit la lumire des donnes
observes, plutt que dutiliser des facteurs dajustement simples ou de censurer les valeurs des
paramtres incompatibles avec les donnes observes (National Academy of Sciences, 2002).
Quelle que soit lapproche adopte, toutes les prcautions doivent tre prises pour garantir la
transparence et le bien-fond de la procdure dajustement. Si lon doit ancrer et valider le
modle (en utilisant une partie des donnes indpendantes que lon aura conserves), lancrage
doit prcder la validation.
6.7 Validation dun modle
Un jugement doit tre formul quant lacceptabilit de la rponse du modle dvaluation des
risques. Plus simplement, les procdures de validation dun modle visent rpondre trois
types de questions : 1) Le modle est-il cens? 2) Le modle rpond-il de manire approprie
aux modifications des hypothses initiales ? et 3) Les prvisions rpondent-elles de manire
approprie aux modifications de la structure de lanalyse ? Ce processus est parfois appel
confrontation avec la ralit ou renforcement de la confiance .
La validation dun modle dpend dans une trs large mesure de la question pose par le
gestionnaire des risques, et le degr de validation exig devrait tre proportionnel aux enjeux de
la dcision. Ltude FAO/OMS (2003) donne la dfinition suivante de la validation dun modle
dmontrer son exactitude par rapport une utilisation donne et identifie diffrents aspects
de la validation : la validation conceptuelle, qui vise dterminer si le modle reprsente avec
exactitude le systme tudi ; la validation de lalgorithme, lie la traduction des concepts
dun modle en formules mathmatiques ; la validation du code de logiciel, lie lapplication

Assurance de la qualit

96

de formules mathmatiques en langage informatique (voir la Section 6.5 sur la vrification dun
modle) ; la validation fonctionnelle, qui a pour objet de vrifier le modle par rapport des
observations obtenues de manire indpendante. Mme si lon ne dispose pas de donnes
indpendantes, on peut mettre de ct une partie des donnes durant llaboration du modle
pour pouvoir ensuite lvaluer, mais on aura moins dinformations pour construire le modle, de
sorte que cette solution perd de lintrt si les donnes disponibles sont peu nombreuses.
Une concordance troite entre un effort initial de modlisation des risques et les donnes de
validation indpendantes serait fortuite. Une concordance entre le rsultat dun modle et les
donnes de validation est cependant possible, mais elle rsulterait du hasard et nindiquerait pas
ncessairement que toutes les composantes des modles intermdiaires sont exactes. Un modle
est normalement labor et affin par ttonnements (processus itratif). Aussi bien pour
lancrage que pour la validation dun modle, plus les points de comparaison avec les donnes
observes sont nombreux, plus le modle est crdible. En gnral, la crdibilit scientifique
dun modle est renforce si des rsultats cohrents sont drivs de diffrentes sources
(laboratoires, rgions) et / ou types de donnes pertinentes (donnes dobservation ou donnes
exprimentales. Le jugement relatif au degr de pertinence et de cohrence requis dpend du
contexte. Le degr de tolrance vis--vis des rponses incohrentes dpend de ce qui constitue
une diffrence importante , par rapport aux variations des rsultats dun modle. Dans le
contexte de lvaluation des risques, cette diffrence est considre comme importante si
elle modifie de faon significative la dcision de gestion des risques fonde sur des critres
pertinents.
Il est parfois difficile, sinon impossible, de valider intgralement un modle. tant donn que
les modles dvaluation des risques tentent souvent de prvoir des vnements peu probables,
il peut par exemple tre difficile dobtenir un ensemble de donnes indpendantes qui constitue
un chantillon de taille suffisante pour faire des comparaisons statistiquement significatives
entre les prvisions et les observations. Toutefois, mme dans ces situations, les composantes du
modle peuvent tre valides. Les parties du modle qui analysent une voie dexposition
particulire peuvent par exemple tre valides, en mesurant les concentrations de contaminants
dans des aliments spcifiques.
Il arrive souvent que lon ne dispose de pratiquement aucune donne indpendante, avec
lesquelles comparer les prvisions du modle. Dans ce cas, on remplace la validation par :
des procdures de slection pour identifier les principaux paramtres et voies du modle;
une analyse de sensibilit pour identifier les principaux paramtres ou groupes de paramtres;
une analyse de lincertitude pour valuer leffet de lincertitude des paramtres par rapport
aux prvisions;
une comparaison entre les prvisions de diffrents modles ;
une valuation de la sensibilit des rsultats aux diffrentes hypothses concernant les
scnarios, les limites, la rsolution et le niveau de dtail du modle.
Aucune de ces techniques ne permet de valider directement le modle, mais chacune donne
des informations sur la sensibilit des prvisions du modle aux principales hypothses
concernant lanalyse. La rponse des prvisions ces procdures peut tre value par rapport
aux attentes antrieures, une comparaison avec des systmes similaires et des justifications
thoriques.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

97

6.8 Comparaison avec des donnes pidmiologiques


Pour faire une comparaison valide avec lestimation dun risque li un pathogne prsent dans
un aliment, on doit prendre en considration au moins trois facteurs pour driver une estimation
pidmiologique de donnes de surveillance humaine (Powell, Ebel et Schlosser, 2001).
Taux de maladie pondr par groupe
Si lvaluation des risques estime lincidence dune maladie au niveau national, lestimation
pidmiologique devra extrapoler le taux de maladie au-del du secteur de surveillance de faon
permettre une comparaison au niveau national. Dans ce cas, le taux brut signal dans chaque
secteur de surveillance peut tre pondr par la population de la rgion reprsente par le secteur
(ex: taille de la population dun tat), pour obtenir un taux moyen pondr de maladie (ex:
nombre de cas pour 100 000 dans la population nationale). Si lon dispose de donnes de
surveillance sur plusieurs annes, on peut sen servir pour caractriser la variabilit interannuelle
du taux de maladie.
Ajustement des donnes de surveillance pour tenir compte des cas non dclars
Pour estimer lincidence relle dune maladie, il faut ajuster les donnes pour tenir compte des
facteurs qui font que les donnes enregistres par les systmes de surveillance de la sant
humaine sont infrieures la ralit. Par exemple, on sait que certaines personnes malades ne
consultent pas de mdecins, que les physiciens nobtiennent pas dchantillons de selles de tous
les patients, que les laboratoires nanalysent pas tous les chantillons de selles pour dtecter le
pathogne tudi et que certains rsultats des examens de laboratoire sont de faux ngatifs. Si
lon dispose destimations sur la proportion de cas chaque tape du processus de notification, la
distribution binomiale ngative peut tre utilise en mode squentiel pour estimer le nombre de
cas omis chaque tape. Dans certains cas, les proportions peuvent dpendre de la nature ou de
la gravit des symptmes. Par exemple, une personne ira plus probablement consulter un
mdecin si elle souffre de diarrhe sanguinolente que non sanguinolente. La proportion de cas
avec diffrents niveaux de symptmes doit tre estime avant de prendre en compte le nombre de
cas omis chaque tape et les estimations spcifiques aux symptmes ajustes sont
additionnes pour estimer le nombre total de cas. En gnral, le degr de sous-dclaration est
notable, et variable suivant les pays et les rgions lintrieur dun mme pays.
Fraction tiologique imputable un (des) produit(s) alimentaire (s)
La fraction tiologique est la proportion de cas imputables une voie dexposition ou un
produit alimentaire spcifique. Si la porte de lvaluation des risques est limite un produit
alimentaire spcifique, la proportion de cas due dautres voies dexposition (ex : autres
aliments, eau potable) doit tre soustraite de lestimation globale des maladies obtenue partir
des donnes de surveillance de la sant humaine. En gnral, les donnes empiriques sur la
fraction tiologique sont rares, mais une fourchette dincertitude peut tre spcifie sur la base
dun jugement dexpert.
Si lon sert de donnes pidmiologiques observes pour construire le modle dose-rponse ou
ancrer le modle, on ne peut plus les utiliser pour une validation indpendante du modle.
Toutefois, si lon dispose de donnes pidmiologiques suffisantes, on peut en mettre de ct
une partie pour valider le modle.
6.9 Extrapolation et robustesse
La robustesse des rsultats du modle dpend du respect des hypothses sur lesquelles il se
fonde. Dans ce contexte, les hypothses incluent la forme et les paramtres du modle.

98

Assurance de la qualit

Lextrapolation des rsultats dun modle dautres situations peut prendre diverses formes : du
prsent au futur, dune rgion gographique une autre, dun micro-organisme un autre, de
lanimal lhomme, des sujets humains soumis des essais cliniques lensemble de la
population, dune population humaine une autre, des donnes disponibles aux valeurs
suprieures la fourchette des donnes observes, de contextes exprimentaux contrls des
environnements oprationnels, etc. Certaines extrapolations peuvent tre faites avec une
confiance relative, alors que dautres reprsentent un vritable saut dans linconnu. Un certain
degr dextrapolation est invitable si lvaluation des risques a pour but daider les
gestionnaires des risques prendre des dcisions, car leurs demandes tendent tre toujours en
avance sur les donnes fournies par la science pertinente. Limportance des diverses formes
dextrapolation faites dans une valuation des risques doit tre examine et - dans la mesure o
cest possible et utile pour la dcision considre - caractrise de faon claire, sur une base
quantitative ou qualitative.
Lextrapolation est explicite quand les valeurs slectionnes des paramtres sont en dehors
de la gamme des valeurs utilises pour calibrer et/ou valider le modle. En revanche, on dit que
lextrapolation est occulte pour une combinaison de valeurs de chaque paramtre du modle
comprises dans les gammes de valeurs utilises pour la calibration et la validation, mais pour
lesquelles cette combinaison spcifique na pas t incluse ou approche durant la calibration ou
la validation. Ainsi de simples vrifications des intervalles de chaque paramtre ne garantissent
pas quune extrapolation occulte ne puisse pas se produire. Le problme de lextrapolation
occulte se pose surtout pour un systme dans lequel les interactions entre les paramtres sont
trs sensibles.
Un modle calibr pour une gamme troite de valeurs de chaque paramtre peut ne pas tre
robuste sil est appliqu une analyse de la sensibilit ou de lincertitude. Lutilisation de
fourchettes ou de distributions plutt que destimations ponctuelles peut conduire des
extrapolations explicites ou implicites du modle. En outre il peut arriver quun ensemble
commun de paramtres dun modle soient chantillonns dans une analyse de Monte Carlo
pour les points de singularit dun modle, ce qui engendre des problmes (division par zro ou
rsultats non borns). Ces problmes sont souvent dus une simplification des hypothses lors
de llaboration du modle, la spcification errone des distributions des paramtres ou des
limites des logiciels. Concrtement, ce type de problme se pose surtout quand on travaille avec
un code de logiciel ou un code informatique conu par quelquun dautre et mal document.
Un modle est considr comme robuste sil ragit de manire raisonnable une variation
des valeurs des paramtres, tout en ntant pas facilement sujet des points de singularit ou
dautres problmes structurels conduisant une amplification importante des erreurs dans les
valeurs des paramtres, rsultant de lincertitude ou dune erreur dutilisation. En outre, un
modle fond sur une thorie rationnelle peut tre plus fiable quun modle purement empirique
qui est essentiellement un ajustement des donnes de calibration. Il y a une diffrence entre la
robustesse dun modle dvaluation des risques et la robustesse dune dcision de gestion des
risques. Dun point de vue analytique, une dcision de gestion des risques est robuste si elle a
des effets positifs sur une gamme raisonnablement large de rsultats futurs possibles concernant
les incertitudes associes aux nombreux facteurs qui influencent la dcision. Une telle source
dincertitude inclut normalement le modle dvaluation des risques lui-mme.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

99

6.10 Crdibilit de lvaluation des risques


La crdibilit dune valuation des risques repose sur des critres tels que la documentation, la
validation et lexamen. Aucun de ces critres ne suffit lui seul, car les trois sont indispensables
et doivent tre satisfaits de manire proportionnelle aux enjeux de la dcision.
6.10.1 Documentation de lvaluation des risques
La documentation de lvaluation des risques doit au moins permettre de reproduire lanalyse de
faon indpendante. En vertu du principe de transparence, la source ou le fondement des
paramtres ou des hypothses dun modle doit tre clairement nonce (par exemple, en citant
des ouvrages scientifiques, des critres dvaluation ou un jugement dexpert). Dans ce
domaine, les exigences doivent cependant tre raisonnables car dans certains cas les hypothses
sont bases sur des faits notoirement connus ou des pratiques gnralement admises. Par
exemple, on se fonde souvent sur lhypothse dune distribution logarithmique normale pour
modliser des variables qui sont le produit de plusieurs autres variables. Compte tenu de la
difficult de valider intgralement une valuation des risques, et du fait quune telle valuation
sert clairer la prise de dcisions divers niveaux (local, national et international), en matire
de sant publique, il est indispensable que les donnes utilises pour lvaluation, y compris le
modle, soient accessibles pour un examen par des pairs, et puissent tre comprises par des noninitis. Dans lidal, si les ressources disponibles le permettent, on devrait trouver dans la
documentation dune valuation des risques des indications sur:
les donnes ou les rfrences aux sources de donnes;
le scnario, incluant les aspects spatio-temporels des scnarios dexposition, les dangers
spcifiques traits, les pathognes couverts, les populations exposes et les voies dexposition;
le modle analytique utilis, y compris le fondement thorique et empirique;
lexamen et la comparaison des autres formulations possibles du modle ainsi quune
justification des choix concernant la structure du modle ;
les hypothses concernant les valeurs assignes aux paramtres du modle, y compris
estimations ponctuelles, fourchettes et distributions;
la vrification du modle, notamment lvaluation des rsultats des analyses de la sensibilit
et de lincertitude;
lancrage du modle (calibration);
la validation du modle
lapplication informatique du modle analytique, notamment la conception du logiciel.
6.10.2 Examen des pairs
Ltude FAO/OMS (2003) note que la crdibilit des rsultats dune valuation des risques peut
tre renforce par le procd adopt pour dvelopper les rsultats. Lexamen des rsultats de
lvaluation par des pairs et par le public est un lment fondamental du processus, mais chaque
type dexamen engendre des demandes diffrentes et parfois conflictuelles, de sorte que chacun
deux doit tre fait sparment. Il y a aussi une diffrence entre la crdibilit scientifique dune
valuation des risques et la crdibilit des dcisions en matire de gestion des risques. Lexamen
par le public est trait la section 8.5.

