Évaluation de L'exposition Aux Dangers Microbiologiques Dans Les Aliments

SERIE EVALUATION DES RISQUES MICROBIOLOGIQUES
VALUATION DE LEXPOSITION
AUX DANGERS MICROBIOLOGIQUES
DANS LES ALIMENTS
LIGNES DIRECTRICES
ORGANISATION MONDIALE DE LA SANT

ORGANISATION DES NATIONS UNIES POUR LALIMENTATION ET
LAGRICULTURE
2008
- iii -
TABLE DES MATIERES

Table des matires
Remerciements
Groupe de rdaction
Avant-propos
Prparation et objectifs des prsentes lignes directrices
Abrviations
iii
vii
viii
x
xii
xiv
1. INTRODUCTION
1.1 Historique
1.2 Lvaluation de lexposition dans ce contexte
1.3 Objectif des prsentes lignes directrices
1.4 Porte des lignes directrices
2. MTHODES DVALUATION DE LEXPOSITION
2.1 Principes
2.2 Objectifs et types dvaluation de lexposition
2.3 Dfinir lobjectif et la porte dune valuation de lexposition spcifique
2.4 De la thorie la pratique
10
2.5 Moyens ncessaires pour lvaluation de lexposition
11
3. APPROCHES DE MODLISATION
15
3.1 Introduction
15
3.2 valuation qualitative et quantitative de lexposition
15
3.3 valuations qualitatives de lexposition

3.3.1. Difficults ventuelles concernant les valuations qualitatives
16
16
3.4 valuations semi-quantitatives de lexposition
17
3.5 valuations quantitatives de lexposition
17
3.5.1 valuations dterministes

3.5.2 valuations alatoires
3.5.3 La simulation de Monte-Carlo
3.5.4 Autres systmes de classification des modles
3.5.5 Approche par tapes dune valuation quantitative des risques
18
18
19
20
21
iv
3.6 Modlisation des tapes de la production la consommation

3.6.1 Introduction
3.6.2 Mis au point du modle
3.6.3 Production primaire (exploitation agricole)
3.6.4 Transformation
3.6.5 Aprs transformation
3.7 Consommation
3.7.1 Modlisation
3.7.2 Quantit daliments consomms
3.7.3 La quantit par personne par rapport la quantit par mangeur
3.7.4 Quantit par an, par jour ou par pisode de consommation
3.7.5 Importance de la caractrisation de la rpartition de la contamination
3.7.6 Frquence de la consommation
3.7.7 lments prendre en considration et enjeux au moment de modliser la
consommation alimentaire
3.8 Modlisation de la prolifration et de linactivation microbiennes
3.8.1 Introduction
3.8.2 Types de modle et disponibilit
3.9 Application de la microbiologie prdictive au sein dune valuation de lexposition
3.9.1 Marge dapplicabilit du modle
3.9.2 Flore daltration
3.9.3 Sources de variabilit et dincertitude
4. DONNES NCESSAIRES UNE VALUATION DE LEXPOSITION
21
21
21
23
25
27
30
30
30
31
31
32
32
33
34
34
37
38
38
39
39
43
4.1 Types de donnes utilises dans une valuation de lexposition

4.1.1 Introduction
4.1.2 Le produit alimentaire
4.1.3 La chane alimentaire
4.1.4 Le danger microbiologique
4.1.5 Les consommateurs
43
43
45
45
47
49
4.2 Caractristiques des donnes
51
4.2.1 Format des donnes

4.2.2 Niveau de dtail requis
4.2.3 Prsentation des donnes
4.2.4 Lhomognit des sries de donnes pour permettre la comparaison
4.3 Possibles sources de donnes
4.3.1 Donnes nationales de surveillance des maladies dorigine alimentaire
4.3.2 Donnes provenant denqutes pidmiologiques analytiques
4.3.3 Donnes provenant de contrles systmatiques
52
52
53
54
54
54
55
55
-v-
4.3.4 Donnes issues des enqutes sur la production primaire

4.3.5 Donnes provenant des sources industrielles
4.3.6 Donnes issues de rapports gouvernementaux
4.3.7 Donnes issues de recherches publies
4.3.7 Donnes issues de recherches non publies
56
56
57
58
58
4.4 Recueil, slection et utilisation des donnes

4.4.1 Recueil de donnes
4.4.2 Recherche des donnes
4.4.3 Slection des donnes
4.4.4 Analyse statistique des donnes
4.4.5 Combinaison de donnes
59
59
62
62
63
63
4.5 Grer labsence de donnes
64
4.5.1 Restructuration du modle

4.5.2 Microbiologie prdictive
4.5.3 Donnes de substitution
4.5.4 Avis des experts
5. VARIABILIT, INCERTITUDE ET SENSIBILIT
64
65
65
66
67
5.1 Lincertitude et la variabilit dans une valuation de lexposition

5.1.1 Variabilit
5.1.2 Incertitude
5.1.3 Lincertitude et la variabilit ensemble
5.1.4 Modlisation de second ordre
67
67
67
68
69
5.2 Analyse de la sensibilit et analyse de lincertitude

5.2.1 Analyse de la sensibilit
5.2.2 Analyse de lincertitude
70
71
72
6. GARANTIR LA QUALIT DE LVALUATION DE LEXPOSITION

6.1 Vrification et validation
6.1.1 Utilit du modle
6.1.2 Validation de lexactitude du modle
73
73
74
74
6.2 Qualit de la documentation
75
6.3 Examen par les pairs et du public
76
7. COMMUNICATIONS LORS DE LVALUATION DE LEXPOSITION
79
7.1 Communications pendant une valuation de lexposition
79
7.2 Prsentation et communication des rsultats
79
vi
8. UTILISATION DES LIGNES DIRECTRICES
81
9. RFRENCES
83
ANNEXE 1. EXEMPLE DVALUATION QUALITATIVE DE L`EXPOSITION 91

ANNEXE 2. SOURCES POTENTIELLES DINFORMATION
99
ANNEXE 3. TERMINOLOGIE
103
ANNEXE 4. DISTRIBUTIONS DE PROBABILITS ET PROCESSUS

ALATOIRES
105
- vii -
REMERCIEMENTS
LOrganisation des Nations Unies pour lalimentation et lagriculture (FAO) et lOrganisation
mondiale de la sant (OMS) tiennent remercier tous ceux et celles qui ont contribu la
prparation des prsentes lignes directrices. Des remerciements particuliers vont aux
participants de latelier de Seattle pour le temps et les efforts quils ont consacrs sans compter,
avant, pendant et aprs la runion, llaboration du prsent document. De nombreuses
personnes, dont les noms sont repris dans la liste ci-dessous, y ont consacr du temps et ont
offert leurs comptences pour rviser le rapport et pour formuler des recommandations. La FAO
et lOMS remercient galement tout spcialement Tom Ross et Don Schaffner pour laide
supplmentaire quils ont apporte lexamen des informations reues lors de la rvision du
texte et sa correction lorsque cela tait ncessaire.
Les travaux sur lvaluation des risques ont t coordonns par le Secrtariat mixte FAO/OMS
sur lvaluation des risques microbiologiques dans les aliments, notamment Sarah Cahill,
Maria de Lourdes Costarrica et Jean Louis Jouve (20012004) la FAO, et
Peter Karim Ben Embarek, Jocelyne Rocourt (20012004), Hajime Toyofuku (19992004) et
Jrgen Schlundt lOMS. Lors de la prparation des prsentes lignes directrices sur lvaluation
des risques, des informations et un appui supplmentaires ont t fournis par Gerald Moy, du
Dpartement Scurit sanitaire des aliments, zoonoses et maladies dorigine alimentaire de
lOMS, et par Claudio Almedia, de lInstitut panamricain pour la protection alimentaire et la
lutte contre les zoonoses. La publication du rapport a t coordonne par Sarah Cahill. Thorgeir
Lawrence sest charg de sa mise en forme pour les langues et pour la prparation de
limpression, et Mary Friel s'est occupe de la correction dpreuves.
Les travaux prparatoires et la publication ont t appuys et financs par la Division de la
nutrition et de la protection des consommateurs de la FAO et par le Dpartement Scurit
sanitaire des aliments, zoonoses et maladies dorigine alimentaire de lOMS.
viii
- ix -
GROUPE DE RDACTION
PARTICIPANTS A LATELIER DE SEATTLE
Bjarke Bak Christensen
Administration vtrinaire et alimentaire danoise, Danemark
Eric Ebel
United States Department of Agriculture, tats-Unis dAmrique
Kathleen Egan
Food and Drug Administration, tats-Unis dAmrique
Aamir Fazil
Sant Canada, Canada
Nigel French
University of Liverpool, Royaume-Uni
Dilma Gelli
Instituto Adolfo Lutz, Brsil
Leon Gorris
Unilever, Royaume-Uni
Emma Hartnett
Decisionalysis, Canada
Allan Hogue
I. Karunasagar
University of Agricultural Sciences, Mangalore, Inde
Fumiko Kasuga
Institut national des maladies infectieuses, Japon
Louise Kelly
University of Strathclyde, Royaume-Uni
Xiumei Liu
Ministre de la Sant, Chine
Douglas Marshall
Mississippi State University, tats-Unis dAmrique
George Nasinyama
Makerere University, Ouganda
Maarten Nauta
Institut national de la sant publique et de lenvironnement, Pays-Bas
Birgit Norrung
Administration vtrinaire et alimentaire danoise, Danemark
Ken Osaka
Institut national des maladies infectieuses, Japon
Tom Ross
University of Tasmania, Australie
Don Schaffner
Rutgers University, tats-Unis dAmrique
Wayne Schlosser
Paul Vanderlinde
Food Science Australia, Australie
Richard Whiting
Marion Wooldridge
Veterinary Laboratories Agency (Weybridge), Royaume-Uni
REVISEURS PROFESSIONNELS
Wayne Anderson
Food Safety Authority of Ireland, Irlande
Leila Barraj
Exponent, Inc., tats-Unis dAmrique
Janis Baines
Food Standards Australia New Zealand, Australie
Patricia Desmarchelier
Food Science Australia, Australie
Nourredine Bouchriti
Institute agronomique et vtrinaire Hasan II, Maroc
Sherrie Dennis
Jose Flores-Luna
Ministre de la Sant, Mexique
Christopher Frey
North Carolina State University, tats-Unis dAmrique
J. Iwahori
Facult de mdecine de Kochi, Japon
LeeAnn Jaykus
North Carolina State University, tats-Unis dAmrique
David Jordan
New South Wales Agriculture, Australie
Hilde Kruse
Institut national vtrinaire, Norvge
Marzia Landgraf
Universidade de Sa Paolo, Brsil
Noel Murray
Agence canadienne dinspection des aliments, Canada
Moez Sanaa
cole nationale vtrinaire dAlfort, France
Ewen Todd
Michigan State University, tats-Unis dAmrique
Ivan Vgsholm
Centre sudois des zoonoses, Sude
- xi -
AVANT-PROPOS
Les membres de lOrganisation des Nations Unies pour lalimentation et lagriculture (FAO) et
de lOrganisation mondiale de la sant (OMS) ont exprim leurs inquitudes en ce qui concerne
la scurit sanitaire des aliments aux niveaux national et international. Lincidence croissante
des maladies dorigine alimentaire ces dernires dcennies semble lie, dans de nombreux pays,
une augmentation des maladies causes par la prsence de microorganismes dans les aliments.
Cette inquitude a t exprime des runions des organes directeurs des deux Organisations et
au sein de la Commission du Codex Alimentarius. Il nest pas facile de dterminer si cette
augmentation prsume est relle ou si elle nest quun artefact de changements dans dautres
domaines, tels le renforcement de la surveillance des maladies ou lamlioration des mthodes
de dtection des microorganismes dans les aliments. Toutefois, limportant est de savoir si de
nouveaux instruments ou des mesures plus efficaces peuvent nous aider rduire le poids de la
morbidit et fournir des aliments plus srs. Fort heureusement, il semble que de nouveaux
instruments propres faciliter les mesures prendre soient porte de main.
Cette dernire dcennie, lanalyse des risques, un processus qui comprend lvaluation des
risques, leur gestion et la communication sur les risques, est apparue comme un modle
structur pour amliorer nos systmes de contrle des aliments ayant pour objectifs de produire
des aliments plus srs, de rduire le nombre de maladies dorigine alimentaire et de faciliter le
commerce national et international de produits alimentaires. Par ailleurs, nous nous orientons
vers une approche plus holistique de la scurit sanitaire des aliments qui exige que toute la
chane alimentaire soit prise en considration dans les initiatives visant produire des aliments
plus srs.
Comme pour tout modle, des instruments sont ncessaires pour appliquer le paradigme de
lanalyse des risques. Lvaluation des risques est llment scientifique de lanalyse des
risques. La science fournit aujourdhui des informations approfondies sur la vie du monde que
nous habitons. Elle nous a permis daccumuler une masse de connaissances sur des organismes
microscopiques, leur prolifration, leur survie et leur mort, et mme leur composition gntique.
Elle nous a permis de comprendre la production de denres, leur transformation et leur
conservation, ainsi que le lien entre les mondes microscopique et macroscopique et les effets
positifs et ngatifs que ces microorganismes peuvent avoir sur notre sant. Lvaluation des
risques nous offre un cadre pour organiser toutes ces donnes et ces informations, et mieux
comprendre linteraction entre les microorganismes, les aliments et les maladies humaines. Elle
nous donne les moyens destimer les risques pour la sant humaine lis des microorganismes
spcifiques dans les aliments et nous fournit un instrument pour comparer et valuer diffrents
scnarios et identifier les types de donnes ncessaires pour valuer et optimiser les
interventions visant attnuer ces risques.
Lvaluation des risques microbiologiques peut tre considre comme un instrument pour grer
les risques lis aux pathognes dorigine alimentaire et laborer des normes pour les aliments
faisant lobjet dun commerce international. La ralisation dune valuation des risques
microbiologiques (ERM), notamment quantitative, est toutefois reconnue comme une tche
forte intensit de ressources ncessitant une approche pluridisciplinaire. Cependant, les maladies
xii
dorigine alimentaire font partie des problmes de sant publique les plus rpandus ; elles
gnrent un fardeau social et conomique et sont une source de souffrances humaines, ce qui en
fait un problme que tous les pays doivent traiter. tant donn que lvaluation des risques peut
aussi tre utilise pour justifier lintroduction de normes plus rigoureuses pour limportation de
produits alimentaires, il convient de savoir ce quest une ERM dans le cadre des changes
commerciaux et de fournir aux pays les moyens de la comprendre et, si possible, de leffectuer.
En consquence, et compte tenu des besoins du Codex Alimentarius en matire davis
scientifiques reposant sur le risque, la FAO et lOMS ont mis en uvre un programme
dactivits sur lvaluation des risques microbiologiques au niveau international.
Le Service de la qualit des aliments et des normes alimentaires (FAO) et le Dpartement de
scurit sanitaire des aliments (OMS) sont les units chef de file charges de cette initiative. Les
deux groupes ont collabor pour dvelopper la composante ERM, afin de lappliquer tant au
niveau national quinternational. Ce travail a t grandement facilit par la contribution de
spcialistes, venus du monde entier, dans les domaines de la microbiologie, de la modlisation
mathmatique, de lpidmiologie et des technologies alimentaires pour nen citer que
quelques-uns.
La prsente srie valuation des risques microbiologiques fournit de nombreuses donnes et
informations ceux qui ont besoin de comprendre ou de raliser une ERM. Elle comprend des
valuations des risques lis des combinaisons particulires de pathognes et de produits, des
rsums interprtatifs des valuations des risques, des directives pour la ralisation et
lutilisation des valuations des risques et des rapports sur dautres aspects pertinents des ERM.
Nous esprons que cette srie aidera mieux comprendre lERM, la manire de la raliser et de
lutiliser. Nous avons la ferme conviction que ce domaine devrait tre dvelopp au niveau
international ; les prsents travaux montrent dj clairement quune approche internationale et
une entente rapide dans ce secteur renforceront le potentiel dutilisation de cet instrument dans
toutes les rgions du monde, ainsi que dans le domaine de ltablissement des normes
internationales. Nous souhaiterions recevoir vos observations et ractions sur les documents de
cette srie afin que puissions fournir aux tats membres, au Codex Alimentarius et aux autres
utilisateurs de ce matriel les informations dont ils ont besoin pour utiliser des instruments
reposant sur le risque, le but ultime tant de garantir tous les consommateurs des aliments
srs.
Ezzeddine Boutrif
Jrgen Schlundt
Division de la nutrition et de la protection

des consommateurs, FAO
Dpartement Scurit sanitaire des

aliments, zoonoses et maladies dorigine
alimentaire, OMS
- xiii -
PRPARATION ET OBJECTIFS DES PRSENTES LIGNES

DIRECTRICES
Le projet de concevoir des lignes directrices sur lvaluation de lexposition a pris forme au
cours dun atelier organis Seattle (Washington tats-Unis dAmrique), du 5 au
9 dcembre 2001. Ses participants taient des scientifiques alors engags dans lvaluation de
lexposition des tres humains ou des animaux aux dangers microbiologiques dorigine
alimentaire. Le document rdig lors de latelier a ensuite t revu par les participants et un
nouveau projet a t prpar pour tre son tour examin par un autre groupe de rviseurs
professionnels externes. Les prsentes lignes directrices ont t finalises en tenant compte de
tous les commentaires mis.
Les prsentes directives font partie dune srie de lignes directrices portant sur lvaluation des
risques microbiologiques prpare par la FAO et lOMS. Des directives sur la caractrisation
des dangers lis la prsence de pathognes dans les aliments et dans leau ont dj t publies
en tant que troisime numro de la Srie FAO/OMS dvaluation des risques microbiologiques.
Des lignes directrices sur la caractrisation des risques sont en prparation et seront publies en
tant que treizime numro de la mme srie. Le lecteur est invit se rfrer toutes ces
publications au moment de mener une valuation des risques. Il est prfrable de commencer
par lire les directives sur la caractrisation des risques puisquelles fournissent au lecteur une
vue densemble des diffrents types dvaluation des risques et de leurs rsultats. Elles devraient
donc laider dterminer le niveau de dtail requis lors de lvaluation de lexposition et des
tapes de caractrisation des dangers de toute valuation des risques.
Les prsentes lignes directrices entendent fournir un cadre et une approche pratiques pour mener
une valuation de lexposition aux dangers microbiologiques (bactries, champignons, virus,
protozoaires et toxines microbiennes) dans les aliments dans le contexte dune valuation des
risques ou dun processus individuel. Les indications fournies sur des parties prcises dune
valuation de lexposition sont tablies sur les expriences menes jusqu prsent ; il convient
toutefois de reconnatre que cest un domaine en constante volution et que de nouvelles
mthodes et approches, plus appropries, pourraient tre disponibles dici peu. Ces directives ne
constituent donc pas une source dinformation exhaustive pour lvaluation de lexposition. Il
importe de prciser que le prsent document entend fournir au lecteur une orientation ; il ne
sagit en aucun cas dun recueil de normes ou de rgles rigides suivre lors de toute valuation
de lexposition. Il serait dailleurs impossible de formuler des rgles strictes dans la mesure o
le niveau de dtail et de mthodologie variera en fonction de lvaluation de lexposition mene.
Par exemple, si le Chapitre 4 des prsentes lignes directrices dcrit de faon dtaille les types
de donnes qui peuvent tre utiliss pour lvaluation de lexposition, il est indniable que, dans
de nombreux cas, les donnes disponibles pour mener une telle valuation seront plus limites ;
disposer de toutes ces donnes reprsente donc plus une situation idale plutt quhabituelle.
Cest la raison pour laquelle, le mme chapitre fournit galement des indications sur la faon de
grer labsence de donnes.
Les prsentes lignes directrices sadressent aux personnes disposant de connaissances
scientifiques ou techniques, travaillant dans le secteur public ou priv, et dsireuses ou ayant
besoin dapprendre davantage sur lvaluation de lexposition et den mener. Toutefois, leur
objectif est galement daider les responsables de la gestion des risques et les dcideurs mieux
xiv
comprendre les processus et de les aider planifier et prvoir les moyens ncessaires une
telle valuation.
- xv -
ABRVIATIONS
AFNOR
Association franaise de normalisation
AOAC
Association des chimistes analytiques officiels
APHA
American Public Health Association
BPA
Bonne pratique agricole
BPF
Bonne pratique de fabrication
CAC
Commission du Codex Alimentarius
CCFH
Comit du Codex sur lhygine alimentaire
ERM
valuation des risques microbiologiques
FAO
Organisation des Nations Unies pour lalimentation et lagriculture
HACCP
Analyse des risques aux points critiques [Systme d]
ICMSF
Commission internationale
microbiologiques des aliments
ILSI
Institut international des sciences de la vie
ISO
Organisation internationale de normalisation
JEMRA
Consultations mixtes
microbiologiques
OIE
Organisation mondiale de la sant animale
OMS
Organisation mondiale de la sant
UFC
Unit formant colonie
USEPA
Agence des tats-Unis pour la protection de lenvironnement
pour
la
dfinition
des
caractristiques
FAO/OMS dexperts de lvaluation
des
risques
1. INTRODUCTION
1.1 Historique
Lvaluation des risques microbiologiques (ERM) est un nouvel outil dvaluation de la scurit
sanitaire des aliments et de leau. La FAO et lOMS ont une tche importante accomplir en
matire de dveloppement et de standardisation de lERM au niveau international, et
dinformation des responsables de la gestion des risques, tant au niveau national
quinternational. Les lignes directrices de la FAO et de lOMS sur lvaluation de lexposition
aux dangers microbiologiques dans les aliments sinscrivent dans le cadre de ces activits et
traitent de lune des quatre composantes du processus dvaluation des risques. Les prsentes
directives sadressent avant tout un public multidisciplinaire charg dlaborer, de rviser ou
dutiliser des documents sur lvaluation des risques microbiologiques l'chelle internationale
ou nationale. Elles seront galement utiles aux gestionnaires des risques qui fondent leurs
dcisions sur les rsultats dvaluations des risques et qui doivent tre au courant des principes
et de la mthodologie qui les sous-tendent.
Les Consultations mixtes FAO/OMS dexperts de lvaluation des risques microbiologiques
(JEMRA1) mnent des valuations des risques lis aux dangers microbiologiques dans les
aliments au niveau international. La Commission du Codex Alimentarius est gnralement
charge de la gestion des risques concernant les aliments faisant lobjet dun commerce
international. Au sein du Codex, le Comit du Codex sur lhygine alimentaire (CCFH) se
charge de llaboration de normes, de lignes directrices et de recommandations pour la gestion
des dangers microbiologiques dans les aliments. Les rapports sur des combinaisons pathognesproduits publis par la FAO et lOMS peuvent tre utiles au CCFH pour laborer des directives
en matire de gestion des risques. Ces travaux fournissent galement des informations
prcieuses pour lvaluation et la gestion des dangers microbiologiques aux niveaux rgional et
national.
LOMS a publi divers ouvrages : Directives de qualit pour leau de boisson (actuellement
leur 3me dition), des directives relatives lutilisation sans risque des eaux uses, des excrtas
et des eaux mnagres (en anglais Guidelines for the safe use of wastewater, excreta and
greywater : Vol. 1 Policy and regulatory aspects, Vol. 2 Wastewater use in agriculture,
Vol. 3 Wastewater and excreta use in aquaculture et Vol. 4 Excreta and greywater use in
agriculture) et des directives sur la qualit des eaux utilises des fins rcratives (en anglais :
Guidelines for safe recreational waters Vol. 1 Coastal and fresh waters et Vol. 2
Swimming pools, spas and similar recreational-water environments). Tous sont disponibles sur
le site de lOMS (www.who.int). Les lignes directrices de lOMS sur leau sont, dans une large
mesure, des valuations des risques pour la sant et se fondent sur un consensus scientifique, sur
les meilleures preuves disponibles et sur lavis de nombreux experts. Ces ouvrages plaident en
1
JEMRA Consultations mixtes FAO/OMS d'experts de l'valuation des risques microbiologiques

est le nom collectif pour dsigner les activits ponctuelles que mnent la FAO et lOMS dans le
domaine de lvaluation des risques microbiologiques. Il ne sagit pas actuellement dun comit,
dune runion ou dun groupe officiellement tabli, mais plutt du terme utilis pour dsigner ces
activits.
Introduction
faveur dune approche fonde sur lanalyse des risques au moment de traiter des risques pour la
sant publique lis leau et sattachent fournir une base scientifique et rationnelle partir de
laquelle les pays peuvent concevoir des normes et des bonnes pratiques nationales en vue de
rsoudre les problmes lis aux dangers microbiologiques, notamment dans leau.
1.2 Lvaluation de lexposition dans ce contexte

Lanalyse des risques est un processus qui comprend trois tapes, savoir :
Lvaluation des risques lvaluation scientifique et systmatique des effets nocifs, connus
ou potentiels, pour la sant ;
La gestion des risques valuation, slection et mise en uvre des diffrentes options
possibles ; et
La communication sur les risques change dinformations entre toutes les parties
intresses.
Mme sil importe de prserver une sparation fonctionnelle entre la gestion des risques et leur
valuation afin de permettre un processus dvaluation des risques scientifique, objectif et qui
ne soit pas influenc par des facteurs sociaux, conomiques ou autres qui ont leur importance
pour dterminer les options de gestion des risques appropries, la ncessit dune interaction
entre les valuateurs et les gestionnaires des risques est de plus en plus reconnue.
Lune des fonctions les plus importantes de la gestion des risques pour lvaluation des risques
est llaboration dun profil de risque. Ce dernier aide prendre la dcision approprie quant
la suite donner aux mesures provisoires et lallocation ventuelle de ressources en vue dune
valuation scientifique plus dtaille (FAO/OMS, 2002c), et, le cas chant, la forme que cette
valuation doit prendre, cest--dire qualitative, semi-quantitative ou quantitative. Un profil de
risque comprend un volet de collecte systmatique des informations ncessaires la prise de
dcisions, et sil relve de la responsabilit du gestionnaire des risques, il peut tre dlgu des
entits appropries, dont les valuateurs des risques. En gnral, le profil de risque prend la
forme dun document court, tabli dans les dlais impartis dpendant du temps dont dispose le
gestionnaire des risques et de la nature du problme. Toutefois, il arrive que le profil de risque
soit tendu une valuation prliminaire ou qualitative des risques approche utilise en
Nouvelle-Zlande (ERS, 2003) et aux Pays-Bas, dans le projet CARMA (Bogaardt et coll.,
2004) et dans ce cas, les personnes les plus appropries pour mener cette tche sont les
valuateurs des risques. Cela peut permettre de dterminer la structure de lvaluation des
risques, de rgler les questions de gestion des risques et dvaluer la faisabilit dune valuation
quantitative complte des risques.
Le document de la Commission du Codex Alimentarius CAC/GL-30 (CAC, 1999) dfinit
lvaluation des risques associs aux dangers microbiologiques prsents dans les aliments
comme un processus base scientifique constitu de quatre composantes, savoir
lidentification des dangers, lvaluation de lexposition, la caractrisation des dangers et la
caractrisation des risques. (Figure 1) (CAC, 1999)
Lidentification des dangers est un processus qualitatif dont lobjectif est lidentification des
dangers microbiens dont la prsence dans les aliments est proccupante. Il peut sagir dagents
infectieux ou de toxines produits par des microorganismes. Dans le cas de nouveaux dangers
microbiologiques, leur identification doit tre mene de faon complte. Pour ceux qui sont bien
valuation de lexposition aux dangers microbiologiques dans les aliments
connus, cette tape est directe et peut tre simple si un profil de risque, tel que dcrit au titre 2.3,
a t tabli dans le cadre du processus de gestion. De la mme manire, les relations entre les
dangers microbiologiques et certains groupes haut risque de la population peuvent tre mises
au jour lors de la phase didentification des dangers.
Lvaluation de lexposition est lvaluation qualitative et/ou quantitative de lingestion

probable de dangers microbiens par le biais des aliments pouvant avoir un effet nocif sur la
sant. Elle doit prvoir une estimation qualitative et/ quantitative de la probabilit et du niveau
de pathognes dans une portion alimentaire ou dans un volume deau prcis. Il convient de
dcrire la variabilit et lincertitude (voir Chapitre 5) associes lestimation de lexposition,
description qui dpendra des donnes disponibles et de lapproche de lvaluation des risques
adopte. Lvaluation de lexposition peut galement identifier la quantit deau et daliments
consomms, ainsi que la frquence de la consommation dans une priode donne pour une
population ou une sous-population donne, et peut associer les informations afin destimer
lexposition de la population un danger microbiologique par la consommation dun aliment ou
deau.
La caractrisation des dangers tablit une description des effets nocifs que peuvent impliquer
lingestion dun microorganisme, ainsi quune relation dose-rponse si les donnes sont
disponibles. Des directives dtailles sont disponibles sur la caractrisation des dangers
(FAO/OMS, 2003).
La caractrisation des risques intgre les trois tapes prcdentes afin de parvenir une
estimation des risques, cest--dire une estimation de la probabilit et de la gravit des effets
nocifs qui peuvent survenir au sein dune population donne, y compris les facteurs dincertitude
associs lestimation.
Profil de risques
Figure 1. Composantes dune valuation des risques (CAC, 1999)
Introduction
Comme prcis plus haut, lapproche adopte lors dune valuation des risques peut tre
qualitative ou quantitative. Les lignes directrices sur la caractrisation des risques (FAO/OMS,
paratre) fournissent davantage de dtails sur lvaluation qualitative, semi-quantitative et
quantitative.
LOrganisation mondiale de la sant animale (OIE) a galement dfini lvaluation des risques
comme un mcanisme comprenant quatre tapes lies (OIE, 2004). Nanmoins, les lignes
directrices de lOIE se concentrant sur lvaluation des risques du point de vue de limportation
et de lexportation danimaux aquatiques et terrestres, les tapes diffrent quelque peu et
comprennent i) lapprciation de la propagation, ii) lapprciation de lexposition, iii)
lapprciation des consquences et iv) lestimation des risques. Avant de mener une estimation
des risques, il faut procder lidentification des dangers. Lestimation de lexposition est fort
semblable celle dcrite par le Codex mme si elle se concentre davantage sur un processus et
un type de produit prcis. Il sagit de dcrire la ou les voies biologiques ncessaires
lexposition aux dangers des tres humains et des animaux aquatiques et terrestres dans les pays
importateurs et destimer la possibilit que de telles expositions se produisent, de mme que la
propagation ou linstallation des dangers.
1.3 Objectif des prsentes lignes directrices

Le prsent document entend fournir un cadre pratique et une approche structure pour
lvaluation de lexposition des tres humains aux dangers microbiologiques prsents dans les
aliments dans le contexte dune valuation des risques de la production la consommation ou
dun processus individuel. Il entend aider les chercheurs gouvernementaux et industriels, les
universitaires, les valuateurs des risques professionnels et dautres propos des problmes
rsoudre et des possibilits dapproches et de mthodologie pour lvaluation de lexposition.
Ces directives ne constituent pas une source dinformation exhaustive pour lvaluation de
lexposition. Lexpertise requise couvre plusieurs disciplines scientifiques et il est souvent
ncessaire davoir recours une quipe multidisciplinaire pour mener bien le processus. Les
thmes abords et les techniques utilises peuvent tre complexes et le cas chant, plutt que
dnoncer des dtails techniques (qui voluent rapidement), il est fait rfrence dautres
sources dinformation.
Des documents comme les Principes et directives rgissant la conduite de lvaluation des
risques microbiologiques, rdigs par la Commission du Codex Alimentarius (CAC, 1999),
fournissent le contexte ncessaire lvaluation de lexposition mene dans le cadre dune
valuation des risques microbiologiques. Les directives relatives lvaluation de lexposition
formules dans le prsent document viennent complter les documents du Codex, qui
fournissent des orientations plus gnrales.
Les prsentes lignes directrices peuvent tre utilises dans diffrentes situations. Au niveau
international, elles fournissent une orientation pour les valuations de lexposition menes par
les Consultations mixtes FAO/OMS dexperts de lvaluation des risques microbiologiques dont
lobjectif est de rpondre aux besoins du Comit du Codex sur lhygine alimentaire et des pays
membres de la FAO et de lOMS. Au niveau national, elles peuvent orienter les valuations de
lexposition menes pour (ou par) le gouvernement, lindustrie ou les autorits rglementaires.
1.4 Porte des lignes directrices

Les prsentes lignes directrices portent uniquement sur lvaluation de lexposition, quil
sagisse dun processus individuel ou de lune des quatre tapes dune valuation complte des
risques microbiologiques dcrites par la Figure 1. Elles traitent des mesures ncessaires pour
mener une valuation de lexposition des tres humains aux dangers microbiologiques prsents
dans les aliments ou dans leau.
Les prsentes directives nabordent les problmes lis la gestion ou la communication des
risques que pour dcrire les interactions ncessaires pour maximiser lutilit de lvaluation de
lexposition (par exemple, la collecte de donnes, les questions qui doivent tre rsolues, la
prsentation des rsultats de lvaluation de lexposition). Les questions relatives au niveau
appropri de protection sanitaire et aux autres stratgies de gestion relvent de la gestion des
risques et ne sont donc pas abordes dans cet ouvrage, mais bien dans dautres textes rdigs par
la FAO et lOMS (par exemple, FAO/OMS, 2002c).
Jusqu prsent, la majeure partie des tudes sur lvaluation de lexposition ont port sur les
bactries pathognes, les entrovirus et quelques protozoaires parasitaires. Les principes dcrits
ici, et plus prcisment les mthodes descriptives, sont galement applicables lexposition aux
toxines dorigine microbiologique. Les effets nocifs lis lexposition des dangers
microbiologiques par dautres voies nont pas t explicitement abords.
2. MTHODES DVALUATION DE LEXPOSITION

Une valuation de lexposition peut tre mene dans le cadre dune valuation des risques ou
individuellement lorsquil nexiste pas dinformations disponibles pour procder une
valuation de la relation dose-rponse (cest--dire une caractrisation des dangers) ou lorsque
la question de la gestion des risques ne suppose que de chiffrer lexposition ou de chercher des
moyens de la minimiser. Le processus dvaluation de lexposition peut tre itratif. Les dbats
entre les gestionnaires et les valuateurs des risques peuvent conduire une prcision de la
question ou du problme initial qui doit tre abord lors de lvaluation des risques ; de mme,
la consultation dautres parties peut dboucher sur de nouvelles informations qui peuvent leur
tour mener la rvision des hypothses et des analyses supplmentaires. Souvent, les
valuations de lexposition sont propres aux modles de production, de transformation et de
consommation dun pays ou dune rgion.
2.1 Principes
La porte de lvaluation de lexposition, en termes de contenu et de dlai, doit permettre de
satisfaire ses objectifs et de rpondre aux besoins des gestionnaires des risques.
Avant dentamer une valuation, il convient den prciser lobjectif et la porte avec celui ou
celle qui la commande.
Une valuation de lexposition aux dangers microbiologiques doit fournir aux responsables de
la gestion des risques la meilleure estimation de lexposition qui soit la plus impartiale
possible et qui comporte galement un examen ou une analyse des incertitudes et de la
variabilit. La subjectivit induit des formes derreur qui mnent une sur- ou une
sous-estimation systmatique de la valeur relle ou moyenne. La base de la meilleure
estimation , quil sagisse de lexposition moyenne (la moyenne), ou de lexposition la plus
probable (le mode), ou du niveau dexposition de 95 % des consommateurs, ou encore dune
autre mesure, doit tre clairement spcifie et doit notamment comprendre une explication de la
raison pour laquelle cette dernire constitue la meilleure mesure de lexposition. Sil est
impossible dtre impartial (par exemple, dcision dutiliser une estimation de la pire
hypothse), il convient de le signaler et den prciser clairement les raisons.
Une valuation de lexposition doit autant que possible reprsenter une situation relle et
reflter toute la gamme de rsultats possibles ( savoir les probabilits et les niveaux
dexposition), sauf si les gestionnaires des risques ont exprim le besoin de disposer
dinformations sur un sous-ensemble prcis de rsultats comme les scnarios les plus
plausibles ou les pires . Il convient toutefois de noter que les estimations dlibrment
prudentes peuvent diminuer lutilit de lestimation des tudes des cots par rapport aux
avantages et lefficacit, et rduire notre aptitude dcrire les incertitudes des estimations des
risques. Elles peuvent nanmoins se rvler utiles dans certaines situations, comme lorsquil
sagit de mieux comprendre limpact des mesures dattnuation.
La prcision de lincertitude et de la variabilit est essentielle pour comprendre et utiliser de
faon correcte et approprie lestimation de lexposition. Il est donc important de les identifier
autant que possible lors de lvaluation de lexposition et de discuter de leurs implications sur
Mthodes devaluation de lxposition
cette dernire. Il faut galement fournir une description de lincertitude et de la variabilit lors
de la dernire estimation de lexposition.
Pour les raisons prcdemment exposes (1.2), il est grandement souhaitable que les processus
dvaluation de lexposition et de gestion des risques restent indpendants et distincts.
Nonobstant, il importe galement que les gestionnaires et les valuateurs interagissent afin de
veiller ce que lvaluation de lexposition prodigue la meilleure base possible aux dcisions
des gestionnaires des risques et ce quils comprennent les principes et les hypothses qui soustendent une valuation de lexposition donne.
Pour que lvaluation de lexposition soit transparente, il convient de documenter intgralement
le processus, y compris en prcisant les sources des donnes, leur valuation, les modles
utiliss pour valuer lexposition et toutes les hypothses mises, y compris les effets de ces
dernires sur les rsultats de lvaluation de lexposition.
2.2 Objectifs et types dvaluation de lexposition

