LA MICROBIOLOGIE

PRÉVISIONNELLE

DURÉE DE VIE D’UN

ALIMENT DLC
 INTRODUCTION
 Les aliments sont des milieux privilégiés pour le développement de micro-
organismes, et plus particulièrement de micro-organismes pathogènes.

 Trop nombreuses, ils détériorent les aliments, ou peuvent être à l’origine

d’intoxications alimentaires ou de maladies (par exemple, la listériose).

 Il est impératif de mettre en oeuvre diverses méthodes de conservation

permettant de garder une bonne qualité nutritionnelle et gustative des aliments, ainsi
que de garantir la sécurité des personnes les consommant.
 Les divers procédés de conservation (froid, chaleur, salage,
confisage,..) appliqués aux aliments ont pour intérêt de préserver leurs
qualités nutritives, physiques et gustatives, en empêchant la
multiplication de microorganismes.

 La conservation des aliments renvoie à de nombreuses questions

d’ordre sanitaire.
Qui ne s’est jamais demandé si un aliment
était encore consommable ,ou s’il devait être
jeté, après un certain temps laissé au
réfrigérateur ?
 L’article 3 du règlement (CE) N°2073/2005 précise que « les
exploitants du secteur alimentaire responsables de la fabrication du
produit conduisent des études afin d’examiner si les critères sont
respectés pendant toute la durée de conservation.
 Cette disposition s’applique notamment aux denrées alimentaires
prêtes à être consommées permettant le développement de Listeria
monocytogenes et susceptibles de présenter un risque pour la santé publique
lié à Listeria monocytogenes ».

 Dans l’annexe II de ce règlement, les outils d’aide à l’évaluation de la

durée de vie microbiologique d’un produit alimentaire sont cités : la
détermination des caractéristiques physico-chimiques du produit
alimentaire, le test de vieillissement, le test de croissance (challenge test) et la
microbiologie prévisionnelle.
DÉFINITION DE LA DURÉE
DE VIE MICROBIOLOGIQUE
DES ALIMENTS
Période durant laquelle un produit répond à des
spécifications :
−de sécurité,
−de salubrité,

dans les conditions prévues de stockage et

d’utilisation,
y compris par le consommateur
 la durée de conservation d’un aliment sans
subir d’altérations inacceptables et /ou

devenir préjudiciable à la santé ;

 Détermine la date de durabilité (DLC ou DLUO)

 La durée de vie d’un aliment est définie comme la période durant
laquelle un produit répond à des spécifications en termes de sécurité
(innocuité) et de salubrité (absence d’altération), dans les conditions
prévues de stockage et d'utilisation, y compris par le consommateur.
La durée de vie est exprimée par une DLC (date limite de
consommation) ou une DLUO (date limite d’utilisation optimale).
 Selon la norme NF V 01-002; la durée de vie microbiologique:
« Période par rapport à la date d’origine (date fixée par le fabricant)
pendant la quelle l’aliment reste dans les limites microbiologiques
fixées ».
 La « Date Limite de Consommation » (DLC) indique une limite
impérative. Elle s'applique à des denrées microbiologiquement
périssables, qui, de ce fait, sont susceptibles, après une courte période,
de présenter un danger immédiat pour la santé humaine.

 Dans certains cas, c'est la réglementation en matière de contrôle

sanitaire qui fixe une durée de conservation : yaourts, charcuteries et
viandes fraîches, plats cuisinés réfrigérés, etc.
 la durée de vie est la période durant laquelle un produit répond à
des spécifications :
· de sécurité (innocuité) : « l’aliment ne cause pas de dommage »
· de salubrité : « l’aliment est acceptable »
 dans les conditions prévues de stockage et d’utilisation, y compris
par le consommateur. La durée de vie détermine une date de
durabilité
 La durée de vie, complétée par les conditions d’entreposage
(essentiellement la température de conservation) et l’usage prévu, indique
au consommateur jusqu’à quelle date un aliment peut être conservé sans
devenir préjudiciable à la santé et/ou sans subir d’altérations
inacceptables.
 Elle débute à la date d’origine ou jour zéro (J0), date fixée par le
fabricant, qui correspond à l’étape la plus appropriée et pertinente de la
fabrication, et qui, pour un aliment donné, est toujours la même.
 La longueur de la durée de vie dépend des caractéristiques
physicochimiques de la denrée, qui résultent de différents facteurs tels
que la nature des ingrédients, le procédé de fabrication, le type de

conditionnement et les modalités de conservation.

 La détermination de la durée de vie et sa validation sont très
importantes pour la sécurité microbiologique des denrées alimentaires
périssables.

 Dans le cas d’un aliment préemballé, le fabricant est responsable

de la durée de vie fixée, en prenant en compte les conditions
raisonnablement prévisibles de conservation tout au long de la chaîne
du froid, depuis sa fabrication jusqu’à sa consommation.
 La durée de vie est établie pour le produit tel que commercialisé et
n’a plus de signification sur le produit ouvert par le consommateur
final ou par un professionnel (artisan, GMS, restaurateur).
 La détermination d’une durée de vie secondaire, par exemple pour un
aliment vendu à la coupe après déconditionnement, ou découpé/tranché
et reconditionné, est de la responsabilité de l’exploitant effectuant
l’opération.
 Cette durée ne peut en aucun cas excéder la durée de vie initialement
définie par le fabricant, sauf si un traitement susceptible de réduire le
nombre de micro-organismes présents est appliqué par le deuxième
opérateur.
 A) DATE LIMITE DE
CONSOMMATION

 La DLC s’applique à des produits très périssables, conservés

au froid et dont les traitements en industrie ont été parfois
insuffisants pour tuer la totalité des germes présents.

 Cette date figure sur l’emballage sous l’appellation « à consommer

jusqu’au », suivie de l'indication du jour et du mois.