100

Assurance de la qualit

Pour Morgan et Henrion (1990), lexposition un examen par des pairs est un principe
fondamental de toute bonne analyse des politiques. Un examen scientifique par des pairs est
fortement conditionn par la question touchant la gestion des risques laquelle lvaluation
est cense rpondre. dfaut dune rfrence une question spcifique bien dfinie, lexamen
des pairs risque de ne pas tre ax sur les incertitudes spcifiques qui ont le plus de probabilits
dinfluencer la dcision. Par exemple, si la question pose par le gestionnaire des risques est
Quelle est la probabilit doccurrence dun pathogne spcifique dans un processus de
production alimentaire particulier? , les lacunes des donnes et les autres incertitudes
concernant les processus de post-production nentrent pas en ligne de compte. Si les
observations des pairs concernant le champ dapplication de lvaluation des risques peuvent
tre utiles pour des valuations futures, elles ne permettent pas de juger si lvaluation des
risques considre est adquate pour faciliter la prise de dcision concernant la question pose
par le gestionnaire des risques, laquelle elle est cense rpondre. Si une valuation des risques
a plusieurs objectifs, un examen par les pairs peut aider identifier ceux qui sont effectivement
atteints avec lvaluation, car cette dernire peut tre adquate par rapport une dcision mais
insuffisante par rapport une autre. Sil sagit dune valuation complexe, un examen exhaustif
peut tre trop long et compliqu, mme si la documentation est adquate. Pour les valuations
des risques complexes et de grande envergure, un examen exhaustif peut ncessiter une quipe
multidisciplinaire et un budget important. Do la ncessit de redimensionner les avantages de
fond et de procdure dun examen des pairs compte tenu des contraintes de temps et de
ressources. Le niveau et ltendue de lexamen doivent tre proportionnels aux enjeux de la
dcision, en tenant compte de la ncessit dintervenir immdiatement quand surviennent des
urgences avres en matire de sant publique.

7. Liens entre lvaluation des risques et lanalyse


conomique
7.1 Introduction
Lanalyse conomique est un outil puissant daide la prise de dcision. Elle offre un
dnominateur commun pour valuer toute une gamme de rsultats, en matire de sant publique
ou de commerce. Le fait dexprimer les avantages et les cots dans la mme unit (montaire),
permet de comparer les avantages nets des diffrentes stratgies envisages pour la rduction
des risques.
Un modle dvaluation des risques compare gnralement des scnarios avec et sans les
diffrentes interventions possibles pour un pathogne spcifique. Le gestionnaire du risque peut
comparer le risque de rfrence pour la sant humaine avec les variations du risque pour
chacune des interventions. Le problme est de savoir comment valuer toute la gamme de
rsultats pour la sant humaine, allant de la maladie bnigne la mort.
Lanalyse conomique permet dvaluer lincidence sur la sant humaine en termes
montaires ou en quivalents annes de vie en bonne sant, souvent exprims en QALY (annes
de vie ajustes sur la qualit de la vie) ou en AVCI (annes de vie corriges du facteur
incapacit) (voir Section 7.2.1). Une fois que les gains en termes de protection de la sant
publique ont t estims, il est possible dvaluer les variations des cots pour le gouvernement
et pour les industries, court et long terme, pour chaque intervention considre. La mme
approche peut tre utilise pour classer par ordre de priorit les aliments associs un
pathogne unique ou les combinaisons pathogne-aliment sur lesquels on envisage dintervenir.
Cette analyse conomique peut donner des informations au gestionnaire des risques sur
lampleur des avantages et des pertes probables des diffrents groupes pour chaque intervention
possible. La prfrence ira aux options offrant les avantages nets les plus grands sauf si dautres
considrations importantes font que le gestionnaire des risques estime que ces options sont
inacceptables ou quelles sont difficilement traduisibles en valeurs conomiques, par exemple
pour des raisons dordre thique ou culturel.
La liaison entre lvaluation du risque et lanalyse conomique, comme outil dappui la
prise de dcision dans le domaine de la scurit sanitaire des aliments est cependant une
dmarche trs nouvelle qui est encore en pleine volution. Prenons pour exemple une analyse
conomique de limpact de ltiquetage des ufs ayant pour objectif de changer le
comportement des consommateurs, effectue aprs que cette intervention ait t juge positive
dans une valuation des risques lis la prsence de Salmonella Enteritidis dans les ufs
(DHHS-FDA, 2000). Selon le droit amricain, les rglementations nouvelles ou amendes
significatives -- cest--dire celles qui ont un impact annuel sur lconomie de 100 millions
de dollars EU, des retombes ngatives concrtes sur un secteur conomique et des effets
dommageables sur la concurrence ou lemploi -- doivent faire lobjet dune tude prliminaire
d'impact de la rglementation. Dans ce cas, ltude prliminaire a rvl que lanalyse
conomique chiffrait les avantages pour la sant 260 millions de dollars EU la premire anne
suivant lintroduction des nouvelles rgles, et 260 millions de dollars EU par la suite, pour un
cot de 56 millions de dollars EU la premire anne et une augmentation des cots de 10
millions de dollars EU par la suite.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

103

Nous allons examiner dans la section qui suit les mthodes danalyse conomique qui
peuvent tre utilises pour valuer les cots et les avantages de la scurit sanitaire des aliments
et de diffrents tats de sant, avant dtudier leur application dans le domaine de lvaluation et
de la gestion des risques en matire de scurit sanitaire des aliments.
7.2 Lvaluation conomique
La valeur conomique de la plupart des produits et de leurs attributs peut tre dtermine en
examinant les prix du march. Si lapparition dun march pour la scurit sanitaire des aliments
nest pas exclure, celle-ci na pas encore de prix, ou tout au moins de mesure. Les produits
alimentaires ne sont pas commercialiss, ni leurs prix diffrencis, selon quils sont srs,
moins srs ou pas srs. Faute de prix bien dfinis pour la scurit sanitaire des aliments, les
conomistes et dautres chercheurs dans le domaine de la sant ont labor un certain nombre de
mthodes pour valuer les avantages dcoulant de la rduction de la morbidit et des cas de
mort prmature associs aux pathognes prsents dans des aliments.
7.2.1 valuation des rsultats pour la sant
Pour mesurer les avantages des diffrentes interventions de gestion des risques, lvaluateur des
risques doit estimer la rduction des cas de maladies (maladies aigus et leurs complications).
Mme si cest une ventualit rare, les maladies dorigine alimentaire peuvent aussi entraner
certains types de complications (voir Appendice 1; Foegeding et Roberts, 1994). Il est donc
intressant de regrouper les donnes mdicales dans un arbre des consquences dune maladie
(voir Annexe Figure A1) afin didentifier et de documenter toute la gamme des maladies aigus
et des complications long terme. La gamme de rsultats pour la sant est si vaste, quil ne
suffit pas dtablir un classement, par exemple des dcs, car on laisserait de ct de
nombreuses autres consquences, do la difficult de dcrire et dvaluer lintgralit des cots
des stratgies de gestion des risques et de donner un ordre de priorit aux options de dpenses.
Pour dterminer un point de rfrence permettant de comparer les diffrents risques de sant
et de classer les diverses options possibles, les analystes doivent traduire des rsultats diffrents
en une unit commune danalyse. Les conomistes ont jou un rle fondamental en tablissant
une unit commune danalyse pour le classement des risques et lanalyse cots-avantages. Les
mthodes du cot social (mthode COI) et de la propension payer (WTP) convertissent les
divers rsultats en units montaires alors que lapproche QALY les convertit en quivalences
de temps en bonne sant (Kuchler et Golan, 1999; Golan et al., 2003; Haddix et al., 1996;
Tolley, Kenkel et Fabian, 1994).
Lenchanement complexe des vnements qui peuvent se produire pendant la vie dune
personne aprs une maladie dorigine alimentaire est illustr la Figure 7.1, qui montre les liens
entre larthrite et lexposition des pathognes dorigine alimentaire (Raybourne et al., 2003).
On trouve au premier nud de larbre, lestimation de la probabilit quune personne expose
un pathogne dorigine alimentaire dveloppe une arthrite ractive ; au deuxime nud
lestimation de la probabilit de gurison complte ou de progression vers une arthrite
chronique. Le dernier nud caractrise les consquences dune arthrite chronique : en douleur
articulaire lgre ou intermittente; douleur articulaire forte/chronique; ou sacro-iliite/spondylite
(inflammation vertbrale).

Liens entre lvaluation des risques et lanalyse conomique

104

Arbre des consquences des arthropathies*


92%

Gurison complte
92%
(85-97.7)

3.2%

Gurison complte

ETA aguda
Arthrite
ractive
8%
(2.3-15)

40%
(20-82)

Douleur
articulaire
lgre ou intermittente
40% (20-46)

Arthrite
progressive/rcurren
te
60%
(18-80)

Douleur
articulaire
forte/chronique

1.4%

30% (5.9-48)
Sacro-iliite/spondylite
30% (14-32)

1.9%

1.4%
100%

Aprs exposition des bactries pathognes prsentes dans des

Figure 7.1 Arbre des consquences des arthropathies (Raybourne et al., 2003). Les chiffres indiqus sont
des estimations du pourcentage moyen de cas dans chaque catgorie. Les chiffres figurant entre
parenthses indiquent la fourchette de ces estimations.

Mthode du cot social


La mthode du cot social ou mthode COI estime le montant en dollars des dpenses
mdicales et la valeur de la perte de productivit des patients due aux maladies dorigine
alimentaire, aux complications et aux dcs. La valeur de productivit est une valeur thorique,
fonde par exemple sur le salaire moyen des adultes. La force de lapproche COI rside dans
lutilisation de la monnaie comme unit commune de mesure pour fournir un classement
complet des options stratgiques et un contexte pour dterminer la dsirabilit sociale. La
mthode COI traduit les rsultats sanitaires en quivalents montaires pouvant sajouter et
permet aux analystes de classer ces rsultats. Les avantages nets des diffrentes options peuvent
tre estims en comparant les variations des avantages de la protection de la sant publique avec
les variations des cots pour le gouvernement, les industries et les consommateurs, pour
chacune de ces options. Si les avantages nets dun programme excdent les cots nets estims,
le programme est considr comme conomiquement rentable. Lapplication de la mthode COI
dans le domaine de la scurit sanitaire des aliments est traite dans Roberts et Marks (1995) et
Buzby et al. (1996).
Mthode de la propension payer
La mthode de la propension payer ou mthode WTP implique de senqurir auprs des
parties prenantes du montant maximal quelles sont prtes payer pour un service ou un bien
thorique spcifi, par exemple pour avoir la garantie quun aliment particulier ne les rendra pas
malade. Il sagit de lapproche la plus cohrente par rapport la thorie conomique. La
mthode WTP destimation des avantages des programmes de sant publique repose sur
lobservation des compromis que peuvent faire (et font) les individus entre la sant et dautres