Des valuations de lexposition peuvent tre menes pour des objectifs divers et dans des
contextes diffrents, notamment :
Pour tre combines une caractrisation des dangers dans le cadre dune valuation des
risques afin destimer les risques associs une combinaison de pathognes-produits.
Pour tablir un rapport entre un danger microbiologique dans un produit et lventuelle

exposition ultrieure des consommateurs. Des mthodes dvaluation de lexposition peuvent
tre appliques des aliments faisant lobjet dun commerce international en vue dvaluer
lquivalence des mesures sanitaires et dmontrer dans quelle mesure le niveau dexposition
li au produit export satisfait au niveau de protection requis par le pays importateur.
Pour identifier quel niveau des interventions ou des contrles seront les plus efficaces en
termes de rduction de lexposition un danger microbiologique pour un produit donn.
Pour comparer lefficience des mesures dattnuation en matire de rduction de lexposition

un danger microbiologique donn ou pour comparer les niveaux dexposition de diffrents
processus et produits alimentaires.
Pour comparer lexposition engendre par diverses voies (contamination croise par rapport
la contamination initiale, diffrentes sources de contamination, diffrents produits, etc.)
Pour identifier les besoins en informations et dfinir les activits de recherches qui pourraient
amliorer lestimation de lexposition ou le contrle du danger, ou les deux.
Pour identifier les aliments du rgime susceptibles de participer le plus lexposition dtres
humains des dangers microbiologiques.
Pour valuer lefficacit des mesures de protection actuelles.
Pour identifier et valider les ventuels points critiques pour leur matrise dans un processus
contrl par un systme danalyse des risques points critiques pour leur matrise (HACCP).
Les valuations doivent tre entames pour rpondre une ou plusieurs questions bien dfinies
de gestion des risques. Si cette question na pas t clairement pose, il est ncessaire de
discuter avec les responsables de la gestion des risques afin de dterminer les
informations requises pour tayer leurs dcisions et le type de travail quil convient de mener
pour les fournir. Selon la question, il peut sagir de fournir des donnes de surveillance, ou des
donnes pidmiologiques grce une valuation qualitative des risques ou un modle
quantitatif depuis la production jusqu la consommation. Mme sil semble ncessaire de
mener une valuation des risques exclusivement quantitative, il peut se rvler utile de dbuter
par une approche qualitative afin de mieux prciser la nature du travail, sa faisabilit et le temps
ncessaire pour rpondre aux exigences du gestionnaire des risques.
Les questions poses aux responsables de lvaluation de lexposition, de mme que le dlai, les
donnes, les informations et les ressources humaines disponibles dterminent lapproche
adopte (qualitative ou quantitative, dterministe ou alatoire, etc.) ainsi que le niveau de dtail
ncessaire ou possible. Lobjectif dune valuation de lexposition peut tre de fournir une
estimation du niveau dexposition un pathogne dune population donne, mais peut
galement se limiter une valuation de lune ou de plusieurs tapes de transformation. Cela
montre une fois de plus combien il est ncessaire que le responsable de la gestion des risques
exprime clairement aux valuateurs ses besoins, le niveau de dtail requis lors de lvaluation de
lexposition et toutes les contraintes qui pourraient limiter les options de gestion. Par exemple,
lorsquune comparaison des mesures dattnuation est requise, il faudrait que les gestionnaires
indiquent les mesures quils envisagent ou quils ont leur disposition pour rduire lexposition,
ainsi que toutes celles quils ne peuvent accepter en aucune circonstance.
2.3 Dfinir lobjectif et la porte dune valuation de lexposition spcifique

Avant de commencer lvaluation de lexposition, il est ncessaire de mener systmatiquement
une programmation afin didentifier lobjectif et la porte de ltude. Le temps et les ressources
disponibles sont des facteurs importants prendre en considration lors de la planification et
peuvent modifier la porte du travail. Cette tape de programmation est ncessaire, que
lvaluation de lexposition soit mene individuellement ou dans le cadre dune valuation des
risques.
Le dbut dune valuation de lexposition peut galement tre un moment idal pour revoir le
profil de risque. Cela implique souvent de se mettre en contact avec les responsables de la
gestion des risques afin de sassurer que les changements de porte de ltude ne rduisent pas
lutilit de lvaluation de lexposition.
Le profil de risque peut comporter des informations qui peuvent aider mener lvaluation de
lexposition (FAO/OMS, 2002c ; CAC, 2007). Il peut, par exemple, inclure des informations sur
les dangers microbiologiques inquitants, leurs sources ou les voies dentre dans la chane
alimentaire et les difficults rencontres au moment de les contrler ; une indication des
donnes disponibles sur la prvalence et la quantit de dangers microbiologiques proccupants
dans la chane alimentaire ; des donnes relatives lincidence des maladies ainsi quaux types
et la gravit des effets nocifs ; les populations risque ; les aliments susceptibles de participer
la perception du problme de la part des consommateurs ; ce qui est en danger (par exemple,
la sant humaine, lconomie) ; et les ventuelles options de lutte disposition (FAO/OMS,
2002c ; CAC, 2007). Ces informations aident dfinir la question de gestion des risques et
peuvent aussi aider les valuateurs dterminer si les donnes disponibles permettent de
rpondre aux questions poses par les gestionnaires des risques.
Lvaluation de lexposition sinscrit en gnral dans un processus plus vaste qui comprend des
lments comme ltablissement dobjectifs, la communication de conclusions et la gestion des
10
risques de la scurit sanitaire des aliments (Figure 2). Comme nous lavons dj prcis, avant
dentamer une valuation, il convient den prciser lobjectif et la porte avec celui ou celle qui
la commande. La premire tape prvoit une description prcise de la chane alimentaire, ou de
parties de celle-ci, intressant une valuation de lexposition spcifique. Le gestionnaire des
risques pourrait galement vouloir limiter la porte des rgions prcises, certaines
populations ou certaines priodes. Cela permet lidentification des tapes modliser dans le
cadre de lvaluation de lexposition, qui permettront leur tour de dfinir les donnes
ncessaires. Dans certains cas, les donnes requises ne sont pas disponibles et il nest pas
possible dachever lvaluation de lexposition. Dans ce cas, il faut se mettre en contact avec le
responsable de la gestion des risques afin de dterminer ltape suivante. Il pourrait sagir dune
rvision de lobjectif ou de la porte de lvaluation ou de dcider dy mettre un terme. Si les
donnes ncessaires lvaluation de lexposition sont disponibles, il sagit ensuite de
transmettre les conclusions au gestionnaire des risques. Les valuations de lexposition sont
souvent itratives par nature et impliquent diffrentes tapes, comme le montre la Figure 2,
impliquant des problmes et des tches comme lidentification des sources de donnes et des
manques de donnes, les dcisions quant aux approches de modlisation, lidentification et
lvaluation de lincidence de la variabilit, de lincertitude et la dtermination de la sensibilit,
ainsi que lestimation de la qualit de lvaluation. Tous ces points doivent tre abords dans le
cadre du processus de lvaluation de lexposition.
2.4 De la thorie la pratique

Ds lors que les conditions de lvaluation de lexposition par rapport la gestion des risques
ont t bien comprises, ltape suivante consiste examiner les facteurs qui ont un effet direct
sur lexposition des consommateurs aux dangers, y compris la frquence de la consommation du
produit ou de la marchandise, les voies et la frquence de la contamination au danger, la
fourchette de doses et les facteurs qui linfluencent (possibilit de prolifration microbienne,
inactivation la cuisson, taille du repas, influences saisonnires et rgionales, etc.)
Du reste, lvaluation de lexposition doit dcrire les voies dexposition pertinentes. Des
scnarios peuvent tre tablis pour envisager diverses expositions possibles. Par exemple, il
convient danalyser toutes les tapes depuis la production jusqu la consommation si lobjectif
de lvaluation des risques est didentifier et de comparer diffrentes stratgies dattnuation
appliquer depuis la production jusqu la consommation (voir Figure 3). Dans dautres cas,
seules les tapes entre le commerant et le consommateur seront pertinentes. Ds lors, si le but
de lvaluation de lexposition est de parvenir une dcision concernant le niveau maximum
admissible dun pathogne dans un produit prt consommer un point de vente, lvaluation
de lexposition servira dterminer les possibilits daugmentation ou de diminution de
lexposition du fait de la manipulation par le consommateur, comme la dure et la temprature
de lentreposage, les effets de la cuisson ou dautres tapes de prparation de laliment, les
possibilits de contamination croise la maison, etc.
Le niveau de dtail requis dans les diffrentes voies dpend de la question pose par les
responsables de la gestion des risques et les informations dont ils ont besoin, et peut tre
modifi en fonction des donnes disponibles. Si, par exemple, il a t montr que la prvalence
ou la quantit dun pathogne prcis diffrent au sein dun mme produit en fonction du type
dabattoir, de traitement, dentreposage, etc. Ces informations peuvent influencer le niveau de
dtail requis et le choix des voies dans lvaluation de lexposition. Les filires alimentaires sont
multiples et complexes, par exemple, les repas prts consommer peuvent tre une synthse de
11
plusieurs filires (viandes, lgumes et assaisonnement).

Les gestionnaires des risques peuvent avoir des questions prcises aborder propos de
processus spcifiques, comme la production biologique, la logistique dabattage (cest--dire
lordre dans lequel les animaux sont abattus) ou les aliments imports. Cest la raison pour
laquelle ces intrts particuliers doivent tre pris en considration au moment de choisir les
chanes analyser ou modliser dans lvaluation de lexposition et les genres de donnes
inclure.
2.5 Moyens ncessaires pour lvaluation de lexposition

Il convient de disposer de certaines capacits de base pour mener une valuation des risques
microbiologiques (ERM) ou une valuation de lexposition individuelle. Les valuations des
risques menes lchelle internationale (cf. JEMRA) peuvent aider les pays en fournissant des
modules ou des lments de base qui peuvent tre adapts ou modifis pour satisfaire dautres
valuations de lexposition ou des risques. Nanmoins, lvaluation des risques requiert en
gnral spcifiquement des donnes propres au pays ou la rgion. Les capacits de base
ncessaires sont :
Accs aux comptences techniques. Que lvaluation soit mene par une seule personne ou
par une petite quipe, il est en gnral ncessaire de pouvoir accder une srie de
comptences techniques supplmentaires. Selon lexercice, il sagira vraisemblablement
dvaluateurs des risques confirms, de responsables de la modlisation, de mathmaticiens,
de statisticiens, de microbiologistes, de technologues de lindustrie alimentaire, de spcialistes
de la sant animale et vgtale, dexperts en agriculture, dpidmiologistes humains et
vtrinaires, de spcialistes de la sant publique et dautres experts que les projets prcis
identifieront.
Des responsables de la gestion des risques et des dcideurs politiques informs,

conscients du besoin de mener des valuations des risques, de leur utilisation et de leurs
limites, et travaillant dans un cadre appropri de gestion des risques, que ce soit au sein dun
gouvernement ou dune industrie. Ce cadre doit permettre la collecte dinformations, la prise
de dcisions et la mise en uvre.
12
Profil de risques
GESTIONNAIRE DES RISQUES
Communication avec le
Dfinition de
lobjectif ou de la
porte
Description de la voie
dexposition
Collecte de
donnes et de
connaissances
Synthse des donnes grce

des modles des voies
dexposition (par ex.
qualitative (textuelle),
modlisation mathmatique)
Rsultats
(estimations de lexposition,
analyse de lincertitude et de la
variabilit,
analyse de la sensibilit)
Prsentation et communication
des rsultats
Figure 2. Reprsentation schmatique des activits et des tapes de lvaluation de lexposition qui
montre limportance dune communication constante avec les responsables de la gestion des risques tout
au long du processus.
13
Prvalence (P)
Pe
Exploitation
agricole
Pt
Transformation
Ne
Pv
Vente
au dtail
Nt
Domicile
Probabilit et
niveau
dexposition
Nv
Quantit (N par unit)

Figure 3. Exemple dun aperu du modle conceptuel pour dcrire la voie dexposition dune valuation
de lexposition depuis la production jusqu la consommation. Afin dvaluer lexposition, il est
ncessaire dexaminer la fois la probabilit quune unit daliments soit contamine par le danger (not
P pour prvalence ) ainsi que le niveau ou la quantit de ce danger dans laliment (not N) au moment
de la consommation. Plus spcifiquement, pour les dangers microbiens, la prvalence et la quantit
peuvent changer au fur et mesure de la transformation du produit et du temps coul avant que le
produit final ne soit finalement consomm
Des moyens financiers et humains afin de mener bien lvaluation de lexposition dans les
dlais imposs et un niveau acceptable qui appuie utilement les dcisions en matire de
gestion des risques. Dans le cas de projets dvaluation de lexposition grande chelle, il est
souhaitable de dsigner un gestionnaire du projet.
Moyens de communication. Il faut une bonne communication entre les experts techniques,
les responsables de la gestion des risques et les responsables de lvaluation de lexposition
afin quun change efficace de donnes et de connaissances puisse avoir lieu.
Technologies dinformations. Il faut un quipement informatique, tant matriel que logiciel,

et un accs aux rseaux dinformation appropris afin de runir, rassembler et traiter les
donnes, et fournir des donnes de sortie sous une forme permettant leur communication. Cela
implique galement laccs des bases de donnes et des rseaux internationaux.
Lorsquil nexiste pas de donnes sur les dangers microbiologiques, il convient de pouvoir
mener une surveillance des dangers microbiologiques, y compris de consulter des
microbiologistes, des pidmiologistes, du personnel de terrain qualifi et des laboratoires
comptents.
Bien que la liste ci-dessous ne soit pas parfaite, il peut galement tre avantageux de mener
davantage dvaluations de lexposition plus modestes, mais en respectant toujours les
principes numrs dans les prsentes lignes directrices, mme pour des quipes ne disposant
que dune expertise limite. Pour aider les groupes plus dmunis, la communication, que ce
14
soit par des formations, des parrainages ou des transferts de technologie, avec des groupes
plus anciens doit tre activement encourage.
15
3. APPROCHES DE MODLISATION
3.1 Introduction
Lobjectif dune valuation de lexposition est de dduire des informations disponibles la
probabilit et lampleur possible dune exposition un danger. Il est rare de disposer
dinformations dtailles sur lexposition (caractrisant la quantit du danger microbiologique
prsent dans les aliments au moment de la consommation). Cest la raison pour laquelle, pour
valuer lexposition au moment de la consommation, une valuation de lexposition stablira
souvent sur un modle qui regroupe des informations relatives aux facteurs et leurs
interactions qui affectent la quantit et la rpartition du danger dans les aliments. Le prsent
chapitre porte avant tout sur la conception et lutilisation de modles utiliss lors de lvaluation
de lexposition. Le Chapitre 4 abordera dans les dtails les donnes et les sources ncessaires.
Un modle peut tre dfini comme la description dun systme, dune thorie ou dun
phnomne qui rend compte de ses proprits connues ou supposes, et qui peut tre utilise
lors dun examen complmentaire de ses caractristiques (Anonyme, 2006). Les modles sont
souvent des descriptions simplifies de systmes ou de phnomnes plus complexes. Ils servent
galement transmettre une comprhension, ou une hypothse, concernant certains aspects de la
ralit qui peuvent, ou non, sobserver directement. Une autre description (Cullen & Frey, 1999)
est donc quun modle est une hypothse ou un ensemble de convictions propos de la faon
dont un systme fonctionne ou ragit des changements de ses apports . Cette hypothse ou
description peut tre dcrite par des mots ou en tant que systme de principes, de donnes et
dinfrences prsent sous forme dune description mathmatique de cette entit ou de cette
situation (Anonyme, 2002). Une srie dquations mathmatiques qui servent rsoudre un
problme (impliquant en gnral la rptition dune ou de plusieurs oprations) peut galement
tre appele un algorithme.
Lun des avantages dun modle est quil peut tre utilis pour prvoir les rsultats
dvnements qui ne sont pas survenus ou qui nont pas t observs. Dans le cas dune
valuation de lexposition, les modles synthtisent les connaissances provenant dautres
observations faites sur les voies dexposition, le comportement des dangers microbiens dans des
aliments, les modes de consommation, etc. afin de dduire ce qui se passerait ou pourrait se
produire dans dautres circonstances. Des modles peuvent servir interpoler des valeurs
discrtes de donnes observes et, dans certains cas, extrapoler au-del dune srie
dobservations. Dans les deux cas, la validit de linterpolation ou de lextrapolation dpend de
la validation du modle (voir 3.8 et 3.9).
3.2 valuation qualitative et quantitative de lexposition

Il existe un large ventail dapproches possibles pour mener une valuation de lexposition, de
lvaluation qualitative lvaluation entirement quantitative. Les valuations qualitatives de
lexposition sont des traitements descriptifs ou catgoriques des informations, alors que les
valuations quantitatives sont des analyses mathmatiques de donnes numriques. Il convient
16
Appoches de modlisation
de noter quil existe une gradation des types de modle, de qualitatif entirement quantitatif et,
mme si ce genre de classification peut tre utile, il nexiste pas de catgories strictement
dfinies.
Une valuation qualitative peut tre mene dans le cadre dune premire valuation dune
question de scurit sanitaire des aliments afin de dterminer si le risque est suffisamment
important pour justifier une analyse plus dtaille. Les valuations qualitatives de lexposition
peuvent nanmoins, dans certains cas, fournir lappui ncessaire la dcision du responsable de
la gestion des risques. Si une analyse plus dtaille simpose, une valuation entirement
quantitative est en gnral lapproche privilgie lorsque les donnes, le temps et les moyens
sont disponibles pour la mener.
Une analyse bibliographique ou un rsum des questions (le profil de risque, voir 1.2) est une
premire tape prcieuse de lvaluation. Dans les deux cas, il sagit de suivre la mme
approche systmatique que lors de lvaluation quantitative et didentifier les facteurs qui
participent lexposition et la faon dont ceux-ci affectent le niveau de lexposition. Ladoption
du mcanisme de lvaluation des risques au moment de mettre au point le profil de risque
facilitera lutilisation des informations recueillies lors de futures valuations des risques.
3.3 valuations qualitatives de lexposition

Au cas o les donnes disponibles ne permettraient pas dtablir une estimation numrique de
lexposition, il est possible de concevoir une valuation qualitative en attribuant des mesures
descriptives de la probabilit et de la gravit des facteurs dexposition, tel que ngligeables ,
faibles ou levs . Si ce genre dapproche est utilis, il convient de dfinir et de justifier
spcifiquement et prcisment les fourchettes attribues chaque mesure, car les noncs et les
mesures qualitatives peuvent tre mal interprts (voir plus bas). Des efforts sont ncessaires
pour affiner lvaluation de sorte quelle atteigne les objectifs pralablement dfinis de
lvaluation de lexposition. Lannexe 1 reprend un exemple dvaluation qualitative de
lexposition. La FAO et lOMS ont rdig des lignes directrices sur la caractrisation des
risques ( paratre) qui dcrivent par le menu les mthodes qualitatives dvaluation de
lexposition et des risques.
3.3.1. Difficults ventuelles concernant les valuations qualitatives
Mme si mener une valuation qualitative requiert moins de moyens que dans le cas dune
valuation quantitative, ce nest pas pour autant un processus simple. Il est ardu de relier des
noncs qualitatifs des donnes recueillies. Par exemple, comment dterminer si la prvalence
est trs faible ou faible ? Linterprtation que lun fera de ces descriptions peut tre fort
diffrente de celle dun autre mme si les descriptions des catgories doivent normalement se
baser sur une connaissance approfondie. Il nest pas rare quune valuation qualitative des
risques sappuie sur les connaissances et les opinions dexperts. Le Chapitre 4 fournit des
orientations ce sujet. Au vu de ces problmes, il importe que toutes les donnes et dfinitions
soient dcrites par le menu et de faon transparente. En suivant ces principes, le dsavantage de
ne compter que sur lattribution subjective de descripteurs diminue.
Une deuxime difficult qui peut survenir lors dune valuation qualitative des risques est
lassociation dnoncs qualitatifs chaque tape. Il faut bien rflchir aux types de variables
que lon associe. Par exemple, faut-il combiner deux probabilits, ou une probabilit et un
nombre ? Voici des exemples de combinaisons de valeurs values aux diffrentes tapes :
17
Si la probabilit de lexposition par portion est trs faible et le niveau de consommation

par an est faible , il est possible de conclure que la probabilit de lexposition par an peut
tre extrmement faible .
Si la probabilit quun animal soit infect par un pathogne est leve et celle que lanimal
excrte le pathogne (en cas dinfection) est galement leve , la probabilit gnrale
quun animal pris au hasard excrte le pathogne peut tre considre comme leve .
Il est plus difficile de combiner les valeurs estimes lorsquune valeur est leve et lautre
faible, car il peut savrer ardu dvaluer si la participation dun facteur lemporte sur lautre. Il
peut tre plus intressant dvaluer lexposition en examinant une srie de scnarios individuels
(voir lexemple de lvaluation de lexposition pour le pathogne X dans le lait pasteuris, joint
en annexe 1). En gnral, les valuations qualitatives de lexposition sont plus fiables lorsquil
sagit de prvoir des niveaux dexposition levs ou faibles que lorsquil sagit dattribuer les
niveaux intermdiaires dexposition. Cet aspect est abord et illustr dans les lignes directrices
FAO/OMS sur la caractrisation des risques ( paratre).
3.4 valuations semi-quantitatives de lexposition

Les valuations semi-quantitatives des risques constituent un niveau intermdiaire entre
lvaluation textuelle dune valuation qualitative et celle numrique dune valuation
quantitative en valuant les risques grce une note. Il sagit dune approche plus cohrente et
plus rigoureuse pour valuer et comparer les risques et les stratgies de gestion des risques que
les valuations qualitatives des risques et permet dviter certaines ambiguts dune telle
valuation. Elle ne requiert pas les mmes comptences mathmatiques quune valuation
quantitative des risques, ni la mme quantit de donnes, ce qui implique quelle peut tre
applique des risques et des stratgies o des donnes prcises font dfaut. Nonobstant, toutes
les formes dvaluation des risques ncessitent la collecte la plus vaste possible dinformations
disponibles sur les risques et leur valuation. Dautre part, les valuations des risques pour la
scurit alimentaire exigent des connaissances approfondies dans une srie de disciplines
scientifiques. Toutes les collectes et analyses de donnes dcrites au Chapitre 2 pour les
valuations qualitatives des risques restent valables pour les valuations semi-quantitatives des
risques.
Lvaluation semi-quantitative des risques est une ide relativement neuve dans le domaine de
la scurit sanitaire des aliments. La Commission du Codex Alimentarius et dautres instances
nenvisagent que deux catgories dvaluation des risques : qualitatives et quantitatives.
Lvaluation semi-quantitative des risques, telle que dcrite ici, a souvent t associe
lvaluation qualitative des risques, mais cest sous-estimer les fortes diffrences entre ces deux
approches, tant par leur structure que par leur niveau relatif dobjectivit, de transparence et de
rptabilit. Ces diffrences sont abordes et illustres dans la publication de la FAO et de
lOMS paratre.
3.5 valuations quantitatives de lexposition

Les valuations quantitatives de lexposition fournissent des estimations numriques de
lexposition, bien que la plupart des modles utilisent des combinaisons dnoncs
mathmatiques et logiques. Elles requirent le dveloppement de modles mathmatiques dans
lesquels toutes les relations entre des facteurs influant lexposition peuvent tre dcrites de
18
faon mathmatique et en se servant de tests logiques et dnoncs conditionnels (par exemple,

si une telle condition sapplique, alors le rsultat est).
Dans un modle mathmatique, les variables dentre sont celles qui dterminent le type et
lampleur de la raction ou la variable de sortie . Dans une valuation de lexposition, cette
dernire est la frquence et lampleur de lexposition des consommateurs aux dangers
microbiologiques dans laliment analys. Dans une valuation de lexposition, les variables
dentre incluent des facteurs comme la dure, la temprature, le volume de production et de
dilution au cours du processus (abord au Chapitre 4). Les paramtres quantifient la relation
entre les variables dentre et la ou les donne(s) de sortie ; il peut sagir de valeurs fixes ou
dune distribution. Par exemple, alors que la prolifration bactrienne est proportionnelle la
temprature, il faut disposer dune valeur dchelle pour pouvoir estimer le taux de prolifration
partir de la temprature. Cette valeur pourrait tre fixe pour une souche spcifique dune
espce, mais pourrait varier dune souche lautre de la mme espce et, dans ce cas, pourrait
tre dcrite par une distribution.
Les valuations quantitatives se divisent en deux catgories : les valuations dterministes et les
valuations alatoires, parfois galement connues respectivement comme des estimations
ponctuelles et des approches probabilistes .
3.5.1 valuations dterministes
Lapproche dterministe, ou estimation ponctuelle, se base sur des valeurs uniques comme la
moyenne ou la situation la pire pour chaque donne dentre de lvaluation de lexposition. En
gnral, lapproche dterministe ncessite davantage de donnes que dans le cas dune
valuation qualitative. Une valeur unique (moyenne, niveau le plus lev, valeur la plus souvent
observe, 95me percentile, etc.) est choisie pour caractriser chaque variable du modle
(concentration dans les aliments, rduction logarithmique grce la cuisson, quantit daliments
consomms, etc.). Les estimations ponctuelles individuelles sont combines en utilisant des
modles mathmatiques pour crer une estimation ponctuelle de lexposition (pire cas, meilleur
cas, moyenne, etc.). Les effets de modifications sur les variables du modle peuvent alors tre
examins par des tests de simulation et diffrentes combinaisons de variables sont utilises pour
crer des donnes de sortie.
Lors dvaluations dterministes de lexposition, des valeurs conservatrices pour chaque
variable ont souvent t choisies pour mettre au point des estimations dlibrment
conservatrices ou prudentes . Faire preuve de conservatisme dans le modle peut dboucher
sur une surestimation irraliste de lexposition parce quun scnario grandement improbable (la
pire combinaison dvnements possible) est utilis pour caractriser lexposition. Un
dsavantage de lapproche dterministe est donc que la possibilit ou probabilit que
lexposition estime se produise vritablement est inconnue. Certaines valeurs ont davantage de
chances de se produire que dautres. Sans connatre la probabilit de chaque rsultat, le
gestionnaire des risques pourrait mal attribuer des moyens prcieux pour viter un vnement
qui a peu de chance de se produire. Les modles probabilistes ou alatoires peuvent
viter cet cueil.
3.5.2 valuations alatoires
Les valuations alatoires ou probabilistes reprsentent toutes les informations disponibles pour
chaque variable dentre, dcrite comme une distribution de probabilits de valeurs possibles.
19
Par consquent, le rsultat dune valuation alatoire de lexposition est une distribution
statistique qui dcrit la fois la fourchette de doses du danger laquelle un individu ou une
population peuvent tre confronts, et la probabilit de chaque niveau dexposition.
La distribution utilise pour dcrire une srie de donnes dpend du nombre et des
caractristiques des donnes disponibles et des connaissances de la nature du phnomne ou
processus modlis. Lannexe 4 reprend un rsum des principales distributions de probabilits
et approches probabilistes. Plusieurs ouvrages offrent des analyses dtailles du sujet,
notamment Vose (2000), Morgan & Henrion (1990) et Cullen & Frey (1999). Le Chapitre 6
aborde la possibilit dexprimer lincertitude des valeurs de paramtre au moyen de distributions
de probabilits.
La transition dune valuation qualitative vers une valuation dterministe et ensuite vers une
valuation alatoire implique en gnral une augmentation de la quantit dinformations et de
temps ncessaires. Toutefois, grce aux logiciels de modlisation pour simulation, il ne faudra
pas forcment plus de temps que lors dune analyse o les valeurs de variables sont rsumes en
moyennes ou en valeurs percentiles prcises. Malgr sa forte complexit algorithmique par
rapport lapproche dterministe, une grande partie de cette difficult peut tre rduite grce
linformatique et la plupart des valuateurs des risques prfrent la mthode alatoire parce
quelle gnre davantage dinformations pour appuyer les dcisions, par exemple, en identifiant
la fourchette de niveaux dexposition possibles pour toutes les voies dexpositions
envisageables partir de laquelle il est possible de dterminer le niveau le plus probable
dexposition ou une valeur percentile prcise. Ce rsultat fournit bien plus dinformations
quune simple estimation ponctuelle.
3.5.3 La simulation de Monte-Carlo
Les modles alatoires sont en gnral complexes par nature et, en tant que rsultat, ils sont
souvent difficiles, voire impossibles, rsoudre de faon analytique, y compris des modles
alatoires assez simples. Pour rsoudre ce problme, le modle peut tre valu sur un
ordinateur, grce la simulation de Monte-Carlo. Il existe divers progiciels informatiques
spcialiss pour la mener bien ; diffrents ouvrages en discutent (par exemple Cullen & Frey,
1999). Les plus utiliss sont des modules complmentaires pour tableurs, comme @RISK et
Crystal Ball. Les valuateurs des risques microbiens utilisent galement un programme
autonome appel Analytica. Dautres progiciels mathmatiques ou statistiques peuvent
galement tre utiliss pour les modles de simulation et dautres modules sont dsormais
gratuits. Des modles peuvent galement tre tablis grce aux langages de programmation
dintrt gnral, comme FORTRAN, Visual BASIC ou C. Les progiciels commerciaux
manquent peut-tre de souplesse lutilisation par rapport des programmes mis au point
dans des langages de programmation par le modlisateur. Mais il faut videmment pour cela
disposer de connaissances supplmentaires et cette option peut compliquer la diffusion aux fins
dtre utilis ou critiqu. En revanche, le logiciel commercial de simulation de Monte-Carlo
permet lchange de modles, augmentant ainsi leurs capacits tre revus par dautres. Les
modles de simulation disponibles sur internet reprsentent galement une option permettant
leur valuation.
La simulation de Monte-Carlo est en fait une extension de tests de simulation dcrits plus haut
dans le cadre de la modlisation dterministe. Un modle mathmatique est tabli pour dcrire
la voie de lvaluation de lexposition, y compris toutes les variables qui influencent
lexposition. Gnralement, il prendra la forme dune srie dquations mathmatiques relies
20
entre elles. Dans son ensemble, le rsultat des quations combines est une expression de
lexposition du consommateur. Le modle est soit crit, soit transfr dans le logiciel de
simulation de Monte-Carlo qui permet lvaluateur de facilement dfinir les distributions de
probabilits pour chaque variable, plutt que des valeurs discrtes. Le logiciel value ensuite le
modle en choisissant de faon alatoire une valeur pour chaque variable quil va rechercher
dans sa distribution. La probabilit de toutes les valeurs choisies de la fourchette dfinie
concorde avec la distribution de probabilits utilise pour dcrire ces variables. Sur base des
valeurs choisies, il les combine conformment aux quations mathmatiques du modle
dvaluation de lexposition et calcule lexposition. Le processus de slection et de calcul
sappelle une itration du modle et reprsente lexposition dune combinaison possible de
circonstances. Il existe toutefois de nombreuses sries de circonstances, certaines plus
susceptibles que dautres de survenir et menant un niveau dexposition infrieur ou suprieur.
Pour valuer toutes les expositions possibles et la possibilit de chacune dentre elles, le logiciel
de simulation rpte les calculs plusieurs reprises : en gnral, des dizaines de milliers, voire
des millions, ditrations sont gnres. Le rsultat de chaque itration est enregistr ; un
histogramme des expositions et de leur probabilit est alors tabli et constitue lvaluation de
lexposition.
3.5.4 Autres systmes de classification des modles
Outre la classification des modles, selon quils soient dterministes ou alatoires, utilise dans
les valuations quantitatives de lexposition, il existe dautres systmes de classification qui
ne sexcluent dailleurs pas mutuellement, comme lutilisation dune description nempche pas
forcment une description supplmentaire dun autre systme de classification. Vous trouverez
ci-dessous diffrents systmes courants.
Les modles peuvent galement tre classs selon quils soient empiriques ou mcanistes. Les
modles empiriques dcrivent simplement des donnes ou des relations dans une forme
mathmatique commode. Les modles mcanistes disposent de bases thoriques et,
correctement formuls, permettent linterprtation de la rponse en termes de phnomnes et de
processus connus. Dans la pratique, il est probable que les modles dvaluation de lexposition
contiennent des lments la fois mcanistes et empiriques.
Les estimations de lexposition peuvent galement tre envisages dun point de vue temporel :
elles peuvent tre dfinies comme statiques ou dynamiques. Les estimations statiques font
rfrence un moment prcis dans le temps : par exemple, la probabilit et le niveau
dexposition dune portion alimentaire prise au hasard ou, de la mme faon, le nombre de
portions contamines consommes par an. Par contre, lapproche dynamique va envisager la
faon dont lexposition fluctue avec le temps : par exemple, pour reflter le caractre saisonnier
de lexposition (Anderson & May, 1991 ; Bailey, 1975) ou laugmentation de la contamination
dune ligne de transformation depuis le dernier nettoyage (Zwietering & Hastings, 1997a, b).
Les modles alatoires peuvent tre vus comme dcrivant soit des incertitudes ou des
variabilits ou les deux. Le Chapitre 5 et les lignes directrices FAO/OMS sur la caractrisation
des risques ( paratre) dcrivent par le menu ces deux concepts et leur importance. La
caractrisation et la diffrentiation de lincertitude et de la variabilit sont des aspects
importants dun bon modle. De la mme faon, les valuations de lexposition devraient
dcrire la variabilit et lincertitude des informations utilises pour tablir lestimation de
lexposition et envisager leurs effets sur lestimation de lexposition obtenue. Lapproche
probabiliste permet de mieux traiter lincertitude et la variabilit (voir Chapitre 5).
21
3.5.5 Approche par tapes dune valuation quantitative des risques

Comme prcdemment dcrit, les valuations de lexposition impliquent souvent des
descriptions de systmes particulirement complexes o la participation de chaque variable peut
fluctuer et o toutes les donnes ncessaires ne sont pas toujours disponibles. Dans le cadre des
valuations des risques microbiologiques (ERM), Van Gerwen et coll. (2000) suggrent que,
dans ces conditions, il peut tre intressant de passer par une srie dtapes pour procder
lvaluation de lexposition. Ces auteurs ont dailleurs nomm cette procdure une approche par
tape. Dautres avaient dj formul des approches similaires (USEPA, 1997; Cullen & Frey,
1999). Il faut dabord sommairement faire une estimation de lordre de grandeur de la
participation de chaque facteur ou paramtre individuel lexposition ou au risque. Cette tape
sapparente la prparation dun profil de risque. Pour les facteurs qui participent le plus, on
procde une valuation plus dtaille ou on recueille davantage de donnes qui sont
combines dans le cadre dune approche dterministe, par exemple. Le cas chant, il est
possible dobtenir plus de dtails encore par le biais, par exemple, dune approche alatoire.
Van Gerwen et coll. (2000) suggrent, au moment de suivre une approche par tapes, de
concentrer les efforts et les moyens l o ils permettent de rduire le plus lincertitude de
lestimation de lexposition.
Cette approche peut se rvler particulirement utile lorsquun besoin urgent destimation de
lexposition se fait ressentir.
3.6 Modlisation des tapes de la production la consommation