 B) DATE LIMITE
D’UTILISATION
OPTIMALE
 Une variante à la DLC, appelée Date Limite d’Utilisation
Optima la (DLUO)

 Cette date indicative mais obligatoire s’applique à des produits non

périssables tels que le café, les conserves, les boissons, biscuits secs,
les produits non secs (purée, compote,..) pouvant être conservés à
température ambiante, excepté pour les produits surgelés !
 La Directive 2000/13/CE du Parlement européen et du Conseil du
20 mars 2000 relative à l'étiquetage et la présentation des denrées
alimentaires rend obligatoire par le fabricant la mention de DLC ou
DLUO suivant le produit, les traitements appliqués en industrie et sa
conservation.
 C’est une norme alimentaire devant apparaître sur l’étiquetage du
produit afin que le consommateur connaisse la date à partir de
laquelle l’aliment ne sera plus consommable.
 indiquée par la mention :

- « À consommer de préférence avant le » suivi du jour et du mois,

pour les produits ayant une durabilité inférieure à 3 mois.

- « À consommer de préférence avant fin » suivi soit du mois et de

l'année, pour les produits ayant une durabilité comprise entre 3 et 18
mois.
 La date limite de consommation est mentionnée comme suit:

 a) elle est précédée des termes « à consommer jusqu’au …»;

 b) les termes prévus au point a) sont suivis:

 · soit de la date elle-même,

 · soit d’une référence à l’endroit où la date est indiquée sur

l’étiquetage.
 Ces mentions sont suivies d’une description des conditions de
conservation à respecter;

 c) la date se compose de l’indication, en clair et dans l’ordre, du

jour, du mois et, éventuellement, de l’année;

 d) la «date limite de consommation » est indiquée sur chaque

portion individuelle préemballée. (Règlement (UE) n°1169/2011).
 LES
ÉTUDES DE DURÉE DE
VIE
 Nombreux facteurs ont une influence sur la durée de vie des produits, dont :
· la nature de l’espèce, sa forme de présentation, et son niveau de contamination lors du
conditionnement;
· le mode de préparation de la denrée (salage, marinage, pasteurisation, séchage,
fumage,…);
· la nature des ingrédients / additifs mis en œuvre ;
· le mode de conditionnement (sous vide, atmosphère modifiée…);
· la température réelle de conservation (chez l’industriel puis chez le consommateur);
· L’utilisation qui en sera faite.
 C’est aux professionnels de définir les durabilités afférentes à leurs
produits.
 Ils doivent s’assurer que, au moins jusqu’à cette date:
· les critères microbiologiques auxquels ils doivent répondre sont
respectés;
· les dits produits satisfont à des critères d’appréciation favorables
(du point de vue organoleptique) déterminés sous leur responsabilité.
 Pour déterminer l’évolution des microorganismes dans les aliments,
deux solutions se présentent à l’industriels :

- les expérimentations microbiologiques

. Bonne description du comportement bactérien
. Délai important de réponse
. Coût élevé, donc peu de conditions de conservation étudiées;

- la microbiologie prévisionnelle
 Il existe 3 méthodes de détermination de la DLC :

- Test de vieillissement

- Test de croissance (ou challenge tests)

- Microbiologie prévisionnelle
TEST DE VIEILLISSEMENT

 Afin de définir une date limite de consommation, les

professionnels peuvent faire subir à leur produit un test de
vieillissement (NF V 01-003), permettant le suivi de l’évolution dans
un aliment de populations de micro-organismes qui y sont
habituellement présents, de façon détectable ou non.

 Il est important de s’intéresser également aux toxines ou

métabolites résultant de l’activité de cette population.
 Deux temps :

1- Détermination de la DLC : il s’agit d’un premier test où l’on

cherche le jour limite, à partir duquel le produit ne répond plus aux
caractéristiques chimiques, microbiologiques et organoleptique qui lui
sont propres;
2- Validation de la DLC : Une fois la DLC déterminée, il s’agit de
confirmer cette durée par des analyses plus poussées et plusieurs
répétitions.

 Chaque produit a un protocole de détermination et validation de la

DLC qui lui est propre, avec différents critères à prendre en compte.
 Description du produit
 Pour ce faire, il est nécessaire de connaitre toutes les caractéristiques du produit
visé, à savoir notamment:
 · La dénomination légale de vente, ou le cas échéant la référence aux usages
professionnels ou aux référentiels existants;
 · La période de fabrication, notamment pour les productions saisonnières;
 · Le numéro de lot ou la date de fabrication;
 · La DLC attendue, ou appliquée;
 · Les conditions de production, stockage et vente, notamment du
point de vue des températures
 · Le circuit de commercialisation du produit;
 · La nature de l’environnement gazeux utilisé pour le
conditionnement (dans le cas des produits conditionnés sous
atmosphère modifiée), etc.
 Analyses
 Une fois cette « carte d’identité » du produit et de son procédé de fabrication établie, il faut définir les
analyses à cibler.
 Doivent être pris en compte (Note de service DGAL/SDSSA/N2010-8062) :
 · Les microorganismes pathogènes qui peuvent se développer dans l’aliment pendant sa durée de vie et
atteindre une concentration inacceptable.
 Les microorganismes sont ciblés sur la base de l’analyse des dangers faite dans le cadre du plan HACCP.

 · Les microorganismes utilisés comme indicateurs d’hygiène des procédés et des microorganismes
d’altération, s’ils peuvent atteindre des concentrations élevées dans les conditions raisonnablement prévisibles de
conservation.
 Une fois définies, les méthodes d’analyses
(recherche/dénombrement) mises en place seront celles spécifiées
dans la réglementation ou, à défaut, des méthodes adaptées aux
microorganismes, toxines, métabolites visés.