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

105

biens et services de consommation. Les individus acceptent chaque jour, volontairement, de


nombreux petits risques en change davantages finis. Certains risques sont considrs comme
trs faibles lorsque des prfrences sont en jeu. Par exemple, le ski comporte un risque de
blessure et de mort, mais trs peu de skieurs seraient favorables un programme public
interdisant ce sport au nom du risque. De mme, certains consommateurs prfrent le got et la
texture des hamburgers saignants et acceptent de prendre un risque limit. La valeur que les
individus attachent la rduction des diffrents risques est trs variable. La mthode WTP
permet de classer les risques non seulement en fonction de leur ampleur mais aussi de
linquitude quils suscitent chez les intresss. La mthode WTP estime la valeur de la
rduction du risque pour les individus dont la sant est concerne, condition quils
comprennent parfaitement les consquences de lexposition au pathogne dorigine alimentaire
qui est value. Cette technique commence tre applique aux risques associs aux maladies
transmises par les aliments (cf. Golan et Kuchler, 1999; Brown, Oranfield et Henson, 2005).
Annes de vie corriges du facteur incapacit (AVCI)
Certains analystes ou dcideurs prfrent ne pas attribuer de valeur montaire la maladie
humaine ou la mort (Haddix et al., 1996). Pour viter dutiliser la monnaie comme unit de
compte, lune des mthodes les plus apprcies consiste construire un indice de sant
reprsentant les changements de la dure et de la qualit de la vie. Ces changements peuvent
remplacer les mesures conomiques.
La mthode AVCI se fonde sur la quantit de qualit de vie perdue, multiplie par la
dure de cette perte de qualit de vie. Par exemple, une AVCI associe une diarrhe pourrait
tre estime une incapacit de 50 pour cent (ou une perte de qualit de vie de 50%) pendant
trois ou quatre jours (soit 1/100me danne), soit 0,5 fois 0,01 = 0,005. Pour une maladie
dorigine alimentaire entranant le dcs prmatur (100 pour cent de perte de qualit de vie)
dun adulte de 35 ans, la dure peut tre estime comme tant le nombre dannes desprance
de vie restant cette personne (par exemple, 40 ans). Dans ce cas, lAVCI est donc gale 35.
Une tude ralise aux Pays Bas sur Escherichia coli O157 producteur de shiga-toxines a estim
que la gastro-entrite aigu reprsentait 6% du poids de la morbidit, alors que lessentiel de ce
fardeau (94 pour cent) tait associ aux dcs dus au syndrome hmolytique et urmique, dont
les cas taient pourtant beaucoup moins nombreux, et aux rares cas voluant vers une
insuffisance rnale terminale (Havelaar et al., 2003), une maladie chronique et dbilitante. Le
concept QALY est analogue, mais mesure laugmentation de la qualit de vie, et sa dure,
rsultant dune intervention relle ou hypothtique.
Comme les mthodes AVCI et QALY fournissent une unit commune de mesure pour divers
rsultats pour la sant, elles permettent de rpartir et de hirarchiser lallocation des fonds entre
divers types de programmes, par exemple de nutrition et de dialyse. Toutes choses tant gales
par ailleurs, les programmes prsentant le QALY le plus lev par unit montaire devraient
tre financs avant ceux ayant un AVCI plus faible par unit montaire. Les AVCI ne
produisent toutefois pas de mesure de lavantage net. Ils ne fournissent pas de cadre pour
dterminer la valeur dun programme, cest-dire la somme qui devrait tre dpense par QALY,
et ils ne sont pas non plus censs tre quivalents aux cots des soins de sant.
7.2.2 valuation des rsultats non sanitaires
Dans le contexte du commerce international des produits alimentaires, lvaluation des risques
microbiologiques est axe uniquement sur la scurit sanitaire des aliments, car elle touche la
sant publique. En revanche, avant dintroduire une nouvelle rglementation dans un pays, il

106

Liens entre lvaluation des risques et lanalyse conomique

faut en gnral dmontrer quelle prsente des avantages nets par rapport aux cots de son
application. Or dans certaines valuations des risques, les avantages non sanitaires (comme le
maintien dun accs aux marchs dexportation) drivant de produits srs et dun systme de
scurit sanitaire des aliments rigoureux, peuvent galement tre importants (Golan et al., 2003;
Buzby et Roberts, 1997), et les mthodes permettant de les estimer sont brivement passes en
revue ici. En principe, on peut se baser sur les prix du march pour estimer tous les rsultats qui
ne sont pas lis la sant, mais il peut tre difficile de chiffrer lavance les liens avec les
risques en matire de scurit sanitaire des aliments. Les consquences conomiques de lESB
sur les ventes et les exportations de buf britannique, qui ont t catastrophiques sur le plan
commercial, lillustrent bien.
Valeur des rductions des risques de march
Les inquitudes en matire de scurit sanitaire des aliments peuvent provoquer des fluctuations
des marchs trs disproportionnes par rapport la valeur relle des risques pour la sant. Des
dangers classs trs bas sur lchelle des risques pour la sant peuvent dclencher des ractions
sur les marchs ayant un impact conomique trs lev. La dimension internationale du
commerce des denres alimentaires peut amplifier les craintes concernant la salubrit des
aliments. La valeur dun systme de scurit sanitaire des aliments devrait se mesurer aussi sa
capacit rduire les perturbations des marchs intrieurs et internationaux ainsi que les pertes
conomiques qui en dcoulent.
Valeur de laccs aux marchs trangers
Un systme de scurit sanitaire des aliments rigoureux peut aussi tre bnfique sur le plan de
laccs aux marchs trangers (Spriggs et Isaac, 2001; Roberts et al., 1997; Krissoff, Bohman et
Caswell, 2002; Kaelin et Cowx, 2002). De nombreux pays limitent leurs importations aux
produits provenant de pays dots de systmes de scurit sanitaire des aliments au moins
comparables au leur. Pour de nombreux producteurs alimentaires, laccs aux marchs trangers
est essentiel pour la russite de leur entreprise. Pour les producteurs des pays exportateurs,
lexistence dun systme de scurit sanitaire des aliments solide procure des avantages qui vont
bien au-del de la rduction des risques pour la sant publique, associs des pathognes
prsents dans les aliments.
Par exemple, une srie dembargos ont t imposs sur les exportations ougandaises de
poissons, en raison de la contamination par Salmonella et Cholera et de concentrations toxiques
de pesticides. De 1996 1999, environ 10 000 pcheurs auraient perdu leur emploi (Nasinyama,
communication personnelle, 2002). La perte conomique pour lOuganda a t estime 100
millions de dollars EU. En 2000, lUnion europenne a lev lembargo sur les importations de
poissons, et en 2001, lOuganda a t inscrit sur la liste des pays autoriss exporter sans
restriction. Aujourdhui, le poisson a pratiquement supplant le caf, comme premier produit
dexportation de lOuganda (Kaelin et Cowx, 2002)
Valeur de la perte de confiance des consommateurs et des pertes enregistres dans le
tourisme, cause de produits alimentaires peu srs
Un systme de scurit sanitaire des aliments rigoureux renforce la confiance des
consommateurs et la crdibilit des programmes gouvernementaux. Cette confiance rduit les
risques de psychoses alimentaires et tempre la volatilit des marchs. Par exemple, aprs les
crises de la salmonellose et de lESB au Royaume-Uni, les consommateurs ont commenc se

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

107

proccuper de leur systme de rglementation alimentaire et un nouvel organisme de


normalisation alimentaire a t cr. Par ailleurs, si lapprovisionnement alimentaire dun pays
nest pas considr comme sr, des touristes viteront de sy rendre, ce qui aura un impact
considrable sur diffrentes branches dactivit, telles que lhtellerie, la restauration, les
transports, lartisanat, et de nombreuses autres industries locales.
7.3 Intgration de facteurs conomiques dans les valuations des risques pour faciliter la
prise de dcision
Le rsultat dune valuation quantitative des risques fournit en gnral une estimation des
risques de rfrence pour la sant humaine. Les valuations quantitatives donnent
habituellement des distributions de probabilit compltes plutt que des estimations ponctuelles
du risque lchelle dune population. La Figure 7.1, qui reprsente larbre des issues possibles
de larthrite aprs une exposition un pathogne prsent dans un aliment, montre comment des
moyennes et des fourchettes peuvent tre incorpores dans les estimations des rsultats pour la
sant. La moyenne et la fourchette peuvent servir de rfrence pour laborer une distribution de
cette issue de sant. Les cots conomiques pour le risque de rfrence peuvent tre calculs
laide de lune des trois techniques examines (COI, WTP, QALY).
Il existe deux mthodes principales pour valuer les avantages et les cots des changements
des politiques ou des rglementations proposs:
Lanalyse cot-avantages est parfaitement adapte pour les risques pour la sant humaine valus
laide des mthodes COI ou WTP.
Lanalyse cot-efficacit est surtout approprie pour les risques pour la sant humaine valus
laide de la mthode QALY.
La nature de chaque dcision doit tre parfaitement comprise pour pouvoir identifier ceux
que ces mesures avantageront et ceux quelles dfavoriseront (voir Annexe 1, Tableau A2)
(Buzby et Roberts, 1997). Il importe en particulier de garantir que les avantages et les
inconvnients sont repartis de manire quitable, par exemple quun groupe ne bnficie pas
dun avantage aux dpens dun autre qui serait expos un risque accru. Les cots
conomiques anticips de lintervention de sant publique (ncessitant par exemple un
changement de comportement des industries, du gouvernement et ventuellement des
consommateurs) peuvent alors tre compars lvaluation conomique des amliorations
en termes de rsultats pour la sant.
7.3.1 Analyse cots-avantages
Lanalyse cots-avantages est un instrument utile pour valuer limpact sur la socit des
diffrentes interventions possibles en matire de scurit sanitaire des aliments. Les avantages
dcoulant de la rduction des risques sont avant tout lamlioration de la sant publique, mme
si des effets notables sont galement possibles dans dautres domaines (comme le commerce et
le tourisme). Tous les avantages sont estims en units montaires. Les amliorations de la sant
publique sont values laide des mthodes COI ou WTP qui viennent dtre examines. Les
avantages sont ensuite compars aux cots de lintervention. Les cots sont aussi estims en
units montaires et peuvent inclure des modifications du comportement des industries, du
gouvernement et des consommateurs (voir Annexe 1, Tableau A2). Par exemple, si une
intervention consiste ajouter sur les tiquettes des denres alimentaires des renseignements
pour inviter les consommateurs modifier leurs pratiques culinaires, la valeur du temps de

Liens entre lvaluation des risques et lanalyse conomique

108

travail consacr cette activit peut tre estime comme un cot. Les dcisions concernant
lhorizon temporel et le taux descompte sont des questions technico-financires qui font partie
dune analyse de cots-avantages (Dinwiddy et Teal, 1996; Laylard et Glaister, 1996). Les
avantages nets des diffrentes interventions possibles en matire de scurit sanitaire des
aliments peuvent ensuite tre compars. La prfrence ira celles dont les avantages nets sont
les plus grands, sauf si le dcideur souhaite mettre en avant dautres considrations.
Une analyse de la norme Pathogen Reduction/Hazard Analysis at Critical Control Points
(PR/HACCP) du Dpartement de lagriculture des tats-Unis pour la viande crue et la volaille
(Crutchfield et al., 1997), a fait une dmonstration de lutilisation de lanalyse cots-avantages.
Les avantages pour la sant publique taient censs driver de la prvention des maladies
causes par quatre pathognes prsents dans les aliments. Selon les hypothses les plus
prudentes, les avantages nets fournis par le systme PR/HACCP taient estims au moins 7
milliards de dollars EU sur une priode de 20 ans. Quand les hypothses de lanalyse ont t
modifies, avec des taux de matrise du pathogne plus levs et des taux dintrt plus faibles,
la valeur actuelle des avantages nets fournis par le systme PR/HACCP taient estims 42
milliards de dollars EU (Tableau 7.1).
7.3.2 Analyse cot-efficacit
Les conomistes de la sant ont souvent recours une analyse cot-efficacit pour valuer
dautres mthodes permettant datteindre un but spcifique de sant publique, par exemple de
rduire le nombre des dcs. On peut valuer ce nombre directement ou se fonder sur les QALY
pour valuer lamlioration nette par rapport un niveau de rfrence des changements de la
qualit de vie lis la sant rsultant dune intervention de scurit sanitaire. Le changement
des QALY est alors compar aux cots nets. Les cots valus comprennent les cots mdicaux
et la perte de productivit. Le critre de dcision est le rapport cot-efficacit, o le gain en
QALY (ou nombre de dcs) figure au numrateur et les cots nets au dnominateur. On donne
la prfrence aux mthodes dont le rapport est le plus lev.
Tableau 7.1 Exemple danalyses cots-avantages du systme Pathogen Reduction/ HACCP des tatsUnis dAmrique, fondes sur quatre sries dhypothses (daprs Crutchfield et al. (1997) et complt
par une communication personnelle de T. Roberts, 2004).