3.6.1 Introduction
La faon dont les estimations de lexposition sont tablies dpend la fois des questions de
gestion des risques abordes et de la quantit de donnes et dautres ressources disponibles,
comme les connaissances et le temps. Une valuation de lexposition qui porte sur les tapes
allant de la production agricole la consommation sera la plus exigeante en temps et en
moyens. Une approche dune telle exhaustivit est approprie lorsque :
les questions de gestion des risques requirent danalyser toutes les tapes (par exemple, effets
de lattnuation dans les exploitations agricoles, estimations de lexposition dans le produit
final consomm), et
on dispose de donnes, de connaissances, de temps et dexpertise en suffisance pour examiner

chaque tape.
La Figure 3 reprsente globalement toutes les tapes de la production la consommation (voir

partie 2.4). Vous trouverez ci-dessous une description des approches de la modlisation
alatoire de cette chane. Il est important de souligner que les approches finales utilises
dpendent de chaque valuation et le texte qui suit nonce plutt des lignes directrices que des
prescriptions.
3.6.2 Mis au point du modle
Modle conceptuel est un terme utilis pour dcrire notre comprhension des voies par
lesquelles la population examine est expose au danger tudi, y compris tous les facteurs et
leurs interactions qui affectent le niveau et la probabilit de lexposition. Le modle conceptuel
peut tre exprim en texte, diagramme ou sous forme de modle mathmatique. Ltablissement
22
du modle conceptuel peut se faire grce diffrentes approches. Larbre dvnements dcrit
un scnario, depuis la contamination jusqu une tape finale fixes de lvaluation (Roberts,
Ahl & McDowell, 1995) comme la consommation. Cette approche permet de dcrire les voies
haut risque qui mnent une contamination et par consquent une maladie ; elle permet
galement didentifier des variables pour lesquelles des donnes supplmentaires ou une
modlisation sont ncessaires. En revanche, un arbre de dfaillances dbute par lapparition
dun danger et, partir de ce point, dcrit les vnements qui ont d se produire pour que le
danger apparaisse (Roberts, Ahl & McDowell, 1995). Cette approche permet de tracer un cadre
pour analyser la possibilit dun vnement en dterminant la gamme complte des conditions
sous-jacentes ou des vnements qui lui ont permis de survenir (Jaykus, 1996).
Il existe dautres approches de la modlisation utilises dans les valuations des dangers
microbiens dans les aliments, dont le modle darbre de flux dynamique (Marks et coll., 1998)
et le modle des risques lis au processus (Cassin, Paoli & Lammerding, 1998). Le premier
souligne la nature dynamique de la prolifration bactrienne et intgre la microbiologie
prdictive en se servant de lanalyse statistique des donnes, tandis que le second se concentre
sur lintgration de la microbiologie prdictive et de lanalyse de scnarios pour tablir une
valuation des conditions hyginiques dun processus de transformation.
Plus rcemment, un cadre gnral a t conu en tant que prolongement de lapproche du
modle des risques lis au processus de Cassin, Paoli & Lammerding (1998), il sagit du modle
modulaire des risques lis au processus (Nauta, 2001, 2007 ; Nauta et coll., 2001). La
principale hypothse de cette approche est quil est possible de rattacher chaque tape ou
activit principale des diffrentes tapes intermdiaires depuis la production jusqu la
consommation, au moins un des processus. Ces processus se divisent en processus microbiens et
processus de transformation. Les processus microbiens incluent la prolifration et
linactivation ; les processus de transformation des aliments et des produits incluent le mixage
des units, leur division, le retrait de parties dunits et supposent donc leur contamination
croise par des organismes. La transmission de linfection chez les animaux vivants au cours de
la production primaire peut tre vue comme un processus biologique supplmentaire qui fournit
les estimations de dpart sur la prvalence dans le cadre dun modle complet de la production
la consommation.
Au moment de concevoir des modles mathmatiques, la structure du modle peut faciliter ou
freiner lanalyse probabiliste et lanalyse de la sensibilit. Il est prfrable que les modles
soient formuls de sorte que les variables indpendantes qui influencent lexposition soient
clairement spcifies et de faon ce que des couples de valeurs pour chaque itration du
modle puissent tre stocks pour toutes les donnes dentre et de sortie pour lesquelles une
analyse de la sensibilit est requise (voir titre 5.2). Le logiciel commercial de simulation de
Monte-Carlo permet le stockage automatique des valeurs apparies et les utilisateurs nont qu
dsigner les variables quils dsirent suivre .
La dfinition de lunit est cruciale lors de la modlisation de ces processus de la production
la consommation. Une unit est dfinie comme une quantit de produit physiquement spare
lors du processus, par exemple, un animal, une (partie de) carcasse, ou un paquet de buf
hach, une cuve lait ou une bouteille de lait. Il peut arriver quune unit de la production
primaire soit galement lemballage commercial final (par exemple, un uf ou un poulet entier),
mais en gnral, cest plus complexe (par exemple, de la carcasse du buf au hamburger). Dans
ce cas, les units doivent tre dfinies chaque tape et chaque mixage ou division. Le
23
nombre dorganismes (N) et la prvalence (P) (voir Figure 3) doivent tous deux tre considrs
comme incertains et variables tout au long du modle. Il est alors possible dvaluer
lincertitude et la variabilit dans la dernire exposition et par l, lincertitude dans la dernire
estimation des risques. videmment, en connaissant N et la taille de lunit (U), il est possible
de calculer la concentration N/U, qui correspond au nombre de microbes par quantit dunits
(grammes, litres, cm, etc.)
Vous trouverez des mthodologies mathmatiques relatives la modlisation du mixage, de la
division et du retrait dans les ouvrages de Nauta (2001, 2007) et Nauta et coll. (2001). Le
titre 3.8 aborde la modlisation de la prolifration et de linactivation. Il est difficile de proposer
un modle-cadre pour la contamination croise et cest pourquoi ce processus est abord, sil y a
lieu, chaque tape, de la production la consommation. Vous trouverez un dbat intressant
sur ce thme dans Schaffner (2003). Le titre 3.6.5 aborde galement le sujet. tant donn que
linfection est principalement confine au niveau des exploitations agricoles, les mthodes de
modlisation de ce processus sont traites dans la partie sur les exploitations.
Des variations existent dans les approches de modlisation (arbres dvnements, arbres de
dfaillances, arbre de flux dynamique, modle des risques lis au processus, modle modulaire
des risques lis au processus, etc.). Lapproche utilise dpend donc du point de vue du
concepteur et du problme modliser tel que prcis par la question sur les risques.
Les approches de modlisation des tapes de la production la consommation sont reprises cidessous.
3.6.3 Production primaire (exploitation agricole)
Ltape de la production primaire ou de lexploitation agricole dune valuation de lexposition
se concentre principalement sur lestimation de la prvalence et du niveau du danger
microbiologique au sein de la population tudie. Par exemple, il peut sagir de la prvalence et
des niveaux de la contamination par vache vivante, par oiseau, par exploitation familiale, par
pomme ou par cuve de lait cru. Il importe ici de veiller ce que dans le modle, pour les
produits animaux, linfection et la colonisation soient diffrencies de la contamination. Elles
peuvent videmment dpendre lune de lautre, par exemple lorsque les excrtions des animaux
infects ou coloniss peuvent engendrer une contamination de cet animal ainsi que dautres
animaux du groupe. Lun des aspects importants de ltablissement de modles solides et
logiques est la reconnaissance et lintgration des dpendances.
Le niveau de dtail requis dans le modle de lexploitation dpend des questions poses sur les
risques (et surtout si le contrle dans les exploitations agricoles prsente un intrt). Le niveau
de dtail sera li linclusion ou pas de la transmission de linfection ou de la contamination.
Par exemple, le modle tabli par Hartnett et coll. (2001) tient compte de la transmission dans
les exploitations, tandis que ceux de Cassin et coll. (1998) et de l'USDA/FSIS (2001) ne le font
pas.
Modlisation sans tenir compte de la transmission de linfection ou de la contamination
Si les investigations sur base des contrles dans les exploitations agricoles ne sont pas
intressantes, des estimations de la prvalence et de la quantit dorganismes au point dabattage
ou de dmarrage de la transformation alimentaire sont suffisantes. Dans le cas de produits
alimentaires animaux, on peut avoir recours des tudes des abattoirs qui sappuient sur des
chantillons prlevs au point dabattage tout au long de lanne sur des animaux de nombreux
24
troupeaux. Ce genre dinformations permettra linclusion de variations rgionales ou

saisonnires. Par ailleurs, il est galement possible dy inclure les effets de facteurs de gestion.
Les variations saisonnires de la prvalence et du taux dexcrtion de pathognes microbiens
ainsi que les pratiques en matire dalimentation animale et le stress peuvent influencer les
niveaux de dangers microbiologiques. Il importe aussi de prter attention au cadre
dchantillonnage et la faon dont les chantillons correspondent la population.
La prvalence (nationale, rgionale, saisonnire, etc.) constituera un paramtre incertain au sein
du modle. Diverses techniques statistiques sont disponibles pour dcrire cette incertitude.
Lapproche baysienne, par exemple, examine dabord les informations relatives la prvalence
avant de mettre jour lestimation sur base des informations les plus rcemment recueillies.
Vous pouvez consulter un texte comme Vose (2000) pour obtenir un examen dtaill de ces
techniques.
La quantit dorganismes sur ou dans un animal ou un produit variera dun animal lautre ou
dun produit lautre. Diffrentes distributions de probabilits peuvent tre utilises pour
dcrire cette variation. Le choix de la distribution dpendra des hypothses biologiques lies au
processus de contamination ainsi que de la forme des donnes. Vous trouverez des analyses
compltes de ces distributions dans des textes comme Vose (2000). Lannexe 4 rsume
galement quelques-unes de ces distributions. Pour consulter des exemples pratiques, veuillez
consulter Nauta et coll. (2001) et Hartnett (2002).
Il est plus ardu destimer le niveau de danger dans un animal ou une denre avant
transformation que den estimer la prvalence. En rgle gnrale, il nexiste pas ou trs peu de
donnes quantitatives pour un danger microbiologique. Une approche consiste sintresser aux
organismes indicateurs. LE. coli gnrique peut donc servir de mesure de la quantit de
contamination fcale prsente dans un aliment prcis. La quantit de fcs prsentes peut alors
tre relie la prvalence et au niveau dun danger spcifique si la prvalence et la quantit
dorganismes dans les fcs sont connues.
Lorsque des donnes plus dtailles sont disponibles, une distribution paramtrique, comme les
lois normale ou log-normale, peut tre adapte aux donnes et permettre de dcrire la variabilit
des quantits. Une connaissance accrue de lcologie des pathognes dans les produits
alimentaires dorigine animale pourrait tre ncessaire pour aider expliquer la variabilit
observe dans le taux dexcrtion de pathognes microbiens. Ce genre de connaissances peut
influencer le choix de la distribution la plus approprie.
Lorsque cela est possible, les rsultats de la modlisation des dangers de la production primaire
devraient tre valids par les donnes disponibles (par exemple, grce au contrle et la
surveillance).
Modlisation tenant compte de la transmission de linfection ou de la contamination
Sil est pertinent, par rapport la question sur les risques, denquter sur base des contrles dans
les exploitations agricoles, il convient avant tout dexaminer les sources de linfection ou de la
contamination et de dcrire ensuite la diffusion des organismes dans la population lors des
diffrentes tapes de production. Lorsquil sagit de btail, ces tapes comprennent la
constitution du troupeau, son levage et ensuite son dpart de lexploitation et son transport vers
labattoir. En fonction de la situation, il peut galement savrer ncessaire danalyser les tapes
dlevage. Lorsque laccent est port sur la culture, les tapes dans lexploitation sont la
plantation, la culture et la rcolte.
25
De nombreux facteurs influenceront la probabilit dune premire exposition, y compris la

mthode de production, les facteurs environnementaux et physiologiques, et lintervention
humaine. Du reste, les diffrentes techniques intensive, biologique ou en plein air peuvent
avoir divers impacts sur les probabilits de lexposition. La localisation gographique, la saison
et laltitude peuvent galement modifier la probabilit ainsi que le niveau dexposition de toute
situation. Il importe galement dexaminer limpact de lintervention humaine dans le processus
dvaluation. Il se pourrait, par exemple, que la prsence permanente de personnels agricoles
augmente lexposition alors que la mise en place et le respect de mesures strictes de bioscurit
pourraient rduire la possibilit dune exposition. En gnral, les informations relatives aux
facteurs qui influencent la possibilit de lexposition, comme ceux dcrits ci-dessus, sont
actuellement limites ou indisponibles sous une forme permettant leur intgration des modles
de risque. Cela implique un jugement qui pourrait tre subjectif. De telles dcisions et leurs
effets doivent tre rpertoris pour que leur utilisation et leur fondement puissent tre valus
par les utilisateurs de lvaluation de lexposition.
Ds lors quil y a eu exposition, la prvalence au point dabattage ou de rcolte rsulte alors de
la manire dont lorganisme se diffuse au sein du troupeau ou de la culture. La modlisation
mathmatique de cette dissmination est un lment important de lpidmiologie vtrinaire et
vgtale. Vous trouverez davantage de dtails sur les techniques utilises dans, par exemple,
Anderson & May, 1991. Hartnett et coll. (2001) et Turner et coll. (2003) contiennent des
exemples prcis utiliss lors dvaluation des risques.
Il est par contre plus difficile de prvoir la quantit dorganismes par animal ou par unit de
production. Elle dpend de variables qui incluent le mode de transmission de linfection, les
taux dexcrtion, la prolifration et la survie de lorganisme dans lenvironnement et dautres
facteurs de gestion. Du fait de ces difficults, la quantit est habituellement estime sur base de
donnes observes, comme nous lavons dj prcdemment mentionn, pour les cas o
linvestigation des contrles nest pas ncessaire comme pour le modle utilis dans la
publication de la FAO et de lOMS, Risk Assessment of Campylobacter spp. on broiler chicken
(FAO/OMS, 2007a, b).
3.6.4 Transformation
Les tapes de la transformation doivent dabord tre dfinies avant de modliser les
modifications de la prvalence et de la quantit dorganismes. Il peut y avoir plusieurs tapes
dans le processus : par exemple, Cassin et coll. (1998), ont identifi 36 oprations de
transformation lors de labattage dun buf de boucherie. Il est peu probable que tous les
transformateurs suivent toutes ces tapes. Il est donc encore plus difficile dlaborer des
scnarios de transformation qui reprsentent la majorit des processeurs, mais qui tiennent
galement compte de leurs diffrences. Les diagrammes de flux mis au point pour les systmes
danalyse des risques aux points critiques peuvent reprsenter une source complte
dinformations relatives aux tapes de la transformation.
La modlisation de la transformation implique :
dexaminer la faon dont volue la taille des units dune tape lautre, de mme que la
faon dont cette volution influence la prvalence et la quantit dorganismes ;
danalyser les changements rsultant dune contamination croise, sans modification de la

taille de lunit ; et
26
denvisager les changements lis la prolifration ou linactivation microbiennes.
Au cours des oprations de transformation des aliments, de nombreux efforts sont consacrs la
minimisation de la prolifration microbienne et/ou la maximisation de linactivation
microbienne (par exemple, grce la chaleur) ou llimination grce au nettoyage et la
dsinfection. La dure des conditions et lintensit du traitement (surtout la temprature) au
cours du processus sont dimportants facteurs de contrle de lampleur de la prolifration et de
linactivation. La partie 3.8 de la prsente publication se penche sur la modlisation de ces
processus. Les mthodologies de modle modulaire des risques lis au processus, pour le
mixage, la division et le retrait peuvent servir modliser les effets des changements de taille de
lunit (Nauta, 2000). La modlisation de la contamination croise et de la dcontamination est
plus complexe et est rapidement aborde plus loin.
En gnral, les tudes des effets de la transformation sur les niveaux de dangers
microbiologiques sont limites. Lorsque des donnes sont disponibles, elles rsultent
habituellement dune analyse avant et aprs dchantillons, comme la quantit
dorganismes contaminant une carcasse de poulet avant et aprs une certaine tape, par exemple
le dplumage. La diminution (ou laugmentation) des quantits est parfois modlise en se
servant de lapproche bote noire qui prvoit une modlisation linaire des changements,
sans tenter de dcrire aucun des processus microbiens sous-jacents. En revanche, la publication
de den Aantrekker et coll. (2002) aborde les mcanismes de recontamination des produits dans
le contexte des tablissements de production. De la mme faon, lorsque les modifications sont
lies une prolifration ou une inactivation, les effets de la dure et des conditions du procd
sur le nombre de microorganismes peuvent tre estims grce des modles de prvision
(Zwietering & Hasting, 1997a, b).
Normalement, les rsultats des chantillons avant et aprs sont reports sous forme de
reprsentations logarithmiques de la population. Il faut se montrer particulirement prudent lors
de la modlisation dune contamination croise en utilisant des logarithmes de population. Par
exemple, si nous partons du principe quune contamination croise spcifique ajoute
1 000 organismes par unit (log 3) une unit qui en contient 100 (log 2), il serait faux de
simplement ajouter log 2 + log 3 = log 5 (ou 100 000 organismes par unit). La contamination
croise tant un vnement indpendant de la quantit initiale dorganismes dans le produit, le
calcul correct implique de convertir les reprsentations logarithmiques en leur valeur
arithmtique et de les ajouter ((100 + 1000 = 1100 (ou log 3,04 organismes par unit)). Ici, la
contamination est un processus additif. Cela contraste avec la prolifration microbienne qui est
un processus multiplicatif, car la prolifration est exponentielle, cest--dire lorsque
laugmentation du logarithme est base sur la quantit initiale dorganismes dans le produit et
que les valeurs des logarithmes peuvent tre additionnes (log 2 initial plus 3 logs de
prolifration = 5 logs la fin de la prolifration).
Il importe galement dapporter toute lattention ncessaire la variabilit et lincertitude
associes la modlisation de la modification de la quantit. Au moment de choisir lapproche,
il convient de rflchir attentivement ce que les donnes reprsentent (variabilit, incertitude
ou les deux) et leur niveau de reprsentativit. Par exemple, lun des problmes de la
modlisation des rsultats issus dchantillons de carcasse est de veiller ce que la zone de
prlvement soit reprsentative de toute la carcasse. Une solution est destimer lampleur de la
distorsion dans une tude spare et de linclure dans le modle. Cela peut avoir un corollaire
utile, savoir que si la contamination de la carcasse est ingale, lorsquelle est divise en parts
27
plus petites, toutes ne comporteront pas le mme niveau de contamination. Cest un bel exemple
des consquences de la division et des variations possibles de la contamination sur chaque unit
plus petite. Il faudra donc dcrire la prvalence et la quantit de sous-units contamines, de
mme que le degr de contamination de chacune dentre elles.
3.6.5 Aprs transformation
Aperu
Les tapes suivant la transformation incluent lentreposage et la distribution, la prsentation
pour la vente et la vente au dtail, les services dalimentation et les cuisines familiales. Le
Tableau 1 reprend certains facteurs qui peuvent avoir leur importance lorsquil sagit de
dterminer lincidence des tapes suivant la transformation sur la frquence et le niveau de
lexposition.
Alors que ces environnements diffrent, il existe de nombreuses importantes similitudes et
certaines informations recueillies pour lun peuvent convenir en tant que substituts lors de
lvaluation de lexposition dautres (par exemple, contamination des planches couper), alors
que ce ne sera pas possible avec dautres donnes (par exemple, les tempratures
dentreposage).
Complexit
Les tapes suivant la transformation peuvent tre bien plus complexes que celles de la
transformation en raison de la varit des aliments utiliss (les menus des restaurants, par
exemple, comportent parfois des douzaines darticles et dans les caftrias, cela peut monter
jusqu plus de cent), de la complexit des oprations de prparation des aliments (fortement
non linaires compares aux oprations de transformation des aliments), des diffrences entre
les oprations en termes dagencement des locaux (une cuisine nest pas lautre), du niveau de
formation (nouveau travailleur par rapport un habitu) et de la dure des oprations.
La complexit ventuelle quimplique la modlisation de la prparation des aliments est
illustre par la Figure 4 pour le simple fait de prparer un poulet cuisin et une salade de laitue.
28
Tableau 1. Exemples de facteurs importants lorsquil sagit de dterminer lincidence des tapes suivant
la transformation sur le niveau de lexposition.
Facteur
Exemple
Temprature
Statique (bien que variable)
Tempratures dentreposage rfrigr
Dynamique
Temps de refroidissement et temprature des aliments cuisins
Composition du produit
pH et activit de leau des aliments, composs conservateurs (sorbate, lactate, nitrite, nisine,
etc.)
Facteurs biotiques des aliments
Niveau relatif de dtrioration ou dautres microorganismes dans le produit compar aux

pathognes
Dure
Temps pass dans un buffet salades
Contamination croise
Aliments
Transfert de Salmonella du poulet
Surfaces
Surfaces en contact avec les aliments
Transfert Campylobacter vers la planche couper
Surfaces en contact avec les mains
Transfert de Listeria vers la porte du rfrigrateur
Nettoyage (ponge, torchon)
Survie des E. coli sur les ponges
Mains
Transfert de Staphylococcus des mains
Orifices corporels
Virus de lhpatite A de la diarrhe via les mains, vecteurs passifs
Persistance sur les surfaces
Survie de Shigella sur lacier inoxydable
Nettoyage
Nettoyage
Effet du nettoyage, du savon et de leau pendant 20 secondes
Dsinfection
Effet de 200 ppm de chlore
Rejets
Dcision de jeter la viande non consomme
Point de
Effet de lentreposage
Poulet
Effet de la cuisson
Taux de Xcontam
Taux de Xcontam
Planche couper
Taux de Xcontam
Mains
Taux de Xcontam
Poulet
Taux de Xcontam
Exposition
Taux de Xcontam
Taux de Xcontam
Laitue
Figure 4. Exemple dun modle de voie de contamination croise dans la prparation dun poulet cuisin
et dune salade de laitue. (Xcontam = contamination croise).
29
La Figure 4 fait une srie dhypothses simplificatrices :
La laitue et lindividu qui prpare les aliments ne participent aucun danger microbiologique
de lexposition lexception de la contamination croise dcoulant lorigine du poulet ;
Les mains et la planche couper sont les seuls vecteurs de contamination croise ; les autres
surfaces de la cuisine (couteaux, assiettes, ponges, torchons, tabliers, plans de travail, etc.) ne
participent pas lexposition ;
Aucune modification du nombre de microorganismes ne se produit pendant aucune tape

lexception de lentreposage et de la cuisson (par exemple, les populations bactriennes
prsentes sur la planche couper ne varient pas) ; et
La frquence laquelle chaque vnement survient nest pas prcise et en fait, de multiples
contaminations peuvent avoir lieu lors de toute procdure de prparation alimentaire.
La Figure 4 rvle la complexit des tapes, mme simplifies, suivant la transformation. En

ralit, dans de nombreux cas, certaines des hypothses simplificatrices de la Figure 4 peuvent
se rvler fausses. Par exemple, une hypothse simplificatrice est quaucun changement du
nombre de microorganismes ne survient pendant aucune tape, sauf lentreposage et la cuisson.
La prolifration sur les surfaces de contact existe bel et bien, et peut tre importante. Le taux de
prolifration potentielle sur les surfaces de contact peut servir dterminer lintervalle de temps
minimum entre les nettoyages successifs des appareils en contact avec le produit cru. Les
surfaces contamines avec des films de liquides riches en lments nutritifs provenant du
produit cru peuvent contenir des organismes de contamination ou des bactries pathognes qui
peuvent prolifrer sur les emballages. Cette mme surface est ensuite nouveau couverte de
nouveaux matriels issus de chaque unit suivante et ce qui peut favoriser la contamination
croise des autres units. Prenons lexemple dquipes travaillant 4 8 heures dans un
environnement dont la temprature est maintenue entre 10 et 15 C (ces tempratures sont
maintenues dans certains tablissements de transformation des aliments, car des tempratures
plus basses, les travailleurs perdent en habilet et le risque daccident et de blessure est plus
lev). Sur base des estimations des modles de prvision publies (voir titre 3.8), dans ces
conditions, les pathognes pourraient se multiplier de 10 1000 fois dans certains produits (par
exemple, Vibrio parahaemolyticus dans les poissons et coquillages (100 1000 fois), Listeria
monocytogenes dans le poisson fum (10 fois) et E. coli dans la viande crue (10 fois).
Donnes disponibles et approches de modlisation
Une autre difficult au moment de complter, laide de nombres rels et de relations
mathmatiques, le diagramme dinfluences de la Figure 4, cest--dire qui montre la faon dont
diffrents facteurs en influencent dautres qui participent la probabilit et au niveau
dexposition, est labsence de donnes publies sur de nombreuses pratiques dentreposage des
consommateurs et sur les taux de contamination croise. Des rapports sur des valuations de
lexposition ralises aux niveaux national et international ont reconnu les fortes incertitudes et
limportante variabilit lies aux mthodes de prparation et de cuisson. Par exemple, les
modles dvaluation de lexposition de la FAO et de lOMS pour Salmonella spp. et
Campylobacter spp. pour les poulets suggrent que la contamination croise issue de la
prparation et de la cuisson influence lexposition (FAO/OMS, 2002a, b, 2003 ; FAO, 2001 ;
OMS, 2001).
La quantit de donnes disponibles pour modliser la contamination croise et dautres
30
mthodes dentreposage et de prparation des aliments est trs limite. Citons les tudes de
Scott, Bloomfield & Barlow (1982) ; de Josephson, Rubino & Pepper (1997) ; de Zhao et coll.
(1998) ; de Rusin, Orosz-Coughlin & Gerba (1998) ; de Jay, Comar & Govenlock (1999) ; de
Chen et coll. (2001) ; dHumphrey et coll. (2001) ; de Kasa et coll. (2001) ; dHilton & Austin
(2000) ; de Montville, Chen & Schaffner (2001, 2002) ; et de Schaffner (2003)
Face la quantit limite dinformations disponibles pour quantifier les effets de la
contamination croise, la plupart des valuations de lexposition ont adopt des approches
simplistes pour les envisager, par exemple, en incluant un nombre limit de voies et en estimant
la fois la probabilit du transfert et la quantit dorganismes transfrs (voir par exemple,
FAO/OMS, 2003 ; Hartnett, 2002). Pour les produits base de poulet, dautres approches ont
t adoptes : lvaluation des risques lis Campylobacter effectue par Sant Canada, par
exemple, analyse galement le transfert dorganismes dans les gouttures (Fazil et coll., 1999,
2000).
Rsum
La prparation des aliments aprs leur transformation est une tape particulirement complexe
et peu caractrise de la chane alimentaire de la production la consommation. Les donnes
sont limites et de nombreuses lacunes ont t identifies. Au vu de la complexit de cette partie
de la chane alimentaire, des recherches sont en cours afin de mieux comprendre et dcrire ces
processus. La publication des rsultats de ces recherches permettra damliorer les valuations
de lexposition o la contamination croise peut tre une voie dexposition non ngligeable.
3.7 Consommation
Afin de caractriser le risque dcoulant dune exposition aux dangers microbiologiques, il est
ncessaire de connatre la quantit daliments consomms et la frquence laquelle ils le sont.
La caractrisation spcifique des modes de consommation alimentaire utiliss dans les
valuations des risques microbiologiques dpend de la question laquelle cet exercice doit
rpondre ainsi que des informations relatives la consommation alimentaire dont dispose
lvaluateur. Le Chapitre 4 traite des sources de donnes.
3.7.1 Modlisation
Lorsquelles effectuent des modlisations de la consommation alimentaire, il importe que les
personnes en charge de lvaluation des risques comprennent dans les dtails la faon dont les
sries de donnes relatives la consommation ont t recueillies et analyses, et dcrivent
prcisment la faon dont elles ont t utilises dans le modle, y compris toutes les hypothses
suivies pour parvenir aux estimations.
3.7.2 Quantit daliments consomms
Deux lments importants du calcul de la quantit daliments consomms, surtout lorsquon se
base sur des rsultats denqutes sur la consommation alimentaire, sont :
le diviseur de la population, cest--dire si la consommation totale est divise par la population

totale (quantit par personne) ou uniquement par ceux qui consomment les aliments (quantit
par mangeur) ; et
la frquence de la consommation (par an, par jour ou par pisode de consommation).
31
3.7.3 La quantit par personne par rapport la quantit par mangeur

La quantit par personne est calcule en divisant la quantit totale dun aliment par le nombre
total de personnes dans la population. Ce chiffre reprsenta une quantit daliments qui est
potentiellement disponible pour la consommation. La quantit par mangeur est calcule en
divisant la quantit totale dun aliment uniquement par le nombre de personnes qui consomment
vritablement cet aliment.
Pour les aliments qui sont rgulirement consomms par la majorit de la population (par
exemple, du pain), les quantits par personne et par mangeur seront presque identiques. En
revanche, pour ceux qui sont consomms plus rarement ou par moins dindividus (par exemple,
les hutres crues), les chiffres par personne et par mangeur seront sensiblement diffrents.
3.7.4 Quantit par an, par jour ou par pisode de consommation
La consommation peut se calculer par an, par jour ou par pisode de consommation. La
dfinition de la priode de consommation revt une importance particulire pour les valuations
des risques microbiologiques, car lexposition aigu est davantage une source dinquitudes que
lexposition chronique. Nanmoins, les expositions chroniques peuvent galement avoir leur
importance dans le cas de certaines toxines qui sont libres dans les aliments avant la
consommation.
Les statistiques nationales de la production alimentaire rendent en gnral compte dune
quantit daliments par an. On obtient donc la consommation journalire en divisant la quantit
totale annuelle par 365. Il nest par contre pas possible destimer la consommation par pisode
de consommation uniquement partir de ces informations. Les donnes relatives la production
alimentaire peuvent surestimer la consommation parce que certains produits ne sont pas vendus
ou consomms cause de leur dtrioration ou pour dautres raisons. Pour les produits trs
prissables (viande, poisson, fruits, salades, etc.), cela peut monter 20 ou 25 % de la
production.
Les enqutes sur la consommation alimentaire dindividus permettent une plus grande flexibilit
au moment destimer la quantit consomme. Les rsultats des enqutes sont rgulirement
rsums et publis sous forme de consommation journalire. Il doit tre possible, lorsque les
donnes brutes issues des enqutes sont disponibles, de calculer la quantit daliments
consomms par pisodes de consommation ou par repas (selon le systme de codification et les
questions de lenqute). La base de la consommation est particulirement importante lorsquon
tudie des aliments qui sont parfois consomms plus dune fois par jour. Par exemple, si une
personne boit un verre de lait de 250 ml aux trois repas, la quantit par repas sera de 250 ml
alors que la quantit journalire sera 750 ml.
Lors du calcul de la consommation alimentaire quotidienne partir des donnes relatives la
consommation alimentaire issues des enqutes, il importe de noter si les quantits refltent tous
les jours au cours desquels lenqute a t mene ou uniquement les jours auxquels un aliment a
t consomm. titre dexemple, dans une tude, des informations dittiques ont t
recueillies pendant deux jours de la part des personnes participant lenqute. partir de ces
donnes, la consommation a pu tre tablie soit en tant que consommation pendant les jours o
les aliments ont effectivement t consomms ou en tant que moyenne sur deux jours pour
chacune des personnes ayant particip lexercice. Si les individus qui ont mang du poisson
ont rapport avoir consomm 200 g de poisson au cours dun des deux jours de lenqute, la
32
consommation moyenne quotidienne sera de 100 g si elle est calcule en tant que moyenne des
deux jours, ou de 200 g si elle reprsente la quantit moyenne des jours o du poisson a t
consomm.
3.7.5 Importance de la caractrisation de la rpartition de la contamination
Limportance de modliser la rpartition de la quantit dorganismes dans un aliment dpendra
de la relation dose-rponse pour ces organismes. Si le taux de prolifration est lev dans une
unit daliments, seule une personne est susceptible dtre infecte puisque cette unit
daliments ne sera consomme que par un individu. Partant du principe quil y a plus quassez
de cellules du pathogne prsentes pour causer une infection chez la plupart des individus, si
cette mme dose est rpartie de faon gale dans cent portions, alors la mme dose devrait
suffire infecter bon nombre des 100 consommateurs (dans lhypothse dun pathogne dont la
dose infectieuse est faible). linverse, dans le cas dun pathogne avec une trs faible
probabilit dinfection par cellule (cest--dire une dose infectieuse relativement leve),
lestimation des risques de lexposition est largement indpendante de la rpartition des doses
au sein des units daliments. Cela sexplique par la proportionnalit directe qui existe
effectivement entre la dose et la probabilit de linfection pour toutes les doses ralistes
(FAO/OMS, 2003) et pour ces doses ralistes, la probabilit de linfection est bien infrieure
un (voir galement titre 3.7.3). Dans ce cas prcis, il est moins ncessaire de caractriser la
rpartition du pathogne entre les diffrentes portions. Nauta (2000) fournit des conseils sur la
modlisation de la rpartition entre portions individuelles.
3.7.6 Frquence de la consommation
La frquence de la consommation peut se rfrer la proportion de la population qui consomme
un aliment ou la frquence laquelle un individu consomme un aliment au cours dune
priode prcise. Dans plusieurs valuations des risques microbiologiques (FAO/OMS, 2003 ;
USFDA/FSIS, 2001 ; USFDA, 2005), la frquence de la consommation a t exprime de
diverses manires :
par nombre de jours par an au cours desquels laliment est consomm ;
par nombre dpisodes de consommation sur une anne :

- nombre annuel de repas,
- nombre de fois que laliment est consomm par an, ou
- nombre de portions de 100 g consommes par an ; et
par pourcentage de la population qui a consomm laliment au cours dune priode prcise
(par exemple, une anne).
Il est possible de dterminer le nombre de jours de consommation au cours de la dure de

lenqute sur la consommation directement partir des rsultats de lenqute. On peut alors en
dduire un nombre annuel de jours de consommation.
Le nombre de repas, dpisodes de consommation ou daliments individuels peut tre
directement tabli sur base des rsultats de lenqute si elle couvre plus dun jour par individu.
Sinon, il est possible de combiner les donnes de simples rcapitulatifs sur 24 heures aux
informations issues denqutes de frquence de consommation alimentaire sur la proportion de
la population qui consomme habituellement un aliment pendant une priode donne pour
estimer le nombre annuel de jours de consommation.
33
Il est possible de prciser lestimation de la frquence de la consommation en combinant les

donnes relatives la consommation alimentaire dautres informations de lindustrie comme
le volume des ventes annuelles ou des informations sur la part de march. Par exemple, si les
donnes relatives la consommation alimentaire portent sur la frquence de consommation
dune vaste catgorie comme le fromage, il est possible dutiliser les donnes sur la part de
march pour prvoir la frquence de consommation dun fromage prcis, le camembert par
exemple. Notez quil est raisonnable de dduire que la quantit de fromages consomme est
identique quel que soit le fromage mme si la frquence diffre en fonction du type de fromage.
Comme nous lavons dj dit, il importe de considrer la part de la production qui nest jamais
consomme en raison de la dtrioration du produit, parce quil na pas t vendu avant la date
limite dutilisation ou de premption, ou cause dautres formes de gaspillage .
3.7.7 lments prendre en considration et enjeux au moment de modliser la consommation
alimentaire
Il convient de tenir compte de plusieurs aspects de la consommation alimentaire au moment
dtablir le modle de la consommation alimentaire.
Extrapolation de donnes partir des rsultats des tudes sur la consommation
alimentaire
En gnral, les tudes sur la consommation rassemblent des informations de la part de certaines
couches de la population. Si lchantillon est reprsentatif de la population totale et que les
poids statistiques tablis pour ltude sont utiliss lors de lanalyse des donnes, les rsultats de
lenqute peuvent tre utiliss pour prvoir les modes de consommation de la population
entire.
Dans le cadre des valuations des risques microbiologiques, il est important dvaluer la
consommation de groupes sensibles de la population comme les personnes ges ou
immunodprimes. Lorsque ces donnes spcifiques font dfaut, on estime en gnral que leurs
modes de consommation sont semblables ceux de membres normaux de la population, en
bonne sant, du mme ge et du mme sexe.
Aliments rarement consomms
Les estimations de la consommation bases sur un petit nombre dobservations (cest--dire sur
peu de donnes relatives la consommation alimentaire) sont statistiquement moins fiables que
les estimations reposant sur des chantillons plus vastes. Cest la raison pour laquelle, il
convient dtre vigilant lorsquil sagit dinterprter et dextrapoler des rsultats denqutes pour
des aliments rarement consomms et ce, mme si lon utilise, pour lanalyse des rsultats, les
poids statistiques utiliss lors de ltude.
Si les informations issues de lenqute servent modliser la consommation daliments
rarement consomms, il importe que la quantit consomme soit calcule sur base du nombre de
jours ou dpisodes de consommation plutt qu'en tant que moyenne de tous les jours au cours
desquels lenqute a t mene.
Aliments consomms en tant produits individuels par rapport des ingrdients de
prparations culinaires
Certains aliments peuvent tre consomms la fois comme des produits individuels et comme
des lments dune combinaison ou de mlanges daliments. Par exemple, le lait peut tre
34
consomm en tant que boisson, mais galement en tant quingrdient (souvent en petites
quantits) de nombreuses prparations culinaires. Lutilisation normale de ce genre daliments
peut galement influencer les niveaux de dangers, par exemple, le lait consomm dans des plats
pourrait tre chauff, rduisant ainsi la quantit de pathognes par rapport au lait consomm en
tant que boisson froide. Lors de la modlisation de la consommation alimentaire, il est
important de savoir si lestimation de la consommation comprend toutes les sources de laliment
ou uniquement sa quantit consomme en tant que produit individuel. Dans le cas o
lestimation de la consommation inclut toutes les sources de laliment, il peut savrer
indispensable, pour les combinaisons daliments, de crer une recette gnrique de faon
tenir compte de toutes les sources de laliment. Autrement, il peut tre ncessaire, partir de la
consommation totale, de nestimer que la part consomme sous une forme dans laquelle le
danger pourrait tre prsent, comme dans les jus ou le lait non pasteuriss, ou les hot dog
consomms sans tre rchauffs. Pour donner un autre exemple des effets de la division ou du
mixage, si les donnes relatives la consommation dufs en coquille indiquent quune
personne en mange 60 g par jour, il peut arriver que certains plats aient t faits partir de
plusieurs ufs mlangs, comme dans le cas dufs brouills. Dans ces cas, plusieurs
consommateurs sont exposs un seul uf contamin alors que dans une autre situation, seule
une personne consomme luf contamin.
Ensemble ou groupe daliments
Lorsque lvaluation porte davantage sur des groupes daliments plutt que sur une denre
individuelle, il convient de faire attention la faon dont les aliments sont rassembls pour
estimer leur consommation. La consommation moyenne dune catgorie daliments fluctuera en
fonction du nombre de denres quelle reprsente et de leur similitude en termes de quantit
consomme et de frquence de consommation. En cas de trop fortes diffrences, il est possible
daboutir de fausses quantit et frquence moyennes de consommation. Par exemple, si lon
regroupe le lait liquide et les fromages dans la catgorie produits laitiers , les quantits
consommes peuvent tre fort diffrentes et la consommation moyenne sous-estimera celle du
lait alors quelle surestimera celle du fromage. De la mme faon, si une catgorie alimentaire
comprend des produits saisonniers et des aliments disponibles toute lanne, la frquence de la
consommation sera surestime pour les produits saisonniers. Certaines enqutes sur la
consommation identifient toutefois les effets des saisons, par exemple en interrogeant les
individus plusieurs fois sur une anne.
3.8 Modlisation de la prolifration et de linactivation microbiennes

3.8.1 Introduction
cologie microbienne des aliments
Les ractions possibles de la plupart des microorganismes prsents dans les aliments
comprennent la stagnation, la prolifration ou la mort. En rgle gnrale, les virus et les
protozoaires ( parasites ) sont inertes dans les aliments et ont besoin dun hte vivant pour
pouvoir se reproduire. Mme sils ne peuvent pas prolifrer, divers traitements et tapes de
transformation peuvent les inactiver. De la mme faon, les prions ne sont pas des organismes
infectieux, mais des protines. Mme sils ne peuvent pas prolifrer dans les aliments, certains
traitements peuvent les inactiver bien quils soient fort rsistants la dnaturation.
Les populations de pathognes dans les aliments peuvent stagner, prolifrer ou mourir en
35
fonction de la formulation de laliment (facteurs intrinsques ) et des conditions de

transformation, de distribution ou dentreposage (facteurs extrinsques ). Au sein dune
simple unit daliments, les pathognes peuvent mme ragir de diffrentes faons diffrents
moments, car les conditions peuvent varier au cours de la transformation, du transport, de
lentreposage ou de la prparation.
Mme si la raction de chaque organisme peut tre qualitativement identique face aux
changements de tempratures, de pH, aux agents de conservation, etc. le type de rponse
(prolifration, mort ou stagnation) et son ampleur par rapport diffrents niveaux de ces
facteurs sont propres au pathogne en question. Pour valuer lexposition au moment de la
consommation, il peut tre ncessaire de modliser leffet cumulatif de la composition de
laliment et des conditions de sa transformation ou de son dentreposage sur le danger
microbiologique prsent. Comme prcdemment mentionn, dans certains cas, lvolution des
quantits de microorganismes lors de la transformation peut dcouler dune contamination
croise plutt que de la prolifration ou de linactivation. Il convient de noter que le mme
raisonnement peut sappliquer aux microorganismes prsents dans leau (quelle soit usage
rcratif, utilise pour boire ou pour cuisiner).
Il importe de comprendre dans quelles circonstances il peut tre indispensable dexaminer la
prolifration, linactivation ou la contamination croise. Le Tableau 2 reprend des valeurs
indicatives, fondes sur des avis dexperts, des effets de la temprature sur les taux de
prolifration ou dinactivation de nombreuses bactries vgtatives. (Linactivation des
endospores prend beaucoup plus de temps et/ou des tempratures bien plus leves). La
prolifration des champignons sera plus lente, mais les taux dinactivation restent en gnral
dans la mme fourchette.
Tableau 2. Indication des temps de raction de la prolifration bactrienne en fonction de la temprature.