 Ces méthodes doivent être normalisées, ou validées selon la norme

NF EN ISO 16140.
 Plan d’échantillonnage
 L’échantillonnage dépend non seulement de l’objectif du test de
vieillissement, mais aussi des microorganismes considérés.
 Il doit être le plus représentatif possible de la production, en tenant
compte de sa variabilité,
 et être réalisé par un opérateur disposant des compétences nécessaires
à la mise en place de la maitrise statistique des processus sur la base des
prescriptions générales décrites dans la norme NF X-50-110.
 Conditions de conservation
 La durée de vie de l’aliment est également déterminée par ses
conditions de conservation, et notamment la température.
 Il existe deux cas de figure pour le cycle de vie du produit :
- la chaine du froid totalement maitrisée,
- ou partiellement maitrisée.
 Il est impératif pour le producteur de connaitre le circuit de vente de
ses produits pour déterminer si la chaine du froid est considérée comme
totalement ou partiellement maitrisée.
 LIMITES DU TEST DE VIEILLISSEMENT

Intérêt des tests de croissance et de la microbiologie prévisionnelle

 TESTS DE CROISSANCE OU
CHALLENGE -TESTS

 Un test de croissance est l’étude de l’évolution de la population de

micro-organismes ajoutés dans un aliment, comportant le dénombrement
de la population initiale ajoutée. (Norme NF V01-002).

 Ce test consiste en l’inoculation d’un micro-organisme précis dans un

aliment et au suivi de son comportement.

 Norme NF V01-009- Sept 2007

 Les tests de croissance contribuent:
 Il permet ainsi :

* de déterminer le potentiel de croissance de ce micro-organisme (savoir si

l’aliment est un milieu favorable à la croissance de celui-ci),

*ou d’évaluer le taux de croissance du micro-organisme (sa vitesse de

multiplication au sein de l’aliment).

*surtout pertinent pour évaluer un danger bactérien identifié mais difficile à

détecter lors des analyses d’autocontrôles ; ou encore dans le cas
d’élaboration d’une nouvelle recette.
 Ce suivi est particulièrement utilisé pour Listeria monocytogenes, en se
basant sur la saisine n°2003-SA-0362 de l’ANSES.

 Ce document présente les protocoles de tests de croissance à

suivre, ainsi que la classification des aliments du point de vue du
risque lié à la présence de L. monocytogenes.
LIMITES DES TESTS DE CROISSANCE

 Intérêt de la microbiologie prévisionnelle

LA MICROBIOLOGIE
PRÉVISIONNELLE
 Un outil pour
 Estimer la Durée de Vie des Aliments (DLC)

 Assurer la qualité jusqu’à la consommation

 En 1937, Scott envisage pour la première fois le potentiel de
l’utilisation de la microbiologie prédictive pour déterminer la
croissance de bactéries pathogènes sur une carcasse durant sa
manipulation et sa réfrigération (Scott, 1937).
 Il a fallu attendre la généralisation de l’électronique et de l’informatique
dans les années 1960-1970 pour que cette discipline dispose d’outils
performants de suivi du couple temps/température au cours du processus
de fabrication et de distribution des denrées alimentaires.
 Mais c’est surtout au cours de ces vingt dernières années qu’un progrès
considérable en modélisation a permis des avancées spectaculaires avec
l’apparition de modèles plus précis et flexibles en tenant compte des
conditions environnementales.
 DÉFINITION

 La microbiologie prévisionnelle ou quantitative (predictive

microbiology) a été définie par Roberts et Jarvis en 1983.
 C’est la discipline qui s’intéresse au développement de modèles
mathématiques de prédiction de l’effet des facteurs environnementaux au
sein des produits alimentaires sur :
• la croissance des micro-organisme,
• la production de métabolites,
• la survie des micro-organismes .
 Il s’agit de modèles mathématiques prévisionnels permettant de
suivre la croissance, survie ou décroissance d’un micro-organisme
donné au sein d’un aliment.

 La croissance d’une population bactérienne est parfaitement

reproductible dans des conditions environnementales similaires :
Log du nombre de Microorganismes

Temps(j)

Courbe croissance bactérienne

 Le suivi d’une cinétique de croissance microbienne sur les aliments
via un test de croissance est un des outils à maitriser pour collecter des
paramètres pour les modèles de microbiologie prévisionnelle.

 Prédire, c est ’ estimer les risques estimer les risques c’est anticiper
sur les dangers c’est assurer la qualité des aliments
 APPROCHES

 deux types d’approche en modélisation :

 Les modèles empiriques ont pour unique but le meilleur

ajustement possible aux données observées sans expliquer les
phénomènes provoquant la réponse observée.
 les modèles mécanistes sont développés à partir de théories ou
d’hypothèses et permettent d’expliquer la réponse à modéliser par
l’action de phénomènes physiques, biologiques et/ou chimiques.
 En microbiologie prévisionnelle, la grande majorité des modèles ne sont pas
purement empiriques ou purement mécanistes, mais peuvent être considérés comme
semi-mécanistes car les mécanismes de croissance ou d’inactivation gouvernant le
comportement des micro-organismes ne sont pas encore tous compris et intégrés
dans les modèles actuels.
 La relation mathématique est empirique, mais les composantes de la formule
sont des paramètres ayant une signification biologique (Brul et al., 2007). Dans le
futur, le développement de modèles mécanistes complexes dépendra essentiellement
de la compréhension du comportement physiologique au niveau cellulaire.
 PRINCIPE DE BASE

 La microbiologie prévisionnelle est basée sur l’hypothèse que les

réponses de populations de micro-organismes à des conditions
environnementales identiques sont reproductibles.
 D’où il est possible, à partir d’observations disponibles sur la
croissance, la survie ou l’inactivation des bactéries en fonction de facteurs
environnementaux, de prédire les réponses des mêmes micro-organismes
sous d’autres conditions, en suivant les facteurs environnementaux plutôt
qu’en réalisant des analyses microbiologiques lourdes et couteuses.
 Si les conditions sont favorables à la croissance, l’évolution de la
population microbienne suit toujours le même profil. La figure
suivante décrit la courbe de croissance d’une culture bactérienne et ses
différentes phases :
Courbe de croissance d’une culture bactérienne
avec ses différentes phases
1. la phase de latence (λ) : cette phase correspond à l’adaptation de l’inoculum

(N0) à son nouvel environnement. Durant cette période, la vitesse de croissance est
nulle (μ = 0),