Scnarios

Taux
dintrt

Matrise du
pathogne

Valeur actuelle1 value sur 20 ans


Cots pour
lindustrie

Avantages de
sant publique

Avantages
annuels nets

En milliards de dollars EU (2000)

Estimation avantages fourchette basse

20

1,3 1,5

8,5

6,8 7,2

Estimation avantages fourchette


intermdiaire I

50

1,3 1,5

21,2

19,7 19,9

Estimation avantages fourchette


intermdiaire II

50

1,7 2,1

24,3

22,2 22,6

Estimation avantages fourchette haute

90

1,7 2,1

43,8

41,7 42,1

Important: (1) La valeur actuelle est la valeur actualise du flux des cots du programme ou des avantages du programme sur une
priode de 20 ans.
NOTES: Pour de plus amples dtails, voir: www.ers.usda.gov/briefing/FoodSafetyPolicy/features.htm et An Economic Assessment
of Food Safety Regulations: The New Approach to Meat and Poultry Inspection qui dcrit la mthodologie employe pour driver
lanalyse des cots-avantages: www.ers.usda.gov/publications/aer755/

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

109

7.3.3 Courbes doptions risque/cot


Les conomistes disposent dun autre outil, la courbe doptions risque/cot, qui peut tre
combin avec les donnes et les distributions de lvaluation des risques. Les industries utilisent
souvent cet outil de manire informelle. Lencadr (Figure 7.2) dcrit un exemple plus formel,
o la rduction du risque est porte sur un axe et laugmentation du cot marginal sur lautre,
ce qui permet de comparer un certain nombre doptions pour rduire les concentrations du
pathogne. Il est souvent difficile de quantifier le lien rel entre ces interventions et les
pratiques industrielles existantes et la manire dont le systme de gestion renforce ce lien. Les
conomistes supposent souvent que la rduction du risque se solde par un cot, mais ce nest
pas toujours le cas. Les cots marginaux peuvent mme baisser, par exemple, sils ont pour
contrepartie des gains defficience - comme une diminution des retours de produits ou une dure
de conservation plus longue, du fait que les traitements visant rduire la prvalence du
pathogne peuvent aussi rduire les teneurs en organismes putrfiants.
7.3.4 Lincertitude dans lanalyse conomique
Les modles des risques et les estimations des cots comportent des incertitudes, de sorte que
lanalyse conomique en contient elle-aussi. Les principales sources dincertitude associes aux
rsultats des analyses conomiques devraient tre identifies, caractrises, nonces de manire
explicite et communiques clairement. Les rsultats dune analyse conomique ne devraient
donc pas tre exprims comme des mesures prcises, mais la distribution complte des cots et
avantages potentiels devrait tre prise en compte. Les mthodes relatives lincertitude et la
variabilit dcrites la Section 5.4 peuvent en principe tre utilises.
Lanalyse de la valeur de linformation est, linstar de lanalyse de la sensibilit et de
lanalyse de lincertitude, une mthode formelle que lon peut employer pour chiffrer limpact
relatif de diverses incertitudes. Cette analyse peut tre qualitative ou quantitative, et dans ce
dernier cas une approche de modlisation de la probabilit est approprie (Hammitt et Cave,
1991). La principale caractristique qui distingue une analyse de la valeur de linformation
dune analyse de la sensibilit ou de lincertitude, est que, dans lanalyse de la valeur de
linformation, on se sert dun lien explicite avec une mesure quelconque de la valeur ou de
lutilit pour la socit de la rduction des risques, pour remplacer le risque reprsent par le
rsultat du modle par la valeur ou lutilit des variations du risque . Il est clair que ce lien
implique le choix dune mthode dvaluation conomique (ou sociale) de la rduction du
risque, telle que WTP ou COI. En se fondant sur une mesure donne de lutilit sociale des
rductions des risques, on peut avoir recours une analyse de la valeur de linformation pour
dterminer la valeur escompte de linformation supplmentaire dans le cadre dun ou de
plusieurs scnarios modliss.
Malcolm et al. (2004) ont pris lexemple dune entreprise prive, comparant la courbe
doptions cots/risques pour trois mthodes visant renforcer la scurit sanitaire dans un
abattoir bovin (Figure 7.2). Les trois mthodes rduisent la concentration dE. coli gnrique
dans des portions de steak hach.
Une tude supplmentaire sur un sujet ou un domaine dvaluation spcifique tait juge
utile si la valeur ou lutilit des variations du risque tait sensible la quantit
dinformations que lon comptait pouvoir obtenir grce des recherches supplmentaires.
Jusqu prsent, les techniques formelles danalyse de la valeur de linformation nont pas t
appliques aux problmes dvaluation des risques microbiologiques. Toutefois, compte tenu du

Liens entre lvaluation des risques et lanalyse conomique

110

grand nombre de risques microbiologiques identifis et des ressources disponibles qui risquent
dtre insuffisantes pour effectuer des contrles des procdures rglementaires, lanalyse de la
valeur de linformation peut tre utile aux dcideurs, lorsque les rsultats dune valuation des
risques et des analyses cots-avantages savrent trop incertains pour justifier des mesures plus
spcifiques.

Pourcentage de rduction dans les steaks hachs audessus du seuil de contamination

100%

D +I S + I S +D + I

D+ S
I
80%

Courbe doptions risque/cot


60%

40%

S
20%
0

0.005

0.01

0.015

0.02

0.025

0.03

0.035

0.04

0.045

0.05

Cot/livre

Figure 7.2 Exemple de courbe doptions risque/cot, base sur trois approches possibles, pour renforcer
la scurit sanitaire dans un grand abattoir de bouvillons et gnisses, (daprs Malcolm et al., 2004).

NOTES: D = dpeage amlior des carcasses; S = matriel de pasteurisation la vapeur et utilisation; I = matriel dirradiation et
utilisation. Chaque amlioration rduisant le risque est associe une distribution de la rduction du pathogne. Le modle prend
en compte les sept combinaisons possibles des amliorations envisages (une la fois, deux la fois, ou les trois ensemble). Les
donnes du cot conomique sont ajoutes et la courbe doptions risque/cot est construite laide dune simulation de MonteCarlo. Le cot par unit de poids (livre; lb) est port sur laxe horizontal. La rduction moyenne escompte du risque par rapport
un seuil de contamination est porte sur laxe vertical. Les points sur la courbe doptions risque-cot correspondent au meilleur
rapport de cot/efficacit. Noter que les procdures de dpeage amliores sont les plus efficaces par rapport au cot, car le risque
est considrablement rduit pour un cot relativement faible.

8. La communication sur les risques dans la


caractrisation des risques
8.1 Introduction
Les divers objectifs de la communication sur les risques sont exposs dans L'application de la
communication des risques aux normes alimentaires et la scurit sanitaire des aliments
(FAO/OMS, 1988).
La communication sur les risques est dfinie comme suit dans le Manuel de procdure du
Codex (CAC, 2001):
change interactif, tout au long du processus danalyse des risques, dinformations et dopinions
sur les [dangers et les] risques, les facteurs lis aux risques et les perceptions des risques, entre les
responsables de leur valuation et de leur gestion, les consommateurs, lindustrie, les milieux
universitaires et les autres parties intresses, et notamment lexplication des rsultats de
lvaluation des risques et des fondements des dcisions prises en matire de gestion des risques.

La communication sur les risques est un processus continu qui fait partie intgrante de
lanalyse des risques, auquel tous les groupes de parties prenantes devraient dans lidal tre
associs ds le dpart. Grce la communication sur les risques, les parties prenantes sont
informes du processus chaque tape de lERM, ce qui les aide bien comprendre sa logique,
ses rsultats, sa signification et ses limites. Des informations peuvent aussi maner des parties
prenantes. Des industriels peuvent par exemple avoir des donnes non publies dune
importance cruciale pour les valuateurs des risques. Il y a aussi des informations qui sont
normalement prsentes aux parties prenantes (industriels et consommateurs) dans le cadre du
processus danalyse des risques.
Lidentification de groupes dintrt spcifiques et de leurs reprsentants devrait sinscrire
dans une stratgie globale de communication sur les risques. Les responsables de lvaluation et
de la gestion des risques devraient examiner et arrter ensemble cette stratgie au dbut du
processus pour garantir une communication interactive. Cette stratgie devrait aussi indiquer qui
devrait prsenter les informations au public et de quelle manire.
Les communicateurs des risques doivent identifier les besoins en matire de communication des
risques et une stratgie adapte chaque type de public. Une analyse du niveau de prise de
conscience et des connaissances de chaque public, ainsi que de la meilleure mthode permettant
de leur transmettre linformation, est cruciale pour prparer les messages de communication des
risques, ainsi que pour dterminer les canaux de communication appropris. Une fois que les
publics ont t identifis, ltape suivante consiste concevoir des stratgies incluant la fois des
communications vers lextrieur (messages, fourniture dinformations) et des communications
internes (coute des besoins du public, collecte dinformations). Il est important que les messages
de communication rpondent aux besoins spcifiques des diffrents publics.
Certains groupes de parties prenantes sont relativement faciles identifier. Dans les problmes de
risque dorigine alimentaire, ces groupes sont les gestionnaires des risques et les responsables de
la rglementation sur les risques, le grand public, les dtendeurs de donnes, les scientifiques, les
mdias, les reprsentants des consommateurs et des industries et les professionnels de sant
publique. Les publics peuvent aussi comprendre des consommateurs, notamment ceux qui

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

113

risquent le plus de contracter des maladies dorigine alimentaire (personnes ges, femmes
enceintes, enfants en bas ge et sujets immuno-dprims). Comme lensemble de la population
est concerne par scurit sanitaire des aliments, tout le monde devrait en thorie tre associ
cet change dinformation. Toutefois, cest trs difficilement ralisable et de nombreuses
personnes se dsintressent compltement du problme.
Les valuateurs et les gestionnaires des risques devront informer ds le dpart les parties
prenantes de leur intention de procder une analyse des risques. ce stade, la communication
avec les parties prenantes peut tre mise profit pour instaurer un climat de confiance,
mobiliser un appui politique et scientifique pour lERM et recueillir des donnes.
8.1.1 Informations partager avec les parties prenantes
Dans les problmes de scurit sanitaire des aliments, il ny a gure de raison valable
dempcher le public daccder toutes les informations utilises dans une ERM, au rapport
intgral de lERM, et un rapport intgral sur les considrations et le raisonnement qui ont
conduit les gestionnaires des risques prendre leurs dcisions (sous rserve de lventuelle
obligation de confidentialit des donnes commerciales). Dans le cas o la confidentialit des
donnes commerciales doit tre prserve, les informations sensibles peuvent ordinairement tre
prsentes dans le cadre dune synthse globale. Plusieurs types dinformations devraient tre
incluses dans les rapports destins aux parties prenantes :
Informations sur le risque lui-mme, notamment : nature des dangers; grandeur et gravit
estimes du risque; mthode utilise pour estimer la grandeur et la gravit; informations sur les
tendances au fil du temps ; et diffrences de sensibilit de la population ou strates dexposition.
Informations sur les incertitudes de lvaluation, y compris incertitudes des paramtres
(donnes); incertitudes des rsultats (estimations) et hypothses retenues.
Considrations et options en matire de gestion des risques, telles que informations reues, y
compris proccupations des parties prenantes; actions proposes ou choisies (en fonction du stade
du processus de communication); raisons ou justification de ces actions; effets escompts, et
activits de suivi, de contrle et dexamen envisages.
Si des rapports techniques sont tablis lintention des parties prenantes, il est essentiel que
ces informations soient aussi rdiges sous une forme utile et comprhensible. On trouvera dans
les passages qui suivent des suggestions concernant la manire de les prsenter.
8.1.2 Linformation scientifique dans la communication sur les risques
Communiquer des informations scientifiques est ardu surtout si les incertitudes sont
nombreuses. De crainte dtre mal compris ou interprts, les scientifiques et les gestionnaires
des risques peuvent rechigner communiquer des informations scientifiques techniques surtout
si les incertitudes sont nombreuses et si les avis des experts divergent. Il en a par exemple
probablement t ainsi pour les risques associs lencphalopathie spongiforme bovine (ESB)
au Royaume-Uni (Chartier et Gabler, 2001).
Dans le pass, le public pensait que les informations scientifiques faisaient autorit, mais
cette attitude a chang pour ce qui concerne les risques associs aux aliments, et le public est de
plus en plus critique vis--vis des estimations du risque. En outre, le ct hermtique des
probabilits mathmatiques et limage croissante dincertitude associe lERM sont deux
facteurs qui rendent la communication sur les risques particulirement difficile. La formulation
du message (cest--dire la manire dont il est prsent) est cruciale dans ces circonstances.