Tempratures (degrs
Celsius)
Temps pour multiplier la quantit par 10

(heures)
-80
Temps pour diviser la quantit par 10

plusieurs annes, voire dcennies
-20
des mois
1575
1030
10
520
20
310
30
23
35
12
50
prolifration impossible dans la plupart des cas
plusieurs jours, voire semaines
60
des heures
70
plusieurs secondes, voire minutes
80
plusieurs fractions de seconde, voire

secondes
36
Notez que pour chaque type de microorganisme, il existe une fourchette restreinte de
tempratures au-del de laquelle il peut prolifrer ; pour certains, il sagit plutt de tempratures
basses alors que pour dautres, elles sont plus leves. Notez galement que leffet de la
temprature dpend de la fourchette de tempratures envisage. des tempratures basses, les
microorganismes survivent alors qu des tempratures intermdiaires, il nest pas rare que le
taux de prolifration augmente avec la temprature. Toutefois, des tempratures leves, la
mort augmente proportionnellement laugmentation de la temprature.
Chaque organisme possde galement une fourchette de valeurs limite pour sa prolifration qui
est fonction du pH, de lactivit de leau, du niveau dacides organiques, des agents de
conservation, etc. Il existe ainsi des limites suprieures et infrieures pour chaque facteur, de
mme quun niveau idal auquel la prolifration est la plus rapide. En rgle gnrale, les effets
inhibiteurs des facteurs sous-optimaux interagissent la fois pour rduire la fourchette des
valeurs de chaque facteur dans laquelle la prolifration est possible lorsquun ou plusieurs
facteurs sont sous-optimaux, et pour rduire le taux de prolifration gnral. En de des
conditions qui permettent la prolifration, la stagnation ou plus probablement la mort
survient un taux dpendant des conditions.
La prolifration de microorganismes dans une unit daliments suit le schma dune culture
discontinue, montrant souvent une priode dajustement (phase de latence ) qui ne donne lieu
aucune prolifration, suivie dune phase de prolifration exponentielle jusqu atteindre une
densit de population maximale. La prolifration de la population sarrte alors. Pour de
nombreux organismes et aliments, la densit de population maximale se situe dans la fourchette
de 109 1010 cellules par gramme, millilitre ou centimtre carr daliments.
Mme si lcologie des dangers microbiologiques peut se rvler complexe, des modles
microbiologiques prdictifs peuvent tre utiliss pour valuer lvolution des niveaux de
pathognes dans les aliments au fur et mesure de leur dplacement le long de la chane du
producteur au consommateur. Ross (2007) fournit une analyse dtaille de lcologie
microbienne des aliments dans le cadre dune valuation de lexposition mene lors dune
valuation des risques.
Microbiologie prdictive
Pour de nombreuses bactries pathognes, leurs ractions aux conditions environnementales ont
t dcrites et rsumes dans des modles mathmatiques qui peuvent servir prvoir leur
comportement dans les aliments, y compris leur taux de prolifration, leur priode de latence,
leur taux de mortalit, la probabilit de leur prolifration et la probabilit quelles produisent des
toxines au cours de la priode dentreposage du produit.
En microbiologie prdictive, les aliments sont caractriss en termes de proprits qui affectent
le plus la prolifration et la survie microbiennes, comme la temprature, le pH, les niveaux
dacides organiques, de sel et dagents de conservation. Les rponses microbiennes des
conditions analogues sont systmatiquement tudies et quantifies, souvent grce un modle
simplifi de bouillon de culture dans des conditions statiques et striles. Les donnes sont
traites et rsumes sous forme de modles mathmatiques de prdiction.
Les conditions relles des aliments et des microbes ne sont pas statiques et les effets de ces
conditions sur les taux de prolifration ou dinactivation doivent tre intgrs
mathmatiquement pour chacun des diffrents processus. Cest pourquoi des mesures des
paramtres de transformation et de manipulation, et leur dure sont incluses et utilises pour
37
prvoir les changements des niveaux de danger (cest--dire la taille ou la concentration de la

population) dans laliment ou leau. Nanmoins, certains modles microbiologiques prdictifs
retracent la courbe de croissance de la population, donc du nombre de cellules prsentes, sur
base dun niveau de dpart dfini et selon le temps dincubation. Les rsultats de ce genre de
modle devraient normalement tre transforms en taux de prolifration avant dtre appliqus
dans des modles dexposition.
Un possible dfaut de nombreux modles de prvision est quils sont labors grce des
bouillons de culture au sein desquels il est impossible dobserver des facteurs comme les
interactions avec dautres microbes dans laliment ou les effets de la structure physique de
certains aliments. Gnralement, ces limites concernent quelques types de produit prcis. Par
exemple, les ferments lactiques peuvent empcher la prolifration de pathognes au sein
daliments emballs sous vide ou conditionns sous atmosphre modifie, les effets de matrices
peuvent tre importants dans leau et dans les mulsions dhuiles (beurre), etc. Alors que la
plupart des modles ont t conus sur base de bouillons de culture, dautres pour certains
microorganismes ont t tablis grce des aliments inquitants ou intressants.
3.8.2 Types de modle et disponibilit
Il est possible de trouver des modles qui dcrivent :
Les taux de prolifration en fonction de multiples facteurs environnementaux.
Les taux dinactivation, pour la plupart en fonction dun facteur ltal unique. Il faut toutefois
savoir que linactivation microbienne est en gnral considre comme un processus alatoire,
cest--dire que la probabilit de la survie des cellules diminue (plus ou moins)
exponentiellement par unit de temps. Pourtant, mme sil est possible de prvoir que le
nombre de cellules viables dans une unit individuelle daliments est infrieur un, des
survivants pourraient toujours tre dcouverts si une unit plus importante du produit (par
exemple, le volume total dune culture), ou plusieurs units du produit taient analyses.
Les limites de la prolifration en fonction de plusieurs facteurs environnementaux, mme si

peu de modles de ce genre, prolifration/non-prolifration ou modles interface , ont
t publis jusqu prsent. La Commission internationale pour la dfinition des
caractristiques microbiologiques des aliments (1996) a rpertori les limites absolues de la
prolifration de nombreux pathognes en raison de variables environnementales individuelles.
La probabilit de la prolifration ou de la toxinognse au cours dune priode dfinie en

fonction de plusieurs facteurs environnementaux.
Outre de nombreux projets de recherche petite chelle en vue de la modlisation des ractions
microbiennes dans les aliments, deux programmes de recherche en microbiologie prdictive de
grande ampleur ont t mens dans le dbut des annes 1990. Financs par les gouvernements
des tats-Unis dAmrique et du Royaume-Uni, ils ont permis la conception dune srie de
modles des ractions des populations de pathognes microbiens dorigine alimentaire et de
certains organismes de contamination. Il est dsormais possible daccder gratuitement sur
internet aux rsultats de ces programmes et aux dveloppements ultrieurs : Predictive
Microbiology Portal (http://pmp.arserrc.gov/PMPonline.aspx) et ComBase Predictor
(http://www.combase.cc). Ces progiciels incluent des modles de prolifration pour de
nombreux pathognes et pour certains organismes de contamination, ainsi que divers modles
dinactivation pour certains pathognes. ComBase est une base de donnes contenant des
38
observations issues de nombreuses sources publies ou non publies sur les taux de prolifration
et dinactivation microbiennes et contenait, lpoque de la rdaction du prsent rapport,
40 000 entres. La base de donnes est le produit des programmes de recherche financs par les
gouvernements des tats-Unis et du Royaume-Uni, mais contient galement des informations
issues dtudes publies et des donnes (publies et non publies) dorganisations de recherche
du monde entier. Le site web danois de prdiction de la dure de conservation et de la
croissance des bactries dans diffrents produits de la pche dispose galement de quelques
modles pour des pathognes et des organismes de contamination issus des produits de la mer
(http://www.dfu.min.dk/micro/sssp/Home/Home.aspx). Il est galement possible de trouver de
nombreuses autres informations dans la littrature scientifique publie.
Du reste, il existe de nombreux programmes et tudes de modlisation qui nont pas donn lieu
la cration dun logiciel, mais qui ont t publis dans la littrature scientifique et qui
contiennent souvent les donnes sur lesquelles le modle est bas. Il est possible de les trouver
facilement en effectuant une recherche dans la littrature.
Lintgration de modles de prolifration microbienne, de limites de la prolifration ou de
linactivation des modles unifis, qui peuvent prvoir les augmentations et les diminutions de
la population microbienne dans le temps, amliorera galement lutilit de modles de prvision
pour les valuations de lexposition. Plusieurs modles unifis ont t proposs, mais aucun na
t largement utilis ou plbiscit.
De nombreux examens de la microbiologie prdictive, y compris de possibles erreurs, ont t
publis (Farber, 1986 ; Ross & McMeekin, 1994 ; Buchanan & Whiting, 1997 ; Ross, 1999 ;
Ross, Baranyi & McMeekin, 1999 ; McDonald & Sun, 2000). Vous trouverez une bonne
introduction au concept et son application pratique dans McMeekin et coll. (1993) & Ross,
Baranyi & McMeekin (1999), et le texte publi par McKellar & Lu (2003) fournit un examen
plus contemporain de ltat des connaissances. Ross & Dalgaard (2003) prsentent un relev
extensif des modles microbiologiques prdictifs disponibles, et Whiting & Buchanan (2001) et
Ross (2007) abordent le rle de la microbiologie prdictive dans lvaluation de lexposition.
3.9 Application de la microbiologie prdictive au sein dune valuation de lexposition

Dun point de vue pragmatique, deux lments dun modle microbiologique prdictif sont
essentiels son utilit. Lun est son aptitude prvoir correctement les ractions microbiennes
dans toutes les conditions auxquelles se rfre le modle. Lvaluation de cette aptitude est en
gnral appele validation dun modle et est dcrite au Chapitre 6. La microbiologie
prdictive nest pas encore une science mre et bon nombre des modles actuellement
disponibles sont incomplets ou nont pas t valids, voire les deux. C'est pourquoi la
modlisation de lexposition doit se pencher sur la validit et la fiabilit des modles
microbiologiques prdictifs si elle y a recours. Le second lment est la fourchette de variables
indpendantes et de combinaisons de variables auxquelles le modle sapplique.
3.9.1 Marge dapplicabilit du modle
Les modles non prdictifs actuellement utiliss sont purement mcanistes (cest--dire
entirement fonds sur des bases thoriques fondamentales). La prolifration ou la mort des
microbes ne peuvent donc pas tre prvues de faon fiable dans un aliment dont les conditions
se situent au-del de la fourchette des facteurs individuels inclus dans les donnes utilises pour
tablir le modle (donc les prvisions ne peuvent tre faites que par interpolation).
39
Diffrents modles ont des zones dinterpolation diffrentes qui dpendent de la conception
exprimentale utilise pour tablir le modle. Baranyi et coll. (1996) ont tudi de la
dtermination de la vritable zone dinterpolation et des consquences de lextrapolation. Ces
auteurs ont conclu que les modles utilisant de nombreux paramtres montraient en gnral une
fiabilit moindre dcoulant dune extrapolation fortuite, parce que les prvisions du modle
fluctuaient souvent normment lapproche des limites de la zone dinterpolation.
On parle galement dextrapolation fortuite lorsquon a recours des techniques alatoires de
modlisation pour dcrire les effets des variables fluctuantes. Ce problme peut survenir pour
tous les facteurs, mais la temprature est probablement celui le plus susceptible de fluctuer dans
la plupart des exemples du monde rel. Il convient de prter attention la troncation de la fin
des rpartitions de tempratures (et dautres facteurs) utilises pour prvoir la prolifration ou la
mort des microbes pour, si ncessaire, faire correspondre la fourchette dinterpolation du
modle microbiologique prdictif utilis. Toutefois, agir de la sorte pourrait modifier sans le
vouloir la moyenne, lcart et les autres proprits de la distribution choisie. Les limites de la
prolifration du pathogne tudi et la possible inactivation (si les conditions dpassent ces
limites) doivent tre envisages et incluses dans la modlisation de lexposition. Des modles de
prolifration/non-prolifration pourraient ici tre utiles et ont t intgrs quelques modles
dvaluation de lexposition.
3.9.2 Flore daltration
Les effets des bactries de dtrioration sur la dure de conservation du produit devraient aussi
tre analyss. Les conditions qui mnent une prolifration rapide des pathognes peuvent
galement engendrer une dtrioration microbienne rapide. Les produits contamins qui sont
visiblement dtriors ont moins de chance dtre consomms et ne devraient donc pas causer
de maladies dorigine alimentaire alors quils contiennent pourtant un danger microbiologique.
Lune des rgles fondamentales de la modlisation alatoire est de ne modliser que les
scnarios possibles (Vose, 1996). Il pourrait donc tre ncessaire denvisager les effets des
conditions dentreposage sur la dure de conservation du produit en cas de simulation de
priodes exagrment longues de fortes tempratures. Cela peut tre fait en reliant les
variables du modle qui influencent la prolifration (par exemple, la dure et la temprature
dentreposage). Les documents sur la modlisation alatoire apportent des conseils sur la faon
dinclure de tels liens dans les modles.
Dans le mme ordre desprit, dautres microorganismes qui prolifrent dans les aliments
peuvent influencer la prolifration ventuelle de pathognes. La densit finale des cellules dune
bactrie pathogne peut tre supprime lorsque la concentration totale de toutes les bactries
dans les aliments atteint une phase stationnaire, phnomne qui a t nomm leffet Jameson
(Stephens et coll., 1997) et rapport par de nombreux auteurs (voir Ross, Dalgaard &
Tienungoon, 2000). Dans de nombreux aliments, cet effet naura pas lieu avant la dtrioration,
mais dans des aliments emballs sous vide ou conditionns sous atmosphre modifie, comme
la viande transforme et les poissons soumis un traitement de conservation peu pouss, les
ferments lactiques peuvent atteindre une phase stationnaire sans causer de dtrioration et
limiter la prolifration de pathognes pendant la dure de conservation acceptable du produit.
3.9.3 Sources de variabilit et dincertitude
Lors dune modlisation alatoire, il est galement important de caractriser lampleur de la
variabilit et sa rpartition autour de la moyenne.
40
Rpartition des temps de raction

Sappuyant sur le peu de donnes publies sur les estimations des taux de prolifration dans
diffrentes conditions environnementales, Ratkowsky et coll. (1991) ont conclu que les taux de
prolifration devenaient de plus en plus fluctuants mesure quils diminuaient. Les temps ou
taux de raction des microbes sont rarement normalement distribus. Ratkowsky et coll. (1991),
Alber & Schaffner (1992), Zwietering et coll. (1994), Dalgaard et coll. (1994) et Ratkowsky et
coll. (1996) ont dcrit les rpartitions de la variabilit des taux de prolifration et/ou des temps
de raction. Ratkowsky (1992) a pour sa part prsent une relation gnrale entre la variance des
temps de raction la prolifration et la moyenne de ces ractions pour une srie de
distributions possibles.
Sources et ampleurs des erreurs
Les prvisions des modles ne peuvent jamais parfaitement correspondre aux observations ou
exactement reprsenter la ralit. chaque tape du processus de construction du modle
sintroduisent des erreurs dcrites ci-dessous (Ross et coll., 1999 ; Cullen & Frey, 1999).
Des erreurs dhomognit se produisent parce que certains aliments ne sont absolument pas
homognes. Actuellement, les modles de prvision ne tiennent pas compte de ce manque
dhomognit des aliments.
Les modles de prvision contiennent des erreurs dexhaustivit parce que le modle est une
simplification et que dautres effets alimentaires et de lcologie microbienne (structure,
concurrence, etc.), difficilement quantifiables, ne sont pas actuellement inclus dans les
modles disponibles.
Les erreurs de fonction du modle sont similaires aux erreurs dexhaustivit et surviennent
principalement en raison du compromis rsultant de lutilisation de modles empiriques,
savoir que le modle nest quune approximation de la ralit. La surestimation systmatique
du taux de prolifration bactrienne exponentielle des modles modifis de Gompertz en est
un exemple.
Les erreurs de mesure proviennent de linexactitude des limites des mthodes de mesure
utilises pour obtenir des donnes brutes qui servent estimer les paramtres dun modle.
Les erreurs de procdure numrique reprennent toutes celles lies aux procdures utilises
pour ajuster et valuer le modle dont certaines ne sont que des mthodes dapproximation.
La mthode empirique veut que, au moment dtablir un modle microbiologique prdictif

partir de donnes, chaque variable supplmentaire augmente lerreur de prvision du modle
denviron 10 15 % (Ross et coll., 1999). En dautres mots, la confiance lgard du taux de
prolifration prvu diminue mesure quaugmente le nombre de variables qui ont une incidence
sur le taux de prolifration. Limportance de cette situation pour lexposition prvue dpend de
la quantit de la prolifration calcule. Dans le cas dun modle trois facteurs/variables,
lampleur de lerreur en termes de taux de prolifration et du nombre logarithmique de
cellules pourrait tre de 30 45 %, quelle que soit la prolifration envisage. Nanmoins, dans
de nombreuses situations, la probabilit de linfection (et donc le risque) est lie au nombre
absolu de cellules ingr et non au logarithme de la dose (FAO/OMS, 2003). Ds lors sil avait
t prvu quil ny ait quune prolifration (log 0,30), lerreur dans le nombre attendu de
cellules serait denviron (log 0 ,30 [0,3 0,45]), soit plus ou moins 23 137 % de la
41
prvision. Lorsquil est prvu que 10 prolifrations aient lieu, lerreur serait plus ou moins
(log 3,00 [0,3 0,45]), ce qui, en termes de nombre de cellules correspondrait environ 800
2260 %.
4. DONNES NCESSAIRES UNE VALUATION DE

LEXPOSITION
4.1 Types de donnes utilises dans une valuation de lexposition

4.1.1 Introduction
Deux catgories de donnes sont ncessaires pour mener une valuation de lexposition : il faut
dabord des donnes qui, sous forme de textes, dcrivent les processus biologiques et physiques,
ainsi que les facteurs humains impliqus, et ensuite, des donnes numriques qui permettent
dvaluer quantitativement lexposition calculer. La quantit des donnes numriques requise
fluctue dune valuation de lexposition lautre en fonction de lobjectif fix, de la porte de
lvaluation, de lapproche adopte pour la modlisation et des dtails choisis.
Le prsent chapitre donne un aperu des donnes souvent requises pour ltablissement dune
valuation de lexposition qui couvre une chane dapprovisionnement en denres alimentaires
depuis la production primaire, au niveau de lexploitation agricole, jusqu la consommation
la maison (Tableau 3). Les mmes principes sappliquent, par exemple, aux pches et la
production primaire, aux services dalimentation (restauration) et aux points de consommation,
ainsi quaux problmes lis aux dangers microbiologiques dorigine hydrique. Il convient de
noter que la porte et lobjectif prcis dune valuation de lexposition peuvent tre bien plus
limits sur le terrain et dtermineront le type et les dtails des donnes requises.
Pour des facilits de description, les types de donnes possibles utiliss dans une valuation de
lexposition ont t diviss en quatre catgories : produit alimentaire, chane alimentaire, danger
microbiologique et consommateurs.
Tableau 3. Exemples de donnes requises lors dune valuation de lexposition

Domaine dans
lequel les donnes
sont requises
Description des donnes
Produit alimentaire Description dtaille du produit tel que consomm

Type de sous-produit lorsquon a affaire une large catgorie de produits (par exemple, type de fromage)
Mesure dans laquelle le produit ou sous-produit est originaire du pays ou import
Variations saisonnires du produit ou de sa composition
Autres aliments consomms avec le produit
Aptitude du produit favoriser la prolifration ou la survie, dfinie en termes de paramtres intrinsques ou
extrinsques essentiels comme la temprature, le pH, le sel et dautres ingrdients dans le produit.
Dure dentreposage, date limite dutilisation
44
Donnes ncessaires une valuation de lexposition
Domaine dans
lequel les donnes
sont requises
Chane alimentaire Informations sur les pratiques de production (ferme marachre, exploitation bovine, rcolte de locan, etc.)
Dtails des tests pour dterminer la prsence de pathognes effectus sur des animaux vivants ou des ingrdients
crus (dont leau), avec des informations sur les fluctuations et sur la sensibilit et la spcificit des tests
Pratiques dabattage
Principales oprations de transformation chaque tape, y compris des dtails de toute variation
Dures et tempratures de la transformation, de lentreposage ou du transport, y compris des dtails sur les
fluctuations
Dtails du mixage, en particulier, nombre danimaux ou de sous-produits y participant et la mesure dans laquelle
ce nombre fluctue
Dtails de la division, en particulier nombre de sous-produits confectionns et la mesure dans laquelle cette
quantit fluctue
Mthodes de nettoyage et de dsinfection frquence laquelle ils sont mens et mesure dans laquelle cette
frquence fluctue
Hygine et pratiques de manipulation et faon dont elles varient
quipement et procdure des oprations, architecture de lusine et mesure dans laquelle ces lments peuvent
varier
Utilisation deau et mesure dans laquelle elle peut varier
Bonne pratique agricole, bonne pratique de fabrication et dtails concernant lanalyse des risques aux points
critiques
Danger
microbiologique
Commencer par des valuations de la possibilit (prvalence) et du niveau de la contamination (quantit). La

prvalence et la quantit doivent correspondre ltape laquelle lvaluation dbute (par exemple, la ferme) et
le type dunit (par exemple, animaux, carcasse, sous-produit ou produit) sera dtermin en fonction de ce point
de dpart.
Description de la variation en commenant par la possibilit et la quantit, et en refltant le producteur, la
saison, lanimal, le climat, la rgion, la variation dun lot lautre, etc.
Genre, espces, race ou souche, sous-type, lysotype ou autre description de lidentit du pathogne avec le
niveau de dtail requis
Facteurs au niveau de lexploitation qui peuvent influencer la dynamique de la transmission : sources de
lorganisme, mcanismes de transmission entre les animaux, facteurs de gestion comme la densit
dentreposage, les pturages, les recours des agents antimicrobiens et des vaccins, les mouvements et le
caractre saisonnier des animaux
Changements de la probabilit et du niveau de la contamination dune tape lautre, depuis le point de dpart
jusqu la fin de la chane production-consommation, y compris une indication de la variation
Informations sur la prolifration et la survie influences par des paramtres essentiels intrinsques/extrinsques
Ampleur de la concentration de lorganisme dans le produit, y compris une description de la variation
Prsence et niveau de lorganisme sur lquipement, dans leau, sur les mains et sur les emballages, et faon
dont cette prsence varie
Ractions de lorganisme aux mesures de dcontamination et variations de la rponse
Caractristiques de survie dans lenvironnement de transformation, par exemple, sur lquipement, dans leau,
sur les mains et sur lemballage, y compris une indication de la variation.
Consommateurs
Diffrents groupes de consommateurs en fonction de lge, du sexe, de lorigine ethnique, de ltat de sant, de
la culture, de la rgion du pays, de facteurs socio-conomiques, etc.
Frquence de consommation du produit ou des sous-produits au sein de ces groupes
Quantits consommes (quantits exactes manges), portions classiques ou tailles des portions, et la faon dont
cela varie selon les groupes
Dures et tempratures de lentreposage la maison et dans le secteur de la restauration, et mesure dans laquelle
celles-ci varient
Mthodes, dures et tempratures de cuisson la maison et dans des services de restauration, y compris une
indication des variations

Domaine dans
lequel les donnes
sont requises
45

Pratiques de manipulation et mesure dans laquelle la contamination croise pourrait survenir, de mme que
quantit possible dorganismes transfre vers diffrents lieux de la cuisine si cela survient
4.1.2 Le produit alimentaire

Le produit alimentaire doit tre clairement dfini pour faciliter lutilisation des donnes
associes lors dune valuation de lexposition. En cas de contrle de la contamination dun
aliment, il convient de disposer de suffisamment dinformations sur laliment, sur les mthodes
microbiologiques et sur la conception exprimentale, ainsi que danalyses numriques. Par
exemple, on ne peut se contenter de textes scientifiques qui se rapportent une analyse dun
produit alimentaire, comme un fromage pte molle, mais en ne mentionnant que la catgorie
alimentaire ou lidentit du sous-produit. Il faut une description complte de laliment, y
compris les niveaux de sel, le pH, lemballage et dautres informations pertinentes. Des
informations sur la zone gographique, la saison et la mesure dans laquelle les donnes couvrent
tous les fabricants, les distributeurs ou les dtaillants peuvent galement savrer fort
intressantes. La quantit dchantillons est essentielle : souvent, il nest pas vident, partir de
donnes publies, de faire la part entre des chantillons indpendants et des chantillons rpts.
Parmi les facteurs alimentaires importants, citons le fait que le produit soit frais ou congel,
quil soit vendu cuisin ou non, quil doive encore tre transform ou pas, et la mesure dans
laquelle les ingrdients sont mlangs. Lnonc de lobjectif doit spcifier ces facteurs jusqu
un certain niveau mme sil est probable quil sera ncessaire de procder un recueil
dinformations plus dtaill pour lvaluation de lexposition. Ces donnes pourront se rfrer
aux diffrents types de sous-produits dans une catgorie alimentaire (par exemple, une catgorie
vaste comme les fromages pte molle ou les viandes fermentes), ou dautres facteurs qui
peuvent influencer la prvalence et/ou la concentration du danger dans laliment (par exemple,
si le produit ou les sous-produits sont issus du march domestique ou imports, les diffrents
ingrdients ajouts ou les autres produits habituellement consomms avec le produit).
La prolifration, linactivation et la survie de microorganismes sur ou dans le produit
alimentaire sont des paramtres essentiels au moment denvisager lexposition. Il est donc
crucial de dcrire toutes les proprits connues qui affectent la prolifration ou la survie dun
pathogne. Le pH, lactivit de leau et la temprature sont les proprits les plus frquemment
cites et souvent celles qui ont la plus grande influence sur le comportement des microbes.
Toutefois, de nombreux aliments disposent dautres proprits aux consquences importantes. Il
sagit notamment des niveaux de graisses, doxygne, de phosphates, de certaines pices,
danions acides (surtout lactate et le lactate), de nitrite, dagents humectants ioniques et nonioniques (sucre, sels, etc.) et dagents antimicrobiens comme le benzoate ou les sorbates. Il a
galement t dmontr que la structure alimentaire influenait galement considrablement le
comportement des microbes dans certains aliments.
4.1.3 La chane alimentaire
La chane alimentaire comprend toutes les tapes de la production primaire la consommation
(y compris la maison, le restaurant, les services dalimentation et/ou les collectivits) et il faut
donc disposer de donnes concernant toutes ces tapes. Partons de lexemple de la
transformation et de la distribution de la viande. Les tapes incluent lexploitation agricole, le
46
transport vers labattoir ou lusine de transformation et lattente, la transformation, lemballage,

lentreposage, la distribution et la vente au dtail, le transport au domicile, la manipulation, la
prparation et la consommation. Certains de ces processus et de ces tapes peuvent tre
diffrents dun producteur, dun dtaillant ou dun consommateur lautre et il importe donc
dobtenir des informations pour dcrire ces diffrences. Certains processus ou tapes peuvent
tre rglements, comme lutilisation de produits chimiques ou dadditifs. Ce type de
rglementations et les informations sur leur respect dans la pratique fournissent des donnes
importantes quil convient de recueillir.
Chaque tape de la chane alimentaire pourrait ou pas influencer le statut microbien du produit,
savoir sil est ou pas contamin, et si oui, la quantit dorganismes prsents. Il est important
dexaminer la prolifration et la survie, les dures, les tempratures et dautres facteurs
cologiques, comme le pH, aux tapes qui pourraient faciliter la prolifration ou freiner la
survie. Il est par exemple indispensable de disposer des dures et des tempratures des priodes
dentreposage ou de transport, les tempratures de conglation, les dures et les tempratures de
pasteurisation et les temps et tempratures de cuisson si le produit est vendu cuisin, ainsi que
lajout dingrdients qui peuvent altrer le pH. Il importe galement de disposer de donnes qui
permettent la description de la variation de ces paramtres, par exemple, dun producteur
lautre ou dun jour lautre. Souvent, chaque tape individuelle de la chane alimentaire est
considre comme statique pour une priode donne. Nanmoins, certaines conditions, comme
la temprature, sont davantage cycliques et les donnes doivent le reflter. Alors que certaines
informations sur linactivation thermique sont facilement disponibles, tel nest pas le cas de
donnes sur dautres traitements thermiques ou non thermiques qui influencent la prolifration
et la survie microbiennes.
Il existe, le long de la chane alimentaire, diverses options de contrle afin de minimiser le
risque de contamination microbienne du produit alimentaire fini. Elles peuvent tre incluses
dans des programmes danalyse des risques aux points critiques qui sont spcifiques chaque
produit et chaque tablissement producteur et qui peuvent donc tre diffrents dun producteur
lautre. Il faut donc recueillir des informations qui dcrivent la fois les mthodes de contrle
et leurs diffrences. Il sagira notamment des mthodes de nettoyage et de dsinfection, et la
frquence laquelle elles sont menes ; des mthodes dinactivation et leurs limites critiques ;
des tests effectus sur les animaux vivants, sur les produits intermdiaires ou sur les produits
finis, y compris des valuations de la sensibilit et de la spcificit ; des pratiques de
manipulation ; et la mesure dans laquelle on a recours au nettoyage et la dsinfection.
La possibilit dune contamination microbienne croise dans le milieu de la production
alimentaire est bien tablie. Il faut donc disposer de donnes sur lampleur de ce phnomne.
Certains points importants incluent notamment, le niveau de contact entre les animaux vivants
et abattus, ou entre le matriel vgtal cru et transform, lhygine des travailleurs, lquipement
et larchitecture de lusine, et les mthodes demballage. Comme prcdemment, il importe
galement davoir des informations qui dfinissent le niveau de variation.
La production dune denre alimentaire est un processus complexe qui peut impliquer plusieurs
tapes de mixage et de division. Par exemple, la viande dune carcasse de buf sera divise et
peut ensuite tre mixe avec de la viande dautres carcasses pour parvenir un hamburger de
buf hach. Le mixage et la division vont modifier le statut microbien du produit la fois en
matire de probabilit et dampleur de la contamination. Il faut donc recueillir des informations
qui dcrivent ces processus. En rgle gnrale, il sagira dinformations sur la frquence de ces
47
deux vnements, sur la quantit de carcasses ou de produits entrants dans la composition dun
produit mlang, et sur les caractristiques des produits obtenus aprs la division (y compris des
rpartitions des quantits et de la taille).
Les mthodes dentreposage et de prparation, que ce soit la maison ou dans le secteur de la
restauration, peuvent modifier le niveau de lexposition. Plus prcisment, une prolifration ou
une diminution peuvent survenir lors de lentreposage avant la prparation si les tempratures
sont favorables lun des deux processus ; la contamination croise, et donc lexposition qui en
dcoule, peut se produire lorsque les pratiques dhygine ne sont pas respectes ; et la cuisson
du produit en dterminera la concentration finale. Pour rsoudre ces problmes, les donnes
doivent saccompagner de descriptions de dtails pertinents, notamment : la dure et les
tempratures de lentreposage, les pratiques de manipulation habituellement suivies et la
probable contamination croise qui peut survenir au cours de la prparation, la possibilit que
ces vnements surviennent et le nombre possible dorganismes transfrs vers diffrents lieux
de la cuisine, lampleur de lexposition des consommateurs aux organismes transmis et les
temps et tempratures habituels de cuisson.
lments prendre en considration
Les informations utilises dans lvaluation de lexposition doivent tre recueillies de faon
reprsenter aussi fidlement que possible les conditions et pratiques les plus frquentes aux
diffrentes tapes de la chane alimentaire tudie. Cela ne sera pas toujours possible et dautres
donnes pourraient alors tre ncessaires. Il importe de dcrire prcisment la raison du choix
des donnes de substitution (substitut) et de prciser dans quelle mesure elles dcrivent ou pas
les conditions courantes.
Les pratiques de manipulation des aliments diffrent dune rgion lautre et mme au sein du
pays, en fonction de lorigine ethnique ou des habitudes locales. Quant aux pratiques de
manipulation des aliments dans les foyers, les restaurants et les tablissements de
restauration (dont les aliments vendus sur la voie publique), des descriptions appropries de la
possibilit et du niveau de la contamination par des pathognes (lis aux dures dentreposage et
aux tempratures de conservation pour les aliments cuisins vendus au public) ne sont
quoccasionnellement disponibles, rvlant une importante lacune.
4.1.4 Le danger microbiologique
tant donn que lvaluation de lexposition requiert en gnral une estimation de la possibilit
et du niveau de la contamination du produit par le danger microbiologique tudi, les
informations ncessaires dcriront ces paramtres et les facteurs qui les influencent. La
contamination peut tre dtermine en tant que pourcentage dchantillons contamins (la
prvalence) et/ou quantit de microorganismes prsents (par exemple, nombre dunits formant
colonies par gramme). Il est important de connatre le niveau de dtection et la taille de
lchantillon, ainsi que la sensibilit et la slectivit (ou spcificit) des mthodes de dtection
utilises. La sensibilit est la capacit dune mthode de dtecter une quantit donne. Une
mthode la sensibilit trop faible dbouchera sur un rsultat ngatif erron. La slectivit (ou
spcificit) est la capacit dune mthode de diffrencier des dangers microbiologiques. Une
slectivit trop faible pourrait dboucher sur des rsultats positifs errons. Il convient dvaluer
les mthodologies volutives, surtout au niveau des amliorations des milieux de culture
slectifs. Pour estimer au mieux les donnes sur la prvalence et la frquence de la
contamination, il faut fournir des descriptions appropries des dtails (cest--dire lanne, la
48
saison, le lieu gographique, le pays, etc.)

Notez que la plupart des tests pour dterminer la prsence de pathognes valuent la prsence
ou labsence, mais ne dterminent pas la quantit. Pour certains pathognes, aucun test na
encore t mis au point et donc mme les donnes de prvalence peuvent tre difficiles
obtenir. Enfin, il faut signaler que lefficacit des tests dpend souvent de la taille de
lchantillon.
Il faut commencer lvaluation de lexposition par des estimations de dpart de la possibilit et
du niveau de la contamination la premire tape pertinente. Si on sattarde sur la production
animale, par exemple, ces estimations de dpart dcriront la probabilit dune contamination
superficielle des animaux quittant lexploitation et le nombre dorganismes contaminants. Si
lvaluation dbute une tape ultrieure, le point dintrt de dpart sera la carcasse, le sousproduit ou le produit. Les donnes recueillies doivent idalement permettre la caractrisation
complte de toutes variations de la possibilit et de la quantit. La possibilit peut fluctuer dun
producteur lautre, en fonction de la saison ou de la rgion, tandis que le niveau de la
contamination peut varier dun animal lautre ou selon les producteurs, les saisons et les
rgions.
Pour des aliments dorigine animale, il peut savrer utile de connatre le statut infectieux ou de
colonisation des animaux vivants au niveau de lexploitation agricole et, selon le processus de
production, aux tapes ultrieures, par exemple, lors de lviscration. Il faudra donc disposer
dinformations concernant la probabilit de linfection ou de la colonisation et le niveau
dexcrtion, ainsi que lampleur de leur ventuelle variation. Pour les vgtaux ou les fruits,
lutilisation de fumier dorigine animale peut avoir un impact significatif sur la probabilit et le
niveau de la contamination des matriaux bruts ou des produits finis par le danger
microbiologique et de telles pratiques, bien que non recommandes, doivent tre prcisment
mentionnes.
Il faut comprendre la dynamique de linfection et de la contamination lors de la production
primaire pour pouvoir analyser les mcanismes des contrles des dangers microbiologiques
dorigine alimentaire au niveau des exploitations agricoles. Les valuations de dpart de la
probabilit et du niveau de la contamination dpendront de cette dynamique et il est donc
ncessaire de disposer dinformations dcrivant les processus sous-jacents. En gnral, il faudra
des donnes portant sur les sources ventuelles de linfection, les mcanismes de transmission
entre produits ou animaux, les facteurs de gestion y compris lutilisation dagents
antimicrobiens et de vaccins , les densits dentreposage, le caractre saisonnier de linfection
ou de la colonisation, les diffrences rgionales et les effets climatiques. De la mme faon,
certaines pratiques de la production primaire, comme le lavage et le classement, peuvent rduire
ou introduire une contamination, et doivent donc tre examines.
Aprs la collecte de donnes pour dcrire les niveaux de dpart de lexposition, il convient de
disposer dinformations relatives aux variations de la possibilit et au niveau de la
contamination tout au long de la chane alimentaire. Selon ltape, il existe parfois assez
dinformations qui dcrivent les vritables changements. Sinon, il peut savrer ncessaire de
prvoir les modifications de la probabilit et des niveaux ; dans ce cas, il faudra disposer
dinformations permettant ce genre de prvisions. Des donnes concrtes peuvent galement
servir valider certaines hypothses du modle.
Les prvisions des variations du niveau de la contamination dans le produit le long de la chane
49
alimentaire se baseront avant tout sur la microbiologie prdictive et donc sur les modles de
prolifration et de survie. Des informations sur la prolifration et sur la survie diffrents
niveaux de temprature, de pH, doxygne et de sel peuvent se rvler intressantes linstar
des taux de prolifration et des doses de rduction dcimale publis ou calculs. Il peut
galement tre important de disposer dinformations sur la prsence de lorganisme dans leau
utilise toutes les tapes, sur les machines, sur les emballages et sur les mains. Il conviendra
aussi dexaminer les donnes sur les ractions de lorganisme la dcontamination et sur tous
les effets de protection que le produit alimentaire offre aux diffrentes tapes.
lments prendre en considration
Au moment de planifier et de mener une valuation de lexposition, il faut envisager la
variabilit de linfectiosit ou la toxinognse des pathognes de faon ce que des donnes
reprsentatives soient rassembles. Il est vident quil existe une variabilit entre genres ou
espces, mais mme au sein dune espce, seuls certains sous-types peuvent se rvler
intressants en termes de pathogense.
Si des donnes nationales sur des pathognes dorigine alimentaire ne sont pas recueillies
systmatiquement dans un pays ou une rgion, il est parfois possible de recourir des
informations provenant dun autre pays pour certaines parties du modle de lvaluation de
lexposition. Dans ce cas, il faut clairement dcrire la raison du choix du pays et documenter les
informations sur les possibles restrictions des donnes reprsenter la situation actuelle dans le
pays tudi.
Il arrive que les niveaux maximums de contamination dun ingrdient cru ou dun aliment
vendu au dtail soient des paramtres sensibles de lvaluation de lexposition et difficiles
valuer. Pourtant, la concentration maximale enregistre dans un petit nombre de portions
pourrait ne pas tre reprsentative de la probabilit et du niveau de la contamination lorsquelle
est extrapole pour reprsenter des millions de portions.
Ltat physiologique et physique du microorganisme dans laliment reste un domaine
relativement peu explor. Le stress, une blessure et le rtablissement peuvent galement
influencer le dmarrage de la prolifration. Les spores seront dcrites par une distribution des
dures de germination. De nombreuses tudes se basent sur des cellules en phase stationnaire
cultives dans des bouillons riches en lments nutritifs des tempratures favorables et la
dure de la phase de latence prvue est reprsentative de ces conditions. Les cellules qui
contaminent un aliment peuvent tre dans un tat physiologique diffrent. Le niveau de
concentration ou de regroupement des organismes peut influencer la prolifration, la survie et la
contamination croise.
Pour certains produits, il a t prouv que la prolifration (taux ou ampleur, ou les deux) de la
microflore daltration dun produit influence le comportement du pathogne en question (par
exemple, Listeria dans le poisson fum).
4.1.5 Les consommateurs
Ltape finale de lvaluation de lexposition est le consommateur. Deux types dinformations
permettent de caractriser lexposition alimentaire aux dangers microbiologiques : des
informations sur le comportement des consommateurs et des donnes sur les modes de
consommation alimentaire.
On dispose de relativement peu dinformations sur les pratiques de manipulation des aliments
50
au sein des foyers qui affectent la scurit sanitaire des aliments. Elles varient en fonction de la
rgion gographique ou mme au sein dun pays selon, par exemple, lappartenance ethnique, le
sexe et lducation. En gnral, les dures dentreposage des consommateurs, lampleur de la
contamination croise, les temps et les tempratures de cuisson, les tempratures et les dures de
conservation chaud, et dautres donnes ne sont pas disponibles. Identiquement, on dispose de
peu dinformations sur les pratiques de manipulation des aliments au sein des restaurants et dans
les services dalimentation, dont la vente des aliments sur la voie publique, qui reprsente une
part de plus en plus importante des repas dans de nombreux pays.
Une valuation des risques microbiologiques (ERM) ncessite des informations relatives la
quantit daliments consomms et la frquence laquelle ils sont ingrs. Lexpression ou la
caractrisation spcifiques des modes de consommation alimentaire utiliss dans les ERM
dpendent la fois de la question laquelle cette dernire doit rpondre et des donnes sur la
consommation alimentaire dont dispose lvaluateur. Les tendances de la consommation
alimentaire varieront probablement en fonction des donnes dmographiques de la population
(ge, sexe, appartenance ethnique, tat de sant, groupe socio-conomique) et des diffrents
aliments disponibles selon les saisons et rgions (aux niveaux national et international). Il
importe particulirement de sintresser aux modes de consommation alimentaire des souspopulations fragiles (par exemple, les jeunes enfants, les femmes enceintes, les personnes ges
et les personnes immunodprimes) de mme que les comportements haut risque des
consommateurs (par exemple, la consommation de produits laitiers non pasteuriss ou de
produits base de viande crue). Les informations qui permettent lvaluation de la variabilit de
la taille des portions seront galement importantes.
Deux types de donnes sur la consommation alimentaire sont frquemment utiliss pour
caractriser les modes de consommation alimentaire dans le cadre des ERM : les statistiques sur
la production alimentaire et les enqutes sur la consommation. Dautres sources dinformation,
comme la vente ou lachat au dtail daliments, peuvent savrer utiles pour pallier labsence de
donnes soit au niveau de la production, soit celui de la consommation alimentaire.
Les statistiques sur la production alimentaire fournissent une estimation de la quantit de
produits alimentaires disponibles pour la population totale. Citons notamment les bilans
alimentaires de la FAO et dautres statistiques nationales sur la production alimentaire, sur la
disparition des denres alimentaires ou sur leur utilisation par personne. Ces informations sont
disponibles pour la plupart des pays et sont rassembles et rapportes de faon plutt uniforme ;
elles peuvent donc tre utiles au moment de mener des valuations de lexposition au niveau
international. Il est donc important de noter que les statistiques relatives la production
alimentaire ne prennent pas en considration les denres produites, mais jamais consommes en
raison de leur dtrioration ou dautres pertes. De la mme faon, les modles de consommation
peuvent grandement varier au sein dun pays et les valuations de la consommation calcules
sur base des bilans alimentaires ne reflteront pas cette variabilit. En Afrique, au sud du Sahara
par exemple, la majorit de la population vit de la terre et consomme ce quelle produit. Les
enqutes nationales sur la consommation alimentaire seraient trs utiles dans ce cas, mais
relativement peu de pays dans le monde en mnent. Certaines nations ont procd des tudes
sur un assortiment de produits alimentaires en vue de dcrire la quantit daliments consomms
et la frquence de leur consommation. Vous trouverez probablement dans les pays qui ont men
des enqutes sur la consommation alimentaire des mnages des informations prcieuses pour
procder des valuations de lexposition. Du reste, le recours des mthodes
dpidmiologie participative (Catley, 2000 ; Catley et coll., 2001) peut galement se rvler
51
utile lors de la collecte de donnes. Il sagit dun nouveau concept fond sur lutilisation de
techniques participatives pour recueillir des informations sur base des observations de la
communaut et des histoires orales traditionnelles.
Les enqutes sur la consommation alimentaire fournissent des informations dtailles sur les
types et les quantits de denres consommes par personne ou par mnage, et, dans certains cas,
sur la frquence laquelle elles sont consommes. Ces tudes comprennent en gnral un
chantillon reprsentatif dindividus ou de mnages partir desquels il est possible dextrapoler
la consommation de la population totale ou de sous-groupes prcis de la population. Dans la
mesure o la taille de la portion influence la quantit de pathognes consomms, ces enqutes
peuvent fournir une mthode pour dterminer une distribution de quantits consommes. Bien
quelles soient en gnral de courte dure (dun ou deux jours une semaine par personne ou
mnage participants lenqute), elles fournissent des informations dtailles sur les types
daliments consomms ainsi que sur le moment et le lieu o ils sont consomms.
Il est possible que des donnes sur la consommation alimentaire soient disponibles pour les
groupes risque dune zone prcise. Toutes les sries de donnes denqutes nationales ne
disposent pas de donnes brutes par nombre de jours et lieu de consommation, ni une quantit
totale de chaque aliment consomm, et mme si cest le cas, il est souvent difficile dextraire ce
genre dinformations et de les analyser (par exemple, le nombre de jours doit tre clairement
dfini au moment de lenqute et lorsque les donnes sont divises pour tre analyser, etc.). Cela
requiert galement un logiciel assez sophistiqu pour pouvoir analyser des donnes dittiques
individuelles ce niveau de dtail, plutt que de calculer des statistiques pour la population
moyenne ou mdiane. Cela est particulirement vrai sil faut rassembler toutes les sources dun
aliment au niveau dune personne (par exemple, la consommation de pommes partir de
pommes brutes, de jus de pommes et de tartes aux pommes). En termes dvaluation des risques
microbiologiques, cette addition de denres consommes de diverses sources pose dautres
problmes puisque chaque source alimentaire peut avoir un degr diffrent de contamination au
danger du fait de diffrentes mthodes de transformation et de prparation.
Les enqutes sur la consommation alimentaire rassemblent des informations sur la
consommation de milliers de denres alimentaires par un chantillon reprsentatif de personnes
de tout le pays. Nanmoins, elles ne recueillent pas dinformations descriptives sur les aliments
pouvant avoir un lien avec la scurit sanitaire des aliments. Par exemple, elles ne sintressent
peut-tre pas au fait que le lait soit ou pas pasteuris, quun fromage soit base de lait cru,
quune crevette cuisine soit issue du march national ou importe ou quun aliment ait t
emball par le transformateur ou lors de la vente au dtail. Pour obtenir ce genre dinformations,
il faut combiner des donnes sur les ventes daliments de diverses sources (industrie, association
professionnelle, magasins de dtail et autres) aux rsultats des enqutes sur la consommation
alimentaire pour valuer la frquence laquelle des produits alimentaires trs spcifiques
pourraient tre consomms. Lorsque cela est possible, il convient de comparer ces donnes avec
les informations issues des tudes pidmiologiques (tudes tmoins, de cohortes ou enqutes
sur les foyers) pour vrifier et sassurer que les enqutes alimentaires rendent compte des
vritables facteurs de risque.
4.2 Caractristiques des donnes