2. la phase d’accélération : les bactéries commencent à se multiplier pour atteindre

progressivement la vitesse maximum de croissance (μmax) (0 < μ < μmax),

3. la phase exponentielle : la vitesse de croissance est maximum (μ = μmax),

4. la phase de décélération : la vitesse de croissance devient progressivement nulle

(μmax > μ > 0),

5. la phase stationnaire : la vitesse de croissance est nulle (μ = 0) et la culture atteint

sa densité maximale (N = Nmax) avec, parfois, une phase ultérieure de décroissance
de la population.
La modélisation s’effectue en 2 étapes :

1. Modélisation primaire
Consiste à décrire le nombre de microorganismes en fonction du
temps

 Les modèles primaires décrivent la réponse d’une population de

microorganismes en fonction du temps dans un environnement
donné.
 2. Modélisation secondaire
Consiste à décrire les paramètres du modèle primaire en fonction des
principaux facteurs environnementaux
- Température - pH
- activité de l’eau - conservateurs
LES MODÈLES PRIMAIRES

 Les modèles primaires décrivent la croissance d’un micro-organisme bien

défini dans un contexte environnemental donné.
 On les distingue en modèles déterministes ou stochastiques. La plupart des
modèles utilisés actuellement sont des modèles déterministes.
 Dans ces modèles, l’évolution du nombre de cellules d’une population
microbienne peut être décrite par un ensemble de paramètres, à savoir N0, λ,
μmax, Nmax.
 Mais certains modèles tentent également de connecter le comportement
des cellules individuelles à celui de toute la population.
 Ceci conduit aux modèles stochastiques ou probabilistes dans lesquels les
paramètres du modèle sont des variables de distributions aléatoires représentant
l’ensemble de la population bactérienne.
 Cela signifie que les paramètres du modèle font partie d’une distribution
aléatoire pouvant représenter la variabilité biologique entre les cellules individuelles
d’une même population.
 Au moyen de modèles stochastiques appropriés, l’information acquise sur la
distribution du comportement des cellules, par exemple, via les mesures de
Bioscreen, peut être utilisée pour améliorer les prédictions du temps de latence de la
population.
 Le premier modèle primaire de croissance qui ait été décrit en
microbiologie prévisionnelle est le modèle exponentiel , très simple ,
décrit la phase exponentielle, mais ne tient pas compte de la phase de
latence ni de la phase stationnaire.
 Il peut être utilisé pour réaliser une estimation de l’évolution du
nombre de bactéries suivant un scénario pessimiste, puisque l’on
considère que toutes les bactéries peuvent se multiplier à une vitesse
maximale.
 Modèle exponentiel

X = X0.exp[µM .(t – lag)]

µM = taux de croissance maximum (h-1)

Lag = durée de la phase de latence (h)

X0 = concentration initiale en biomasse (g/L)

Xm = concentration en biomasse finale (g/L)

 Une alternative au modèle exponentiel est l’utilisation du modèle
linéaire à trois phases proposé par Buchanan,

 correspondant au modèle exponentiel avec démarrage et freinage

brusque où N(t) correspondant au nombre de cellules au temps t :

 ln[N(t)] = ln(N0) si t ≤ λ

= ln(N0) + μ(t-λ) si t > λ

= ln(Nmax) si N(t) ≥ Nmax

Ce modèle ne permet pas un bon ajustement sur des données

obtenues expérimentalement.
 Les modèles non linéaires, basés sur des fonctions sigmoïdes
comme le modèle logistique permettent un meilleur ajustement

 Le modèle logistique avec délai et rupture est un des plus utilisé

actuellement (Rosso et al., 1995).

 Il suppose qu’il n’y a pas de possibilité de croissance lors de la

phase de latence et qu’il n’y a pas de transition entre la phase de
latence et la phase exponentielle :
 Nmax

µmax

λ
 Modèle de croissance primaire, proposé par Rosso, 1995
 Un modèle de croissance a été proposé par Baranyi et al. (1993). Il
est également un des plus utilisé actuellement.

 Ce modèle est basé sur une équation différentielle (phase

exponentielle) et complété par deux fonctions d’ajustement. La
première fonction d’ajustement décrit la phase de transition entre la
phase de latence et la phase exponentielle.
 Le modèle de Baranyi fut réécrit en un modèle utilisant des
variables explicites :
Ajustement d’un modèle primaire aux données obtenues lors d’un test de croissance à l’aide du logiciel
DMFit sur des données obtenues lors d’un test de croissance de L. monocytogenes dans de la viande hachée
irradiée et conditionnée sous film étirable à une température de 10 °C
 Le modèle Baranyi est très utilisé car il donne des résultats
satisfaisants lors d’ajustement de modèles sur des données de
laboratoire.

 La comparaison de l’ajustement de modèles primaires sur des

données de laboratoire a fait l’objet de plusieurs études (Baranyi, 1997
; Buchanan et al., 1997 ; Lôpez et al., 2004 ; Pal et al., 2008).
 Actuellement, il n’est pas possible de sélectionner un modèle en
particulier pour représenter de manière la plus appropriée la
croissance bactérienne.

 Les modèles les plus simples peuvent souvent être suffisants pour
représenter correctement les paramètres fondamentaux de croissance.
 EXEMPLE DE MODÈLE PRIMAIRE

Modèle de Gomperz / Zwietering (1991)

μM = taux de croissance maximum ( h-1)

lag= durée de la phase de latence (j)
X0 = concentration initiale en biomasse (log CFU/mL)
a = log concentration en biomasse finale
 LES MODÈLES
SECONDAIRES
 La croissance est gouvernée par les conditions de stockage (facteurs
extrinsèques) et par les caractéristiques propres au produit (facteurs intrinsèques):
facteurs environnementaux.

