Repérer les bretts résistantes aux sulfites à moindres frais
L’équipe microbiologie de l’Institut universitaire de la vigne et du vin (IUVV) de Dijon entraîne actuellement une intelligence artificielle à reconnaître les bretts résistantes aux sulfites. Basée sur une simple analyse au microscope, la méthode nécessite peu d’expertise et de budget.
L’équipe microbiologie de l’Institut universitaire de la vigne et du vin (IUVV) de Dijon entraîne actuellement une intelligence artificielle à reconnaître les bretts résistantes aux sulfites. Basée sur une simple analyse au microscope, la méthode nécessite peu d’expertise et de budget.
Imaginez qu’il soit possible de savoir si vos vins contiennent des bretts résistantes aux sulfites pour une somme très modique. C’est un exemple de ce que permet la rencontre entre l’intelligence artificielle (IA) et la microbiologie. « Nos recherches sur Brettanomyces ont mis en évidence une corrélation entre les groupes génétiques, qui déterminent la résistance aux sulfites et le polymorphisme cellulaire », explique Sandrine Rousseaux, maître de conférences à l’IUVV. Sur la base de cette différence morphologique, la chercheuse et son équipe ont développé un réseau de neurones convolutifs qu’ils ont appliqué à une IA. Pour faire simple, ce réseau de neurones artificiels donne la possibilité à une IA d’interpréter une image, comme notre cerveau le fait à partir de ce que nos yeux observent.
Des résultats fiables à 96,6 %
À partir de plusieurs photos prises au microscope, les chercheurs ont entraîné l’IA à discriminer 74 souches de bretts en fonction de leur résistance aux sulfites. « Dans 96,6 % des cas, elle nous donne la bonne réponse », se félicite Sandrine Rousseaux. « L’avantage est que c’est une technologie disponible sur internet pour trois fois rien. Il suffit d’être équipé d’un microscope qui prend des photos et d’un milieu de culture pour avoir une idée assez précise de la présence de souches résistantes », argue Sandrine Rousseaux. Autre avantage, plus elle est entraînée, plus elle est performante. Cette technique nécessite nettement moins d’expertise et de budget que les technologies jusqu’ici proposées. En revanche, elle suppose d’avoir les connaissances suffisantes et le matériel adéquat pour mettre des échantillons en culture. Elle nécessite par ailleurs un peu d’anticipation, car l’IA ne peut faire son analyse qu’après une dizaine de jours de culture.