Les caractristiques des donnes qui pourraient tre ncessaires une tape prcise varient
dune valuation lautre. Mme si certaines caractristiques peuvent tre considres comme
52
idales, dans la pratique, il est souvent ncessaire dutiliser en premier lieu toutes les
informations disponibles. Cela souligne la nature itrative dune valuation de lexposition,
puisque les premires tentatives de modlisation dun processus devront probablement utiliser
des donnes comportant un haut niveau dincertitude. Cette procdure peut servir dterminer
o se concentrent les plus fortes incertitudes permettant ainsi de recueillir des donnes prcises
pour une mise jour ultrieure du modle. Progressivement, grce dautres itrations du
processus de modlisation, lincertitude diminuera. La premire itration dune valuation doit
donc tre mene de faon prcise pour identifier les besoins en donnes et/ou les lacunes. La
deuxime itration doit valuer le risque dexposition, mais avec de fortes limitations lies
lincertitude et la troisime, utilisant de nouvelles donnes, doit permettre une exposition
faible incertitude et forte capacit de prdiction. Il peut scouler beaucoup de temps entre ces
tapes. Le niveau dincertitude doit tre inclus dans la description des donnes.
La mthodologie microbienne voluera avec le temps et il importe, pour que lvaluateur des
risques puisse mener bien sa tche, quil y ait des indications de la slectivit et de la
sensibilit, de mme que des quantits dtectables minimales. Les deux premires posent
particulirement problmes. La littrature scientifique nglige souvent de dcrire de faon
approprie les distributions des donnes. On prsume que les paramtres microbiens sont
distribus normalement, sans vrification approprie. Des mesures de dispersion (par exemple,
les carts-types) sont rsumes pour toute ltude statistique, laissant penser lvaluateur des
risques que ces mesures de dispersion sappliquent dans toutes les conditions lintressant, ce
qui pourrait tre faux. Il est rare que luniformit des variances, une hypothse danalyse
statistique, soit confirme. Les valuateurs des risques veulent souvent obtenir les sries
compltes de donnes parce que de nombreuses informations pourraient se perdre dans les
moyennes et autres techniques statistiques ou graphiques. Lorsque les donnes sont essentielles
une valuation des risques, il convient de demander les informations originales aux auteurs.
4.2.1 Format des donnes
Le format idal des donnes dpendra du type particulier des donnes ncessaires. Il nexiste
pas un seul format idal pour toutes les donnes. Plus prcisment, les informations dcrivant
des processus biologiques ou de transformation seront en gnral textuelles, alors que les
paramtres et les donnes dentre du modle seront, autant que possible, numriques.
Nanmoins, il existe quelques principes fondamentaux quil convient dexaminer au moment de
formater les donnes :
Les sources des donnes doivent tre compltement rfrences (dans les limites de la
sensibilit commerciale).
Des units doivent tre cites le cas chant.
Il est prfrable dutiliser autant que possible des donnes brutes plutt que des moyennes ou
dautres statistiques sommaires.
Lorsque les donnes brutes ne sont pas disponibles, il convient de fournir autant que possible
une description du niveau dincertitude et de lampleur de la variabilit.
4.2.2 Niveau de dtail requis

Au moment de recueillir des donnes pour une valuation de lexposition, il est utile
denregistrer et de rapporter les dtails le plus compltement possible. Voici une liste des dtails
53
qui devraient tre le plus souvent enregistrs et rapports :
Informations sur les sources ou la provenance des donnes. Cela inclut : la rfrence complte
de la source sil sagit dun texte ou document similaire, le nom du fournisseur sil sagit
dune communication personnelle ou de donnes non publies, la date de lobtention des
donnes, lien ou source de financement, ou les deux, du fournisseur des donnes.
Informations sur ltude en elle-mme. Cette indication permettra de dterminer sil sagit
dune tude en laboratoire ou sur le terrain.
Dtails de lchantillon, y compris : espces animales (en donnant les noms scientifiques, le
cas chant) ou dfinition du produit ; source (pays, rgion, catgorie du producteur, chane
des dtaillants, etc.) ; mthode de slection (surtout pour llevage, si les chantillons sont des
cas cliniques ou choisis au hasard) ; taille de la population ; saison de la collecte, le cas
chant ; description ou taille de la portion, si appropri ; et mthode de prlvement des
chantillons.
Informations sur les mthodes microbiologiques. Cela inclut : mthode dchantillonnage,

espces des pathognes, sous-espces, souches, avec autant de dtails possible (et pour les
valuations de lexposition prtablies, les dtails requis doivent tre spcifis et recueillis) ;
tests utiliss, y compris toutes variations par rapport aux mthodes publies ; sensibilit et
spcificit des tests ; units utilises ; et prcision des mesures.
Informations sur les rsultats obtenus. Elles doivent tre enregistres en tant que donnes
brutes et comprendre : quantit teste et rsultats obtenus pour tous les chantillons tests.
4.2.3 Prsentation des donnes

Le format des donnes influencera la mthode de prsentation. Le principe fondamental est que
le rsultat doit tre clair et facile suivre. Une fois encore, les donnes peuvent tre textuelles
ou numriques. Lorsquune valuation de lexposition contient de nombreuses donnes, il est
prfrable dy ajouter une table des matires ou une liste. Une introduction ou un tour dhorizon
de lvaluation permettra de placer les donnes en contexte. Il faut ensuite prsenter les donnes
dans un ordre logique.
Gnralement, dans le cas dune valuation de lexposition, il existe une ou davantage de voies
par lesquelles le consommateur pourrait tre expos au danger microbiologique. La premire
srie de donnes tre prsentes est habituellement constitue dinformations textuelles qui
dcrivent ces voies. En cas de voies complexes, il pourrait tre ncessaire de recourir un
aperu de haut niveau, suivi dune description plus dtaille de chaque tape de la voie. De
mme, une prsentation graphique des voies, par exemple un diagramme, peut tre utile.
Au moment de prsenter les donnes numriques, il convient galement de suivre un ordre
logique et, une fois encore, il est probable quil faille suivre lordre des tapes dune voie
particulire. Des tableaux sont souvent utiles, surtout pour les donnes brutes. Toutefois, il
convient de prvoir suffisamment de texte pour dcrire entirement la pertinence des donnes et
la faon dont elles sont utilises dans lvaluation. Il est en gnral galement prfrable
dutiliser des tableaux pour les donnes sommaires. Des graphiques ou des histogrammes
peuvent en outre clarifier les donnes, mais ne doivent pas tre utiliss sans explication. Les
titres des tableaux ou des graphiques doivent tre formuls de faon les identifier
intgralement et doivent viter toute ambigut. Les rfrences doivent tre claires dans le
54
texte, le diagramme ou le tableau, et le document doit contenir une liste exhaustive des
rfrences. Il est probablement prfrable de joindre en annexe les pages web ou autres.
4.2.4 Lhomognit des sries de donnes pour permettre la comparaison
Si tous les dtails cits plus hauts ont t donns, il est alors possible dtablir un niveau de
comparabilit pour toutes les sries de donnes. savoir quelles peuvent tre facilement
compares pour dterminer si elles mesurent bien la mme chose, et si oui, si elles comportent
le mme niveau dincertitude. Nanmoins, il arrive quil faille les donnes de sorties de deux,
ou plus, expositions diffrentes pour obtenir des informations comparables. La comparaison
peut tre facilite en veillant utiliser des mthodes reconnues au niveau international. Il arrive
souvent que diffrents laboratoires utilisent diffrentes mthodes pour dterminer la prsence de
pathognes qui ne mesurent pas la mme caractristique. Par exemple, dans certains tests, des
laboratoires pourraient utiliser des mthodes aux limites de dtection diffrentes. Au moment de
comparer les estimations finales, les diffrences au niveau de la comparabilit des mthodes de
test sont probablement les plus difficiles rsoudre.
4.3 Possibles sources de donnes

Les donnes ncessaires aux valuations de lexposition peuvent provenir de multiples sources
dont certaines peuvent tre communes de nombreux pays. Il peut savrer utile de disposer de
donnes de diffrentes sources pour confirmer le niveau de consensus scientifique ou
dincertitude sur un point prcis. Les donnes requises peuvent provenir denqutes
systmatiques long terme, publies dans le domaine scientifique, ou dobservations
ponctuelles, consignes dans des archives interdites au public. Occasionnellement, des tudes
sont spcifiquement commissionnes, conues et menes pour fournir des informations une
valuation de lexposition. Cependant, dans la plupart des cas, il faut obtenir des donnes de
sources qui nont pas t prvues dans ce but prcis (cest--dire des donnes secondaires). Par
consquent, il peut arriver que les donnes ne soient pas disponibles sous une forme adquate
pour une valuation de lexposition ou naient pas le niveau de dtail requis. Cela signifie aussi
quil peut tre difficile de combiner ou de mettre en commun des informations de diffrentes
sources. Il est vident que la porte dune valuation de lexposition dterminera le type de
donnes ncessaires. Dans certains cas, linfrastructure ( savoir, les ressources humaines et
financires) et la disponibilit des sources de donnes limiteront les informations qui pourront
effectivement tre utilises lors dune valuation de lexposition. Parfois, lorsque les donnes
ncessaires ne peuvent pas tre obtenues comme prvu au dbut de lexercice, il conviendra de
revoir la porte de lvaluation en collaboration avec le responsable de la gestion des risques.
Nous abordons ci-dessous certaines sources courantes de donnes en termes dobjectif,
dinformations quelles contiennent et dventuels problmes connexes. Vous trouverez
galement une liste des sources potentielles dinformation en annexe 2.
4.3.1 Donnes nationales de surveillance des maladies dorigine alimentaire
Bon nombre de pays disposent de systmes qui rassemblent des informations sur lincidence des
maladies dorigine alimentaire. Ces informations, fournies par les autorits sanitaires aux
niveaux local, national et international, identifient les combinaisons pathogne-aliment
impliques dans les apparitions de maladie dorigine alimentaire.
55
Avantages
Ce genre de systmes peut en gnral fournir de nombreuses donnes et dispose dun certain
recul. Souvent, les informations sont trs spcifiques et comportent des descriptions assez
dtailles de laliment (type, quantit, composition), du pathogne (identifi de faon fiable,
souvent par sous-type) et des consommateurs (ge, sexe, tat de sant). Ces dernires annes, le
renforcement des rseaux de surveillance a permis daccumuler les donnes obtenues grce
des enqutes sur les maladies dorigine alimentaire. Il sagit notamment de Foodnet
(http://www.cdc.gov/foodnet/), de Pulsenet (http://www.cdc.gov/pulsenet/) et de SIRVETA
(http://www.panalimentos.org/sirveta/i/index.htm).
Limites
Dans de nombreux cas, les donnes ne concernent quune srie limite de dangers
microbiologiques et ne refltent pas les cas sporadiques. Un gros dsavantage de ces systmes
est que les informations ne sont fournies que pour les consommateurs dclars srieusement
malades et ne tiennent pas compte de ceux qui ont t exposs, mais qui nont pas t malades
ou qui lont t, mais sans avoir consult. Il nest pas possible denregistrer les vritables
niveaux dun pathogne prsent dans un aliment parce que le systme na pas t conu pour
cela ou parce quaucun chantillon daliment ntait disponible pour tre examin, surtout
lorsquil sagit de services dalimentation (restauration) o labsence dchantillons des aliments
incrimins pose problme. Certains pays, comme le Japon, ont mis en place des programmes
obligatoires qui exigent des services dalimentation quils prservent des chantillons
daliments pendant une certaine priode pour pallier ce manque.
4.3.2 Donnes provenant denqutes pidmiologiques analytiques
Les enqutes pidmiologiques sont des tudes, tmoins ou de cohortes, qui ont t
commissionnes pour enquter prcisment sur le niveau de vulnrabilit de diffrents
consommateurs et de groupes de consommateurs lgard de certains dangers
microbiologiques.
Avantages
Ces tudes sont trs spcifiques et fournissent de nombreuses informations dtailles sur le
pathogne et les consommateurs qui entrent en considration dans lvaluation de lexposition.
Limites
Les donnes sont souvent produites pour un nombre relativement petit de consommateurs en
raison du prix de lenqute et ne sont peut-tre pas reprsentatives de groupes de
consommateurs plus vastes. De la mme faon, les donnes brutes sont rarement consignes ou
accessibles au public.
4.3.3 Donnes provenant de contrles systmatiques
Les gouvernements ont souvent mis en place des programmes volontaristes visant
chantillonner les denres et leau afin dy dtecter la prsence de pathognes ou dautres
dangers microbiologiques inquitants. Des agences gouvernementales (services dinspection et
de contrle ou laboratoires dsigns) mnent en outre des contrles de routine.
56
Avantages
Ces activits gnrent de nombreuses donnes, la fois en termes de prvalence et de niveau de
la contamination. Il devrait tre possible de recourir de telles donnes lors dvaluations de
lexposition, surtout celles des contrles systmatiques qui couvrent un vaste ventail de
produits dune certaine catgorie et dune rgion significative (pays ou rgion).
Limites
Les donnes de surveillance recueillies par plusieurs agences gouvernementales sont rarement
mises en commun et les donnes pourraient tre difficiles daccs ou obtenir. Par ailleurs, elles
ne fournissent en gnral pas une description dtaille du produit ou du pathogne et elles ne
sont habituellement pas lies des maladies des consommateurs.
En outre, un gros dsavantage de cette mthode est que les donnes ne sont pas alatoires. Elles
sont gnres dans le cadre de systmes de contrle officiels qui prennent souvent en
considration les limites des moyens en ne se concentrant que sur les aliments dont on sait
quils posent problmes. Autrement, elles sont produites pour soutenir des processus
dinspection alimentaire o des chantillons ne sont prlevs que lorsquil semble y avoir un
problme dhygine au niveau des locaux ou du processus, et sont donc souvent fausses.
4.3.4 Donnes issues des enqutes sur la production primaire
La plupart des valuations de lexposition publies jusqu prsent ont souvent identifi
labsence de donnes spcifiques la production primaire comme une faiblesse.
Occasionnellement, les gouvernements ou dautres parties prenantes conoivent des
programmes de contrle prcis des tablissements qui participent la production primaire.
Toutefois, ces programmes ont dautres objectifs (par exemple, mieux comprendre lcologie
dun pathogne et lhygine de la production pour amliorer ou affiner les mesures de contrle
le cas chant). Il sagit souvent de petites tudes prcises qui concernent principalement un
pathogne et un type de produit (par exemple, Salmonella dans les poulets de chair).
Avantages
Ces enqutes peuvent gnrer de nombreuses donnes cibles qui portent avant tout sur la
prvalence et, dans une moindre mesure, sur les niveaux de la contamination. Ces informations
sont trs prcieuses lorsque lvaluation de lexposition porte sur la combinaison de pathognesproduits prcisment tudie et sur un secteur au sein duquel les pratiques de production ne
fluctuent pas trop.
Limites
La valeur de ce genre dtudes est clairement limite en termes de gographie et de temps.
4.3.5 Donnes provenant des sources industrielles
Les associations professionnelles ou les industries recueillent des informations sur la prsence
de dangers microbiologiques pour diverses raisons. Elles pourront galement vous transmettre
des informations sur les ventes du produit et sur sa part de march.
Avantages
Dans certains secteurs, lchantillonnage et le contrle des matires premires et des produits
finis se font souvent et grande chelle puisque cest lunique faon de garantir la scurit
57
sanitaire des aliments. Dautres ont adopt une approche prventive cet gard en mettant, par
exemple, en place un systme de gestion de la scurit sanitaire des aliments bas sur les
principes de lanalyse des risques aux points critiques. Ces industries sintressent peu au
contrle des produits finis puisque lchantillonnage et le contrle de microorganismes
seffectuent tout au long du processus pour valider/vrifier le bon fonctionnement du systme de
gestion de la scurit sanitaire des aliments. Du reste, lenvironnement de la production
alimentaire est chantillonn en tenant compte de la contamination croise. Dans bon nombre de
cas, ces donnes portent sur la prvalence de certains dangers microbiologiques (y compris des
pathognes ou des organismes indicateurs). Nanmoins, les niveaux de la contamination sont
galement enregistrs, mais principalement pour des groupes gnriques de microorganismes
(dnombrements totaux des organismes viables, entrobactries). Lindustrie recueille de
nombreuses informations spcifiques au produit-denre quelle enregistre dans un vaste ventail
de systmes privs.
Limites
Les principales limites de linclusion de donnes issues de lindustrie dans les valuations de
lexposition sont que dune part, elles ne sont en gnral pas spcifiques un agent pathogne
et, de lautre, quil est difficile de les mettre en commun lorsquelles sont produites dans des
contextes industriels difficilement comparables. Paralllement, laccs et lextraction de ce
genre de donnes posent problmes dans la pratique. ce propos, il convient galement
daborder le problme de la confidentialit qui peut tre une pierre dachoppement au moment
daccder aux informations. Le recours des donnes de proprit industrielle a t abord dans
le cadre de lvaluation des risques chimiques et cette exprience pourrait tre prcieuse pour
rsoudre ce problme lgard des donnes microbiologiques.
Les enqutes menes au niveau de la vente au dtail sont galement une source dinformation
industrielle. Une importante limitation du recueil de ces donnes par un groupe quel quil soit
associations professionnelles, universits, consultants est que lidentification dun aliment
positif pourrait dclencher le rappel (par exemple, Listeria dans les aliments prts--consommer
ou E. coli O157 dans du buf hach). Lenqute a alors peu de valeur, car toute forme de rappel
pourrait modifier la distribution des aliments et empcher une coopration future.
4.3.6 Donnes issues de rapports gouvernementaux
Les gouvernements publient rgulirement des rapports contenant, par exemple, des donnes sur
la contamination et la consommation daliments, sur lvolution de la population, sur les
comportements des consommateurs, des enqutes nutritionnelles, des informations sur la
production alimentaire, des rapports sur le rappel daliments, sur les inspections des
importations en quarantaine et sur les volumes imports et exports. En outre, il est possible de
trouver dans le domaine public des tudes prcises, comme des valuations des risques.
Avantages
Ces rapports peuvent tre un bon point de dpart pour recueillir des informations sur les
diffrents aspects dune valuation de lexposition, car ils fournissent en gnral un bon aperu
dun thme prcis.
Limites
Lors de la publication de donnes numriques, elles y figurent en gnral sous une forme
agrge. Les dtails essentiels pour remettre les donnes en contexte pourraient manquer et il
58
faut alors consulter diffrents ministres ou agences pour obtenir tous les rapports. Il existe
rarement un lieu unique o toutes ces informations sont rassembles. Un problme spcifique
des valuations de lexposition internationales est que les informations et les donnes pourraient
ne pas tre pas disponibles en raison de barrires linguistiques. Il peut tre difficile la fois de
trouver les informations intressantes et de les interprter correctement dans leur contexte.
4.3.7 Donnes issues de recherches publies
Les universits et dautres organisations publient leurs rsultats dans le domaine public. Ces
publications sont soit des documents qui ont t rviss par la communaut scientifique, soit des
communications crites non revues par des pairs (travaux dune confrence, livres, sites
internet, etc.).
Avantages
Ce genre de publications dispose souvent dun bon niveau de dtail propos de certaines
combinaisons pathogne-aliment (sous-type de pathogne, niveaux de la contamination, freins
la prolifration du pathogne, processus dinactivation, etc.) et sont en gnral disponibles pour
une vaste zone gographique. Les conditions dans lesquelles les donnes sont obtenues et les
mthodes utilises sont gnralement bien documentes. Il convient de noter quen raison de
leur nature difficile, certains lments particulirement importants pour les valuations de
lexposition, comme la recontamination aprs la transformation et la contamination croise la
maison, commencent peine tre publis dans la littrature rvise.
Limites
Un dsavantage des recherches publies est que dans de nombreux cas, les tudes sont menes
dans des conditions de laboratoire qui ne correspondent pas toujours bien aux conditions sur le
terrain que lvaluation de lexposition doit traiter. Une fois encore, ce sont des donnes
agrges plutt que brutes qui sont publies. La diversit des langues utilises pour ces
publications peut galement en limiter laccs et lutilisation. Ces publications manquent en
gnral de descriptions de lincertitude et de la variabilit des donnes et il faut alors consulter
les auteurs pour obtenir des informations ce propos. Certaines recherches publies sont
difficiles localiser du fait de labsence de listes informatiques facilement accessibles pour
certains documents comme des fiches pratiques, des travaux de confrence, des thses, etc.
4.3.7 Donnes issues de recherches non publies
Daprs lexprience collective des personnes ayant particip la prsente publication, des
quantits importantes de donnes (gnres dans le monde entier) ne sont probablement jamais
publies sous une forme qui peut tre utilise par dautres. De multiples raisons peuvent
expliquer cette situation comme le manque dattrait pour le sujet de la part des diteurs ou de la
communaut (scientifique), des obstacles la communication (moyens, langue) ou du temps
et/ou des moyens limits pour le chercheur. Cest dplorable, car ces donnes pourraient
apporter de nouveaux points de vue, rduire lincertitude et viter de recommencer inutilement
certaines expriences.
Certaines mesures peuvent nanmoins tre prises pour amliorer laccs ce genre
dinformations. Il est notamment trs important dtablir des rseaux qui peuvent tre utiliss
pour informer un public plus vaste des donnes requises pour une valuation des risques et qui
permettent aussi dobtenir des informations sur des tudes non publies, voire dy avoir accs.
59
La prise de contact avec des fournisseurs potentiels de donnes est essentielle pour tablir la
confiance et garantir que les donnes seront utilises comme il se doit et resteront
confidentielles si ncessaire. Il existe un besoin de se mettre en rseau, notamment avec dautres
personnes susceptibles de travailler dans des domaines o des donnes sont requises.
4.4 Recueil, slection et utilisation des donnes

Les objectifs et la structure de lvaluation des risques dterminent les donnes prcises requises
pour calculer les paramtres ncessaires lvaluation de lexposition. La plupart des donnes
ont t prcdemment recueillies pour des objectifs distincts dune utilisation dans des
valuations des risques, mme si, dans certains cas, de nouvelles donnes pourraient tre
collectes. Le texte qui suit aborde le recueil de donnes (dans les cas o cela est possible), ainsi
que la slection et lutilisation de donnes existantes (lorsque le recueil de nouvelles donnes est
impossible). Vous trouverez galement dans les titres qui suivent des mthodes appropries
pour trouver, choisir, convertir dans une unit commune, combiner, calculer ou gnrer des
donnes qui satisfont tous les besoins en matire dinformations dune valuation des risques.
4.4.1 Recueil de donnes
Les valuations de lexposition exigent des donnes sur une srie de caractristiques, dont la
prolifration et la survie microbiennes, ainsi que la prvalence et le recensement de
microorganismes pathognes. Il est essentiel de connatre lexactitude, la fiabilit et la
reprsentativit de ces donnes. De nombreux problmes lis aux caractristiques des
donnes et leur chantillonnage sont communs la plupart des maillons de la chane
alimentaire. La prsente rubrique aborde certains problmes relatifs lestimation de la
prvalence et la quantit de dangers microbiologiques. Une analyse similaire sera mene au
moment destimer une quantit quelconque de variables qui peuvent intgrer une valuation de
lexposition.
En raison de la porte et de la complexit du sujet, nous ne prsenterons ici quun rsum. Les
lecteurs qui envisagent de rassembler de nouvelles informations pour des valuations de
lexposition auraient tout gagner consulter des personnes formes et exprimentes dans ce
domaine.
Il est possible de reprsenter le processus dtablissement dune estimation de la prvalence ou
du recensement des dangers microbiologiques comme une squence dvnements :
1.
Dfinition des besoins de la recherche.
2.
Identification de la population de rfrence et de la population tudie, et

tablissement dun cadre dchantillonnage.
3.
Conception dun plan dchantillonnage et identification de la population

chantillonne.
4.
Recueil, transport et analyse des chantillons appropris.
5.
Analyse statistique des donnes.
Nous abordons plus loin leffet de chaque tape sur les rsultats finaux.
Dfinition de la question de la recherche
Mme si cela semble une exigence vidente, les besoins de la recherche ne sont pas toujours
60
dfinis. Cette tape doit tre la premire du processus puisque toutes les dcisions qui suivront
dpendront dune spcification correcte du problme. Idalement, la question sera guide par
une comprhension des principaux processus de la filire alimentaire qui dterminent les risques
pour la sant humaine. Diffrentes questions requirent diffrents modles dtude. Pour estimer
la prvalence dun danger microbiologique dans une population animale, il faudrait
thoriquement chantillonner un nombre reprsentatif danimaux de la population (cest--dire,
choisis au hasard). Une tude destine numrer les microorganismes pathognes devrait
slectionner les chantillons pour nanalyser quantitativement que ceux contamins.
Une dfinition prcise du danger et de la porte de ltude est galement indispensable. Par
exemple, on peut vouloir valuer la prvalence de toxines similaires celles dEscherichia coli
productrice de toxine Shiga (STEC) ou concentrer ltude sur E. coli srotype O157:H7. Dans
certains cas, on en sait peu propos de la pathognicit de certaines souches de bactries (par
exemple, Campylobacter spp.) et, mme sil est peu probable que tous les Campylobacter jejuni
aient les mmes effets pathognes pour les tres humains, il nest pas possible, lheure
actuelle, dobtenir des estimations plus prcises sur la prvalence de souches virulentes. Ces
facteurs doivent tre pris en considration au moment dinterprter les rsultats de lvaluation
de lexposition.
Identification de la population de rfrence et de la population tudie
La population de rfrence est la population pour laquelle on dsire gnraliser nos rsultats
(par exemple, les populations bovines aux niveaux rgional, national ou international ; les
enfants ou la population entire). La population tudie est celle dans laquelle on dsire prlever
nos chantillons et est souvent dfinie en termes despace et de temps. Le cadre
dchantillonnage est une liste dunits dchantillonnage primaire, par exemple les producteurs,
de laquelle on dsire prlever des chantillons. Lors dtudes nationales, il peut tre difficile
dobtenir un cadre dchantillonnage reprsentatif : les sources pour dterminer ce cadre sont
notamment les donnes des recensements nationaux et les listes des producteurs, mais dans les
deux cas, elles peuvent soit inaccessibles, soit accessibles, mais assorties de restrictions en
matire de diffusion (par exemple, lanonymat des producteurs) ou fausses. Cette situation peut
se rvler particulirement problmatique dans les pays en dveloppement.
Conception dun plan dchantillonnage et identification de la population chantillonne
Il convient dutiliser des plans dchantillonnage spcifiques pour obtenir des valuations
impartiales (chantillon alatoire simple, chantillon alatoire stratifi, chantillonnage par
groupement) prvoyant une variabilit souvent reprsente par des intervalles de confiance. Ils
peuvent tre ajusts en fonction du manque dindpendance des rponses (chantillons par
groupement), des corrections finies de la population et de la sensibilit et spcificit des tests de
diagnostic. La prcision de lvaluation dpendra de la taille de lchantillon et cela doit tre
dtermin avant dentamer ltude. La taille des chantillons peut tre calcule en utilisant soit
lapproche classique, soit lapproche baysienne, aprs avoir tenu compte de la prcision
souhaite, des opinions antrieures sur la prvalence et des connaissances pralables des tests de
sensibilit. La proportion de non-rponses pourrait aussi influencer la fiabilit de lestimation de
la prvalence et dautres paramtres. Leffet dun manque de conformit dans les enqutes
alatoires de grande ampleur nest souvent pas pris en considration au moment dvaluer
lincertitude des estimations de paramtres. Lors de ltude de problmes politiquement
sensibles, comme le transport de pathognes dorigine alimentaire, labsence de rponses peut
tre un lment important prendre en considration.
61
Recueil, transport et analyse des chantillons

La faon dont lchantillon est recueilli peut avoir une incidence sur le calcul de la prvalence,
ou sur la quantit de microorganismes dans un chantillon, ou sur les deux. Par exemple,
lchantillonnage rectal des animaux par prlvement numrique ou couvillon a plusieurs
avantages : lchantillon est frais et identifiable un animal. Pourtant, cette mthode
dchantillonnage soulve quelques problmes comme lhtrognit (regroupement) de la
rpartition des bactries au sein des fcs qui peut provenir dune sous- ou dune surestimation
de la prvalence et de lexcrtion. Lchantillonnage environnemental (chantillonnage des
bouses) peut tre une solution de remplacement. Cette mthode requiert moins defforts, est
susceptible damliorer la conformit et est sans incidence sur le bien-tre de lanimal. Par
ailleurs, si les fcs sont fraches et si les chantillons sont prlevs divers endroits de la
bouse, ils reprsenteront davantage les vrais taux de prvalence et dexcrtion. Toutefois,
cette approche comporte galement un certain nombre de dsavantages. Dans la pratique, il est
trs difficile deffectuer un vritable chantillonnage alatoire et, moins dobserver lanimal
en train de dfquer, les chantillons ne sont ni frachement mis, ni identifiables un animal
prcis (le mme animal peut donc tre chantillonn deux fois). Du reste, si linfection altre
le taux de dfcation (par exemple, provoque une diarrhe chez lanimal hte), cela aboutira
une surestimation de la prvalence. Certains de ces problmes sont abords plus loin, dans la
partie consacre lanalyse des donnes.
Le recueil, le transport et lentreposage des chantillons peuvent influencer les estimations
finales de la prvalence ou de la quantit de microorganismes. Par exemple, Campylobacter est
sensible la conglation et la lumire ultraviolette. La survie de la plupart des
microorganismes dclinera en gnral pendant la priode entre le recueil et lanalyse, pour
autant que les tempratures soient contrles. Il existe plusieurs techniques microbiologiques
pour maximiser la survie, y compris lutilisation de moyens de transport appropris, des
bouillons cryoprotecteurs et des techniques pour la rcupration de bactries viables, mais ne
pouvant tre cultives. Autrement, la prolifration bactrienne pourrait survenir avant lanalyse,
dbouchant sur une plus grande sensibilit de la dtection ou une fausse surestimation de la
concentration.
Les tests microbiologiques peuvent tre caractriss par leur sensibilit et leur spcificit. Il
convient de noter que les diffrentes dfinitions de la sensibilit dans les laboratoires et dans le
domaine pidmiologique sont de nature gnrer une certaine confusion. La sensibilit
diagnostique, telle quutilise en pidmiologie, fait rfrence laptitude de la mthode
dtecter un danger microbiologique lorsquil est prsent dans un chantillon, alors que la
sensibilit laboratoire est lie aux limites de dtection. La spcificit est la capacit dun test de
faire la distinction entre le danger microbiologique vis et dautres microflores
contaminantes .
Il est prfrable dutiliser des tests standardiss et valids (AOAC International, ISO, AFNOR,
APHA, etc.) dont les caractristiques sont connues. En labsence de validation, la sensibilit et
la spcificit du test sont rarement connues et sont susceptibles de varier divers niveaux, y
compris entre laboratoires dessai, au sein des laboratoires (avec le temps) et mme dun
chantillon lautre. Idalement, il faudrait que le laboratoire de recherche examine la
sensibilit et la spcificit dune mthode prcise au moment de lanalyse. La documentation
des mthodes utilises lors dune valuation de lexposition doit tre accompagne
dinformations quantitatives sur lexactitude des tests utiliss, savoir tamage ou nombre le
62
plus probable, moins que les mthodes ne soient bien connues.