 Les modèles secondaires permettent de décrire l’effet des conditions

environnementales sur les paramètres du modèle primaire:

µM = f (T, pH, aw, [NaCl]…)

 L E S M O D È L E S S E C O N DA I R E S
POUR LA VITESSE DE
CROISSANCE

 Dans les aliments, les facteurs environnementaux sont souvent

complexes et dynamiques car ils doivent inclure l’effet combiné de
facteurs extrinsèques comme la température, la composition en gaz de
l’atmosphère de conditionnement et les facteurs intrinsèques comme
le pH, l’activité de l’eau, la présence naturelle de certains acides et les
interactions entre les groupes de micro-organismes.
 Pour être applicable, une série de critères sont indispensables:
– la collecte des paramètres nécessaires pour le modèle doit être
réalisable,
– les paramètres à inclure doivent avoir une signification concrète,
– les propriétés des fonctions mathématiques doivent refléter les
phénomènes biologiques,
– le modèle doit permettre des extensions ou des améliorations,
– le modèle ne doit pas contenir plus de paramètres que nécessaire,
– la gamme d’utilisation du modèle doit être suffisante.
 Les modèles secondaires se composent le plus souvent de variables
simples à collecter.

 Il est également possible d’intégrer de la variabilité ou de

l’incertitude pour les paramètres composant un modèle.

 De cette manière, les variables sont représentées dans une

distribution statistique.
 LE GAMMA CONCEPT

 Le gamma concept a été introduit par Zwietering et al. (1992) et s’appuie sur
deux principes :

1. tous les facteurs mesurables, ayant une influence sur le taux de croissance (μ),
sont indépendants et interviennent de façon multiplicative :

μ = f(température) x f(aw) x f(pH) x f(autres1) x f(autres2) x ...x(autresn)

 2. l’effet de chaque facteur sur la vitesse de croissance peut être
représenté par une fraction du taux de croissance maximum :

γ = μ/μopt compris entre 0 et 1

où γ représente une fonction prenant en compte le ou les facteurs

ayant une influence sur μopt, la vitesse de croissance optimale.
 Dans les conditions optimales de croissance, chaque micro-
organisme a une vitesse de croissance optimale reproductible.

 Sous des conditions défavorables, la vitesse de croissance diminue

de manière prévisible et peut être calculée:
μ = b(T-Tmin)2 (aw-awmin)(pH-pHmin)(pH-pHmax)
b, T, Tmin ont été définis précédemment,

pH et aw sont respectivement le pH et l’activité de l’eau du milieu,

pHmin et awmin sont le pH et l’activité de l’eau minimaux de croissance pour

le micro-organisme.
L’inhibition de la croissance, produite par chaque facteur,
à des conditions sous-optimales, est représentée par le facteur
de croissance « gamma » (γ ).

D’autres extensions du modèle ont été suggérées incluant

la concentration, les interactions entre le pH et la
concentration en acide lactique.
 MODÈLES DE TYPE
RACINE CARRÉE

 Un modèle purement empirique a été proposé afin de modéliser

l’effet de la température sur le taux de croissance.

 Les taux de croissance ont été transformés par une racine carrée
afin de stabiliser leurs variances.

 Ce type de modèle ainsi que tous les modèles en découlant seront

appelés des modèles de type « racine carrée ».
√μ = b(T-Tmin)
b est un paramètre constant du modèle obtenu par régression,
T est la température en °C et
Tmin est la température minimum de croissance qui doit être de 5 à 10 °C
inférieure par rapport à la température observée.
 Le modèle de type « racine carrée » continue à être développé pour
obtenir des extensions du modèle:
 Les modèles de type racine carrée peuvent également être utilisés
dans le gamma concept.
 La vitesse de croissance optimale (μopt) est la vitesse où toutes les
conditions environnementales (la température (Topt), le pH (pHopt),
l’activité de l’eau (awopt), etc) sont optimales.
 L’effet combiné de plusieurs facteurs environnementaux est alors
déterminé par multiplication de leurs facteurs gamma respectifs:
μmax = μoptγ(T)γ(pH)γ(aw)

 γ(T) =[ T – Tmin/ Topt - Tmin ]2

 γ(pH) = (pH - pHmin)(pHmax - pH)/(pHopt - pHmin)(pHmax - pHopt)

 γ(aw) = aw – awmin/1 - awmin

Suivant les principes expliqués ci-dessus, un seul test de
croissance avec une espèce bactérienne pathogène en
condition optimale sur un produit particulier suffirait à
déterminer son μopt et, par conséquent, d’appliquer le
modèle sous différentes conditions sous-optimales.
 MODÈLE CARDINAL
 Les modèles cardinaux sont des modèles empiriques de plus en plus utilisés.

Modèle cardinal pour la température

 Un paramètre cardinal a une signification biologique.

 Ce modèle est basé sur le même principe d’utilisation que le

modèle gamma, à savoir que l’influence de chaque effet
environnemental peut être intégré dans une fonction par des facteurs
multiplicatifs :

 μmax = μoptCMn(X)
où CM est l’acronyme de modèle cardinal,
X est un facteur environnemental,
Xmin est la valeur cardinale minimale de croissance,
Xopt est la valeur cardinale optimale de croissance pour laquelle μmax atteint sa
valeur optimale μopt,
Xmax est la valeur cardinale maximale de croissance et n est un paramètre de
forme
Les équations montrent le modèle cardinal incluant l’effet de la
température, du pH, de l’activité de l’eau, de substances inhibitrices
(ci) et des facteurs qualitatifs (kj) sur la vitesse de croissance optimale.
 où MICi est la concentration minimale inhibitrice du composé au-delà
de laquelle aucune croissance n’est possible, toutes les autres variables
ayant été définies précédemment.

 Les facteurs qualitatifs concernent l’effet de flores de compétition ou

l’effet de la matrice alimentaire.
Simulation de la vitesse de croissance en fonction de la température et du pH par
le modèle cardinal établi pour Listeria monocytogenes
 Impact de la température sur le taux de croissance µmax :

µopt

Valeurs cardinales :
Tmin - Topt - Tmax

Tmin Topt Tmax

max  opt . T

Taux de croissance de E. coli en fonction de la température

 L’avantage du modèle cardinal est qu’il permet de représenter l’ensemble
de la gamme de valeurs du paramètre X représenté dans la figure pour la
température et le pH.