La communication sur les risques dans la caractrisation des risques

114

8.2 Interaction entre les gestionnaires et les valuateurs des risques


Lvaluateur des risques considre le gestionnaire des risques comme une catgorie spciale de
partie prenante, qui a des exigences particulires supplmentaires en matire de communication.
Comme lindique le rapport FAO/OMS sur les Principes et lignes directrices en vue de
l'incorporation de l'valuation du risque microbiologique dans l'laboration de normes, de lignes
directrices et de textes connexes en matire de scurit sanitaire des aliments (FAO/OMS,
2002), linteraction entre les valuateurs et les gestionnaires des risques devrait tre constante
tout au long de la procdure danalyse des risques. Les aspects de la communication sur les
risques intressant les divers stades de la procdure danalyse des risques sont mis en vidence
ci-aprs.
8.2.1 Planification et mise en service dune ERM
Une fois que le gestionnaire des risques a dcid de faire raliser une ERM et choisi qui la
confier, il faut planifier et dfinir les conditions des travaux. Ltape de la planification et de la
mise en service de la procdure dERM est probablement lune des plus importantes pour
garantir la qualit de lensemble du processus, de bonnes relations de travail et les rsultats
appropris de lERM. Une communication troite entre les valuateurs et les gestionnaires des
risques est cruciale ce stade, et leurs discussions doivent porter sur les points suivants :
i) Aspects scientifiques concernant lERM.
Informations gnrales, notamment fourniture dun profil de risque.
Questions initiales poses par la gestion des risques.
Objet et champ dapplication de lERM.
Rsultats escompts de lERM.
Forme requise de lestimation des risques (mesures et units de caractrisation des
risques)
Utilisation prvue du rsultat de lERM dans le processus de gestion des risques.
Critres de validation du modle des risques et de ses rsultats
Critres de dtermination de ladquation scientifique et technique de lERM
Examen des besoins probables en donnes.
ii) Aspects pratiques
Besoins probables en ressources essentielles et additionnelles.
Calendriers et jalons.
Frquence et calendrier des interactions entre lvaluateur et le gestionnaire des risques.
Stratgie de communication.
Il est extrmement utile de faire connatre le plus tt possible un large public la mthode
dvaluation envisage (en donnant des informations sur la prsentation et le type de modle
que lon utilisera le plus vraisemblablement), en ayant soin de prciser que les choses pourraient
changer au cas o de nouvelles informations ou ides apparatraient. Les conditions de
lexcution de lERM devraient si possible tre dfinie dans un contrat crit entre les

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

115

gestionnaires et les valuateurs des risques, avec une clause indiquant que le contrat sera revu
rgulirement au fur et mesure que de nouvelles informations apparaissent, afin de sassurer
que les jalons et les rsultats demeurent raisonnables et appropris.
8.2.2 Droulement de lERM
La connaissance des donnes disponibles et la comprhension du problme samliorent
gnralement considrablement durant lexcution dune ERM. Les questions initiales poses
par les gestionnaires des risques doivent souvent tre modifies durant les premiers stades
lorsque les limites des informations et des donnes apparaissent clairement. Ainsi, les dcisions
concernant le champ dapplication final de lvaluation et les questions traiter se prennent
gnralement peu peu dans le cadre dun processus itratif. Tout au long de la procdure
dERM, les valuateurs et les gestionnaires des risques devraient se tenir mutuellement informs
de limpact quauront les hypothses, les lacunes dinformation, la slection, linterprtation et
la modlisation des donnes sur la procdure, les mthodes et les rsultats de lERM. Les
gestionnaires et les valuateurs des risques sengagent changer des informations susceptibles
dinfluencer la conduite de lERM, ainsi que des donnes sur les options de gestion possibles.
On constate parfois que la modlisation des donnes disponibles peut fournir plus de
renseignements quon ne le pensait au moment de la mise en service de lERM. Les nouvelles
possibilits qui sont alors offertes de rpondre de nouvelles questions devraient tre examines
avec le gestionnaire des risques. Les nouvelles informations et les modifications des procdures
qui auront un impact sur le rsultat escompt, les calendriers, les cots, etc ;, devraient tre
spcifies dans un contrat rvis entre les gestionnaires et les valuateurs des risques.
8.3 Une fois lERM acheve
Il est crucial didentifier le point o lERM peut tre considre comme effectivement acheve
et de se mettre daccord ce sujet. Lorsquune caractrisation des risques est envisage, les
rsultats doivent tre conformes au champ dapplication et aux objectifs convenus dans le
contrat relatif sa mise en service.
Dans la prsentation des rsultats, les principales conclusions de lidentification des dangers,
de lvaluation de lexposition et de la caractrisation des dangers devraient aussi tre
synthtises. Les renseignements inclure sont les suivants : informations succinctes sur le
pathogne et les aliments considrs ; variations de la prvalence et de la concentration du
pathogne tout au long dune chane alimentaire ; fonctions dose-rponse chez des groupes
dhtes ayant des sensibilits diffrentes ; estimations du risque dans les populations cibles ;
classement des risques associs aux aliments tudis et effets des options de gestion possibles.
Prsentation des rsultats aux gestionnaires des risques
Les valuateurs et les gestionnaires des risques devraient discuter et convenir ensemble de la
prsentation et du contenu du rapport final de lERM. Lors de la prsentation des rsultats de la
caractrisation des risques, les points suivants devraient tre pris en considration:
Les rsultats devraient tre prsents de manire transparente et objective, sous une forme
suffisamment accessible pour que les personnes ayant peu de connaissances en mathmatique ou
en statistique puissent comprendre les aspects essentiels de la caractrisation des risques. Par
exemple, un document technique dcrivant en dtail la modlisation, pourrait tre
accompagn dun rsum interprtatif moins technique. En outre, lutilisation dillustrations,
de graphiques et de tableaux pour la prsentation des donnes quantitatives du modle permet de

116

La communication sur les risques dans la caractrisation des risques

mieux se rendre compte de la situation que de simples estimations des paramtres ou dautres
statistiques, comme rsultats chiffrs.
Les estimations numriques devraient tre tayes par des informations qualitatives concernant la
nature des risques et le caractre probant des observations d'appui.
Toutes les hypothses et toutes les sources de variation et dincertitude devraient tre prsentes
de faon exhaustive, et reconnues.
Toutes les donnes et informations utilises dans lERM devraient tre dcrites en termes
explicites dans le rapport.
Dans un souci de transparence, les rfrences de toutes les sources dinformations ou de donnes
devraient tre indiques et cites comme il convient dans le rapport. Les ventuelles
informations phmres (ex: celles provenant dun site Internet) devraient tre imprimes et
jointes pour rfrence.
Les besoins en donnes complmentaires ventuellement identifis devraient tre communiqus
de faon claire.
On notera quil est tout fait ncessaire de dcrire les aspects de la communication des risques
qui sinscrivent dans la stratgie de gestion des risques, mais que cette description dborde le cadre
du prsent document, et quelle en est donc exclue.
Dans toute ERM, lapproche adopte comporte la fois des avantages et des inconvnients
qui doivent tre ports la connaissance des gestionnaires des risques. cet gard, les points
suivants doivent tre pris en considration:
Les scnarios envisags dans un modle de lexposition ou une analyse de la relation doserponse peuvent dpendre des donnes disponibles ou dopinions dexperts. Quelles que soient
les raisons du choix des scnarios, elles doivent tre passes au crible dans lERM et tre
clairement documentes dans le rapport.
Les hypothses formules dans lERM devraient tre clairement documentes et leurs effets sur
les rsultats devraient tre valus.
Dans les valuations quantitatives, une analyse de lincertitude ou de la sensibilit pourrait servir
valuer limpact de lincertitude des paramtres sur le rsultat final, et dans le mme temps
fournir des informations objectives concernant les lacunes des donnes et les besoins futurs en
matire de recherche. Les gestionnaires des risques pourront ensuite utiliser ces informations
pour lallocation future des fonds de recherche, le cas chant.
Grce la documentation des points qui viennent dtre indiqus, les responsables de la gestion
des risques connatront les limites de lERM et pourront interprter ses rsultats avec prudence.
8.4 laboration de stratgies de communication sur les risques
Comme on la dj dit, les dcisions en matire de communication sur les risques (quoi, qui
et comment, notamment) - devraient faire partie dune stratgie globale de communication. La
communication sur les risques est surtout efficace si elle sinscrit dans une dmarche
systmatique, et elle commence gnralement par la collecte dinformations sur le problme de
risque tudi. Le gestionnaire et lvaluateur des risques doivent donc tre en mesure de faire
rapidement une synthse claire et concise de ce que comporte ce problme, afin de susciter
lintrt des parties prenantes et de les inciter contribuer. La communication doit ensuite se

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

117

poursuivre tout au long du processus. Une fois que les informations disponibles ont t utilises
pour identifier pleinement les dangers et slectionner et valuer les risques appropris, il faut
prparer et diffuser ces informations. Ensuite, une nouvelle discussion avec les parties prenantes
dbouchera sur des corrections, des amendements et des ajouts selon le cas, et enfin sur la
publication des rapports finals de lERM et de lanalyse des risques.
Si le gestionnaire ou lvaluateur des risques nest pas qualifi en communication, il est
conseill de prvoir dans lquipe un professionnel de la communication sur les risques pour
toutes les questions litigieuses. Ce dernier doit tre prpar traiter avec les mdias, avoir des
relations bien tablies avec leurs reprsentants et avec des journalistes scientifiques, et avoir de
bonnes aptitudes gnrales en matire de communication. Il va sans dire quil doit aussi
travailler en liaison troite avec le gestionnaire et lvaluateur des risques pour maximiser
lefficacit de la communication. Dans ce domaine, trois aspects doivent tre pris en
considration : les voies de communication, le message et les supports.
Avant dengager un dialogue, il faut identifier les voies de communication appropries.
Lorsque la scurit sanitaire des aliments est en jeu, il arrive souvent que des documents
scientifiques aient dj t publis ou que les mdias aient dj commenc sintresser au
problme avant la mise en route de lanalyse des risques. De fait, ils servent souvent de
catalyseurs qui font pression pour que lon tudie les options offertes pour grer les risques et
que lon ralise une ERM. Cest pourquoi, en gnral, un dialogue a dj commenc et des
voies de communication sont dj ouvertes. Les voies de communication potentielles avec le
public sont les suivantes:
Articles de journaux ou missions destines au grand public. Gnralement crits ou produits par
des journalistes, ils peuvent tre utiles pour signaler le problme, et le porter lattention du
public. Toutefois, gnralement ces articles ou missions dramatisent lexcs et ne refltent
pas la ralit.
Communiqus de presse. Ils peuvent tre largement relays par les mdias si le sujet a dj fait la
une des journaux. Ils peuvent tre suivis dinterviews. Ce procd peut tre utile pour solliciter
une participation un dialogue futur ou promouvoir des runions.
Articles crits ou missions produites spcifiquement pour des publications ou des programmes
sur la sant ou lalimentation. Les articles peuvent tre crits par des journalistes scientifiques
ou, moyennant une rmunration, par des experts de la communication sur les risques, membres
de lquipe danalyse des risques. Linstauration de liens troits entre les gestionnaires des
risques et les journalistes scientifiques peut tre utile pour renforcer lefficacit de ces articles ou
programmes. Dans ces circonstances, des citations ou des interviews peuvent tre utiles.
Communications crites appropries directement cibles sur des reprsentants du public
pralablement dsigns (personnes qui ont de linfluence, reprsentants de groupes de
consommateurs, de groupes de pression spcialiss, de catgories mdicales, etc.). Une publicit
pralable des mdias peut avoir attir lattention des gestionnaires des risques sur dautres
groupes, et une liste annote des personnes intresses, avec leurs coordonnes, aura de
prfrence t tablie. Cette liste permettra denvoyer diffrents types de documents crits, en
fonction des besoins. Par exemple, on peut envoyer une synthse des rsultats tous ceux qui
figurent sur la liste, avec une invitation demander, ou acheter, un rapport technique intgral.
Les intresss peuvent donc choisir eux-mmes le niveau de dtail. Cette mthode de
communication est probablement lune des plus utiles pour lquipe charge de lanalyse des
risques, car elle peut favoriser une intervention plus large des mdias en portant un problme
lattention de ceux qui jusque l lignoraient.