4.4.2 Recherche des donnes
Lorsque les donnes ne peuvent pas tre expressment recueillies pour lvaluation des risques,
il convient de rechercher les informations appropries. Il faut envisager des protocoles de
recherche utilisant des bases de donnes dtudes consultables par ordinateur qui soient
complets et reproductibles, mais galement slectifs bon escient comme Promed
(http://www.promedmail.org/pls/promed/f?p=2400:1000), Food Science and Technology
Abstracts
(FSTA
http://www.fstadirect.com/loginPage.asp),
Pubmed
Current
Contents
et/ou
ComBase
(http://www.ncbi.nlm.nih.gov/sites/entrez),
(http://www.combase.cc). Il faut systmatiquement chercher obtenir des textes qui sont
antrieurs ces bases de donnes ou qui ne sont pas indexs grce aux citations dans des
publications plus rcentes, dans des versions rvises ou dans les chapitres des livres. Il faut que
les critres adopts par les protocoles de recherche et pour le choix des donnes soient
transparents et accompagns des explications appropries dans la documentation. Des demandes
peuvent tre directement adresses aux personnes qui disposent dinformations dans des
domaines prcis. Lindustrie et les associations professionnelles peuvent donc tre contactes
pour obtenir des informations et des donnes numriques sur les filires des produits.
4.4.3 Slection des donnes
On entend souvent que toutes les donnes sont fausses . Nanmoins, il faut que les donnes
soient aussi reprsentatives que possible de laliment, des microbes ou des paramtres du
processus analys et de la population consommant la denre. Gnralement, les donnes
provenant de publications rvises par des pairs ont la prfrence, suivies des donnes non
rvises ou non publies (documents gouvernementaux, thses, travaux de confrences, etc.).
Certaines informations ne sont pas disponibles dans les textes rviss (comme les donnes sur la
consommation) et il convient de rappeler que mme les donnes rvises ne sont en gnral pas
recueillies aux fins de leur utilisation dans des valuations de lexposition et pourraient donc ne
pas entirement satisfaire aux exigences en matire de donnes ou ne pas tre compltement
reprsentatives dans le cas prsent. Toute partialit ou limitation de la faon dont les donnes
reprsentent un point de vue spcifique doit tre identifie et documente (par exemple, la
source de financement). Lorsquaucune donne na pu tre trouve, lavis des experts
simposera (voir la partie sur labsence de donnes ci-dessous). En rgle gnrale, les donnes
doivent se rapprocher le plus possible des exigences de lvaluation de lexposition, ou lui tre
spcifiques. Par exemple, si lvaluation de lexposition doit calculer lexposition dans un pays
donn, on prfrera les donnes provenant de ce pays. Le second choix se porterait sur des
informations provenant de la rgion ou dune rgion analogue. Enfin, la dernire possibilit
serait dutiliser des informations issues dautres rgions du monde (en gardant lesprit
lobjectif de lvaluation des risques). Les critres de slection incluent notamment de
sintresser des facteurs comme la situation gographique, le temps, la souche microbienne, la
mthodologie, le type dquipement et les donnes dmographiques de la population. Les
donnes relatives la consommation alimentaire devraient contenir assez de dtails pour
permettre dvaluer la consommation dun ou de plusieurs aliments tudis par repas ou par
jour. Elles doivent tre reprsentatives de toute la population et, idalement, fourniront des
informations sur les sous-groupes au sein de la population.
63
4.4.4 Analyse statistique des donnes

Les tests microbiologiques sont constamment affins afin damliorer la sensibilit et la
spcificit. Pourtant, ces caractristiques des tests sont rarement values statistiquement
lorsque ltude est mene. Le niveau minimum de dtection dun test peut tre estim en
rptant des tudes au cours desquelles une quantit connue de microorganismes issus de
dilutions progressives est inocule dans les chantillons. Nonobstant, ces tudes ne sont pas
videntes. Il est possible de se tromper en valuant la quantit de microorganismes dans
lchantillon original qui sert aux tudes ajout connu (et ensuite aux dilutions progressives). Il
peut, en outre, tre difficile dobtenir un chantillon de dpart sans pathogne et les
microorganismes des chantillons enrichis pourraient ne pas se comporter de la mme faon
que ceux dchantillons naturellement contamins. Ces problmes mritent dtre encore
tudis. La spcificit peut tre observe dans des tudes qui utilisent des chantillons auxquels
on a inocul des microorganismes qui sont reprsentatifs de ceux naturellement prsents
dans lchantillon, tant en termes de type que de quantit.
Les valuations de la prvalence ou de la quantit, et de lincertitude associe devraient se
bases sur un examen approfondi du modle de ltude et de lexactitude des tests de diagnostic.
Par exemple, le modle de ltude, y compris la taille de lchantillon, influence lincertitude. Si
lchantillon provient de lenvironnement (par exemple, chantillons de bouse), il faut analyser
diffrents chantillons de la mme source, prendre en considration diffrents taux de
dfcation et considrer que la taille de la population est inconnue. Ces sources dincertitude,
comme dautres linstar de la sensibilit du test, peuvent tre intgres un cadre baysien
(voir Clough et coll., 2003a,b) pour valuer une rpartition postrieure de la prvalence. Des
approches identiques peuvent servir calculer la quantit de microorganismes vacus dans les
fcs et la contamination de surface, ainsi que les distributions de lincertitude qui y sont
associes. La relation entre la prvalence et les quantits dorganismes contenus peut galement
tre analyse grce des modles empiriques et mcanistes paramtrs par des donnes de
terrain (voir Anderson & May, 1991).
4.4.5 Combinaison de donnes
Souvent, la quantit de donnes reprsentative est limite et il est prfrable de toutes les
utiliser. Nanmoins, des dcisions simposent lorsque diffrentes sries de donnes ont
diffrents niveaux de pertinence et conditions dapplication lgard du paramtre modlis.
Vous trouverez des suggestions des situations dans lesquelles il faut combiner des donnes lors
dvaluations de lexposition et sur la faon de le faire dans Cullen & Frey (1999). Il est
galement possible de se servir de techniques comme des mta-analyses (Petitti, 2000) pour
combiner des sries de donnes. Les approches baysiennes (Vose, 2000) peuvent savrer
utiles au moment dexaminer ltat des connaissances actuelles la lumire des informations
recueillies rcemment. Dans certaines situations, le recours des techniques baysiennes permet
de mieux valuer le paramtre calculer que si des donnes rcentes taient utilises seules.
Lorsque la srie de donnes est fausse, les informations peuvent tre ajustes avant dtre
combines dautres donnes ou utilises dans lvaluation des risques. Par exemple, cela
pourrait survenir lorsque des tudes rcentes ou des mises au point de procds ont dmontr
que les donnes recueillies par une mthode sous-estiment toujours de la mme faon la
vritable valeur du paramtre.
La pondration est souvent utilise pour que les sries de donnes considres comme les plus
64
intressantes aient davantage dinfluence sur la valeur calcule du paramtre. La pondration

par le nombre dchantillons est frquente de sorte que des tudes plus vastes ont plus
dinfluence. On peut galement recourir cette mthode pour reflter lopinion des experts
lgard de la qualit et du caractre opportun des donnes. Des donnes plus anciennes ou
provenant dune autre zone gographique peuvent galement tre utilises pour valuer la valeur
du paramtre, mais en lui donnant moins de poids. Le choix des facteurs numriques de
pondration est grandement subjectif et doit tre expliqu pour garantir la complte
transparence. Il est possible de parvenir des sries de donnes composites en faisant des
moyennes, en utilisant la mthode des moments (Hansen, 1982) ou des valuations maximales
de la possibilit. Un examen minutieux des diverses sries de donnes pourrait faciliter les
valuations de la variation (par exemple, diffrentes souches microbiennes utilises dans
diffrentes tudes) ou de lincertitude (erreurs rsiduelles dans des analyses statistiques). Les
mta-analyses et les modles effets mixtes peuvent galement calculer les variations des
donnes.
Pour viter que la subjectivit de lvaluateur ne transparaisse dans les valeurs des paramtres,
aucune donne ne doit en gnral tre ignore ou supprime. Pourtant, certaines informations
pourraient tre clairement incompatibles avec le reste des donnes recueillies et avec les
connaissances. La comparaison de la taille du reste de la distribution avec la divergence dune
srie de donnes prcise pourrait suggrer lexclusion dune srie de donnes spcifique. Cela
doit tre fait avec prcaution, car la valeur aberrante pourrait indiquer une autre source de
variation qui serait autrement passe inaperue. Les critres dexclusion de donnes peuvent
tre subjectifs et doivent, sils sont utiliss, tre entirement documents dans un souci de
transparence.
4.5 Grer labsence de donnes

Des donnes, tant numriques que textuelles, sont ncessaires pour modliser toutes les tapes
de la voie dexposition. Souvent, les donnes sont limites ou manquent. Labsence de
connaissances dun processus ne doit pourtant pas forcment nous empcher de mener une
valuation de lexposition. Lorsquil existe des lacunes au niveau des donnes, elles doivent
clairement tre communiques aux responsables de la gestion des risques et documentes dans
lvaluation de lexposition. Ce genre de communication garantira lidentification de besoins
supplmentaires en donnes. Mme dans les situations o il est connu quil existe des donnes
appropries et reprsentatives, des problmes peuvent toujours survenir. Par exemple, il faudra
peut-tre tenir compte de problmes de confidentialit dune institution ou dune socit, de la
sensibilit politique des donnes ou il faudra peut-tre payer pour pouvoir se servir des
informations. La nature itrative des valuations des risques permet de constamment amliorer
les donnes mesure que de nouvelles informations sont disponibles.
Il existe de multiples approches qui peuvent aider surmonter les limites des donnes : la
conception du modle, la microbiologie prdictive, les donnes de substitution, lavis des
experts (sujet abord dans cette partie) et le recueil de nouvelles donnes (abord au titre 4.4.1).
Ces approches seront abordes dans la prsente partie sous les titres : remdier linsuffisance
des donnes et le recueil de donnes.
4.5.1 Restructuration du modle
Idalement, il faut inclure toutes les tapes de la voie dexposition qui influencent le danger
65
dans la structure du modle. Nanmoins, dans bon nombre de situations, les donnes relatives
des tapes prcises sont limites, voire inexistantes. De la mme manire, lnonc de lobjectif
de lvaluation des risques ne requiert pas forcment une analyse dtaille de toutes les tapes
de transformation ; il nest en effet pas toujours ncessaire de procder une valuation de
lexposition de la chane du producteur au consommateur. Lorsque tel est le cas, il est alors
possible de restructurer le modle pour en exclure les tapes pour lesquelles les donnes ne sont
pas disponibles ou de telle faon quil est possible dutiliser les donnes de substitution
disponibles (par exemple, commencer lvaluation de lexposition aprs ltape de la
transformation et obtenir la prvalence et la concentration grce aux donnes de surveillance).
En outre, simplifier le modle aura galement lavantage de rduire laccumulation des
incertitudes. Cette technique a ses limites puisque des facteurs importants qui ont un effet sur le
risque pourraient tre ngligs, ce qui mnerait des erreurs. Cullen & Frey (1999) fournissent
une analyse utile des concessions vis--vis des diffrents niveaux de complexit des modles.
4.5.2 Microbiologie prdictive
La microbiologie prdictive (voir galement les titres 3.8 et 3.9) peut jouer un rle important
dans lvaluation de lexposition et sert combler labsence de donnes laquelle il aurait
autrement fallu pallier par des collectes plus vastes de donnes. Par exemple, mme sil est
souvent possible dobtenir la quantit de bactries pathognes dans laliment au point de vente,
tel nest pas le cas juste avant la consommation. La microbiologie prdictive, paralllement aux
modles qui dcrivent les diffrents facteurs environnementaux, comme la dure et la
temprature dentreposage, peut servir valuer le dernier niveau de la contamination. Mais elle
a ses limites. Tous les dangers tudis nont pas t caractriss, les incertitudes entourant les
prdictions ne sont pas toujours donnes et les valeurs calcules ne reprsentent pas forcment
la ralit si les modles nont pas t valids.
4.5.3 Donnes de substitution
Dans un sens, presque toutes les donnes sont des donnes de substitution sauf si elles ont t
spcifiquement recueillies pour lvaluation de lexposition. Par exemple, les donnes relatives
une installation pilote sont des donnes de substitution de celles pour les units de production.
De la mme faon, les valeurs du temps de destruction thermique obtenues grce aux tubes
capillaires sont des substituts de linactivation obtenue au moyen de pasteurisateurs plaques
utiliss lors de la transformation alimentaire. Typiquement, certaines espces ou souches
bnignes de microorganismes sont utilises comme substituts de souches pathognes. Il faut
alors que les caractristiques pertinentes des organismes de substitution soient identiques
celles de lorganisme tudi. Dans le cas contraire, il convient de documenter et de tenir compte
des diffrences. Les organismes de substitution permettent davantage de quantifier ou de prvoir
lefficacit dun traitement que de prvoir ou quantifier les effets sur la sant comme les
vritables relations dose-rponse. Le bien-fond des donnes de substitution doit tre envisag
au moment dattribuer lincertitude aux donnes. Par souci de transparence, il convient de
dcrire et de justifier le recours des donnes de substitution.
En ce qui concerne les donnes sur la consommation alimentaire, si les informations sont
insuffisantes pour obtenir des valuations pour les populations risque (femmes enceintes,
personnes immunodprimes, personnes ges, etc.), il est possible de recourir aux donnes
obtenues pour des groupes comparables au niveau de lge et du sexe de la population normale.
Des informations provenant dautres pays ou des donnes rgionales peuvent galement tre
66
utilises pour la consommation alimentaire si lon sait que les modes de consommation
alimentaire sont similaires.
Dans certaines valuations de lexposition o les donnes sur des dangers microbiologiques
prcis taient indisponibles ou ne pouvaient tre recueillies, on a eu recours des
microorganismes indicateurs. Prenons par exemple le taux de contamination croise dE. coli
O157 des fcs vers les carcasses animales. En raison de la faible prvalence dE. coli O157:H7
dans les fcs, il nest pas possible dobtenir facilement une mesure directe de la contamination.
LE. coli gnrique, facilement mesurable, est donc utilise en tant quindicateur de la
contamination fcale qui peut ensuite tre relie lE. coli O157:H7. Il convient de prendre
garde, au moment dutiliser des donnes de substitution, de clairement identifier quel moment
elles ont servi et, lorsque cela est possible, dexposer les hypothses sous-jacentes (par exemple,
la proportionnalit entre le pathogne et le substitut)
Des analyses de la sensibilit du modle final peuvent servir dterminer si le paramtre pour
lequel les donnes ont t utilises a un effet significatif sur le risque final. Si le paramtre est
important dans lvaluation du risque, alors une autre tude doit tre mene pour tenter de
recueillir davantage de donnes pertinentes.
4.5.4 Avis des experts
Une autre mthode utilise pour pallier le problme des donnes limites est le recours aux avis
des experts. Lopinion des experts doit tre obtenue en se servant de mthodes officielles (et
documentes) qui vitent les prjugs et qui permettent dtablir les distributions de probabilits
appropries (Vose, 1996 ; Wooldridge, Clifton-Hadley & Richards, 1996 ; Gallagher et coll.,
2002). Dans les cas o les avis des experts divergent considrablement, des mthodes de
pondration peuvent tre utilises pour intgrer les informations de la faon la plus fiable
possible. Les experts doivent sefforcer de documenter de faon transparente et autant que
possible les raisonnements qui sous-tendent leur opinion.
Les lecteurs intresss par la consultation dexperts peuvent consulter Morgan & Henrion
(1990) qui offrent une srie de chapitres rsumant les biais heuristiques des consultations
dexperts et offrant un protocole classique officiel pour consulter des experts qui devrait viter
ces cueils, ainsi que des exemples. Par ailleurs, le Groupe intergouvernemental des Nations
Unies sur lvolution du climat (2001) a abord le thme de la consultation des experts en tant
que fondement essentiel pour concevoir des distributions.
5. VARIABILIT, INCERTITUDE ET SENSIBILIT

5.1 Lincertitude et la variabilit dans une valuation de lexposition
Il faut soccuper de lincertitude et de la variabilit lors dune valuation de lexposition.
Lincertitude est lexpression (quantitative) de notre manque de connaissances. La variabilit est
lhtrognit des sujets modliss ; elle inclut la fois la variabilit stochastique (alatoire) et
la variabilit entre individus. Il est possible de rduire lincertitude par des mesures
supplmentaires ou dautres informations, alors quil est impossible de faire de mme avec la
variabilit (Vose, 2000).
Lune des raisons de la confusion facile entre lincertitude et la variabilit est quelles peuvent
toutes deux tre exprimes par des distributions de probabilits. Au moment de formuler un
modle selon une approche probabiliste, il est ais dexcuter le modle sous la forme dune
simulation de Monte-Carlo grce aux logiciels disponibles. Nonobstant, lorsquil y a confusion
entre lincertitude et la variabilit, le rsultat de modlisation peut se rvler invalide. Il a t
dmontr que dans certaines situations, ne pas avoir fait la distinction entre la variabilit et
lincertitude pouvait mener des rsultats errons (Nauta, 2000) et donc de fausses
conclusions.
5.1.1 Variabilit
La variabilit est toujours prsente dans les systmes biologiques. Il est important de prendre en
considration que la variabilit peut survenir de nombreux niveaux. Il peut, par exemple,
exister une variabilit au niveau du gnotype, du type de souche, du temps, du lieu, des
conditions exprimentales, etc. Il est essentiel de dfinir le dnominateur de la variabilit
(comme la variabilit par anne et la variabilit par troupeau) et de ne pas mlanger la
variabilit de diffrentes sources sans y prter une grande attention.
5.1.2 Incertitude
Il existe de nombreux types dincertitude dans une valuation de lexposition, dont lincertitude
du processus, lincertitude du modle, lincertitude des paramtres, lincertitude statistique et
mme lincertitude dans la variabilit.
Lincertitude du processus fait rfrence lincertitude relative la relation entre la chane

alimentaire telle que prsente dans lvaluation de lexposition et les processus qui se
droulent vritablement. Par exemple, des vnements rares, non documents de la production
alimentaire ou le comportement des consommateurs peuvent avoir un impact important sur
lexposition sans quils ne soient compltement analyss dans le modle.
Lincertitude du modle comprend la fois lexactitude de la faon dont la complexit de la

chane alimentaire est simplifie, ainsi que celle de tous les sous-modles qui sont utiliss dans
lvaluation de lexposition. Pour tablir un modle de la chane alimentaire, il est parfois
obligatoire de simplifier le processus, mais il est subjectif de dterminer la mesure dans
laquelle cela est appropri et il convient donc que des experts revoient cette tape. Les sousmodles utiliss pour dcrire les processus, comme la prolifration lors de lentreposage une
tape prcise, relvent du choix de lvaluateur et peuvent dpendre de la disponibilit la
68
Variabilit, incertitude et sensibilit
fois des donnes et des modles. Comme diffrents modles peuvent aboutir diffrentes
prdictions, il existera une incertitude quant au bien-fond dun modle donn.
Lincertitude des paramtres comprend les incertitudes lies aux erreurs dcoulant des
mthodes utilises pour estimer un paramtre, comme des erreurs de mesure,
dchantillonnage et des erreurs systmatiques. Dans cette catgorie, lincertitude statistique
est dfinie comme lincertitude quantifie grce lapplication de techniques statistiques
comme lanalyse des statistiques classiques ou de Bayes. Elle reflte lincertitude dcoulant
des donnes en fonction du modle utilis.
En fin de compte, il faut tudier lincertitude lie aux distributions de la variabilit qui
sappliquent lvaluation de lexposition. Une faon claire et pratique de dcrire lincertitude
dun paramtre variable dun modle est de lui attribuer en premier lieu une distribution qui
reprsente la variabilit (par exemple, Poisson ()). Il faut ensuite choisir une distribution qui
exprime lincertitude du/des paramtre(s) de cette distribution de la variabilit (par exemple,
suit une loi normale (1 0,1)). Cela permettra au responsable de lvaluation de lexposition
dtablir un modle de second ordre comme dcrit plus bas.
Divers types dincertitude, comme lincertitude du modle, sont difficiles quantifier. Dans
certains cas, les incertitudes qui peuvent tre raisonnablement quantifies (incertitudes
statistiques) sont intgres lvaluation de lexposition. On conclut alors erronment que
lincertitude a t quantifie. Souvent, on part alors du principe que cette incertitude est lunique
source dincertitude et on nglige purement et simplement les autres.
Il faut galement garder lesprit que lincertitude est toujours subjective et ne peut tre valide.
Nanmoins, ds lors que des informations supplmentaires sont ajoutes, lincertitude pourrait
diminuer.
Il serait donc sage que les responsables de lvaluation de lexposition tiennent compte du
conseil de Rabinovich (1993) pour qui sous-estimer lincertitude revient mentir et la
surestimer est lche.
5.1.3 Lincertitude et la variabilit ensemble
Il est parfois difficile de dcider comment sparer lincertitude et la variabilit. Lorsque les
donnes dun paramtre du modle issues des textes scientifiques sont exprimes en tant que
valeurs moyennes comportant un cart-type, il nest pas toujours vident de dterminer si cet
cart est une expression de la variabilit ou de lincertitude, ou des deux la fois (par exemple,
lorsquon dduit un taux de prolifration partir dune srie dexpriences de prolifration, il
nest pas vident de savoir si lcart-type du taux de prolifration exprime lincertitude ou la
variabilit). On ne sait pas si le taux de prolifration est vraiment fixe, mais ne peut tre
dtermin prcisment par des expriences de prolifration, ou sil varie dune exprience
lautre, mais peut tre calcul avec prcision. On peut prsumer que lcart-type exprime les
deux situations. Dans un modle dvaluation de lexposition, il peut tre important de connatre
les caractristiques reprsentes et jusqu quel point elles le sont (Nauta, 2000).
Lorsque la distinction entre lincertitude et la variabilit nest pas claire, il existe diffrentes
faons de procder :
On peut choisir de ne pas sparer les deux. Cest une option simple, mais non recommande.
Ne pas distinguer lincertitude et la variabilit signifie implicitement que le modle reprsente
69
soit uniquement la variabilit, soit uniquement lincertitude. Sil sagit de loption choisie, le
choix entre lincertitude et la variabilit doit alors tre clairement nonc.
On peut galement tester limpact de la sparation, en imaginant diffrentes fourchettes de

poids pour lincertitude et la variabilit et en analysant les effets sur le rsultat final au travers
de plusieurs scnarios. Cette option permettra de montrer combien il est important de sparer
lincertitude et la variabilit dans la situation donne.
Sinon, ont peut dabord partir du principe que lincertitude nexiste pas. Lhypothse de
lomniscience, partant du principe que tout est connu, attribue forcment les distributions de
probabilits restantes la variabilit. Ds lors que la variabilit est identifie, il est possible de
rintroduire lincertitude.
Une autre faon dobtenir lincidence probable de lincertitude est de faire quivaloir leurs
paramtres incertains leur valeur attendue et dexcuter le modle. Il faut ensuite
recommencer en sappuyant sur un modle mixte o les lments incertains et variables
sont simuls ensemble. Il est alors possible de comparer les rsultats des deux modles pour
valuer limpact potentiel de lincertitude et le besoin ou pas de sparer les deux en tablissant
un modle de second ordre.
Cullen & Frey (1999) suggrent que limportance relative de la variabilit et de lincertitude
peut tre value en vrifiant le rsultat dune simulation deux dimensions reprsente sous
la forme dune fonction de distribution comportant des intervalles de confiance. La fonction
moyenne est la meilleure estimation de la variabilit. Lintervalle de confiance de la fonction
est la meilleure estimation de lincertitude. Si les intervalles sont importants par rapport la
fourchette de variation de la meilleure estimation de la fonction de distribution, lincertitude
domine. Si les intervalles sont rduits, alors la variabilit domine.
Thompson & Graham (1996) expliquent dune faon gnrale comment choisir entre les
diverses situations o il faut slectionner diffrentes mthodes danalyse probabiliste en
fonction des objectifs de la politique danalyse.
5.1.4 Modlisation de second ordre

Pour sparer la variabilit et lincertitude grce lanalyse de Monte-Carlo, il faut appliquer des
techniques de Monte-Carlo de second ordre (ou deux dimensions). Ces techniques requirent
souvent de nombreuses itrations (voir plus bas), mais pas systmatiquement selon lobjectif de
ltude (Morgan & Henrion, 1990; Cullen & Frey, 1999). Par exemple, Hanna et coll. (2001) se
sont limits des chantillons de 50 en raison de problmes lis aux longs temps dexcution du
modle. En outre, il nest pas utile de disposer dune simulation prcise de distributions qui sont
elles-mmes imprcises. Par exemple, si les distributions se fondent sur les connaissances des
experts, il nest peut-tre pas rationnel dutiliser des milliers ditrations de Monte-Carlo pour
simuler prcisment une distribution imprcise. Il est possible deffectuer des modlisations de
second ordre avec un petit nombre ditrations (5050, 100100). videmment, la prcision des
rsultats samliore mesure quaugmente le nombre dchantillons, mais la prcision
ncessaire dans une situation donne dpend des objectifs de ltude, pas de la mthode en soi.
moins que le temps dexcution du modle par itration soit extrmement court, la dure
totale dexcution dun modle ne dpend pas du nombre dentres spcifies comme
incertaines. Elle fluctue plutt selon le nombre ditrations. Un avantage de la simulation de
Monte-Carlo est quil est possible dy incorporer simultanment autant dincertitudes que requis
70
par les objectifs de ltude et ltat des connaissances.

Les simulations de Monte-Carlo de second ordre requirent souvent de nombreuses itrations,
ce qui peut poser problmes lorsque la complexit du modle augmente (par exemple, Hartnett,
2002). La simulation peut alors prendre normment de temps. La mise en uvre de la
modlisation de second ordre peut ne pas tre une option pratique dans le cas de modlisations
quotidiennes de lvaluation de lexposition. Cette difficult pourrait tre surmonte en limitant
les incertitudes modlises, cest--dire, soit en restreignant le nombre de paramtres pour
lesquels lincertitude est intgre lanalyse, ou en limitant le nombre dchantillons par
distribution de lincertitude. En se servant de distributions de la variabilit qui nutilisent que les
valeurs moyennes de ces distributions et en comparant les rsultats de la modlisation, il est
possible dvaluer dans quelle mesure la variabilit peut tre exclue de lanalyse.
Une autre option est de ne pas quantifier lincertitude dans lanalyse. Cette option peut tre
approprie lorsque i) il nest pas essentiel de procder une analyse de lincertitude pour
rpondre la/aux questions des responsables de la gestion des risques, ii) lincertitude ne peut
tre caractrise que pour une partie du modle, ou iii) on sattend ce que les principales
sources dincertitude, comme lincertitude du modle, ne soient pas quantifiables. Lorsque
certaines valeurs des paramtres sont ce point incertaines quune distribution ou un cart ne
peuvent tre tablis, elles pourraient dominer lincertitude totale de sorte quil serait inutile de
procder une valuation de lincertitude sur base uniquement de lincertitude caractrise. Si
tel est le cas, il peut tre opportun de procder une analyse de scnarios qui compare les effets
de lincertitude de certains paramtres sur les rsultats du modle
Si lincertitude doit tre quantifie, il est possible de le faire sur base des connaissances des
experts. Mme si une entre domine lanalyse de lincertitude, cela ne signifie pas quil est
inutile de procder cette analyse. Au contraire, ce type de situation est trs utile, car il est
possible de relier la source de lincertitude dune donne de sortie dun modle une entre. Il
serait alors possible de recueillir davantage de donnes et/ou deffectuer dautres recherches
son propos pour rduire lincertitude, ou encore de concentrer les efforts de gestion et de
contrle sur cette donne dentre de faon en rduire limportance et lexposition. Par
ailleurs, il est important de comprendre comment une entre influence la fois la fourchette et
la possibilit des expositions (et/ou des risques) pour dterminer si le problme est
suffisamment inquitant pour ncessiter des options de gestion.
Le recours une analyse de lincertitude peut aboutir une meilleure connaissance des effets
relatifs des incertitudes des paramtres, ainsi que de lincertitude finale des prvisions
dexposition du modle.
5.2 Analyse de la sensibilit et analyse de lincertitude

Les analyses de lincertitude et de la sensibilit (parfois galement appeles analyses de
limportance) sont deux outils disponibles qui peuvent tre utiliss pour informer le gestionnaire
des risques des rsultats de lvaluation de lexposition. Plus prcisment, ce genre danalyses
dune valuation peut tre utilis pour faciliter le choix de stratgies dattnuation, identifier des
points de contrle et orienter de futures recherches en identifiant les principaux domaines dans
lesquels il faut recueillir davantage de donnes. Lidentification des domaines de recherche peut
tre un processus itratif aboutissant une incertitude des rsultats est trop importante pour que
le responsable prenne une dcision. Une analyse pourrait alors tre entame pour enquter sur
les probables sources dincertitude.
71
Il est important de comprendre les diffrences entre les analyses de lincertitude et de la

sensibilit. Une analyse de la sensibilit peut servir identifier des stratgies dattnuation des
risques ou des points de contrle, et concentrer les activits de recherche. Une analyse de
lincertitude porte galement sur des activits de recherche, mais en se concentrant
exclusivement sur lampleur de lincertitude. Lors dune analyse de la sensibilit, il faut donc
identifier les points qui sont assez srs, mais galement suffisamment importants pour les
donnes de sortie quil convient dobtenir davantage dinformations leur propos. Dans une
analyse de lincertitude, on pourrait identifier des points qui sont tellement incertains quils ont
une forte influence et requirent donc des informations supplmentaires.
5.2.1 Analyse de la sensibilit
Dfinition
Lanalyse de la sensibilit dtermine le niveau dinfluence dune entre donne sur la valeur de
la donne de sortie.
Objectif
Lanalyse de la sensibilit aide lidentification des points du processus pour lesquels une
collecte de donnes supplmentaire est la plus utile, auxquels le contrle de points critiques
dans le processus a le plus de valeur et auxquels les stratgies dattnuation pourraient tre les
plus efficaces.
lments examiner
Au niveau le plus lmentaire, pour mener une analyse de la sensibilit, on attribue aux entres
du modle des valeurs fixes. On fait varier squentiellement chacune de ces valeurs dentre
dans une fourchette prtablie et on mesure leffet qui en dcoule sur la donne de sortie. Il est
important de prendre en considration lampleur de la variation du paramtre pour lequel la
sensibilit de la donne de sortie est mesure. Les lecteurs qui veulent en apprendre plus sur la
sensibilit sont invits consulter Frey & Patil (2002) qui ont revu et valu dix mthodes
danalyse de la sensibilit.
La fourchette dans laquelle on fait varier le paramtre en question doit tre prise en
considration. Il est vident que tester la sensibilit dans une fourchette qui ne pourrait survenir
rellement napporterait aucune information. Pourtant, il faut galement garder lesprit que
cette fourchette peut changer avec lvolution de la technologie, de la formulation ou la suite
dune ventuelle intervention de gestion.
Lanalyse de la sensibilit peut servir valuer les effets de diffrents scnarios sur les donnes
de sortie du modle. Il pourrait sagir de stratgies dattnuation des risques ou de changements
hypothtiques que le responsable de la gestion des risques pourrait ne pas contrler directement,
comme les changements des modes de consommation alimentaire rsultant de limmigration.
Une analyse de la sensibilit permet galement didentifier des domaines pour lesquels il faut
mettre en place des stratgies de surveillance. Un point du processus pour lequel la donne de
sortie est trs sensible, mais qui nest pas une ventuelle option de contrle dans une stratgie
dattnuation des risques est galement intressant. Nanmoins, le contrler pour garantir quil
ne change pas peut constituer une option importante de la gestion du risque en garantissant que
sa valeur ne fluctue pas, ce qui entranerait une modification non souhaite des donnes de
sortie.
72
Comme nous lavons prcdemment mentionn, le temps est un facteur important auquel il
convient de sintresser au moment de mener une analyse de la sensibilit. Lorsquil importe
dtre efficace, il peut tre souhaitable de ne sintresser qu la sensibilit des processus du
modle qui sont conus en tant quoptions de lattnuation des risques. Toutefois, en adoptant
une telle approche, il est possible domettre des domaines o le contrle pourrait constituer une
stratgie de gestion des risques essentielle.
5.2.2 Analyse de lincertitude
Dfinition
Il sagit dune analyse conue pour dterminer la participation de lincertitude associe un
paramtre dentre au niveau de certitude de lestimation de lvaluation.
Objectif
Une analyse de lincertitude, comme son nom lindique, fournit des informations sur
lincertitude associe lvaluation de lexposition. Lanalyse de lincertitude est conue pour
concentrer les recherches ou les activits de recueil dinformations qui pourraient rduire plus
efficacement lincertitude des donnes de sortie du modle.
lments examiner
Lanalyse de lincertitude implique de tester leffet quune incertitude dun paramtre a sur la
donne de sortie. La faon dont lincertitude dune donne de sortie dun modle est influence
par lincertitude dune donne dentre permet de classifier ces effets. Ce type danalyse de
lincertitude est souvent repris dans des valuations de lexposition, car il est appliqu dans des
logiciels courants danalyse des risques comme @Risk et Analytica.
La premire chose prendre en considration au moment danalyser lincertitude est son
ampleur. Il est possible que des points du processus pourtant assez certains et trs importants
soient nanmoins dpasss par lampleur de paramtres trs incertains. ce moment si une
analyse de la sensibilit tait mene, elle permettrait lidentification de cette situation. Il est
donc fortement souhaitable de mener ces deux analyses.
6. GARANTIR LA QUALIT DE LVALUATION DE

LEXPOSITION
Il convient de vrifier que lvaluation de lexposition rpond comme il se doit aux questions
poses par le gestionnaire des risques avant dy recourir pour appuyer des dcisions de gestion
des risques. Il nexiste actuellement pas de directives officielles pour cette tche, mais le
processus dassurance de la qualit de toute valuation de lexposition comportera trois
tapes principales : la vrification, la validation (de diffrents types) et enfin, lexamen par les
pairs et du public.
6.1 Vrification et validation

La vrification consiste essentiellement sassurer que lvaluation de lexposition a t mene
en suivant les meilleures pratiques. Plus prcisment, pour des modles de simulation, la
vrification est souvent dfinie comme : lassurance que le programme informatique du
modle informatis et son excution sont corrects , cest--dire, que les expressions
mathmatiques, les dfinitions des donnes dentre, etc., et la logique du modle sont correctes
et correctement excutes.
En ce qui concerne les meilleures pratiques, il sagit essentiellement dune srie de normes et de
directives convenues pour mener une valuation de lexposition microbienne linstar de celles
nonces dans les prsentes directives. Il importe de noter que le respect de ce genre de
meilleures pratiques ne dpend pas des moyens ou des comptences, mais bien de la
capacit suivre une srie dtapes ou de procdures. Suivre une srie bien conue de
meilleures pratiques garantira la crdibilit du rsultat dune valuation de lexposition. La
vrification devra affirmer que les donnes de sortie du modle satisfont aux besoins du
responsable de la gestion des risques pour appuyer ses dcisions et donc quelles rpondent aux
objectifs quil a formuls.
Le processus de validation dtermine si les donnes de sortie de lvaluation de lexposition
sont suffisamment prcises en termes absolus et sont donc fiables. Dans ce contexte,
lexactitude quivaut labsence derreurs systmatiques et alatoires on parle souvent en
mtrologie de fidlit et de prcision. De faon quelque peu plus formelle, la validation a t
dfinie comme la corroboration que, dans son domaine dapplication, un modle [informatis]
possde une marge dexactitude acceptable et conforme lapplication souhaite du modle
(Schlesinger et coll., 1979).
Il faut examiner trois lments lorsquon dsire valuer la qualit de lvaluation de
lexposition ; il sagit : des donnes, du modle et de la documentation. Aucun de ces lments
pris sparment ne peut nanmoins dterminer la validit gnrale de lvaluation. Par exemple,
une valuation qui se sert dinformations imparfaites, mais qui entend identifier les lacunes au
niveau des donnes peut tre considre comme valide de la mme faon quune autre qui
utilise des donnes de grande qualit et dont lobjectif est de gnrer des prvisions dexposition
correctes. ce propos, il convient de noter quun modle ne peut tre que partiellement valide
si la totalit du modle ne peut tre valide, mais que des lments ou des modules le sont de
faon individuelle. De la mme manire, un modle qui est valid pour un objectif pourrait ne
pas ltre pour un autre puisque la validation dpend de lobjectif de lvaluation de
74
Garantir la qualit de lvaluation de lexposition
lexposition.
Quel que soit ltat des donnes et du modle, il faut que la documentation soit claire et
transparente, entirement rfrence et quelle numre toutes les hypothses et consquences
pertinentes. Une valuation de lexposition dont la documentation serait de qualit mdiocre ne
doit pas tre considre comme valide, quelle que soit la qualit des donnes, la norme de
modlisation ou la justesse de lobjectif.
Il revient au responsable de lvaluation de lexposition den garantir la qualit de la
modlisation et de la documentation, mais il ne peut agir sur la qualit des donnes. Sil savre
que la qualit des donnes ne correspond pas lobjectif prvu de lvaluation de lexposition, il
conviendra de communiquer cette insuffisance au niveau des donnes au responsable de la
gestion des risques et, le cas chant, de demander conseil quant une modification de lobjectif
de lvaluation, un changement des types des donnes de sortie, une acceptation des lacunes
toute en communicant explicitement les restrictions lies aux donnes de sortie ou
linterruption de lvaluation.
6.1.1 Utilit du modle
Il est important que les processus examins soient dcrits de faon approprie en fonction de
lobjectif de lvaluation de lexposition. Les processus dcrire dans une valuation de
lexposition microbienne sont souvent complexes et il peut tre ncessaire de les simplifier pour
tablir une description mathmatique convenable. La simplification doit toutefois toujours
permettre de dcrire comme il se doit les processus biologiques, chimiques ou physiques
examins. Il convient didentifier et dexaminer avec soin chaque consquence que cela peut
avoir sur la capacit de lvaluation daborder les problmes soulevs par les gestionnaires des
risques. La vritable approche de modlisation doit tre mise en uvre au niveau appropri pour
rpondre lobjectif de lvaluation. Les approches qui peuvent tre adoptes lors dune
valuation de lexposition sont multiples ; elles varient notamment selon que lvaluation est
qualitative ou quantitative et en fonction du niveau de complexit biologique et mathmatique.
6.1.2 Validation de lexactitude du modle
La validation de lexactitude du modle peut tre dfinie comme la dmonstration de la
prcision du modle pour un usage prcis.
Il est possible didentifier quatre aspects de la validation dun modle (Dee, 1994) :
Validation conceptuelle
Validation de lalgorithme
Validation du code de logiciel
Validation fonctionnelle
(Le modle est-il biologiquement plausible ?)

