Les drains frauduleux coûtent à l’industrie alimentaire mondiale environ 30 à 40 milliards de dollars chaque année, estime PricewaterhouseCoopers. Selon la Consumer Brands Association, environ 10 % des produits alimentaires et des boissons produits commercialement sont touchés par la fraude.
Les fausses déclarations peuvent prendre de nombreuses formes, allant de la falsification et de l’adultération à la fausse déclaration et à la substitution. Des scientifiques de l’Université de Bâle en Suisse ont entrepris de s’attaquer à un problème courant des aliments mis frauduleusement sur le marché: les fausses allégations de pays d’origine.
Les fraises de Suisse ou l’huile d’olive d’Italie peuvent être vendues à des prix beaucoup plus élevés que les mêmes produits cultivés ou fabriqués dans un autre pays. La motivation économique des fraudeurs signifie que les autorités et l’industrie alimentaire investissent beaucoup de temps et d’argent pour tenter de lutter contre les fausses déclarations d’origine, ont noté les chercheurs.
Une méthode de détection de la fraude alimentaire consiste à déterminer la valeur δ18O (delta-O-18) d’un échantillon de produit, ce qui caractérise le rapport isotopique de l’oxygène. Jusqu’à présent, cette procédure a été très longue et coûteuse. Un cas de fraude présumée impliquait non seulement la collecte de données de référence du pays d’origine revendiqué, mais également de données comparatives provenant d’autres régions pour valider ou réfuter l’origine du produit.
Réduction des coûts grâce au calcul du modèle
Le botaniste bâlois Florian Cueni vient de développer un nouveau modèle en collaboration avec Agroisolab GmbH, une société spécialisée dans l’analyse isotopique. La recherche a été publiée dans une revue Rapports scientifiques.
Ce modèle est destiné à être utilisé pour simuler le rapport isotopique de l’oxygène dans les plantes de régions individuelles, éliminant ainsi le besoin de la collecte fastidieuse de données de référence. Il est basé sur des données de température, de précipitations et d’humidité et des informations sur la saison de croissance d’une plante, qui sont toutes disponibles à partir de bases de données accessibles au public, a révélé l’étude récemment publiée.
Le Dr Cueni a testé et validé le modèle sur un ensemble de données de référence δ18O unique pour les fraises collectées dans toute l’Europe sur une période de 11 ans. « L’étude de cas a montré que le modèle peut simuler l’origine des fraises avec un haut degré de précision »ont conclu les chercheurs.
Un « large éventail » d’utilisations
Ce modèle peut être appliqué à beaucoup plus que des fraises pour déterminer le pays d’origine.
« Avec des ajustements mineurs aux paramètres, notre modèle peut être utilisé pour déterminer tous les produits végétaux »a expliqué le professeur Ansgar Kahmen, qui a dirigé le projet de recherche.
Cela signifie qu’il est possible de simplifier et d’accélérer l’analyse isotopique conventionnelle en simulant avec précision les régions d’origine des denrées alimentaires agricoles, ce qui réduit les coûts.
Le modèle intéresse les responsables de la criminalistique alimentaire ou les autorités chargées de l’enquête et peut en fait être appliqué à des applications en dehors de l’industrie alimentaire, ont noté les scientifiques bâlois. Cela pourrait inclure la détermination de l’origine des drogues confisquées, par exemple. Ils ont également souligné son utilisation par des instituts médico-légaux privés qui inspectent les aliments ou servent de témoins experts devant les tribunaux. Pendant ce temps, des ONG telles que WWF ou Greenpeace sont également intéressées – en particulier en ce qui concerne la détermination de l’origine du bois abattu illégalement. Tout comme l’industrie alimentaire, qui subit une atteinte à la réputation en raison de la vente de produits qui peuvent avoir été faussement déclarés.
Source
« Utiliser des modèles d’isotopes stables de l’oxygène physiologiques des plantes pour lutter contre la fraude alimentaire »
Rapports scientifiques
DoI: 10.1038/s41598-021-96722-9
Auteur(s) : Florian Cueni, Daniel B. Nelson, Markus Boner & Ansgar Kahmen