118

La communication sur les risques dans la caractrisation des risques

Sites Internet. On peut y trouver des synthses, avec des liens vers des rapports plus dtaills; des
adresses et des numros de tlphone pour enregistrer dautres informations; une option pour
proposer une contribution lanalyse; des informations dtailles sur dventuelles runions de
parties prenantes prvues; ou des groupes dintrt pertinents. Les sites internet nont dutilit que
sils sont mis jour rgulirement et bien conus. L encore, une quipe danalyse des risques a
gnralement besoin dun spcialiste pour utiliser au mieux cette ressource.
Runions. Il sagit la fois des runions ouvertes au public et de celles cibles sur des groupes
reprsentatifs spcifiques. Pour des raisons pratiques, les runions rellement ouvertes au public
sont plutt utilises pour des questions trs litigieuses ou trs mdiatises, et leur tenue doit tre
annonce lavance par une ou plusieurs des voies de communication qui viennent dtre
dcrites. Aussi bien pour les runions tous publics que pour les runions cibles, il est prfrable
de prvoir une introduction suffisamment pointue sur le plan technique pour brosser le contexte,
et de sassurer de la prsence de bons communicateurs des risques, ainsi que dvaluateurs
techniques et de gestionnaires des risques. Mme pour les runions ouvertes au public, il est
prfrable, pour des raisons dorganisation pratique, dtre averti lavance de lidentit et du
nombre de personnes qui comptent y assister, ladmission pouvant tre conditionne par
linscription sur la liste, ou par la prsentation dun ticket, selon le cas. Une synthse crite de la
question traite sera distribue la runion. Il est prfrable de garder un rapport de ces
runions, pour lutiliser par la suite, lincorporer dans une tude, sy rfrer ou y rpondre. On
rservera un moment pour les questions ouvertes afin que les parties prenantes puissent
sexprimer, avec toutefois un temps limit annonc: les discussions qui sternisent clarifient
rarement les problmes. Dautres points pourront tre traits au cours dune runion ultrieure, ou
par crit dans le cadre du suivi de la runion.
Quelles que soient les voies choisies pour communiquer avec le public, la clart et la
pertinence sont essentielles. Do la ncessit de vrifier tout le matriel crit ou publi sur
Internet pour en contrler lexactitude et la clart et sassurer que le contenu technique est
adapt au public vis. Le matriel crit ou prsent devrait avoir certaines caractristiques utiles
pour expliquer les rsultats de la caractrisation des risques, notamment :
Graphiques et figures des distributions de frquence et de probabilit, etc. Dans la
mesure o il y en a, ils doivent tre trs clairs, nets et avoir un titre appropri
Choix attentif de la mthode de prsentation des rsultats chiffrs . Par exemple, lestimation du
risque doit tre un dcs par million dindividus dune population et par an , mais cela peut
tre difficile conceptualiser. Dans une population de 60 millions dindividus, une estimation
de 60 dcs par an sera plus facilement comprise.
Comparaison des risques. Elle peut tre utile dans certaines circonstances, mais la mthode est
trs converse car elle est souvent utilise mauvais escient. Seuls les risques qui ont des
caractristiques similaires devraient tre compars. Par exemple un risque involontaire imputable
un aliment ne devrait pas tre compar avec un risque volontaire (comme conduire une voiture
ou fumer une cigarette). Il pourrait en revanche tre compar avec dautres risques involontaires,
comme la pollution environnementale, ou un traitement ncessitant une intervention chirurgicale.
Pour que la communication sur les risques soit efficace, il faut comprendre les principes sur
lesquels elle repose et les raisons pour lesquelles elle pourrait chouer ; en outre ceux qui se
chargent de communiquer les risques au public (et dautres) doivent tre conscients de certains
aspects, notamment :

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

119

Les diffrences de perception. Le mme risque, dcoulant du mme danger, peut tre peru trs
diffremment selon les personnes, ce qui peut les conduire soit ne pas tenir compte des
messages sur les risques, soit les dramatiser. Par exemple, si une ERM est dcrite en termes
purement techniques, au lieu de rsoudre les problmes qui proccupent une personne, le
message peut tre peru comme peu pertinent et ignor. Si le message contredit des convictions
antrieures, celui qui lenvoie peut susciter la mfiance et ne pas tre cru, et linformation peut
tre ignore. Une personne adopte le parti pris de loptimisme quand elle se croit moins
vulnrable un risque particulier quun membre moyen de la socit, ce qui peut l encore la
conduire ignorer le message. Des tudes ont aussi identifi un phnomne du white male
effect, savoir que les hommes blancs sont souvent moins sensibles au risque que dautres
groupes, peut-tre parce quils ont limpression de mieux matriser les techniques qui les
entourent.
L'incomprhension lgard du processus scientifique. La terminologie scientifique peut
rendre le message incomprhensible. Lincertitude, expressment dcrite et reconnue, et
lutilisation dhypothses et de jugements de valeur peuvent donner limpression que les
informations fournies dans une ERM ont peu de valeur. Tous ces facteurs font que les dcisions
du gestionnaire des risques risquent de ne pas tre apprcies leur juste valeur.
Les priorits diffrentes. Le but des mdias est de slectionner des sujets qui pourront faire
lactualit ou de faire en sorte quils attirent les lecteurs, et les journalistes qui ont une exprience
des questions scientifiques complexes et des incertitudes sont relativement peu nombreux. Do
des inexactitudes dans les reportages des medias non spcialiss et dans les ides prconues du
public. Les gestionnaires et les valuateurs des risques ne sont gnralement pas suffisamment
familiariss avec les mdias pour surmonter ces problmes ou qualifis en communication pour
savoir comment oprer avec les journalistes de manire amliorer la qualit et la prcision de
leurs reportages.
Limportance de lcoute . Sans tre lcoute du public et par consquent aussi des membres
individuels dun public vis - aucun communicateur ne peut esprer comprendre comment
donner aux gens les informations quils veulent, au niveau qui convient, et quils sont disposs
entendre.
La confiance. La confiance est peut tre une des questions les plus importantes. Des tudes ont
montr que les informations provenant de sources dignes de confiance ont beaucoup plus de
chances dtre crues que celles manant de sources peu fiables. Malheureusement, les mmes
tudes indiquent gnralement que les reprsentants des gouvernements et les experts dsigns
par les gouvernements sont parmi les sources qui suscitent le plus la mfiance. Or ce sont bien
entendu ceux qui interviennent le plus souvent dans une ERM et dans la communication sur les
risques. En revanche, les mdias, ou tout au moins les quotidiens ou les missions qui ont une
image de qualit ont plus de probabilits dtre crus. Les communicateurs des risques
gouvernementaux ont donc intrt faire passer leurs messages par des mdias appropris, mais
cela suppose quils aient au pralable dvelopp des relations de travail troites avec eux. Cela
peut tre facilit par des runions et des discussions priodiques informelles, pour apprendre
se connatre .
8.5 Examen par le public
Pour tablir la crdibilit et la lgitimit dune valuation des risques, lexamen par des experts
est important (voir la Section 6.10.2), mais il faut aussi donner au public de relles possibilits
de sexprimer. Lopinion publique peut tre sollicite divers stades dune valuation des

120

La communication sur les risques dans la caractrisation des risques

risques, tels que la formulation initiale du problme, lacquisition des donnes et lexamen. Les
procdures classiques consistant publier un avis public pour obtenir des commentaires,
uniquement la fin du processus, peuvent tre inappropries pour instaurer la confiance et
mobiliser la coopration des parties prenantes. Lexamen des rsultats par le public permet
toutes les parties prenantes dune valuation des risques de faire un examen critique des
hypothses formules et de leur impact sur les rsultats de lvaluation. Il leur permet en outre
de dterminer dans quelle mesure les conclusions de lvaluation des risques peuvent vraiment
aider le gestionnaire des risques prendre une dcision spcifique, et dvaluer lincidence des
options de gestion des risques sur les aspects sociaux, conomiques, religieux, thiques et autres
(FAO/OMS, 1998).

9. Rfrences bibliographiques
Biosecurity Australia. 2001. Guidelines for Import Risk Analysis. Draft September 2001 (Internet:
www.affa.gov.au; dernier accs le 12 fvrier 2005).
Brown, J., Oranfield, J.A.L. & Henson, S. 2005. Relating consumer willingness-to-pay for food safety
to risk tolerance: an experimental approach. Canadian Journal of Agricultural Economics,
53: 249-263.
Buzby, J.C. & Roberts, T. 1997. Economic costs and trade impacts of food borne illness. World Health
Statistics Quarterly, 50: 5766.
Buzby, J.C., Roberts, T., Lin, C.-T.J. & MacDonald, J.C. 1996. Bacterial food-borne disease: medical
costs and productivity losses. AER No. 741. USDA, Washington DC, tats-Unis dAmrique.
CAC [Commission du Codex alimentarius]. 1999. Principes et directives rgissant la conduite de
lvaluation des risques microbiologiques. Doc. no. CAC/GL-30.
CAC. 2000. Rapport de la trente-troisime session du Comit du Codex sur lhygine alimentaire,
Washington DC, tats-Unis dAmrique, 2328 octobre 2000.
CAC. 2001. Manuel de procdure. 12me dition. (Internet:
ftp://ftp.fao.org/docrep/fao/005/Y2200F/Y2200F00.pdf; accs le 13 mars 2009).
Cason, J.A., Bailey, J.S., Stern, N.J., Whittemore, A.D. & Cox, N.A. 1997. Relationship between
aerobic bacteria, Salmonellae, and Campylobacter on broiler carcasses. Poultry Science, 76: 1037
1041.
Chartier, J. & Gabler, S. 2001. La communication des risques et le Gouvernement : Thorie et
application l'Agence canadienne d'inspection des aliments. Direction des affaires publiques et
rglementaires de l'ACIA.
Christensen, B.B., Sommer, H.M., Rosenquist, H. & Nielsen, N.L. 2001. Risk assessment on
Campylobacter jejuni in chicken products. Danish Veterinary and Food Administration, Ministry
of Food Agriculture and Fisheries, Danemark.
Cox, L.A. Jr., Babayev, D. & Huber, W. 2005. Some limitations of qualitative risk rating systems. Risk
Analysis, 25: 651662.
Crump, K.S. 1998. On summarizing group exposures in risk assessment: is an arithmetic mean or a
geometric mean more appropriate? Risk Analysis, 18(3): 293297.
Crutchfield, S.R., Buzby, J.C., Roberts, T., Ollinger, M. & Jordan Lin, C.T. 1997. Economic
assessment of food safety regulations: the new approach to meat and poultry inspection.
Agricultural Economics Report No. AER755. 28 p. (Internet:
http://www.ers.usda.gov/Publications/AER755/; accs le 10 fvrier 2009).
Cullen, A.C. & Frey, H.C. 1999. The use of probabilistic techniques in exposure assessment: a
handbook for dealing with variability and uncertainty in models and inputs. New York, tatsUnis dAmrique: Plenum.
DHHS-FDA [United States Department of Health and Human Services Food and Drug
Administration]. 2000. 21 CFR Parts 16, 101 and 115. Food Labelling, Safe Handling Statements,
Labelling of Shell Eggs; Refrigeration of Shell Eggs Held for Retail Distribution; Final Rule. US
Federal Register, 65(234): December 5, 2000. pp. 7609276114.
Dinwiddy, C. & Teal, F. 1996. Principles of costbenefit analysis for developing countries. Cambridge,
R-U: Cambridge University Press.
EFSA [European Food Safety Authority]. 2004a. Statement of the European Food Safety Agency
Scientific Expert Working Group on BSE/TSE of the BIOHAZ Panel on the health risks of the
consumption of milk and milk derived products from goats. See: www.efsa.eu.int, publication
date: 26 novembre 2004.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

123

EFSA. 2004b. EFSA publishes Geographical BSE-Risk (GBR) assessments for Australia, Canada,
Mexico, Norway, South Africa, Sweden and the tats-Unis dAmrique. See: www.efsa.eu.int,
date de publication: 20 aot 2004.
EUHCPDG [European Union Health and Consumer Protection Directorate-General]. 2003. Final
report on the risk assessment for wild animal populations with emphasis on wild life. Adopt par
le Comit scientifique directeur sa runion des 67 Mars 2003. 23 p. (Internet
http://ec.europa.eu/food/fs/sc/ssc/out325_en.pdf; accd le 10 fvrier 2009).
FAO [Organisation des Nations Unies pour lalimentation et lagriculture]. 2004. Application of risk
assessment in the fish industry. Prepared by J. Sumner, T. Ross and L. Ababouch. FAO Fisheries
Technical Paper, No. 442. 78 p.
FAO/OMS [Organisation mondiale de la sant]. 1998. The application of risk communication to food
standards and safety matters, a report of the joint FAO/OMS expert consultation. FAO Food
Standards and Nutrition Paper, No. 70.
FAO/OMS. 2002. Principes et lignes directrices en vue de l'incorporation de l'valuation du risque
microbiologique dans l'laboration de normes, de lignes directrices et de textes connexes en
matire de scurit sanitaire des aliments Rapport dune Consultation conjointe FAO/OMS, Kiel,
Allemagne 1822 mars 2002. 47 p. (Internet ftp://ftp.fao.org/docrep/fao/006/y4302f/y4302f00.pdf;
accd le 10 fvrier 2009).
FAO/OMS. 2003. Caractrisation des dangers lis la prsence de pathognes dans les aliments et dans
leau . Directives. Srie valuation des risques microbiologiques , No. 3. 63 p.
FAO/OMS. 2004. Risk assessment of Listeria monocytogenes in ready-to-eat foods. Technical report.
Microbiological Risk Assessment Series, No. 5.
FAO/OMS. 2005. Risk assessment of Vibrio vulnificus in raw oysters. Interpretative Summary and
Technical Report. Microbiological Risk Assessment Series, No. 8.
FAO/OMS. 2008. Exposure Assessment of Microbiological Hazards in Food. Guidelines.
Microbiological Risk Assessment Series, No. 7. FAO, Rome, Italie.
Fazil, A., Paoli, G., Lammerding, A., Davidson, V., Hrudey, S., Isaac-Renton, J. & Griffiths, M.
2005. A Needs, Gaps and Opportunities Assessment (NGOA) for Microbial Risk Assessment in
Food and Water. Agence de la sant publique du Canada.
Foegeding, P.M. & Roberts, T. 1994. Food borne Pathogens: Risks and Consequences. Prepared by the
Co-chairs, Council for Agricultural Science and Technology Task Force. Ames, tats-Unis
dAmrique: Council for Agricultural Science and Technology. 87 p.
Frey, H.C. & Patil, S.R. 2002. Identification and review of sensitivity analysis methods. Risk Analysis,
22(3): 553578.
Gallagher, E., Ryan, J., Kelly, L., Leforban, Y. & Wooldridge, M. 2002. Estimating the risk of
importation of foot-and-mouth disease into Europe. Veterinary Record, 150: 769772.
Gibbons, R.D. & Coleman, D.E. 2001. Statistical methods for detection and quantification of
environmental contamination. New York, tats-Unis dAmrique: John Wiley & Sons.
Golan, E. & Kuchler, F. 1999. Willingness to pay for food safety: costs and benefits of accurate
measures. American Journal of Agricultural Economics, 81: 11851191.
Golan, E., Buzby, J.C., Crutchfield, S., Frenzen, P.D., Kuchler, F., Ralston, K. & Roberts, T. 2003.
The value to consumers of foodborne risk reduction. pp. 129160, in: S. Hoffman and M. Taylor
(editors). Towards safer food: perspectives on risk and priority setting. Washington DC, tatsUnis dAmrique: Resources for the Future Press.
Greenland, S. & Morgenstern, H. 1989. Ecological bias, confounding, and effect modification.
International Journal of Epidemiology, 18(1): 269274.
Greenland, S. & Robbins, J. 1994. Invited commentary. Ecological studies biases, misconceptions,
and counterexamples. American Journal of Epidemiology, 139(8): 747760.