(Le modle est-il appropri ?)
(Le modle est-il correctement mis en uvre ?)
(Les donnes de sortie du modle ont-elles un sens ?)
La validation conceptuelle concerne la plausibilit du modle : il sagit de dterminer si le

modle reprsente avec exactitude le systme tudi. La simplification des processus
biologiques qui sous-tendent les tapes du modle doit tre raliste et les hypothses du modle
doivent tre crdibles. Habituellement, la validation conceptuelle est essentiellement qualitative
et le meilleur test est la confrontation avec des opinions dexperts de diverses disciplines
scientifiques. Il convient de prsenter et dexaminer les donnes exprimentales ou
dobservation lappui des principes et des hypothses.
75
La validation de lalgorithme est lie la traduction des concepts dun modle en formules
mathmatiques. Les quations du modle sont-elles mathmatiquement correctes et
reprsentent-elles le modle conceptuel ? Dans quelles circonstances peut-il tre justifi de
simplifier les hypothses ? Quel est limpact du choix des mthodes (numriques) pour la
rsolution du modle sur les rsultats ? Les rsultats des diffrentes mthodes pour rsoudre le
modle concordent-ils ? Il existe une mthode trs efficace pour valuer les effets des
procdures numriques qui consiste comparer les rsultats des diffrentes mthodes
employes pour estimer lincertitude des paramtres, par exemple en superposant les
chantillons des paramtres obtenus par les techniques de Monte-Carlo ou les procdures
Bootstrap, avec des intervalles de confiance bass sur la vraisemblance.
La validation du code de logiciel est lie lapplication de formules mathmatiques. Une bonne
pratique de programmation (modulaire et pleinement documente) est une condition pralable
indispensable. Les points qui mritent une attention particulire sont les effets sur les donnes
de sortie du modle des facteurs de prcision des machines et des facteurs spcifiques au
logiciel. Lvaluation de donnes de sortie intermdiaires est un processus utile pour garantir
lexcution correcte dun modle. Comme prcdemment mentionn, dans dautres
terminologies, ce processus est identifi en tant que vrification du modle.
La validation fonctionnelle a pour objet de vrifier les donnes de sortie du modle par rapport
des observations obtenues de manire indpendante. En thorie, lvaluation devrait tre faite en
obtenant des donnes relles pertinentes et en effectuant une comparaison statistique des
vnements simuls et des observations. Cette pratique exige des donnes plus dtailles que
celles habituellement disponibles. Il est parfois possible de comparer les rsultats des tudes
dvaluation de lexposition avec des estimations pidmiologiques de lexposition obtenues de
manire indpendante. Ces donnes ne permettent pas de valider lvaluation de lexposition en
soi, mais elles peuvent donner de prcieux renseignements. Il convient galement dexaminer la
partialit des sources de donnes au moment de procder une validation fonctionnelle. Par
exemple, on estime que les donnes pidmiologiques relatives des maladies sporadiques
dorigine alimentaire sous-estiment fortement la vritable prvalence de nombreux agents
pathognes dorigine alimentaire (Mead et coll., 1999) : il faudra que la comparaison des
donnes de sortie dun modle dvaluation de lexposition avec des donnes pidmiologiques
tienne compte de cette partialit.
La crdibilit des rsultats peut aussi tre tablie en dmontrant la cohrence entre diffrentes
sources de donnes et les valeurs des donnes de sortie. Il peut galement sagir de donnes de
sortie intermdiaires. Cassin et coll. (1998) fournissent un bon exemple de ce type de
comparaisons. Lorsque lon procde ce genre de comparaisons, il faut tenir compte de la
nature du vhicule, du danger microbiologique et des processus. Il convient de noter que si les
donnes de sortie du modle ne correspondent pas aux observations, cela nimplique pas
forcment que le modle est faux. Cette situation peut tre lie au fait que lobservation ellemme a t influence par un facteur inconnu (par exemple, linsensibilit mthodologique des
microbes) ou par la sous-estimation de la maladie dorigine alimentaire lie aux donnes
pidmiologiques actuelles, comme prcdemment mentionn. Il peut galement y avoir de
multiples influences qui agissent de concert et engendrent des diffrences dans les rsultats.
6.2 Qualit de la documentation

La documentation sous-tend la validit de lvaluation de lexposition. Il est impratif que tous
76
Garantir la qualit de lvaluation de lexposition
les processus suivis pour aboutir au produit final soient intgralement documents de faon
transparente afin que le processus de dveloppement de lvaluation de lexposition soit
reproductible. Vous trouverez sous le titre 7.2 un examen des lments de transparence ,
ainsi quune description de toutes les approches de modlisation suivies, des rfrences de
toutes les donnes utilises, etc. Les caractristiques de donnes de bonne qualit dpendent de
lvaluation et deux valuations de lexposition analysant le mme processus, mais ayant des
objectifs diffrents peuvent avoir exigences diffrentes en matire de donnes.
Le Chapitre 4 aborde les problmes lis la qualit et aux caractristiques des donnes. Lorsque
les informations napparaissent pas sous la forme la plus souhaitable, il convient dexaminer la
justification du choix des donnes ou des techniques de manipulation, voire les deux, ainsi que
toutes limites pouvant en dcouler qui pourraient influencer linterprtation des donnes de
sortie de lvaluation. Lapproche de modlisation suivie peut galement changer selon le type
de donnes disponibles. Il convient de clairement documenter tous changements de la
modlisation de ce genre et les raisons qui ont pouss ces modifications. Enfin, diffrents
publics sintressent une valuation de lexposition et il pourrait donc tre ncessaire de
produire plus dun rapport. Le besoin de disposer dune documentation supplmentaire dpend
dun projet lautre. Dans tous les cas, il est toujours ncessaire de rdiger un document
technique complet qui doit permettre un examen par les pairs correct de lvaluation de
lexposition.
Idalement, il faudrait inclure une documentation au contexte de la modlisation, ainsi quune
documentation sous forme de rapport. Lvolution des technologies et des logiciels, et loffre
grandissante de caractristiques au sein de lenvironnement de modlisation pouvant tre
utilises pour documenter les hypothses et prsenter les donnes font que le modle en soi doit
pouvoir servir de documentation indpendante.
6.3 Examen par les pairs et du public

Le processus de lexamen par les pairs et du public peut accrotre la crdibilit des rsultats de
lvaluation de lexposition et est videmment un lment essentiel de son droulement. Morgan
& Henrion (1990) reprennent lexamen par les pairs dans leurs dix principes dune bonne
analyse et lUSEPA (1994) et dautres agences en ont officialis le processus. Les interactions
interdisciplinaires sont essentielles au processus tout entier dvaluation des risques et la
rvision ne fait pas exception. Des experts des disciplines concernes (biologistes, vtrinaires,
fabricants de produits alimentaires, vendeurs au dtail, etc.) devraient examiner les concepts de
base et les hypothses sous-jacentes dune valuation de lexposition. Du reste, les responsables
de la modlisation et les statisticiens devront sintresser la construction du modle,
lanalyse des donnes et la prsentation des rsultats.
Lexamen critique du droulement dune valuation de lexposition est une tche trs ardue qui
requiert des connaissances extrmement spcialises. Thoriquement, il faut prvoir des
ressources appropries pour lexamen par les pairs en tant que partie intgrante du projet. Le
rsultat de cette rvision doit tre accessible toutes les parties intresses et doit inclure une
explication de la faon dont les commentaires ont t intgrs la version dfinitive du
document ou les raisons pour lesquelles ils ont t rejets.
Lexamen du public permet toutes les parties prenantes de revoir de faon critique les
hypothses mises ainsi que leurs effets sur les rsultats de lvaluation de lexposition. Il
permet aussi dvaluer lexhaustivit des informations descriptives et des sries de donnes
77
utilises pour lvaluation de lexposition. Par ailleurs, lexamen du public peut fournir des
sources de donnes supplmentaires qui pourront tre utilises si lvaluation est rpte
lavenir.
7. COMMUNICATIONS LORS DE LVALUATION DE

LEXPOSITION
7.1 Communications pendant une valuation de lexposition
Comme prcis dans la partie rserve la qualit, les responsables de lvaluation de
lexposition doivent, ds le dbut du processus, communiquer avec les gestionnaires des risques
pour convenir de lobjectif et de la porte de lvaluation de lexposition. Il est essentiel
dassurer une bonne communication entre valuateurs, gestionnaires et parties prenantes (tous
ceux et celles qui sont touchs ou intresss par les rsultats du processus dvaluation) en vue
de sassurer que les questions poses par les gestionnaires des risques trouveront une rponse, et
pour garantir que lvaluation de lexposition fournira les informations dont ils ont besoin.
Discuter des rsultats types souhaits facilite la communication entre valuateurs et
gestionnaires au dbut du processus (par exemple, nombre dunits formant colonies par portion
au sein de populations normales et sensibles).
La connaissance de la disponibilit des donnes et des diffrents processus augmentera mesure
du droulement de lvaluation de lexposition. Les questions initiales des gestionnaires des
risques doivent souvent tre modifies aux premires tapes de lvaluation, lorsque les limites
des informations et des donnes deviennent videntes. Il convient en gnral de suivre un
processus itratif pour dfinir la porte finale de lvaluation et les questions auxquelles
apporter une rponse. Dans certains cas, les modles de lvaluation de lexposition sont en
mesure de fournir davantage dinformations que vritablement requis dans lobjectif et la porte
dfinis au dbut du processus. Si tel est le cas, il convient de transmettre aux gestionnaires les
nouvelles possibilits de rpondre de nouvelles questions.
Les valuateurs de lexposition doivent identifier toutes les parties qui disposent de donnes
pertinentes et prendre contact avec ces dernires. Cela peut galement impliquer de consulter
des experts, mais galement des sources industrielles ou autres pour qui la confidentialit
pourrait poser problmes. Les questions de confidentialit peuvent limiter la disponibilit des
donnes, mais la mise en place de relations fortes et de confiance avec les personnes et les
organisations qui dtiennent ce type dinformations peut aider surmonter ces obstacles et
augmenter les chances daccder aux donnes.
7.2 Prsentation et communication des rsultats

Il faut que les gestionnaires soient entirement informs des avantages et des limites de
lvaluation de lexposition afin de lutiliser au mieux. Dans cette optique, il importe que :
Les rsultats de lvaluation de lexposition soient prsents de faon objective.
Les rsultats soient prsents de sorte que des personnes nayant pas de connaissances
mathmatiques et statistiques comprennent les principales caractristiques du modle. Il
pourrait tre ncessaire de rdiger plusieurs rapports selon les publics viss.
Toutes les hypothses soient entirement identifies et leurs impacts minutieusement analyss
ou identifis.
80
Communications lors de lvaluation de lexposition
Lvaluation de lexposition traite explicitement des sources de variabilit et des sources

dincertitudes de faon spare lorsque cela est possible.
Les rsultats soient prsents sous la forme dune srie de prvisions de lexposition en
fonction de donnes, dhypothses et de modles diffrents, plutt quune simple estimation
dexposition.
Les tableaux et les graphiques sont souvent plus utiles que les descriptions textuelles lors de la
prsentation des rsultats quantitatifs.
Les exigences lgard de donnes supplmentaires soient explicitement communiques.
Enfin, il convient de souligner quun modle dvaluation de lexposition est un outil qui peut
tre utilis plus dune fois. Cela sous-entend que, outre la communication des rsultats lis
prcisment lobjectif et la porte de lvaluation de lexposition, il peut savrer utile
dexpliquer comment le modle de lvaluation de lexposition peut tre utilis pour de futures
recherches ou pour commissionner des tudes de surveillance prcises.
8. UTILISATION DES LIGNES DIRECTRICES

Lobjectif du prsent document est de fournir un cadre pratique et une approche structure pour
lvaluation de lexposition aux dangers microbiologiques dans le cadre dune valuation des
risques de la production la consommation ou dun processus individuel. Toutes les personnes
qui ont particip la rdaction du prsent document esprent trs sincrement quil aidera les
gouvernements, les industries et les scientifiques universitaires en matire dlments traiter et
de mthodologies suivre lors dune valuation de lexposition.
Ces directives ne constituent pas une source dinformation exhaustive pour lvaluation de
lexposition. Les comptences requises pour mener des valuations de lexposition couvrent
plusieurs disciplines scientifiques et il est souvent ncessaire davoir recours une quipe
multidisciplinaire pour mener bien le processus. Les thmes abords sont complexes, surtout
la mthodologie de la modlisation. Plutt que de citer des dtails techniques, qui voluent
rapidement, le prsent document renvoie des sources dinformations supplmentaires le cas
chant.
Les prsentes lignes directrices ont t conues pour tre utilises dans plusieurs
environnements. Au niveau international, elles devraient fournir une orientation pour les
valuations de lexposition menes par les Consultations mixtes FAO/OMS dexperts de
lvaluation des risques microbiologiques (JEMRA) dont lobjectif est de rpondre aux besoins
du Comit du Codex sur lhygine alimentaire et des pays membres de la FAO et de lOMS. Au
niveau national, elles peuvent orienter les valuations de lexposition menes pour le
gouvernement, lindustrie ou les agences internationales.
9. RFRENCES
Alber, S.A. & Schaffner, D.W. 1992. Evaluation of data transformations used with the square root
and Schoolfield models for predicting bacterial growth rate. Applied and Environmental
Microbiology, 58: 33373342.
Anderson, R.M. & May, R.M. 1991. Infectious diseases of humans: dynamics and control. Oxford
Science Publications, Oxford, Royaume-Uni.
Anonyme 2002. The Merriam Webster Dictionary On-line. Merriam-Webster, Incorporated.
(consult le 21 dcembre 2006 : http://www.m-w.com/dictionary/model).
Anonyme 2006. The American Heritage Dictionary of the English Language. 4me dition.
Houghton Mifflin Company, Boston, tats-Unis.
Bailey, N.T.J. 1975. The mathematical theory of infectious diseases and its applications. 2me
dition. Hafner Press, New York, tats-Unis.
Baranyi, J., Ross, T., McMeekin, T.A. & Roberts, T.A. 1996. Effects of parameterisation on the
performance of empirical models used in Predictive Microbiology. Food Microbiology, 13: 83
91.
Bogaardt, M.J., Mangen, M.J.J., Wit, G.A. de, Nauta, M.J. & Havelaar, A.H. 2004. Controlling
Campylobacter in the chicken meat chain Towards a decision support model. RIVM rapport
250911005. Disponible ladresse :
http://www.rivm.nl/bibliotheek/rapporten/250911005.html
Buchanan, R.L. & Whiting, R.C. 1997. Risk assessment a means for linking HACCP plans and
public health. Journal of Food Protection, 61(11): 15311534.
CAC [Commission du Codex Alimentarius]. 1999. Principes et directives du Codex rgissant la
conduite de lvaluation des risques microbiologiques Document CAC/GL-30 (1999). Disponible
ladresse : www.codexalimentarius.net/download/standards/357/CXG_030f.pdf.
CAC. Principes et directives du Codex rgissant la conduite de lvaluation des risques
microbiologiques 2007. Document CAC/GL63 (2007). Disponible ladresse :
www.codexalimentarius.net/download/standards/10741/CXG_063e.pdf.
Cassin, M.H., Paoli, G.M. & Lammerding, A.M. 1998. Simulation modelling for microbial risk
assessment. Journal of Food Protection, 61(11): 15601566.
Catley, A. 2000. The use of participatory appraisal by veterinarians in Africa. Revue scientifique et
technique de lOffice international des pizooties, 19(3): 702714.
Catley, A., Okoth, S., Osman, J., Fison, T., Njiru, Z., Mwangim, J., Jones, B.A. & Leyland, T.J.
2001. Participatory diagnosis of a chronic wasting disease in cattle in southern Sudan. Preventive
Veterinary Medicine, 51:161-181.
Chen, Y.H., Jackson, K.M., Chea, F.P. & Schaffner, D.W. 2001. Quantification and variability
analysis of bacterial cross-contamination rates in common food service tasks. Journal of Food
Protection, 64(1): 7280.
Clough, H.E., Clancy, D., ONeill, P.D. & French, N.P. 2003a. Bayesian methods for estimating
pathogen prevalence within groups of animals from faecal pat sampling. Preventive Veterinary
Medicine, 58(34): 145169.
84
Rfrences
Clough, H.E., Clancy, D., ONeill, P.D. & French, N.P. 2003b. Bayesian methods for estimating
pathogen prevalence within groups of animals from faecal-pat sampling (vol 58, p. 145, 2003).
Correction. Preventive Veterinary Medicine, 60(2): 193193.
Commission internationale pour la dfinition des caractristiques microbiologiques des aliments
1996. Microorganisms in Foods 5. Microbiological Specifications of Food Pathogens. Blackie
Academic and Professional, Londres, Royaume-Uni. 513 p.
Cullen, A.C. & Frey, H.C. 1999. Probabilistic Techniques in Exposure Assessment: A Handbook
for Dealing with Variability and Uncertainty in Models and Inputs. Plenum Press, New York,
tats-Unis. 335 p.
Dalgaard, P., Ross, T., Kamperman, L., Neumeyer, K. & McMeekin, T.A. 1994. Estimation of
bacterial growth rates from turbidimetric and viable count data. International Journal of Food
Dee, D.P. 1994. Guidelines for Documenting the Validity of Computational Modelling Software.
AIRH (Association internationale de recherches hydrauliques) Delft, Pays-Bas. 24p.
den Aantrekker, E.D., Boom, R.M., Zwietering, M.H. & van Schothorst, M. 2002. Quantifying
recontamination through factory environments a review. International Journal of Food
ERS [Environmental Science and Research Limited]. 2003. Risk Profile : Campylobacter
jejuni/coli in Poultry (Whole and Pieces) http://www.nzfsa.govt.nz/science-technology/riskprofiles/campylobacter.pdf.
FAO [Organisation des Nations Unies pour lalimentation et lagriculture]. 2001. Consultations
mixtes FAO/OMS dexperts sur lvaluation du risque microbiologique dans les aliments :
Caractrisation des risques lis la prsence de Salmonella spp. dans les ufs et les poulets de
chair et de Listeria monocytogenes dans les aliments prts consommer. Sige de la FAO, Rome,
Italie, 30 avril-4 mai 2001. Document de FAO Alimentation et nutrition, 72. Disponible
ladresse :
http://www.fao.org/docrep/008/y1332f/y1332f00.htm
FAO/OMS [Organisation mondiale de la sant]. 2002a. Risk assessment of Salmonella in eggs and
broiler chickens. Rsum interprtatif. [FAO/OMS] Srie valuation des risques
microbiologiques, n 1. 44p.
FAO/OMS. ( paratre). Risk characterization of microbiological hazards in foods : Guidelines.
[FAO/OMS] Srie valuation des risques microbiologiques, n 13.
FAO/OMS. 2002 b. Risk assessment of Salmonella in eggs and broiler chickens. Technical report.
[FAO/OMS] Srie valuation des risques microbiologiques, n 2. 302p.
FAO/OMS. 2002c. Principes et lignes directrices en vue de lincorporation de lvaluation du
risque microbiologique dans llaboration de normes, de lignes directrices et de textes connexes en
matire de scurit sanitaire des aliments. Rapport dune consultation conjointe FAO/OMS, Kiel,
Allemagne, 18-22 mars 2002. FAO, Rome, Italie.
FAO/OMS. 2003. Caractrisation des dangers lis la prsence de pathognes dans les aliments
et dans leau : Directives. [FAO/OMS] Srie valuation des risques microbiologiques, n 3.
FAO/OMS. 2007a. Risk characterization of Campylobacter spp in broiler chickens: Interpretative
summary. [FAO/OMS] Srie valuation des risques microbiologiques, n 11.
FAO/OMS. 2007 b. Risk characterization of Campylobacter spp in broiler chickens: Technical
report. [FAO/OMS] Srie valuation des risques microbiologiques, n 12.
85
Farber, J.M. 1986. Predictive modeling of food deterioration and safety. pp. 5790, in M.D.
Pierson and N.J. Stern (editors). Foodborne Microorganisms and their Toxins. Marcel Dekker Inc.
Fazil, A., Lowman, R., Stern, N. & Lammerding, A.M. 1999. Quantitative risk assessment model
for Campylobacter jejuni in chicken. Abstr. CF10, p. 65, 10 th Int. Atelier sur les Campylobacter,
les Helicobacter et organismes apparents), Baltimore, MD, tats-Unis.
Fazil, A., Lowman, R., Stern, N. & Lammerding, A.M. 2000. A quantitative risk assessment
model for Campylobacter jejuni in fresh chicken. Rdig en rponse dun appel de donnes de la
FAO et de lOMS.
Frey, C.H. & Patil, S.R. 2002. Identification and review of sensitivity analysis methods. Risk
Analysis, 22: 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(25): 769772.
Groupe intergouvernemental des Nations Unies sur lvolution du climat GIEC (2001).
Recommandations du GIEC en matire de bonnes pratiques et de gestion des incertitudes pour les
inventaires nationaux. Disponible ladresse : http://www.ipcc-nggip.iges.or.jp/public/gp/french/.
Hanna, S.R., Lu, Z., Frey, H.C., Wheeler, N., Vukovich, J., Arunachalam, S., Fernau, M. &
Hansen, D.A. 2001. Uncertainties in predicted ozone concentrations due to input uncertainties for
the UAM-V photochemical grid model applied to the July 1995 OTAG domain. Atmospheric
Environment, 35: 891903.
Hansen, L.P. 1982. Large sample properties of generalized method of moments estimators.
Econometrica, 50: 10291054.
Hartnett, E. 2002. Campylobacter in broilers: a quantitative risk assessment approach. Thse de
doctorat, University of Strathclyde, Glasgow, Royaume-Uni.
Hartnett, E., Kelly, L., Newell, D., Wooldridge, D. & Gettinby, G. 2001. A quantitative risk
assessment for occurrence of Campylobacter in chickens at the point of slaughter. Epidemiology
and Infection, 127(2): 195206.
Hilton, A.C. & Austin, E. 2000. The kitchen dishcloth as a source of and vehicle for foodborne
pathogens in a domestic setting. International Journal of Environmental Health Research,
10(3): 257261.
Humphrey, T.J., Martin, K.W., Slader, J. & Durham, K. 2001. Campylobacter spp. in the kitchen:
spread and persistence. Journal of Applied Microbiology, 90: 115S120S.
Jay, L.S., Comar, D. & Govenlock, L.D. 1999. A video study of Australian domestic foodhandling practices. Journal of Food Protection, 62(11): 12851296.
Jaykus, L. 1996. The application of quantitative risk assessment to microbial food safety risks.
CRC Critical Reviews in Microbiology, 22: 279293.
Josephson, K.L., Rubino, J.R. & Pepper, I.L. 1997. Characterization and quantification of bacterial
pathogens and indicator organisms in household kitchens with and without the use of a disinfectant
cleaner. Journal of Applied Microbiology, 83: 737750.
Kasa, H., Harrington, B., Bisesi, M. & Khuder, S. 2001. Comparisons of microbiological
evaluations of selected kitchen areas with visual inspections for preventing potential risk of
foodborne outbreaks in food service operations. Journal of Food Protection, 64(4): 509513.
Marks, H.M., Coleman, M.E., Jordan Lin, C.T. & Roberts, T. 1998. Topics in microbiological risk
assessment: dynamic flow tree process. Risk Analysis, 18(3): 309328.
86
Rfrences
McDonald, K. & Sun, D.W. 2000. Predictive food microbiology for the meat industry: a review.
International Journal of Food Microbiology, 52: 1-27.
McKellar, R.J. & Lu, X. (editors). 2003. Modelling Microbial Responses in Foods. CRC Press,
Boca Raton, tats-Unis. 360 p.
McMeekin, T.A., Olley, J., Ross, T. & Ratkowsky, D.A. 1993. Predictive microbiology: theory
and application. Research Studies Press, Taunton, Royaume-Uni. 340 p.
Mead, P.S., Slutsker, L., Dietz, V., McCaig, 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 Disease,
5: 607625.
Montville, R., Chen, Y.H. & Schaffner, D.W. 2001. Glove barriers to bacterial crosscontamination between hands to food. Journal of Food Protection. 64(6): 845849.
Montville, R., Chen, Y.H. & Schaffner, D.W. 2002. Risk assessment of handwashing efficacy
using literature and experimental data. International Journal of Food Microbiology, 73(23): 305
313.
Morgan, M.G. & Henrion, M. 1990. Uncertainty: A guide to dealing with uncertainty in
quantitative risk and policy analysis. Cambridge University Press, New York, tats-Unis.
Nauta, M.J. 2000. Separation of uncertainty and variability in quantitative microbial risk
assessment models. International Journal of Food Microbiology, 57: 9-18.
Nauta, M.J. 2001. A modular process risk model structure for quantitative microbiological risk
assessment and its application in an exposure assessment of Bacillus cereus in a REPFED. RIVM,
Bilthoven, Pays-Bas, rapport n 149106 007. Tlcharg pour la dernire fois le 10 dcembre 2005
ladresse www.rivm.nl/bibliotheek/rapporten/149106007.pdf.
Nauta, M.J. 2007. The Modular Process Risk Model (MPRM): a structured approach to food chain
exposure assessment. Chapitre 4 dans : D.W. Schaffner (diteur). Microbial Risk Analysis of
Foods. ASM Press, Washington DC, tats-Unis 282 p.
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, Bilthoven, Pays-Bas,
rapport n 257851 003. Tlcharg pour la dernire fois le 10 dcembre 2005 ladresse
www.rivm.nl/bibliotheek/rapporten/257851003.pdf.
OMS [Organisation mondiale de la sant] 2001. Rapport sur la Consultations mixtes FAO/OMS
dexperts sur lvaluation du risque microbiologique dans les aliments. Identification et
caractrisation des dangers et valuation de lexposition lies Campylobacter spp. dans les
poulets et Vibrio spp.les produits de la pche. Sige de lOMS, Genve, Suisse, 23-27 juillet 2001
voir :
http://www.who.int/foodsafety/publications/micro/en/july2001_fr.pdf.
Organisation mondiale de la sant animale Handbook on Import Risk Analysis for Animals and
Animal Products. Vol. 2 : Quantitative Risk Assessment. Organisation mondiale de la sant
animale,
Paris,
France
(disponible
www.oie.int/eng/publicat/Handbook-RiskAnalysis_Vol.2_CONTENTS.pdf).
Petitti, D.B. 2000. Meta-analysis, decision analysis, and cost-effectiveness analysis: methods for
quantitative synthesis in medicine. Oxford University Press. 306 p.
Rabinovich, S. 1993. Measurement errors: theory and practice. American Institute of Physics,
New York.
Ratkowsky, D.A. 1992. Predicting response times in predictive food microbiology. Department of
87
Primary Industry, Fisheries & Energy, Tasmanie, Research and Development Unit, Biometrics
Section, publication occasionnelle n 1992/1.
Ratkowsky, D.A., Ross, T., Macario, T.W. & Kamperman, L. 1996. Choosing probability
distributions for modelling generation time variability. Journal of Applied Bacteriology, 80: 131137.
Ratkowsky, D.A., Ross, T., McMeekin, T.A. & Olley, J. 1991. Comparison of Arrhenius-type and
Belehrdek-type models to predict bacterial growth in foods. Journal of Applied Bacteriology,
15: 13-32.
Roberts, T., Ahl, A. & McDowell, R. 1995. Risk assessment for foodborne microbial hazards.
Dans : tracking foodborne pathogens from farm to table. United States Department of Agriculture,
Economic Research Service, Publication n 1532. Washington, D.C., tats-Unis
Ross, T. & Dalgaard, P. 2003. Secondary Models. Chapitre 4, dans : Modelling Microbial
Responses in Foods. CRC Press, Boca Raton, tats-Unis. 360 p.
Ross, T. & McMeekin, T.A. 1994. Predictive microbiology a review. International Journal of
Food Microbiology, 23: 241-264.
Ross, T. 1999. Predictive food microbiology models in the meat industry. Meat and Livestock
Australie, Sydney, Australie. 196 p.
Ross, T. 2007. Microbial ecology in food safety risk assessment. Chapitre 3, dans : D.W.
Schaffner (diteur). Microbial Risk Analysis of Foods. ASM Press, Washington DC, tats-Unis.
282 p.
Ross, T., Baranyi, J. & McMeekin, T.A. 1999. Predictive microbiology and food safety. Dans : R.
Robinson, C.A. Batt & P. Patel (diteurs). Encyclopaedia of Food Microbiology. Academic Press,
Londres, Royaume-Uni.
Ross, T., Dalgaard, P. & Tienungoon, S. 2000. Predictive modelling of the growth and survival of
Listeria in fishery products. International Journal of Food Microbiology, 62: 231-246.
Rusin, P., Orosz-Coughlin, P. & Gerba, C. 1998. Reduction of faecal coliform, coliform and
heterotrophic plate count bacteria in the household kitchen and bathroom by disinfection with
hypochlorite cleaners. Journal of Applied Microbiology, 85(5): 819828.
Schaffner, D.W. 2003. Models: what comes after the next generation. pp. 303311, dans : R.J.
McKellar & X. Lu (diteur). Modelling microbial responses in foods. CRC Press, Boca Raton,
tats-Unis. 360 p.
Schlesinger, S., Crosbie, R.E., Gagne, R.E., Innis, G.S., Lalwani, C.S., Loch, J., Sylvester, R.J,
Wright, R.D., Kheir, N. & Bartos, D. 1979. Terminology for model credibility. Simulation, 32 :
103104.
Scott, E., Bloomfield, S.F. & Barlow, C.G. 1982. An investigation of microbial contamination in
the home. Journal of Hygiene (Cambridge), 89(2): 279293.
Stephens, P.J., Joynson, J.A., Davies, K.W., Holbrook, R., Lappin-Scott, H.M. & Humphrey, T.J.
1997. The use of an automated growth analyser to measure recovery times of single heat injured
Salmonella cells. Journal of Applied Bacteriology, 83: 445-455.
Thompson, K.M. & Graham, J.D. 1996. Going beyond the single number: Using probabilistic risk
assessment to improve risk management. Human and Ecological Risk Assessment, 2: 10081034.
Turner, J., Begon, M., Bowers, R. & French, N. 2003. A model appropriate to the transmission of
a human food-borne pathogen in a multigroup managed herd. Preventive Veterinary Medicine,
88
Rfrences
57(4): 175198.
USDA/FSIS [U.S. Department of Agriculture/Food Safety and Inspection Service]. 2001. Risk
assessment of the public health impact of Escherichia coli 0157:H7 in ground beef. Disponible
ladresse : http://www.fsis.usda.gov/OPPDE/rdad/FRPubs/00-023N/00-023NReport.pdf
USEPA [tats-Unis. Environmental Protection Agency]. 1994. Peer Review and Peer Involvement
at the U.S. Environmental Protection Agency. Office of the Administrator, USEPA, Washington
DC, USA.
USEPA. 1997. Guiding Principles for Monte Carlo Analysis. Risk Assessment Forum,
Washington DC, USA. EP/630R-97/001.
USFDA. 2005. Quantitative Risk Assessment on the Public Health Impact of Pathogenic Vibrio
parahaemolyticus in Raw Oysters. Center for Food Safety and Applied Nutrition (FDA) and Food
Safety Inspection Service (USDA) (disponible ladresse : www.cfsan.fda.gov/~dms/vpratoc.html).
USFDA/FSIS [U.S. Food and Drug Administration/Food Safety and Inspection Agency (USDA)].
2001. Draft Assessment of the relative risk to public health from foodborne Listeria
monocytogenes among selected categories of ready-to-eat foods. Center for Food Safety and
Applied Nutrition (FDA) and Food Safety Inspection Service (USDA) (Disponible ladresse :
www.foodsafety.gov/~dms/lmrisk.html). [Rapport publi en septembre 2003 sous le nom :
Quantitative assessment of the relative risk to public health from foodborne Listeria
monocytogenes among selected categories of ready-to-eat foods. Disponible l'adresse :
www.foodsafety.gov/~dms/lmr2-toc.html].
van Gerwen, S.J.C., te Giffel, M.C., van t Riet, K., Beumer, R.R. & Zwietering, M.H. 2000.
Stepwise quantitative risk assessment as a tool for characterization of microbiological food safety.
Journal of Applied Microbiology, 88(6): 938951.
Vose, D. 1996. Quantitative Risk Analysis: A guide to Monte Carlo Simulation Modelling. John
Wiley & Sons, Chichester, Angleterre, Royaume-Uni.
Vose, D. 2000. Risk Analysis : A quantitative guide. 2me dition John Wiley & Sons, Chichester,
Angleterre, Royaume-Uni.
Whiting, R.C. & Buchanan, R.L. 2001. Predictive modeling and risk assessment. pp. 813831,
dans : M.P. Doyle, L.R. Beuchat & T.J. Montville (diteurs). Food Microbiology: fundamentals
and frontiers. ASM Press, Washington DC, tats-Unis.
Wooldridge, M., Clifton-Hadley, R. & Richards, M. 1996. I dont want to be told what to do by a
mathematical formula Overcoming adverse perceptions of risk analysis. pp. 3647, dans : M.V.
Thrusfield & E.A. Goodall (diteurs). Proceedings of the Society of Veterinary Epidemiology and
Preventive Medicine, Glasgow, 1619 March 1996.
Zhao, P., Zhao, T., Doyle, M.P., Rubino, J.R. & Meng, J. 1998. Development of a model for
evaluation of microbial cross-contamination in the kitchen. Journal of Food Protection,
61(8): 960963.
Zwietering, M.H. & Hasting, A.P.M. 1997a. Modelling the hygienic processing of foods a global
process overview. IChemE Transactions Part C: Food and Bioproducts Processing, 75(C3): 159
167.
Zwietering, M.H. & Hasting, A.P.M. 1997b. Modelling the hygienic processing of foods
influence of individual process stages. IChemE Transactions Part C: Food and Bioproducts
Processing, 75(C3): 168173.
89
Zwietering, M.H., Cuppers, H.G.A.M., deWit, J.C. & van t Riet, K. 1994. Evaluation of data
transformation and validation of a model for the effect of temperature on bacterial growth. Applied
and Environmental Microbiology, 60: 195203.
ANNEXE 1. EXEMPLE DEVALUATION QUALITATIVE DE

LEXPOSITION
Voici un exemple entirement hypothtique dune valuation de lexposition dune chane de
lexploitation la consommation. Il ne sagit pas dune valuation des risques complte, mais
uniquement dune valuation de lexposition.
Il nest pas toujours ncessaire pour une valuation de lexposition danalyser toute la chane de
lexploitation la consommation (cela dpend de la question de lvaluation de lexposition),
mais lexemple a t choisi pour illustrer une vaste gamme dexigences en matire de donnes
ainsi que la faon dont les informations collectes peuvent tre utilises pour mener une
valuation qualitative.
Exemple de voie dexposition : Prsence du pathogne X dans du lait pasteuris

Cet exemple dvaluation de lexposition entend rpondre aux questions hypothtiques
suivantes :
i) Quelle est la probabilit de la prsence du pathogne X dans du lait pasteuris au
moment de sa consommation ? et
ii) Quelle est la quantit probable de cellules du pathogne X ingre si le lait
contamin est consomm ?
Aux fins de lvaluation de lexposition, on part du principe que le pathogne X est une bactrie
pathogne gastro-intestinale non toxicogne.
La Figure A1.1 dcrit une chane hypothtique de la production la consommation pour
lvaluation de lexposition au pathogne X dans du lait pasteuris consomm la maison. Il
convient de noter que pour chaque tape de cette chane, ainsi que pour les valuations de la
prvalence et de la concentration du pathogne X, il y aura de nombreuses autres entres
relatives la transformation et aux facteurs environnementaux, lcologie du pathogne X
dans le lait et aux pratiques des consommateurs. Les variables et les exemples des types de
donnes requises pour cette valuation de lexposition sont mentionns dans le Tableau A1.1.
La Figure A1.1 montre que la chane dbute par lexamen de la production de lait la ferme. Le
lait des vaches en lactation est recueilli dans une cuve lait. Chaque vache a une probabilit
(P1) dtre infecte par le pathogne X et excrte lorganisme dans ses fcs un niveau (N1).
Le lait des vaches infectes a une probabilit (P2) dtre contamin par le pathogne X et ce lait
contient un niveau (N2) dorganismes. Tout le lait est recueilli dans une cuve lait et la
probabilit quelle contienne le pathogne X (P3) dpend des proportions prcdentes (P1, P2)
ainsi que des autres variables (voir Tableau A1.1). Le niveau dans la cuve est reprsent par
(N3). Un camion-citerne de lait recueille ensuite le lait de ferme en ferme et le mlange du lait
provenant dautres fermes. La probabilit gnrale que le lait du camion-citerne soit contamin
est (P4) et son niveau est (N4). Une fois encore, la probabilit et le niveau dpendent de (P3), de
(N3) et des autres paramtres (comme ceux donns dans le Tableau A1.1).
Aprs le passage dans les fermes, le lait arrive dans lusine de traitement. son arrive, la
probabilit de la contamination et le niveau de lorganisme sont respectivement reprsents par
92
Annexe 1
(P5) et (N5). Le lait est ensuite entrepos dans un silo avant sa pasteurisation. la fin de
lentreposage, la probabilit et le niveau sont reprsents par (P6) et (N6) alors que ces valeurs
seront (P7) et (N7) aprs la pasteurisation. Tous ces paramtres dpendent galement dautres
variables environnementales (voir Tableau A1.1). Le refroidissement et lentreposage sont des
tapes postrieures la pasteurisation et, aprs ces tapes, la probabilit de la contamination est
donne par (P8) et son niveau par (N8). Une fois encore, les entres environnementales
permettent dvaluer ces valeurs (voir Tableau A1.1). La dernire tape lusine de traitement
est le filtrage du lait, sa rpartition dans des emballages-consommateurs et leur entreposage
avant la vente au dtail. Une proportion (P9) des emballages-consommateurs quittant lusine
sont contamins et ceux infects contiennent un niveau (N9) du pathogne X.
Aprs le transport, le lait est entrepos avant dtre vendu. Avant lachat, la probabilit de la
contamination est (P10) et son niveau (N10). Aprs lachat, le lait peut tre entrepos avant sa
consommation et aprs cette priode dentreposage, la probabilit est (P11) et le niveau (N11).
Toute personne consomme une portion de lait dune taille (S). En combinant cette information
avec la prvalence et les estimations du niveau, on obtient la probabilit de la consommation de
lait contamin (P) et le niveau du pathogne X consomm (N) si le lait est contamin.
Transport vers lusine
de traitement
Vaches en lactation
P1
P5
N1
Entreposage en silos
Lait des vaches en

lactation
P6
P4
P2
N2
N5
N6
N4
Transport et vente au dtail
Pasteurisation
P10
Cuve lait
P3
P7
N3
P9
Refroidissement et
entreposage
Camion-citerne de
lait
N10
N7
N9
P11
P8
Taille des
portions
Entreposage
au domicile
N11
N8
Estimation de lexposition
Filtrage et entreposage
P
EXPLOITATION
AGRICOLE
USINE DE
TRAITEMENT
DOMICILE
Figure A1.1 Exemple dune voie dexposition au pathogne X dans du lait pasteuris
Tableau A1.1 Variables et donnes dentre pour la voie dexposition au pathogne X dans du lait
pasteuris

tape principale ou
secondaire de la
chane
Rsultat
93
Entres et exemples de donnes ncessaires
tape principale de la chane : EXPLOITATION AGRICOLE

Vaches en lactation
Lait des
lactation
vaches
P1 : Probabilit quune vache soit infecte Prvalence du troupeau ; prvalence au sein du troupeau
par le pathogne X
Proportion de vaches en lactation
N1 : Concentration du pathogne X dans Caractre saisonnier de linfection
Facteurs de gestion Taux dexcrtion fcale
les fcs
en P2 : Probabilit que le lait de la vache P1, N1
infecte soit contamin
Taux auquel les vaches infectes produisent du lait
Probabilit et quantit de la contamination partir des fcs
N2 : Concentration du pathogne X dans Effets saisonniers, effets dautres maladies
le lait
Cuve lait
P3 : Probabilit que le lait dans la cuve P2, N2

soit contamin
Nombre danimaux alimentant la cuve
Autres sources dinfection (par exemple, rongeurs, fcs)
N3 : Concentration du pathogne X dans Dure de lentreposage avant le passage du camion-citerne et
la cuve lait
fluctuations possibles
Temprature de lentreposage et possibles variations
Dynamique de la prolifration et de la survie
Camion-citerne de lait
P4 : Probabilit que le lait dans le camion- P3, N3

citerne soit contamin
Nombre de fermes fournissant du lait aux camions-citernes
et ampleur de la variation de ce nombre
N4 : Niveau du pathogne X dans la cuve
lait
tape principale de la chane : USINE DE TRAITEMENT

Transport vers lusine P5 : Probabilit que le lait dans le camion- P4, N4
de traitement
citerne soit contamin larrive lusine Dure de lentreposage dans des cuves et fluctuations
de traitement
possibles
Temprature au cours de lentreposage et possibles
N5 : Niveau du pathogne X dans le variations
camion-citerne larrive lusine de Dynamique de la prolifration et de la survie
traitement
Entreposage en silos
P6 : Probabilit que le lait soit contamin P5, N5