 Le modèle cardinal peut également tenir compte d’un phénomène bi-

phasique dans la modélisation de la vitesse de croissance en fonction de la
température.
 Les modèles cardinaux sont de plus en plus utilisés car ils sont simples avec
des paramètres facilement interprétables et mesurables, et les hypothèses sous-
jacentes à ce type de modèle peuvent s’appliquer dans une large variété
d’environnements différents. Cependant, il est important de tenir compte des
interactions possibles entre facteurs.
 LES MODÈLES
POLYNOMIAUX

 Les modèles polynomiaux, aussi appelés les modèles « bulldozers »,

permettent de décrire la vitesse de croissance d’une bactérie en
fonction de plusieurs facteurs environnementaux.

 Ces modèles sont encore largement utilisés pour leur facilité de

mise en oeuvre. Un modèle incluant plus de deux facteurs s’écrit :

μ = ax + by + cz + dx2 + efy2 + ... + fzn

où x, y,…z représentent les facteurs environnementaux

 Les modèles polynomiaux donnent des prévisions acceptables
uniquement dans le domaine où ils ont été établis.

 Les paramètres a, b, c… n’ont aucune signification biologique ou

concrète, ils permettent juste au modèle de s’ajuster au mieux au jeu
de données.
 M O D È L E S E C O N DA I R E P O U R L E
TEMPS DE LATENCE

 Au niveau d’une population, le temps de latence apparent est défini

comme le temps nécessaire pour la multiplication par deux de la
population .

 La définition communément admise est le temps correspondant à

l’intersection entre la tangente au point d’inflexion de la phase
exponentielle de la courbe de croissance et l’horizontale passant par
l’ordonnée à l’origine de la courbe de croissance.
 Le temps de latence ne dépend pas uniquement de
l’environnement actuel, mais aussi de l’environnement précédent et de
l’état physiologique des bactéries.

 De ce fait, le développement de modèles secondaires pour prédire

le temps de latence est compliqué.
 Deux approches ont été adoptées pour modéliser le temps de latence :

 la première considère que le temps de latence et la vitesse de

croissance doivent être modélisés séparément (Ratkowsky et al., 1982),

 la deuxième considère que le temps de latence est proportionnel au

temps de génération des bactéries car celles-ci doivent réaliser une
certaine quantité de travail pour s’adapter à leur nouvel environnement
(Robinson et al., 1998).
 Il existe donc dans cette dernière approche une corrélation entre le temps de
latence et l’inverse du taux de croissance.

 Pour des conditions de pré-incubations identiques, on a l’équation suivante :

 λ*μmax = k

où k est une constante pour des conditions de pré-incubation données représentant

une quantité de travail.

 Si l’on connait la valeur k, alors l’estimation du temps de latence peut être

déduite de μmax.
 Lorsque le taux de croissance est optimal, le temps de latence est
minimal. On a alors :

λmin *μopt = k

 D’où

λ * μmax = λmin * μopt

 Dans une approche cardinale, on peut déduire l’équation suivante:

λ = λmin /CM1(T)*CM2(pH)*CM2(aw)
 Cette approche permet de simplifier la modélisation du temps de
latence et de la vitesse de croissance par un modèle unique de
croissance.
LES MODÈLES TERTIAIRES

 Les modèles utilisant des systèmes experts et des bases de données

pour faire le lien entre les modèles primaires et secondaires.

 Un logiciel capable de répondre à des questions, en effectuant une

relation à partir de faits (base de données) et de règles connues
(modèles primaires et secondaires).

 Les modèles tertiaires sont donc constitués d’une base de données

permettant de sélectionner la matrice alimentaire et les micro-
organismes d’intérêt.
 À partir de données collectées pour un micro-organisme dans une matrice
alimentaire déterminée dans des conditions environnementales connues (test
de croissance), un modèle tertiaire permet de prédire l’évolution de ce micro-
organisme dans des conditions environnementales différentes dans la plage
d’interpolation pour laquelle les données sont disponibles dans la base de
données.
 Si le modèle est utilisé en dehors de la plage d’interpolation, l’utilisateur
doit être conscient de l’incertitude sur le résultat.
Évolution de la concentration en Listeria monocytogenes dans une viande hachée
conditionnée sous film étirable mesurée à 10 °C et prédite à 5 °C par un
modèle tertiaire de croissance.
 À titre d’exemple de modèle tertiaire, on peut citer Sym’Previus,
PMP et SSSP. Ces logiciels comprennent une base de données et des
modèles de croissance ou d’inactivation de bactéries pathogènes ou
d’altération d’origine alimentaire et ne nécessitent pas d’intégrer des
résultats issus d’expériences de laboratoire.

 Cependant, même si ces logiciels possèdent une base de données

importante, il est préférable de réaliser un test de croissance en
laboratoire afin de réaliser des simulations sur base de données issues
directement de la denrée alimentaire d’intérêt.
EXEMPLES
 DLC D’UNE COMPOTE DE FRUITS

 Danger : Bacillus cereus

 Contamination initiale : 1 spore / g

 Dose minimale infectieuse (DMI) : 105 spores / g

 Modèle primaire : X = 𝑋0 .exp(µm . t)

 Modèle secondaire:: µm= 0,03.T (T en ° C, µm en h-1)

Etape Température µm (h-1) Durée X0 X
(°C) (j) (spores/g) -1)
Usine 3 2
Détaillant 4 2
Consommateur 7 ????
 LE LOGICIEL PMP

 Inventeurs : Buchanan (USA)

 Modèles pris en compte : Gomperz et polynomiaux

 LE LOGICIEL PMP
Inventeurs : Buchanan (USA)
Modèles pris en compte : Gomperz et polynomiaux
Germes pathogènes Facteurs d’environnement