124

Rfrences bibliographiques

Guo, H.R., Lipsitz, S.R., Hu, H. & Monson, R.R. 1998. Using ecological data to estimate a regression
model for individual data: the association between arsenic in drinking water and incidence of skin
cancer. Environmental Research, 79(2): 8293.
Haas, C.N. 1983. Estimation of risk due to low doses of microorganisms: a comparison of alternative
methodologies. American Journal of Epidemiology, 118: 573582.
Haas, C.N. 1996. How to average microbial densities to characterize risk. Water Research, 30(4): 1036
1038.
Haddix, A.C., Teutsch, S.M., Shaffer, P.A. & Dunet, D.O. Editors. 1996. Prevention effectiveness: a
guide to decision analysis and economic evaluation. New York, tats-Unis dAmrique: Oxford
Univ. Press.
Hald, T., Vose, D., Wegener, H.C. & Koupeev, T.A. 2004. Bayesian approach to quantify the
contribution of animal-food sources to human salmonellosis. Risk Analysis, 24: 255269.
Hammitt, J.K. & Cave, J. 1991. Research planning for food safety: a value-of-information approach.
Santa Monica, tats-Unis dAmrique: RAND Corporation.
Hartnett, E. 2001. Campylobacter in broilers: a quantitative risk assessment approach. PhD Thesis,
University of Strathclyde, Glasgow, R-U.
Havelaar, A.H., Van Duynhoven, Y.T.H.P., Nauta, M.J., Bouwknegt, M.J., Heuvelink, A.E., De
Wit, G.A., Nieuwenhuizen, M.G.M. & Van de Kar, N.C.A.J. 2003. Disease burden due to
infections with Shiga-toxin producing Escherichia coli O157. National Institute of Public Health
and the Environment, Bilthoven, Pays-Bas. Report no. 284550008/2003.
Helton, J.C. & Davis, F.J. 2002. Illustration of sampling-based methods for uncertainty and sensitivity
analysis. Risk Analysis, 22(3): 591622.
Izat, A.L., Gardner, F.A., Denton, J.H. & Golan, F.A. 1988. Incidence and level of Campylobacter
jejuni in broiler processing. Poultry Science, 67: 15681572.
Jenkinson, D. 2004. The elicitation of probabilities a review of the statistical literature. BEEP report.
(Internet: www.shef.ac.uk/beep/publications.html; accd en avril 2005).
Kaelin, A. & Cowx, I.G. 2002. Outline of the path forward in Ugandas fisheries sector. The Presidential
Conference on Export Competitiveness, 2001. Publi dans COMPETE (USAID): Organisation
des Nations Unies pour le dveloppement industriel (ONUDI).
Kaplan, S. & Garrick, B.J. 1981. On the quantitative definition of risk. Risk Analysis, 1: 1127.
King, G. 1997. A Solution to the ecological inference problem: reconstructing individual behaviour from
aggregate data. tats-Unis dAmrique: Princeton University Press.
Krissoff, B., Bohman, M. & Caswell, J.A. 2002. Global food trade and consumer demand for quality.
New York, tats-Unis dAmrique: Kluwer Academic.
Kuchler, F. & Golan, E. 1999. Assigning values to life: comparing methods for valuing health risks.
Economic Research Service, United States Department of Agriculture, Agricultural Economics
Report, No. AER784.
Lake, R., Hudson, A. & Cressey, P. 2002a. Risk Profile: Salmonella (non typhoid) in poultry (whole or
pieces). Institute of Environmental Science & Research Limited, Christchurch, Nouvelle-Zlande.
Lake, R., Hudson, A. & Cressey, P. 2002b. Risk Profile: Mycobacterium bovis in milk. Institute of
Environmental Science & Research Limited, Christchurch, Nouvelle-Zlande.
Laylard, R. & Glaister, S. 1996. Costbenefit analysis. Cambridge, R-U: Cambridge Univ. Press.
Linstone, H.A. & Turoff, M. Editors. 1975. The Delphi method: techniques and applications / edited by
Harold A. Reading, tats-Unis dAmrique: Addison-Wesley (Internet:
http://is.njit.edu/pubs/delphibook/; accede le 2 fvrier 2008).
McCamley, F. & Rudel, R.K. 1995. Graphical sensitivity analysis for generalized stochastic dominance.
Journal of Agricultural and Resource Economics, 20(2): 403403.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

125

Malcolm, S., Narrod, C., Roberts, T. & Ollinger, M. 2004. Evaluating the economic effectiveness of
pathogen reduction technology in beef slaughter plants. Agribusiness: an International Journal,
20: 109123.
Mead, P.S., Slutsker, L., Dietz, V., McCraig, L.F., Bresee, J.S., Shapiro, C., Griffin, P.M. & Tauxe,
R.V. 1999. Food-related illness and death in the United States. Emerging Infectious Diseases,
5: 607-625.
Mead, G.C., Hudson, W.R. & Hinton, M.H. 1995. Effect of changes in processing to improve hygiene
control on contamination of poultry carcasses with Campylobacter. Epidemiology and
Infectection, 115: 495500.
ModelAssist. 2004. Risk analysis. Published by Risk Thinking Ltd. Ref: M0409. See:
http://www.vosesoftware.com/modelassist.htm
Morgan, M.G. & Henrion. M. 1990. Uncertainty: a guide to dealing with uncertainty in quantitative risk
and policy analysis. Cambridge, R-U: Cambridge University Press.
Murray, N., MacDiarmid, S.C., Wooldridge, M., Gummow, B., Morley, R.S., Weber, S.E.,
Giovannini, A. & Wilson, W. 2004. OIE Handbook on import risk analysis for animals and
animal products. Volume 1: Introduction and qualitative risk analysis. Paris, France: OIE
(Organisation mondiale de la sant animale). 59 p.
National Academy of Sciences. 2002. Escherichia coli O157:H7 in ground beef: review of a draft risk
assessment. Washington DC, tats-Unis dAmrique: National Academy Press.
Nauta, M.J. 2000. Separation of uncertainty and variability in quantitative microbial risk assessment
models. International Journal of Microbiology, 57: 918.
Nauta, M.J., Evers, E.G., Takumi, K. & Havelaar, A.H. 2001. Risk assessment of Shiga-toxin
producing Escherichia coli O157 in steak tartare in the Netherlands. RIVM report No. 257851
003.
NHMRC [Australian National Health and Medical Research Council]. 2004. Australian Drinking Water
Guidelines. 615 p. (Available at
www.nhmrc.gov.au/publications/synopses/_files/adwg_11_06.pdf; accede le 4 fvrier 2008).
OIE [Organisation mondiale de la sant animale]. 1999. International animal health code: mammals,
birds and bees. 8th edition. Paris, France: OIE. 468 p.
Oosterom, J., de Wilde, G.J.A., de Boer, E., de Blaauw, L.H. & Karman, H. 1983. Survival of
Campylobacter jejuni during poultry processing and pig slaughtering. Journal of Food Protection,
46: 702706.
Piantadosi, S., Byar, D. & Green, S. 1988. The ecological fallacy. American Journal of Epidemiology,
127(6): 893904.
Powell, M., Ebel, E. Schlosser, W. 2001. Considering uncertainty in comparing the burden of illness due
to foodborne microbial pathogens. International Journal of Food Microbiology, 69(3): 209215.
Raybourne, R.B., Roberts, T., Williams, K.M. and the Arthritis Working Group. 2003. Food
poisoning: economic implications. In: B. Caballero, L. Trugo and P. Finglas (editors).
Encyclopaedia of Food Sciences and Nutrition. Londres, R-U: Elsevier Science.
Richardson, S., Stucker, I. & Hemon, D. 1987. Comparison of relative risks obtained in ecological and
individual studies: some methodological considerations. International Journal of Epidemiology,
16(1): 111120.
Roberts, T. & Marks, S. 1995. Valuation by the cost of illness method: the social costs of Escherichia
coli O157:H7 foodborne disease. pp. 173206, in: J.A. Caswell (editor). Valuing Food Safety and
Nutrition. Boulder, CO, tats-Unis dAmrique: Westview Press.
Roberts, T., Morales, R.A., Lin, C.-T.J., Caswell, J.A. & Hooker, N.H. 1997. Worldwide
opportunities to market food safety. pp. 161178 (Chapter 10), in: T. Wallace and W. Schroder

126

Rfrences bibliographiques

(editors). Government and the food industry: economic and political effects of conflict and
cooperation. Dordrecht, Pays-Bas: Kluwer Academic.
Ross, T. & Sumner, J. 2002. A simple, spreadsheet based, food safety risk assessment tool. International
Journal of Food Microbiology, 77(12): 3953.
Saltelli, A., Chan, K. & Scott, E.M. Editors. 2000. Sensitivity Analysis. West Sussex, R-U: John Wiley
and Sons.
Shinagawa, K. 1997. Correspondence and problem for Enterohemorrhagic E. coli O157 outbreak in
Morioka city, Iwate. Koshu Eisei Kenkyu, 46: 104112.
Spriggs, J. & Isaac, G. 2001. Food safety and international competitiveness: the case of beef.
Wallingford, R-U: CABI Publishing.
Stephens, C. 2002. Risk analysis process for the introduction or translocation of fish in Great Lakes
Basin. Great Lakes Fish Health Committee.
Sumner, J. & Ross, T. 2002. A semi-quantitative seafood safety risk assessment. International Journal
of Food Microbiology, 77(12): 5559.
Teunis, P.F.M. & Havelaar, A.H. 2000. The Beta Poisson dose-response model is not a single-hit
model. Risk Analysis, 20: 513520.
Tolley, G., Kenkel, D. & Fabian, R. Editors. 1994. Valuing Health for Policy. Chicago, tats-Unis
dAmrique: University of Chicago Press.
Tomatis, L. Editor. 1990. Cancer: Causes, Occurrence and Control. Lyon: International Agency for
Research on Cancer.
US FDA-CVM. 2000. Risk Assessment on the human health impact of Fluoroquinolone-resistant
Campylobacter associated with the consumption of chicken (Internet:
http://www.fda.gov/cvm/antimicrobial/Risk_asses.htm).
USDA FSIS. 2002 Comparative risk assessment for intact (non-tenderized) and non-intact (tenderized)
beef. (Internet: www.fsis.usda.gov/PDF/Beef_Risk_Assess_Report_Mar2002.pdf).
USNACMCF [US National Advisory Committee on Microbiological Criteria for Foods]. 2004. Response
to the questions posed by FSIS regarding performance standards with particular reference to raw
ground chicken. Adopt le 27 aot 2004, Atlanta, GA, tats-Unis dAmrique.
Vose, D. 2000. Risk analysis: a quantitative guide. 2nd edition. New York, tats-Unis dAmrique: John
Wiley.
Whittemore, A.S. 1983. Facts and values in risk analysis for environmental toxicants. Risk Analysis,
3(1): 2333.
OMS [Organisation mondiale de la sant]. 1999. Health-based monitoring of recreational waters: the
feasibility of a new approach (the Annapolis Protocol). Genve, Suisse: OMS. Protection of the
Human Environment, Water, Sanitation and Health Series, No. WHO/SDE/WSH/99.1.
(Disponible sur Internet
http://www.who.int/water_sanitation_health/Recreational_waters/Annapolis.pdf).
OMS. 2001. Bathing water quality and human health: faecal pollution. Outcome of an Expert
Consultation, Farnham, R-U, Avril 2001.
OMS. 2003. Guidelines for safe recreational water environments. Volume 1. Coastal and fresh waters.
Genve, Suisse: OMS. 253 p. (Internet
http://whqlibdoc.who.int/publications/2003/9241545801_contents.pdf).
OMS/OCDE. 2003. Assessing microbial safety of drinking water: improving approaches and methods.
London, R-U: IWA Publishing.
OMC [Organisation mondiale du commerce]. Non dat. Accord du Cycle dUruguay. Accord sur
l'application des mesures sanitaires et phytosanitaires (Internet :
http://www.wto.org/french/docs_f/legal_f/15-sps.pdf; accd le 4 mars 2009).