Dure de lentreposage en silo et fluctuations possibles
aprs lentreposage en silos
Temprature dentreposage et variations possibles
N6 : Niveau du pathogne X aprs Dynamiques de la prolifration et de la survie
lentreposage en silos
Dtails de tous les tests mens
Autres sources de contamination
Pasteurisation

aprs la pasteurisation
Temprature et dure de la pasteurisation et variations
possibles
N7 : Niveau du pathogne X dans le lait Probabilit de lchec de la pasteurisation
aprs la pasteurisation
Dynamique de la survie
Refroidissement
entreposage
et P8 : Probabilit que le lait soit contamin P7, N7

aprs le refroidissement et lentreposage
Temprature de refroidissement et fluctuations possibles
Dure et temprature dentreposage et possibles variations
N8 : Niveau du pathogne X dans le lait Dynamique de la prolifration et de la survie
aprs le refroidissement et lentreposage
Filtrage et entreposage

aprs le filtrage et lentreposage
Volume de lait par bouteille ou carton et variations possibles
Dure et temprature dentreposage et possibles fluctuations
aprs le filtrage et lentreposage
Dtails de tous les tests mens
94
Annexe 1
tape principale ou
secondaire de la
chane
Rsultat
Entres et exemples de donnes ncessaires
tape principale de la chane : POINT DE VENTE et DOMICILE

Transport et vente au P10 : Probabilit que le lait soit contamin P9, N9
dtail
au moment de lachat
Dure du transport entre lusine de traitement et le point de
vente et entre le point de vente et le domicile et possibles
N10 : Niveau du pathogne X dans le lait variations
au moment de lachat
Tempratures lors du transport et fluctuations possibles
Dure et temprature au point de vent et leurs fluctuations
possibles
Dynamique de la prolifration et de la survie
Entreposage
domicile
Taille des portions
Estimation
lexposition
au P11 : Probabilit que le lait soit contamin P10, N10

au moment de la consommation
Dure et temprature dentreposage au domicile et
fluctuations
au moment de la consommation
Possibilits de contamination croise
S : Taille des portions
de P : Probabilit de lexposition par portion
Quantit de lait consomm par portion et variations de cette

quantit, la fois au sein dun mme groupe de la population
et entre groupes (ge, rgion, tat de sant, groupes
ethniques)
P11, N11, S
N : Quantit dorganismes ingre par

portion de lait infect
Nous allons utiliser lexemple du pathogne X dans du lait pasteuris pour faire une
dmonstration dune valuation qualitative. Lvaluation hypothtique est cense tre une
valuation nationale, plus prcisment pour un pays Y. Nous partirons du principe que les
informations suivantes ont t recueillies et nous nous servirons de la voie dcrite la
Figure A1.1 en tant que modle-cadre. Veuillez noter que les rfrences cites ci-dessous (
savoir, White et coll., 1970, etc.) sont fictives et nexistent pas vritablement.
Donnes relatives lorganisme prsent chez les bovins et dans le lait
Le pathogne X est connu pour infecter les bovins sans aucune manifestation clinique (White et
coll., 1970).
Plusieurs tudes rcentes se sont penches sur lexcrtion de lorganisme par des animaux
infects (White et coll., 2000 ; White, 2001). Dans toutes ces tudes, des chantillons ont t
prlevs sur des animaux. Alors que de nombreux chantillons des fcs taient positifs, aucun
chantillon de lait ne ltait. Le document ne fournit aucune donne numrique prcise.
Rcemment, la prvalence nationale de linfection des animaux laitiers par le pathogne X dans
le pays Y a fait lobjet de recherches (Peacock et coll., 1999 ; Black et coll., 2000). Des tests ont
t mens au niveau des troupeaux et les rsultats montrent quun faible pourcentage de fermes
laitires est touch.
La transmission du pathogne X entre animaux est peu courante ; les troupeaux les plus
infects ne comptent dun seul animal atteint (Black, 2000).
Il peut y avoir une contamination fcale du lait au niveau de lexploitation agricole qui
peut tre prvenue en procdant une dsinfection et un nettoyage corrects, par exemple, le
95
nettoyage des mamelles avant la traite (Mustard, 1980). Une tude rcente sur cinq fermes
montre quune seule dentre elles ne disposait pas de procdure de nettoyage approprie pour
viter la contamination fcale (Peacock et coll., 1999).
Lors dune rcente enqute de la contamination du lait par des pathognes humains, du
lait provenant dune cuve dune ferme a t test au pathogne Z avant son prlvement par le
camion-citerne. Ltude a tabli une concentration de moins de 10 organismes par ml (Plum,
1999). Malheureusement, ltude ne portait pas sur le pathogne X.
La prolifration et la survie du pathogne X dans divers contextes ont fait lobjet

dtudes approfondies (White, 1985 ; Black, 1980). Plus prcisment, lorganisme ne prolifre
pas des tempratures infrieures 12 C. En outre, une tude rcente sur des chantillons de
lait artificiellement traits a montr une rduction de la quantit dorganismes la suite de la
pasteurisation 71,7 C pendant 15 secondes.
Donnes lies la production de lait

Dans un pays Y, le lait doit tre entrepos dans les fermes des tempratures infrieures 5 C
juste aprs la traite. Le temps ncessaire au lait pour atteindre ces tempratures est trs court.
Les camions-citernes qui transportent le lait vers les usines de traitement sont conus pour
garantir que le lait reste cette temprature lors du transport (Milk Producer A, pers. comm.). Il
nexiste pas dinformation sur le taux dchec ces points de contrle.
larrive lusine de traitement, plusieurs tests sont mens sur le lait. Il sagit de tests
pour dtecter une forte contamination bactrienne et de relevs de la temprature (Milk
Producer A, pers. comm.).
Dans le pays Y, le lait est pasteuris soit 63 C pendant 30 minutes, soit 71,7 C
pendant 15 secondes. Il est ensuite directement refroidi moins de 10 C (Milk Producer
A, pers. comm).
La pasteurisation peut chouer pour de multiples raisons. Il nexiste pourtant pas

dinformations pour dterminer si cela survient frquemment dans le pays Y.
Aprs le refroidissement, le lait est filtr et vers dans des cartons et des bouteilles en
plastiques de tailles diverses. Ceux-ci sont entreposs moins de 5 C et transports vers
le point de vente au dtail.
La contamination du lait aprs sa pasteurisation par diffrents organismes est possible et

dpendra des pratiques dhygine en vigueur dans lusine de traitement. Une tude
intressante mene dans le pays Y sest penche sur la probabilit dune telle
contamination dans 10 usines de traitement (Scarlett et coll., 1995). La principale
conclusion de ltude tait que, pour la majorit des usines, des systmes danalyse des
risques aux points critiques taient en place et scrupuleusement appliqus, minimisant
ainsi la possibilit dune contamination croise.
Lentreposage du lait au point de vente au dtail doit se faire des tempratures

infrieures 5 C, mais il nexiste pas dinformations quant la frquence dventuels
carts de temprature.
Donnes relatives aux consommateurs
Le lait est un produit fortement consomm dans le pays Y (Enqute alimentaire
96
Annexe 1
nationale, 2000).
La dure de lentreposage domicile dpend de la taille de lemballage, par exemple, les

bouteilles en plastique de 4 litres seront entreposes plus longtemps que les cartons de
0,25 litre (Enqute alimentaire nationale, 2000).
Les tailles des portions fluctuent normment en fonction de lutilisation du lait (Enqute
alimentaire nationale, 2000).
Selon son utilisation, le lait est chauff avant sa consommation. La temprature

laquelle il est chauff est variable, par exemple, il peut tre juste chauff ou bouilli
(Enqute alimentaire nationale, 2000).
Les informations relatives lorganisme, au produit et aux consommateurs peuvent maintenant

tre organises de faon logique, en se servant de la voie dexposition schmatise la Figure
A1.1 comme guide. Il est possible dvaluer la probabilit et les concentrations associes
chaque tape et de sen servir pour calculer notre valuation qualitative de lexposition. Une
faon utile dorganiser les informations consiste utiliser le tableau dont un exemple est donn
au Tableau A1.2.
chaque tape du Tableau A1.2, les principales donnes sont rsumes et servent tirer des
conclusions sur les probabilits et les concentrations. Il faut galement prciser la mesure dans
laquelle ces paramtres varieront et les sources des variations. Du reste, il convient de souligner
les principales lacunes au niveau des donnes, de mme que les zones de lvaluation qui
comportent des incertitudes potentiellement importantes.
partir de cette valuation, on constate quil existe deux scnarios possibles. Ils sont lis la
possibilit que la pasteurisation choue et les niveaux calculs de lexposition dans les deux cas
sont trs diffrents. Attardons-nous au cas dune pasteurisation correcte. Dans ce scnario, il
existe une probabilit ngligeable par portion que le lait soit contamin. Toutefois, cette
probabilit pourrait tre plus leve si une contamination survenait aprs la pasteurisation. Si le
lait est contamin, la concentration sera probablement ngligeable, mais elle pourrait tre plus
importante en cas de contamination ou de prolifration aprs la pasteurisation.
En revanche, si la pasteurisation choue, il est possible quil y ait une trs faible probabilit
dexposition dans chaque portion, mais elle pourrait tre plus leve si une contamination
survient aprs la pasteurisation. Si le lait est contamin, la concentration pourrait tre trs
leve, surtout sil y a prolifration.
Lincertitude dans cette valuation dcoule des diverses importantes lacunes au niveau des
donnes. Elles sont lies la frquence de la contamination fcale au niveau de lexploitation
agricole, de la frquence de la contamination aprs la pasteurisation, du taux des remontes de
tempratures et du taux dchec de la pasteurisation. Il serait capital dobtenir davantage
dinformations propos de ces variables.
Sur base de cette valuation, il est galement possible de formuler des recommandations pour
que dautres travaux lis ce problme soient mens. Plus spcifiquement, comme il existe
deux scnarios diffrents comprenant deux valuations diffrentes de lexposition, il semble
opportun de sinterroger plus en dtail pour dterminer lequel comporte le plus haut niveau de
risques. Le problme de lchec de la pasteurisation mriterait surtout dtre approfoTableau
A1.2 Rsum de lvaluation qualitative de lexposition au pathogne X dans le lait pasteuris

Rsultat requis
Information rsume
P4 : Probabilit que le
lait dans le camionciterne soit contamin
N4 : Niveau du
pathogne X dans la
cuve lait
Faible pourcentage de fermes laitires infectes et, dans

ces fermes, faible pourcentage danimaux infects.
Faible prvalence animale nationale.
Il est fort peu probable que les animaux infects excrtent
les organismes dans le lait, mais il par contre fort possible
quils les excrtent dans les fcs.
La source la plus probable de lorganisme dans le
lait est la contamination fcale.
Le niveau des pratiques dhygine pour viter la
contamination fcale est variable, mais, dans lensemble, la
frquence de lvnement est faible en dpit de lincertitude
lie ce paramtre.
Faible probabilit de contamination fcale.
En cas de contamination, la quantit dorganismes risque
dtre faible, mais ici encore il existe une incertitude.
Faible concentration des pathognes avant lentreposage.
Si le lait est refroidi rapidement et entrepos des
tempratures < 12 C, le pathogne X a peu de chances de
prolifrer lors de lentreposage la ferme.
Sil est contamin, le niveau dorganismes dans le lait est
faible lorsquil quitte les fermes, mais il pourrait tre lev
si les tempratures sont > 12 C, car une prolifration
pourrait survenir.
97
valuation de la probabilit et de la
concentration, et principales incertitudes
tapes de la voie : Exploitation agricole

Trs faible probabilit que le lait
dans les cuves soit contamin
Si le lait est contamin, les niveaux
seront probablement faibles, mais ils
pourraient tre levs sil nest pas
refroidi rapidement ou si la
temprature dentreposage excde
12 C et quune prolifration survient.
Principales incertitudes
Frquence de la contamination
fcale.
Quantit dorganismes en cas de
contamination.
Frquence et ampleur/dure des
carts de temprature lors de
lentreposage la ferme
tapes de la voie : Usine de traitement

P9 : Probabilit que le
lait soit contamin
aprs le filtrage et
lentreposage
N9 : Niveau du
pathogne X dans le
lait aprs le filtrage et
lentreposage
Deux scnarios assez diffrents

Il est fort peu probable que le pathogne X prolifre lors
pourraient survenir :
du transport ou de lentreposage avant la pasteurisation si
les directives en matire de tempratures dentreposage
Scnario 1 : Pasteurisation correcte
sont respectes. Nanmoins, il existe une forte incertitude
Probabilit ngligeable que le lait soit contamin
quant la frquence des checs.
Si le lait est contamin, le nivea
Si le lait est contamin, il contient une faible concentration dorganismes avant la pasteurisation, mais qui pourrai
Scnario 2 : chec de la
tant donne la faible concentration initiale, la
pasteurisation
pasteurisation diminuera la concentration jusqu un
Probabilit fortement ngligeab
niveau zro ou ngligeable. Mais il existe une incertitude
Si le lait est contamin, le
quant la frquence des checs.
niveau
tre trs
lev,
Probabilit ngligeable quune contamination survienne aprs
la pourrait
pasteurisation,
mais
ellesurtout
pourrait tre plus leve
sil y a prolifration.
Si le lait est contamin, le niveau dorganismes aprs la pasteurisation est ngligeable, mais il pourrait tre lev e
Une contamination pourrait survenir aprs la
pasteurisation, mais il existe une forte incertitude quant
son ampleur.
Probabilit de contamination du produit final probab
Sil est contamin, le niveau dorganismes dans le produit fini est extrmement faibl
Le respect de directives en matire de tempratures
empche les organismes de prolifrer lors de tout
Frquence des checs de la
entreposage avant le transport vers le point de vente, mais il
pasteurisation.
existe des incertitudes quant aux taux dchec
Frquence de la contamination aprs
Il existe probablement une trs faible probabilit de contamination
du produit final, mais elle pourrait tre plus le
la pasteurisation.
Sil est contamin, le niveau dorganismes dans le pr
Frquence et ampleur/dure des
carts de temprature lors de
lentreposage ( toutes les tapes du
processus).
98
Annexe 1
valuation de la probabilit et de la
concentration, et principales incertitudes
Rsultat requis
Information rsume
P : Probabilit de
lexposition par
portion
N : Quantit
dorganismes ingre
par portion de lait
infecte
Il est trs peu probable que les organismes prolifrent si le Ici encore, deux scnarios assez diffrents
pourraient survenir :
lait est entrepos des tempratures correctes, la fois au
point de vente et la maison, mais il existe des incertitudes
Scnario 1 : Pasteurisation correcte
quant aux carts de temprature.
Probabilit ngligeable de
ngligeable,
mais elle
pourrait
Probabilit de contamination du produit consomm extrmement
lexposition
par portion,
mais
elle tre plus leve si la pasteurisation c
pourrait
tremais
plusilleve
en tre
cas de
Si le lait est contamin, le niveau dorganismes est extrmement
faible,
pourrait
trs lev en cas dchec de la pasteurisat
contamination aprs la pasteurisation.
Si le lait est contamin, le niveau
sera probablement ngligeable, mais il
pourrait tre plus lev en cas de
contamination ou de prolifration
aprs la pasteurisation.
Scnario 2 : chec de la
pasteurisation
Probabilit trs faible de lexposition
par portion, mais elle pourrait tre
plus leve en cas de contamination
aprs la pasteurisation.
Si le lait est contamin, le niveau
pourrait tre trs lev, surtout sil y a
prolifration.
Frquence des carts de temprature
lors de lentreposage ( toutes les
tapes du processus).
tapes de la voie : Domicile
99
ANNEXE 2. SOURCES POTENTIELLES DINFORMATION
Organisations internationales
Plusieurs organisations internationales disposent dinformations :
Commission du Codex Alimentarius de la FAO et de lOMS (principes, directives,

consultations dexperts sur lanalyse des risques, sur la gestion des risques et sur la
communication sur les risques ; bilans alimentaires ; rgimes rgionaux
GEMS/Aliments)
Commission du Codex Alimentarius (Principes gnraux ; hygine alimentaire)
Commission internationale pour la dfinition des caractristiques microbiologiques des

aliments (mthodes ; cologie microbienne dans les aliments ; objectifs de scurit
sanitaire des aliments, etc.)
Institut international des sciences de la vie (donnes relatives aux consommateurs et la

consommation ; cadre pour lERM dans les aliments et leau, etc.)
OIE (Office international des pizooties/Organisation mondiale de la sant animale)
OCDE (Organisation de coopration et de dveloppement conomiques)
ISO (Organisation internationale de normalisation)
CE (Commission europenne) (informations sur la consommation alimentaire des

mnages)
Institut commun pour la scurit alimentaire et la nutrition (JIFSAN) : US Food and

Drug Administration (USFDA) et Universit de Maryland
Les organisations ci-dessus disposent de sites web dtaills partir desquels bon nombre de
leurs publications peuvent tre tlcharges.
Gouvernements nationaux
Statistiques sur la production alimentaire
Enqutes sur la consommation alimentaire et enqutes nutritionnelles
Industrie alimentaire
Donnes sur la production alimentaire ou sur les ventes
Informations sur les parts de march
100
Annexe 2
Informations sur les principes de lanalyse des risques

La FAO et lOMS ont organis de nombreuses consultations (dexperts) pour soutenir le
dveloppement de lanalyse des risques et de lvaluation des risques microbiologiques. Les
thmes abords sont :
lapplication de lanalyse des risques dans le domaine des normes alimentaires ;
la gestion des risques et la scurit alimentaire ;
lapplication de la communication sur les risques aux normes alimentaires et la scurit

sanitaire des aliments ;
lvaluation des risques lis aux dangers microbiologiques dans les aliments ;
linteraction entre les valuateurs et les gestionnaires des dangers microbiologiques dans
les aliments ; et
la stratgie des programmes denqute des maladies dorigine alimentaire lchelle

mondiale.
Exemple dvaluation des risques FAO/OMS

Des valuations des risques ont t publies sur :
Salmonella dans les ufs et les poulets de chair :
FAO/OMS. 2002a. valuation des risques lis Salmonella dans les ufs et les poulets
de chair. Rsum interprtatif. [FAO/OMS] Srie valuation des risques
microbiologiques, n 1. 44p.
FAO/OMS. 2002 b. Risk assessment of Salmonella in eggs and broiler chickens.

Technical report. [FAO/OMS] Srie valuation des risques microbiologiques, n 2.
302p.
Listeria monocytogenes dans les aliments prts consommer :
FAO/OMS. 2004a. valuation des risques lis Listeria monocytogenes dans les
aliments prts consommer. Rsum interprtatif. [FAO/OMS] Srie valuation des
risques microbiologiques, n 4. 49p.
FAO/OMS. 2007 b. Risk assessment of Listeria monocytogenes in ready-to-eat foods.

270p.
Vibrio spp. dans les produits de la mer :
FAO/OMS. 2005. Risk assessment on Vibrio vulnificus in raw oysters. [FAO/OMS]

Srie valuation des risques microbiologiques, n 8.
FAO/OMS. 2005. Risk assessment of choleragenic Vibrio cholerae O1 and O139 in

warm-water shrimp in international trade. [FAO/OMS] Srie valuation des risques
microbiologiques, n 9.
Dautres valuations des risques doivent paratre ou sont en prparation pour dautres Vibrio
101
spp. dans les produits de la mer.

Campylobacter spp. dans les poulets de chair :
FAO/OMS. 2007. Risk characterization of Campylobacter spp. in broiler chickens:

Interpretative summary. [FAO/OMS] Srie valuation des risques microbiologiques,
n 11.
FAO/OMS. 2007. Risk characterization of Campylobacter spp. in broiler chickens:

Les documents et les projets peuvent tre tlchargs de la page :

http://www.fao.org/ag/agn/agns/jemra_riskassessment_fr.asp
ANNEXE 3. TERMINOLOGIE
Terme
Dfinition
Analyse de
lincertitude*
Mthode utilise pour dterminer lincertitude lie aux donnes dentre, aux
hypothses et la structure/forme dun modle.
Analyse de la
sensibilit*
Mthode utilise pour examiner le comportement dun modle en mesurant la

variation de ses donnes de sortie dcoulant de changements apports aux
donnes dentres.
Analyse des
risques*
Processus comportant trois volets : lvaluation des risques, la gestion des risques
et la communication sur les risques.
Bootstrap
La mthode bootstrap sutilise dans des conditions similaires celles de

linfrence baysienne, cest--dire en prsence dune srie de donnes X extraite
au hasard dune distribution de la population F de laquelle on souhaite valuer un
paramtre statistique. La thorie de bootstrap part de lhypothse que la vritable
distribution F dun paramtre dune population peut tre juste titre estime
approximativement par la distribution ^F des valeurs observes. La thorie tablit
alors cette distribution ^F des n valeurs observes et prend n autres chantillons
au hasard en remplaant ceux de la distribution tablie et calcule les statistiques
pertinentes partir de cet chantillon. Lchantillonnage partir de la distribution
tablie et le calcul des statistiques sont rpts de nombreuses reprises jusqu
ce qu obtenir une distribution assez stable des statistiques pertinentes. Il sagit
de la distribution de lincertitude dun paramtre.
Communication
sur les risques*
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.
Danger*
Un agent biologique, chimique ou physique prsent dans un produit, ou tat de ce

dernier pouvant avoir un effet nocif pour la sant.
valuation de
lexposition
valuation qualitative et/ou quantitative de lingestion probable dagents

biologiques, chimiques et physiques par le biais daliments, susceptibles de
provoquer un effet nocif sur la sant.
valuation des
risques*
Processus base scientifique comprenant les tapes suivantes : i) lidentification

des dangers ; ii) la caractrisation des dangers ; iii) lvaluation de lexposition et
iv) la caractrisation des risques.
valuation
qualitative des
risques*
Une valuation des risques base sur des donnes qui, tout en constituant une base
inadquate pour des estimations numriques de risques, permet toutefois,
lorsquelle est conditionne par une expertise approfondie pralable et par
lidentification des incertitudes concomitantes, le classement des risques ou leur
rpartition en diverses catgories descriptives des risques.
valuation
quantitative des
risques*
Une valuation des risques exprime numriquement et une indication des

incertitudes concomitantes.
104
Annexe 3
Gestion des
risques*
Processus (distinct de lvaluation des risques) consistant mettre en balance les

diffrentes politiques possibles en consultation avec toutes les parties intresses,
en tenant compte de lvaluation des risques et dautres facteurs ayant une
importance pour la protection de la sant des consommateurs et la promotion de
pratiques commerciales quitables.
Identification des
dangers*
Identification des agents biologiques, chimiques et physiques susceptibles de

provoquer des effets nocifs pour la sant et qui peuvent tre prsents dans un
aliment donn ou un groupe daliments.
Incertitude
Lexpression (quantitative) de notre manque de connaissances. Lincertitude peut

tre rduite par dautres mesures ou informations
Infrence
baysienne
Lapproche baysienne reprsente lun des deux courants de statistiques et

linfrence baysienne est particulirement adapte aux situations o seules des
donnes subjectives sont disponibles. Linfrence baysienne se fonde sur le
thorme de Bayes et permet dutiliser des donnes pour amliorer lestimation
dun paramtre. Fondamentalement, elle comporte trois tapes : 1) dterminer une
estimation pralable du paramtre sous la forme dune distribution de confiance ;
2) trouver une fonction de vraisemblance approprie pour les donnes observes ;
et 3) calculer lvaluation postrieure (donc rvise) du paramtre en multipliant
la distribution pralable et la fonction de vraisemblance, et ensuite normaliser de
faon ce que le rsultat soit une vritable distribution de confiance.
Modlisation de
second ordre
Technique utilise pour sparer la variabilit et lincertitude en se servant de

lanalyse de Monte-Carlo. Ce genre de modlisation requiert souvent un grand
nombre ditrations ce qui peut poser des problmes lorsque la complexit du
modle augmente.
Risque*
Fonction de la probabilit dun effet nocif pour la sant et de sa gravit, du fait de

la prsence dun (de) danger(s) dans un aliment.
Transparence*
Caractristique dun processus o la raison dtre, la logique de dveloppement,

les contraintes, les hypothses, les jugements de valeur, les dcisions, les
limitations et les incertitudes de la dtermination exprime sont clairement et
systmatiquement noncs, documents et accessibles des fins de rvision.
Variabilit
La variabilit est lhtrognit des sujets modliss ; elle inclut la fois la

variabilit stochastique (alatoire) et la variabilit entre individus. Elle ne peut pas
tre rduite par dautres mesures ou informations
ANNEXE 4. DISTRIBUTIONS DE PROBABILITS ET

PROCESSUS ALATOIRES
Introduction
Il est possible de formuler des valuations quantitatives de lexposition de faon dterministe ou
alatoire (voir le Chapitre 3 pour une description dtaille de ces catgories). La principale
raison pour suivre une approche alatoire est de sassurer dinclure les fluctuations du monde
rel au modle. Il est possible dy parvenir en se servant de distributions de probabilits et de la
thorie des probabilits.
De nombreuses quantits de lvaluation de lexposition varient dans la ralit, comme la
temprature au cours de lentreposage et la taille des portions. Ces quantits sont appeles
variables et, dans le modle, on leur attribue des valeurs dune fourchette dfinie. La
temprature au cours de lentreposage pourrait, par exemple, fluctuer de valeurs allant de -5
15 C. La frquence avec laquelle les variables prennent chacune des valeurs, une temprature
dentreposage de 1 C par exemple, est dcrite par la distribution de probabilits de la variable.
Outre la description de la variabilit, les distributions de probabilits peuvent galement tre
utilises pour caractriser lincertitude associe aux paramtres et aux donnes dentre de
lvaluation de lexposition. Ces paramtres sont des proprits physiques de la voie
dexposition et, comme dans le cas des variables, ils seront nombreux au sein du modle.
Pour chaque variable et paramtre du modle, il existe une vaste liste de distributions de
probabilits possibles qui peuvent servir la description. Toutefois, dans chaque cas, certaines
distributions conviendront mieux que dautres. Il faut comprendre la thorie des probabilits et
disposer dexprience et de pratique pour dterminer la bonne distribution utiliser. Vous
trouverez ci-dessous un rapide aperu des distributions communment utilises. Les lecteurs qui
dsirent utiliser des techniques alatoires sont invits consulter des textes types sur la
modlisation, comme Vose (2000), afin de disposer dun examen complet de la thorie sousjacente.
Distributions de probabilits utilises dans une valuation de lexposition

Les distributions de probabilits disposent de nombreuses proprits qui peuvent aider
dterminer si elles sont ou pas appropries pour dcrire une variable donne. Avant toute chose,
la distribution peut tre discrte ou continue. Une distribution discrte ou discontinue peut tre
utilise pour des variables qui peuvent tre divises en catgories ou groupes distincts.
Llevage de bovins, par exemple, pourrait tre dcrit par une distribution discrte de la mme
faon que le nombre de porcs dans un groupe infects par la salmonella. Par contre, les
distributions continues dcrivent des variables qui passent par des valeurs dune gamme
continue. Par exemple, le poids, la hauteur et la temprature dun individu. Toutes les variables
qui peuvent tre reprsentes par un nombre rel (quel que soit le nombre de chiffres aprs la
virgule) sont continues.
Une autre proprit importante a trait la faon dont la forme de la distribution est tablie :
paramtrique et non paramtrique. Les distributions paramtriques peuvent tre tablies en
106
Annexe 4
examinant la mathmatique sous-jacente au problme (dans une valuation de lexposition, le

processus biologique), alors que des distributions non paramtriques sont formes en faisant
correspondre une fonction mathmatique des donnes observes pour lui donner la forme
requise. Les distributions paramtriques peuvent galement tre utilises pour des observations.
Bon nombre de distributions paramtriques sont lies les unes aux autres grce lexamen de
certains processus alatoires sous-jacents. Vous trouverez ci-dessous une description de ces
processus alatoires et des distributions de probabilits qui y sont associes. Suit ensuite un
rsum dautres distributions utiles.
Approches alatoires et les distributions qui y sont lies

Il existe trois approches alatoires ou probabilistes : le processus binomial, le processus de
Poisson et le processus hypergomtrique. De trs nombreux problmes danalyse des risques
peuvent tre rsolus grce une bonne matrise de ces trois processus. Les distributions de
probabilits qui caractrisent chaque processus sont dcrites dans la Figure A4.1.
Processus binomial
Nombre de
procs
(NegBin)
Nombre de
succs s
(binomial)
Probabilit de
succs p (bta)
Processus de Poisson
Dure de
lexposition t
(Gamma)
Nombre dvnements
observs (Poisson)
Processus hypergomtrique
Nombre de procs
n (invHypergeo)
Nombre moyen
dvnements par unit
de temps (Gamma)
Nombre de succs
s (hypergo)
Population M,
Sous-population
D ()
Figure A4.1 Trois importants processus alatoires (tirs de Vose, 2000).
Le processus binomial
Le processus binomial est un systme de comptage alatoire o il y a n procs indpendants
identiques ; pour chacun dentre eux, il existe la mme probabilit p de succs. Le rsultat est s
succs pour ces n procs. titre dexemple dune approche binomiale, on pourrait prendre un
107
chantillon de carcasses de poulet dun rservoir rfrigrant et compter ceux qui sont
contamins par Campylobacter (en utilisant une mthode dvaluation approprie chaque
carcasse). Ici, n est le nombre de carcasses dans lchantillon, p la probabilit de trouver des
carcasses positives (et dpend de la prvalence et de la sensibilit et de la spcificit du test) et s
est le nombre de carcasses positives trouves.
Chaque quantit, n, p, s, peut tre estime lorsque les deux autres sont connues. Plus
particulirement, si des estimations sont disponibles pour n et p, la variabilit du nombre de
succs (s) est dcrite par la distribution binomiale. De la mme faon, la variabilit du nombre
de procs (n) ncessaires pour parvenir s succs est dcrite par la distribution binomiale
ngative. Enfin, lincertitude propos de la vritable valeur de la probabilit de succs p est
dcrite en utilisant une distribution bta.
Il est galement possible dillustrer le processus binomial en tirant pile ou face plusieurs fois.
Chaque tirage correspond un procs et tomber sur face est quivaut au succs. Si la pice est
quilibre, la probabilit de succs p est gale 0,5. Un autre exemple li aux valuations des
risques microbiologiques est lexprience dose-rponse. Dans ce cas, on peut faire correspondre
le nombre dindividus exposs une dose donne de pathognes au procs et le dveloppement
dune maladie ou dune infection serait le succs. La probabilit p est donc la probabilit dune
maladie/infection pour une dose donne.
Les paramtres de lapproche binomiale sont dcrits en utilisant la formule ci-dessous. Vous
pouvez notamment consulter Vose (2000) pour obtenir une description dtaille de ces
formules.
s = binomial(n, p)
n = s + NegBin(s, p) si le dernier procs a t sold de succs
n = s + NegBin(s +1, p) si le dernier procs ne sest pas sold de succs
p = bta (s +1, n - s +1) pour une loi uniforme (0,1) antrieure
p = bta (s +a, n - s +b) pour une loi bta (a, b) antrieure
Le processus de Poisson
Le processus de Poisson examine une possibilit continue et constante (exposition) que certains
vnements surviennent. Le nombre annuel daccidents de la route sur une portion dtermine
de route est un exemple de lapproche de Poisson. Dans cet exemple, le continuum de
possibilits est lheure et lvnement est un accident. Dans le processus de Poisson, le nombre
moyen dvnements qui survient par unit dexposition est dfini comme et cette valeur est
constante pour la dure totale de lexposition, t. Lapproche de Poisson dcrit la variabilit du
nombre dvnements observs () et la dure dexposition jusqu ce que vnements
surviennent est donne par une distribution gamma. La distribution gamma peut galement tre
utilise pour dcrire lincertitude lgard de .
Parmi les exemples de processus de Poisson dans les valuations des risques microbiologiques,
citons les infections sur une anne ou une saison et la rpartition des bactries dans une masse
homogne. Les paramtres de lapproche de Poisson sont dcrits en utilisant la formule cidessous. Ici encore, vous trouverez dans Vose (2000) tous les dtails de ces distributions.
= Poisson (*t)
108
Annexe 4
t = Gamma (, ), = 1/
= Gamma (, 1/ t), avec un () 1/ antrieur
= Gamma (a+, b/(1+b* t)), avec un gamma (a, b) antrieur et gamma (1, ) = Expon ()
Le processus hypergomtrique
Considrons un groupe de M individus, dont D dentre eux ont une caractristique prcise. Si
sur n lments choisis au hasard sans remplacement, s lments ont la caractristique, il sagit
alors dun processus hypergomtrique. Dans cette approche, tous les M lments ont les
mmes probabilits dtre slectionns. Le nombre dindividus disposant dune particularit
spcifique dans lchantillon est dcrit par la distribution hypergomtrique et le nombre
dchantillons ncessaires pour obtenir s est dcrit par la distribution hypergomtrique inverse.
chantillonner n moutons dun troupeau dune taille M avec D moutons infects est un exemple
dun processus hypergomtrique. De la mme faon, lchantillonnage de produits alimentaires
dune cargaison et les recensements danimaux sauvages par capture, libration et recapture sont
des processus qui peuvent galement tre dcrits de cette faon.
Les distributions de lapproche hypergomtrique sont
s = hypergo (n, D, M)
n = s + inv hyp (s, D, M)
Autres distributions de probabilits
linstar des distributions qui caractrisent les processus binomial, hypergomtrique et de
Poisson, il existe dautres distributions paramtriques et non paramtriques quil est souvent
appropri dutiliser dans des valuations de lexposition.
En particulier, la loi normale est une distribution paramtrique qui peut servir dcrire des
variables physiques ou qui surviennent naturellement comme la temprature, le poids et la
hauteur. La loi log-normale est une distribution lie la loi normale. Si une variable est
distribue selon la loi log-normale, alors son logarithme sera distribu selon la loi normale. Elle
est habituellement utilise pour dcrire des quantits physiques qui vont de zro des valeurs
infiniment leves. Pour des processus biologiques, la priode dincubation est souvent dcrite
par une loi log-normale.
Comme cela a t dit prcdemment, les distributions non paramtriques ne sintressent pas
la mathmatique du problme tudi. Elles se basent plutt sur lexigence dune certaine forme
qui est souvent fonde sur des donnes observes. La loi uniforme est un exemple de
distribution non paramtrique. On suppose ici que toutes les valeurs entre un minimum et un
maximum peuvent survenir avec la mme probabilit. Si lon dispose galement dinformations
sur la valeur la plus probable entre ces extrmes, on peut alors recourir une loi triangulaire ou
BetaPert. Lorsquun nombre raisonnable de points de donnes sont disponibles, cest--dire plus
que le minimum, la valeur la plus probable et le maximum, alors les donnes peuvent tre
utilises pour dcrire directement une distribution. On peut y parvenir en utilisant une
distribution discrte pour les variables discrtes et une fonction de rpartition ou une
distribution gnrale pour les valeurs continues.
109
Remarques finales
Mener une valuation alatoire de lexposition est une tche complexe qui repose
principalement sur une comprhension de la thorie des probabilits de base et des distributions
de probabilits. La prsente annexe ne donne quun aperu trs bref du sujet et fournit les
rfrences dun exemple de texte publi auquel se rfrer pour obtenir davantage de dtails.
Nous vous invitons examiner en profondeur la thorie sous-jacente aux techniques avant de
vous en servir pour mener des valuations de lexposition.
Rfrences
Vose, D. 2000. Risk Analysis : A quantitative guide. 2me dition John Wiley & Sons, RoyaumeUni.
SRIE FAO/OMS VALUATION DES RISQUES MICROBIOLOGIQUES

1
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

Évaluation de L'exposition Aux Dangers Microbiologiques Dans Les Aliments

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Évaluation de L'exposition Aux Dangers Microbiologiques Dans Les Aliments

Transféré par

Droits d'auteur :

Formats disponibles

SERIE EVALUATION DES RISQUES MICROBIOLOGIQUES

ORGANISATION MONDIALE DE LA SANT

TABLE DES MATIERES

1.2 Lvaluation de lexposition dans ce contexte

1.3 Objectif des prsentes lignes directrices

1.4 Porte des lignes directrices

2. MTHODES DVALUATION DE LEXPOSITION

2.2 Objectifs et types dvaluation de lexposition

2.3 Dfinir lobjectif et la porte dune valuation de lexposition spcifique

2.4 De la thorie la pratique

2.5 Moyens ncessaires pour lvaluation de lexposition

3.2 valuation qualitative et quantitative de lexposition

3.3 valuations qualitatives de lexposition

3.4 valuations semi-quantitatives de lexposition

3.5 valuations quantitatives de lexposition

3.5.1 valuations dterministes

3.6 Modlisation des tapes de la production la consommation

4. DONNES NCESSAIRES UNE VALUATION DE LEXPOSITION

4.1 Types de donnes utilises dans une valuation de lexposition

4.2 Caractristiques des donnes

4.2.1 Format des donnes

4.3.4 Donnes issues des enqutes sur la production primaire

4.4 Recueil, slection et utilisation des donnes

4.5 Grer labsence de donnes

4.5.1 Restructuration du modle

5. VARIABILIT, INCERTITUDE ET SENSIBILIT

5.1 Lincertitude et la variabilit dans une valuation de lexposition

5.2 Analyse de la sensibilit et analyse de lincertitude

6. GARANTIR LA QUALIT DE LVALUATION DE LEXPOSITION

6.2 Qualit de la documentation

6.3 Examen par les pairs et du public

7. COMMUNICATIONS LORS DE LVALUATION DE LEXPOSITION

7.1 Communications pendant une valuation de lexposition

7.2 Prsentation et communication des rsultats

8. UTILISATION DES LIGNES DIRECTRICES

ANNEXE 1. EXEMPLE DVALUATION QUALITATIVE DE L`EXPOSITION 91

ANNEXE 4. DISTRIBUTIONS DE PROBABILITS ET PROCESSUS

Administration vtrinaire et alimentaire danoise, Danemark

United States Department of Agriculture, tats-Unis dAmrique

Food and Drug Administration, tats-Unis dAmrique

Sant Canada, Canada

University of Liverpool, Royaume-Uni

Instituto Adolfo Lutz, Brsil

United States Department of Agriculture, tats-Unis dAmrique

University of Agricultural Sciences, Mangalore, Inde

Institut national des maladies infectieuses, Japon

University of Strathclyde, Royaume-Uni

Ministre de la Sant, Chine

Mississippi State University, tats-Unis dAmrique

Makerere University, Ouganda

Institut national de la sant publique et de lenvironnement, Pays-Bas

Administration vtrinaire et alimentaire danoise, Danemark

Institut national des maladies infectieuses, Japon

University of Tasmania, Australie

Rutgers University, tats-Unis dAmrique

United States Department of Agriculture, tats-Unis dAmrique

Food Science Australia, Australie

Food and Drug Administration, tats-Unis dAmrique

Veterinary Laboratories Agency (Weybridge), Royaume-Uni

Food Safety Authority of Ireland, Irlande

Exponent, Inc., tats-Unis dAmrique

Food Standards Australia New Zealand, Australie

Food Science Australia, Australie