Aeromonas hydrophila Atmosphère

Bacillus cereus Clostridium Température
botulinum pH
Clostridium perfringens Activité de l’eau (NaCl)
Escherichia coli Concentration en nitrite
Listeria monocytogenes Salmonella (NaNO3)
ssp.
Salmonella thyphimurium
Shigella flexneri
Staphylococcus aureus
Yersinia enterocolitica Yersinia
enterocolitica
 U T I L I S AT I O N D U L O G I C I E L P M P
DLC D’UNE COMPOTE DE FRUIT

 • Lancer l’application en allant en bas à gauche dans le menu

démarrer /tous les programmes/pmp61…lancer pmp6.1 (.exe)

 • Cliquer sur «continue» et « accept »

 • Aller dans models / bacterium/growth/aerobic

 • Sélection du microorganisme : microorganism

 • Sélection des conditions de culture :
- Fixer les caractéristiques physico-chimiques des matrices des
matrices alimentaires (température, pH et aw ou [NaCl])
- Préciser X0 en log10 et la dose minimale infectieuse en log10
 • Un tableau récapitule : temps de latence, temps de génération,
durée pour atteindre la dose infectieuse
 • Visualisation de la croissance
 En considérant le stockage chez le consommateur :
 • Danger = Bacillus cereus
 • Température = 7°C • pH = 5,3 • aw = 0.997 soit NaCl = minimum
(0,5%)
 • Nitrite = 0
 • Population initiale = 3 CFU/mL (chez le consommateur)
 • « Level of concern » = DMI = 105 CFU/mL

Alors DLC = ???? jours

 CFU = colony forming unit CFU/mL =spore/g ou bactérie/g
 D L C D E 5 P RO D U I T S L A I T I E R S
FRAIS

 Influence de la température de conservation et des propriétés

physico-chimiques

 Cinq produits sont contaminés par trois microorganismes à un

niveau de 1 bactérie / g de produit (Listeria monocytogenes, Salmonella ssp.
et Stapylococcus aureus)
 Classer intuitivement les produits par risque décroissant (DLC croissante)

 Visualiser pour deux des cinq aliments le développement des microorganismes

si les produits sont conservés à température ambiante (21°C) ou dans un
réfrigérateur (5°C)

 Déterminer pour les deux températures étudiées la DLC de chaque produit

C L A S S E M E N T D E S P RO D U I T S
SELON LEUR DLC
 OPTIMISATION DE LA FORMULATION
D’UN PRODUIT DE CHARCUTERIE :
LA SAUCISSE CRUE

 les caractéristiques physico-chimiques (pH et aw) de cet aliment permettent la

croissance de Listeria monocytogenes.
 L’aliment est donc classé en produit « sensible » de catégorie 3 selon la
classification des aliments du point de vue du risque lié à la présence de L.
monocytogenes (Saisine de l’AFSSA n°2003-SA-0362).
 L’inhibition de la croissance du pathogène permettrait de classer l’aliment dans la
catégorie 2 et de garantir que les denrées mises sur le marché ne contiennent pas L.
monocytogenes à un niveau supérieur au seuil réglementaire de 100 UFC/g.
 Pour une durée de vie microbiologique de 16 jours,

 il est envisageable l’ajout d’un inhibiteur tel que l’acide lactique.

Cet ajout doit se limiter aux doses autorisées par la réglementation.

 Il est ainsi possible de tester plusieurs doses et de voir l’impact sur

le résultat des simulations du développement de L. monocytogenes pour
retenir la formulation la plus appropriée.
 Le logiciel Sym’Previus a été utilisée pour évaluer l’impact de la variabilité
des paramètres physico-chimiques de la saucisse crue sans additif sur la
probabilité de croissance de L. monocytogenes.
 Une étude expérimentale a permis de calculer le pH moyen de cet aliment,
estimé à 5,66 ±0,07 ainsi que l’aw moyenne, estimée à 0,954 ±0,010.
 Une probabilité de croissance élevée (90% en moyenne) de L. monocytogenes
dans cette matrice:
Probabilité de croissance (en %) de L. monocytogenes dans les saucisses crues en fonction de
ses caractéristiques physico-chimiques.
Les points représentent des mesures de pH et d’aw de saucisses crues.
 Le logiciel permet également de simuler la cinétique de croissance
du pathogène pour des conditions de stockage raisonnablement
prévisibles : 1/3 de la DVM à 4°C et 2/3 à 8°C.
 La contamination initiale a été fixée à 1 bactérie/10 g.
 La vitesse de croissance a été déduite à partir des résultats d’un test
de croissance réalisé sur ce produit (taux de croissance optimal de
0,63h-1 ±0,04):
 En absence d’acide lactique, et pour un niveau de contamination initiale de 1
UFC/10g, la croissance médiane de L. monocytogenes permet d’atteindre le seuil
réglementaire de 2 log UFC/g en fin de DLC(Figure 2.a ).

 En prenant en compte la variabilité liée aux paramètres physico-chimiques, la

croissance du pathogène peut dans certains cas atteindre les 5 log UFC/g
(intervalle 95%).
 En ajoutant une dose d’acide lactique de 2,5% (Figure 2.b), les
résultats de simulation montrent que le seuil réglementaire de 2 log
UFC/g n’est jamais atteint tout au long de la durée de vie du produit,
même en tenant compte de la variabilité physico-chimiques

 ainsi, il devient possible de classer le produit dans la catégorie 2

puisqu’il ne contient pas L. monocytogenes à un niveau supérieur au seuil
réglementaire pendant toute la durée de vie.
Cinétiques de croissance de L. monocytogenes dans les saucisses crues en fonction du
temps en absence (2.a) et en présence d’une dose de 2,5% d’acide lactique (2.b).
Les traits pleins représentent le comportement médian et les traits discontinus
représentent les bornes de confiance à 90%.
 DÉTERMINATION DE LA DURÉE DE VIE DE
VIANDE DE PORC FRAÎCHE CONDITIONNÉE
EN UNITÉS DE VENTE
CONSOMMATEUR (UVC)

 Dans cet exemple, le comportement de Pseudomonas dans la viande de porc

fraîche conditionnée en UVC a servi de base pour valider une durée de vie de 7
jours.

