Dans un contexte de chaînes dapprovisionnement mondiales, de pression réglementaire accrue et de consommateurs plus exigeants, AINIA a organisé une session en ligne au cours de laquelle il a été analysé comment lintelligence artificielle (IA) transforme la sécurité alimentaire. Le responsable du développement stratégique digital et des alliances, David Martínez, et le responsable de la sécurité alimentaire chez AINIA, Roberto Ortuño, ont convenu que lIA renforce lexpertise humaine et améliore la prise de décision. Tous deux ont également souligné limportance de disposer déquipes multidisciplinaires (technologie et sécurité alimentaire), de garantir la qualité des données et dassurer lexplicabilité des modèles afin dévoluer vers une approche plus proactive et plus efficace du contrôle alimentaire.
LIA, un « copilote » pour des décisions fondées sur des preuves
Pour le responsable du développement stratégique digital et des alliances chez AINIA, « lIA ne remplace pas lexpertise ; elle lamplifie. Cest notre copilote pour réagir plus tôt, avec plus de précision et avec des décisions fondées sur des preuves ». Dans cette perspective, David Martínez a expliqué comment la combinaison de capteurs avancés, danalytique de données et de modèles prédictifs permet de passer de modèles réactifs à des approches proactives en matière de sécurité alimentaire.
Dans cette ligne, le responsable de la sécurité alimentaire chez AINIA a mis en avant une gestion efficace des données : « Nous traitons de plus en plus de données et assumons davantage de responsabilités. LIA nous aide à transformer les données en informations utiles pour prendre de meilleures décisions et au bon moment ». Roberto Ortuño a ajouté que « la clé réside dans la normalisation et lunification des données internes et externes afin de prendre des décisions fondées sur des preuves, avec des modèles explicables et alignés sur les exigences réglementaires ».
Applications pratiques : de lalerte précoce à la prédiction en usine
Les intervenants ont convenu que lapproche la plus efficace est progressive, interdisciplinaire et fondée sur des projets pilotes rapides avec des indicateurs clairs. Ils ont également souligné limportance de linteropérabilité et de la collaboration sectorielle pour multiplier limpact, notamment dans des domaines tels que lalerte précoce et lidentification des risques émergents.
Parmi les applications présentées lors du webinaire, il a été montré comment lIA accélère la détection des risques émergents grâce à la curation automatisée de signaux dans la littérature scientifique, améliore le filtrage des alertes précoces (RASFF, AESAN) et permet danticiper les contaminations en usine grâce à lintégration de capteurs IoT et dimages. Des cas dinspection automatique en ligne, danalytique de données pour les KPI et de prédiction des risques microbiologiques en temps réel ont également été abordés.
« La combinaison de lalerte précoce et de lanalytique avancée nous permet danticiper les risques émergents et réémergents et dagir avant quun problème natteigne le marché », a souligné Roberto Ortuño.
Clés de mise en uvre : cas dusage définis, données de qualité et équipes mixtes
Concernant le rythme dadoption, David Martínez a indiqué : « Le défi nest plus de savoir sil faut appliquer lIA, mais quand et avec quel niveau dambition. Ceux qui intégreront ces technologies feront la différence en matière de sécurité alimentaire ».
Parmi les recommandations opérationnelles, les deux intervenants ont suggéré de commencer par des cas concrets et mesurables avec une vision claire du succès ; de garantir des données propres et représentatives ; de créer des équipes mixtes (IA, sécurité alimentaire et personnel dusine) ; de prototyper et valider rapidement avec des itérations courtes ; dexiger transparence, explicabilité et traçabilité des modèles ; et de promouvoir linteropérabilité afin déviter les « îlots de données » et de permettre la création despaces de données avec des partenaires et des fournisseurs. Cette approche permet daccélérer le passage de lidée à la réalité et de consolider un cadre damélioration continue et daudits plus robustes.