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

OMC. 1998. Australie Mesures visant les importations de saumons Rapport du groupe spcial
Bruxelles, BE.WT/DS18/R. Document N 98-2258.

127

Annexe 1
La prsente annexe vient lappui du Chapitre 7, Liens entre lvaluation des risques et
lanalyse conomique . La Figure A1 est un arbre gnrique des consquences des maladies
que lquipe dvaluation des risques peut utiliser pour visualiser les diffrents rsultats pour la
sant humaine conscutifs une exposition un pathogne prsent dans un aliment. Le Tableau
A1 recense les pathognes dorigine alimentaire et leurs complications possibles qui couvrent
toute une gamme dissues, tels que paralysie, insuffisance rnale, dbilit mentale, septicmie et
arthrite. De nombreux pathognes dorigine alimentaire figurent sur cette liste, ce qui donne
penser que de nombreuses maladies transmises par les aliments sont susceptibles de
complications.
Le Tableau A2 rcapitule les diffrents cots conomiques qui peuvent tre pris en compte
dans une analyse cots-avantages. Ceux que lon choisit dinclure sont fonction du type
danalyse cots-avantages. Il est important de bien dfinir le type dintervention et davoir une
comprhension claire des cots qui entrent dans les catgories de cots-avantages. Par exemple,
une entreprise qui met en place un programme de scurit sanitaire des aliments amlior et
rduit la concentration de pathognes dans des aliments, pourrait voir ses cots compenss par
des gains en termes : daugmentation de la dure de conservation du produit ; de rduction des
retours de produits, des primes dassurance, du nombre de plaintes concernant les produits, du
risque de rappels des produits en raison de maladies dorigine alimentaire ; voire
daugmentation de ses ventes au fil du temps. Ces avantages pourraient compenser les cots de
son nouveau programme de scurit sanitaire des aliments. Lanalyse conomique cherche
identifier et comparer la valeur actuelle des avantages nets et des cots nets pour toutes les
parties concernes par lintervention publique ou prive.

Pas
dinfec ti on

Porteur
sain

Gurison
com plte

Expos ition

Infection

Maladie

Symptm es

aigu

rsiduels

Com plicati ons

Dcs
th

Figure A1. Arbre gnrique des consquences des maladies (adapt de Prss et Havelaar, 2001).

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

129

Tableau A1 Complications chroniques associes des pathognes dorigine alimentaire.


Infections bactriennes et
parasitaires transmises par les
aliments

Complications/squelles

Entrite Aeromonas hydrophila

Bronchopneumonie, cholcystite

Brucellose

Aortite, orchi-pididymite, mningite, pricardite, spondylite

Campylobactriose

Arthrite, cardite, cholcystite, colite, endocardite, rythme noueux, syndrome de GuillainBarr, syndrome hmolytique et urmique , mningite, pancratite, septicmie

Entrite Escherichia coli (types


EHEC)

rythme noueux, syndrome hmolytique et urmique, arthropathie srongative, purpura


thrombocytopnique

Fivre Q

Endocardite, hpatite granulomateuse

Salmonellose

Aortite, cholcystite, colite, endocardite, orchi-pididymite, mningite, myocardite


ostomylite, pancratite, maladie de Reiter, syndromes rhumatodes, septicmie, abcs
splniques, thyrodite, arthrite septique (personnes atteintes de drpanocytose)

Shigellose

rythme noueux, syndrome hmolytique et urmique, neuropathie priphrique,


pneumonie, maladie de Reiter, septicmie, abcs splniques, synovite

Infections bactriennes

Entrite Vibrio parahaemolyticus

Septicmie

Yersiniose

Arthrite, cholangite, rythme noueux, abcs du foie et abcs splnique, lymphadnite,


pneumonie, pyomyosite, maladie de Reiter, septicmie, spondylite, maladie de Still

Cryptosporidiosea

Diarrhe grave, prolonge et parfois fatale

Giardiasea

Cholangite, dystrophie, symptmes articulaires, hyperplasie lymphode

Tniasis

Arthrite, cysticercose (T. solium)

Toxoplasmose

Encphalite et autres maladies du systme nerveux central, pancardite, polymyosite

Trichinose

Dysfonctionnement cardiaque, squelles neurologiques

Infections parasitaires

NOTES: a) Dorigine hydrique.


SOURCE: Foegeding et Roberts, 1994.

Annexe 1

130

Tableau A2 Exemples de cots pour la socit de maladies dorigine alimentaire impliquant une
zoonose.
Cots pour les individus et les mnages1
Cots des
maladies
humaines

Cots mdicaux

Visites mdicales
Dpenses de laboratoires
Hospitalisation ou maison de repos
Mdicaments et autre traitements
Ambulance ou autres frais de dplacement

Perte de revenu ou de productivit pour les personnes malades ou dcs


Dispensateur de soins pour les personnes malades
Autres cots de la Frais de dplacement pour se rendre auprs des malades
maladie
Modifications du logement
Rducation physique ou professionnelle
Frais de garde des enfants
Programmes ducatifs spciaux
Soins en tablissement
Temps de loisir perdu
Cots
psychologiques
Cots du
comportement
prventif

Souffrance et autres cots psychologiques


Aversion pour le risque

Cots du temps supplmentaire de nettoyage ou de cuisson


Cot supplmentaire de rfrigrateur, conglateur, etc.
Changements du got par rapport aux recettes traditionnelles (en particulier, plats base de viande, de lait,
dufs)
Augmentation des cots alimentaires, si lon achte des produits plus chers mais plus srs

Cots pour les industries2


Impact des
pathognes sur
les cots de
production
animale

Morbidit et mortalit des animaux dans les exploitations


Rduction du taux de croissance ou de lefficience alimentaire et augmentation du temps de mise sur le
march
Cots de llimination des animaux contamins dans les exploitations ou dans les abattoirs
Augmentation du parage ou du retraitement labattoir ou lusine de transformation
Maladie chez les travailleurs du fait de la manutention danimaux ou de produits contamins
Dtrioration accrue de produits carns du fait de la contamination par les pathognes

Cots de la
matrise des
pathognes
tous les maillons
de la chane
alimentaire2:

Nouvelles pratiques agricoles (stabulation spare en fonction de lge, produits dalimentation animale
striliss, etc.)
Modification des modes de transport et de commercialisation (systmes didentification des animaux,
alimentation, abreuvement)
Nouvelles procdures dabattage (lavage des peaux, strilisation des couteaux et des carcasses)
Nouvelles procdures de transformation (tests pour la dtection des pathognes, exigences en matire
dachats forfait)
Modification du transport des produits (utilisation accrue dindicateurs temps et temprature)
Nouvelles pratiques de vente en gros et au dtail (tests pour la dtection des pathognes, formation du
personnel, et procdures)
Modlisation de lvaluation des risques, par industrie, pour tous les maillons de la chane alimentaire

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

Incitation par les prix pour les produits teneur rduite en pathogne chaque maillon de la chane
alimentaire

131

Annexe 1

132

Cots pour les industries2 (suite)


Cots des
pidmies

Abattage des troupeaux/rappel des produits


Fermeture et nettoyage des usines
Amendes rglementaires
Action en responsabilit du fait des produits intentes par des consommateurs et dautres entreprises3
Baisse de la demande des produits
du fait de lpidmie

Produit animal gnrique toutes les entreprises sont touches


Rduction pour des entreprises spcifiques au niveau de la vente en
gros ou au dtail

Publicit ou assurances aux consommateurs accrues aprs une pidmie


Impact des pidmies sur le tourisme
Cots rglementaires et cots pour le secteur de la sant publique
Cots de
surveillance de
la maladie pour

Contrler lincidence et la gravit des maladies humaines dues des pathognes prsents dans les aliments
Contrler lincidence des pathognes dans la chane alimentaire
laborer une base de donnes intgres de la ferme la table pour les pathognes dorigine
alimentaire

Recherche pour Identifier de nouveaux pathognes dorigine alimentaire responsables de maladies humaines aigus et
chroniques
Dfinir les produits et les pratiques de production et de consommation haut risque
Identifier quels sont les consommateurs haut risque pour quels pathognes
Mettre au point des tests de dpistage des pathognes moins chers et plus rapides
Modliser lvaluation des risques pour tous les maillons de la chane alimentaire
Cots des
pidmies

Cots des enqutes pidmiologiques


Tests pour circonscrire une pidmie (par exemple, preuve srologique et administration danticorps aux
personnes exposes lhpatite A)
Cots de nettoyage
Actions lgales pour faire respecter les rglementations qui auraient t enfreintes3

Autres
considrations

Effets distributifs dans les diffrentes rgions, industries, etc.


Considrations dquit, telles que inquitude particulire pour les enfants

NOTES: 1) Lestimation de la propension payer (WTP) pour rduire les risques de maladies dorigine alimentaire est une
estimation complte de toutes ces catgories (en supposant que lindividu a inclus dans ses estimations un cong maladie financ
par lemployeur et des programmes mdicaux). Lestimation couvre la rduction des risques pour toutes les personnes exposes,
quelles tombent malades ou non. 2) Certains cots pour les industries peuvent diminuer avec lamlioration de la matrise des
pathognes (par exemple, rduction de la dtrioration des produits, augmentation possible de la dure de conservation des
produits, et dure de conservation allonge permettant lexpdition vers des marchs plus loigns, ou abaissement des cots
dexpdition vers des marchs de proximit. 3) En additionnant les cots, il faut veiller ce que les cots de responsabilit du fait
des produits pour les entreprises ne soient pas dj inclus dans le Pretium Doloris estim pour les individus. Toutefois, les frais
juridiques et judiciaires encourus par toutes les parties sont des cots sociaux.
SOURCE: Daprs Buzby et Roberts, 1997.

Caractrisation des risques lis aux dangers microbiologiques dorigine alimentaire

133

Rfrences
Buzby, J.C. & Roberts, T. 1997. Economic costs and trade impacts of food borne illness. World Health
Statistics Quarterly, 50: 5766.
Foegeding, P.M. & Roberts, T. 1994. Food borne Pathogens: Risks and Consequences. Prepared by the
Co-chairs, Council for Agricultural Science and Technology Task Force. Ames, USA: Council for
Agricultural Science and Technology. 87 p.
Prss, A. & Havelaar, A.H. 2001. The global burden of disease: study and applications in water,
sanitation and hygiene. pp. 4360, in: L. Fewtrell and J. Bartram (editors). Water Quality:
Guidelines, Standards & Health: Risk assessment and management for water-related infectious
disease. Londres, RU: IWA Publishing.

SRIE FAO/OMS SUR LVALUATION DES RISQUES MICROBIOLOGIQUES

1
2
3
4
5
6
7
8
9

valuation des risques lis Salmonella dans les ufs et les poulets de chair : Rsum
interprtatif, 2002
valuation des risques lis Salmonella dans les ufs et les poulets de chair, 2002
Caractrisation des dangers lis la prsence de pathognes dans les aliments et dans leau :
Directives, 2003
valuation des risques lis Listeria monocytogenes dans les aliments prts consommer :
Rsum interprtatif, 2004
valuation des risques prsents par Listeria monocytognes dans les aliments prts
consommer: Synthse, 2004
Enterobacter sakazakii et autres microorganismes prsents dans les prparations en poudre
pour nourrissons : Rapport de la runion, 2004
valuation de lexposition aux dangers microbiologiques dans les aliments : Lignes
directrices, 2008
valuation du risque de Vibrio vulnificus dans les hutres crues: Rsum interprtatif et
rapport technique, 2005
valuation du risque de Vibrio cholerae O1 et O139 dans les crevettes tropicales faisant
lobjet du commerce international est maintenant publie: Rsum interprtatif et rapport
technique, 2005

10 Enterobacter sakazakii et Salmonella dans les prparations en poudre pour nourrissons:


Rapport de la runion, 2006
11 valuation du risque de Campylobacter spp. dans les poulets de chair: Rsum interprtatif,
2008
12 valuation du risque de Campylobacter spp. dans les poulets de chair: Rapport technique,
2008
13 Virus dans l'alimentation: avis scientifiques pour soutenir la gestion des risques: Rapport de
la runion, 2008
14 Dangers microbiologiques dans les fruits et lgumes frais: Rapport d'une runion, 2008
15 Enterobacter sakazakii dans les prparations de suite: Rapport d'une runion, 2008
16 Lvaluation du risque de Vibrio cholerae parahaemolyticus dans le produits de la mer:
Rsum interprtatif et rapport technique, 2009
17 Directives sur la caractrisation des risques: Directives, 2009.