 Des données d’autocontrôle ont permis de connaitre la contamination initiale

en Pseudomonas (N0)

 ainsi que les paramètres physico-chimiques (pH et aw) de ce type de produit et

de caractériser la variabilité qui leur est associée.
 Des données issues de précédentes études ont permis de caractériser la
variabilité associée au taux de croissance optimum de Pseudomonas dans la
viande de porc (μopt) ainsi que celle associée à sa densité de population
maximale Nmax.
 Un temps de latence nul a été utilisé pour représenter des conditions
sécuritaires. Les caractéristiques de croissance de Pseudomonas (valeurs
cardinales de température, de pH et d’aw) ont été obtenues à partir de la
littérature.
PA R A M È T R E S D E C R O I S S A N C E D E P S E U D O M O N A S
DANS LA VIANDE DE PORC FRAÎCHE

Paramètre Temps de Dénomination Valeur

latence lag 0±0

Contamination initiale N0 3,47±0,81

Contamination Nmax 10,37±0,15

maximale
Taux de croissance μopt 1,099±0,031
optimal
Potentiel d’hydrogène pH 6,09±0,14
Activité de l’eau aw 0,994±0,001
 Le logiciel Sym’Previus a été utilisé pour valider une durée de

 vie microbiologique de 7 jours avec une conservation à 4°C

pendant 2/3 de la durée de vie, suivie d’une

 conservation à 8°C.
Cinétiques de croissance de Pseudomonas dans la viande de porc fraîche en fonction
du temps.
Les traits pleins représentent le comportement médian et les traits discontinus
représentent les bornes de confiance à 90%.
 Pour 50% des cas (comportement médian) la contamination obtenue au bout des
7 jours est inférieure au seuil des 6 log UFC/g proposé par le guide des bonnes
pratiques d’Hygiène.

 En tenant compte de la variabilité physico-chimique, dans certains cas, les

produits peuvent présenter des niveaux supérieurs à cette limite.
 Le logiciel permet de visualiser la proportion d’UVC dont la contamination à la fin
de la durée de vie dépasse les 6 log UFC/g et qui sont jugés non conformes (4.a).
 Cette proportion est estimée à près de 9% lorsque la DLC est de 7 jours.
 Pour diminuer le nombre de produits non conformes, il est possible de réduire la
DLC par exemple à 5 jours et de refaire les simulations.
 Cette réduction de 2 jours permet de limiter le nombre de non conformes à un
niveau inférieur à 3%, soit un niveau 3 fois moins important que celui obtenu pour une
DLC de 7 jours(4.b).
Densité de contamination de Pseudomonas dans la viande de porc fraîche stockée
pendant 7jours (4.a) et 5 jours (4.b) selon le scénario thermique 2/3 durée de vie à
4°C et 1/3 DVM à 8°C.
 Il est également possible de diminuer le nombre de non conformités en
limitant la contamination initiale.

 Ainsi, une diminution d’une unité log en moyenne de ce paramètre est plus
efficace qu’une réduction de la durée de vie puisqu’elle permet de réduire la
proportion de non conforme de 2,3% à 8,8% pour une durée de vie de 7 jours
en 2/3 à 4°C et 1/3 à 8°C.
 APPLICATIONS INDUSTRIELLES

 Tester différents scénario de conservation ou de formulation;

 Aider à l’optimisation de la formulation, d’un procédé…;

 Prévoir le taux de présence d’un micro-organisme à un instant de la vie d’un

produit

(fabrication, conditionnement, distribution, consommation);

 Quantifier l’effet des facteurs (impact d’une acidification de 0,5 unité de pH?);

 Accompagner le développement d’un nouveau produit;

 Maitriser le développement bactérien par les « bons » inhibiteurs;

 Apporter des arguments aux clients, aux distributeurs.

 Dans la démarche HACCP, la microbiologie prévisionnelle peut
intervenir à différentes étapes du processus. Par exemple, lors de la
détermination des limites de tolérance à affecter aux points critiques,
la modélisation permet d’évaluer ces limites en associant pour chaque
niveau une contamination prévue en fin de durée de vie.
 Grâce à la microbiologie prévisionnelle, il est également possible de
déterminer à l’avance les actions correctives à appliquer en cas de
défaillance, telle une modification du traitement thermique par exemple.

 Enfin, la microbiologie prévisionnelle étant reconnue par les autorités

de contrôle, il est tout à fait possible d’utiliser les résultats de simulations
en tant qu’éléments de preuve pour montrer à un inspecteur que le
produit est sûr.
 LIMITES DE LA MICROBIOLOGIE
PRÉVISIONNELLE

 • Non prise en compte de certaines conditions environnementales

et des phénomènes de compétition nutritionnelle

 • Les interactions entre microorganismes et les situations de stress

microbien ne sont pas encore intégrés dans les modèles

 • Validation rare sur milieux complexes, solides comme les

matrices alimentaires
 CONCLUSION
 la microbiologie prévisionnelle offre de nombreuses perspectives
d’utilisation et est sur le point de se généraliser dans une démarche de
maitrise des dangers microbiens dans une chaine alimentaire.

 On reproche souvent à la microbiologie prévisionnelle un caractère

pessimiste. En effet, on considère qu’un modèle n’est valide que s’il
ne sous-estime pas le risque. Mais le plus souvent, les valeurs
observées sont très inférieures aux prévisions.
 Ainsi, les durées de conservation prédites sont très inférieures aux durées de
conservation réelles, ce qui est pénalisant pour les producteurs de denrées
alimentaires.

 De plus, il est maintenant clair que des souches génétiquement proches ne

se comportent pas de manières identiques. Par ailleurs, au sein d’une même
population, il existe des différences de comportement entre les différents
individus.

 De ce fait, cela requiert une plus grande précision et une validation plus fine
des modèles utilisés dans l’industrie semble nécessaire.