Comment utiliser l’intelligence artificielle pour prédire la qualité sensorielle de la viande à partir d’une simple image ? C’est la question à laquelle s’est attaché le projet de stage de fin d’études de Fatima Ouatirou, élève ingénieure de l’ENSEIRB-MATMECA, intitulé « Développement de modèles de deep learning pour l’estimation de la qualité sensorielle de la viande par analyse d’image ». Mené à l’interface entre les sciences du numérique et les sciences animales, ce projet associe les compétences du laboratoire IMS (UMR 5218 – groupe Signal et Image / département NUMAG) et de Bordeaux Sciences Agro (département Feed & Food / UMR Herbivores) afin de développer de nouveaux outils d’aide à l’évaluation de la qualité des carcasses.
Le 16 juillet, les résultats de ce travail ont été présentés chez Plainemaison Aquitaine, en présence de Fatima Ouatirou, de ses encadrants Lionel Bombrun, Jean-Pierre Da Costa et John Albechaalany, ainsi que de Sandrine Papillon et Marie-Pierre Ellies.
Un enjeu majeur pour les filières viande
Le persillé, c’est-à-dire la présence de fines infiltrations de gras au sein du muscle, constitue un critère déterminant de la qualité sensorielle de la viande. Il influence directement la tendreté, la jutosité et la flaveur. Aujourd’hui, son évaluation repose principalement sur l’expertise humaine selon le standard Meat Standards Australia (MSA), une méthode reconnue mais qui demeure longue à mettre en œuvre et peut présenter une variabilité entre évaluateurs. Le projet visait ainsi à développer une méthode d’analyse automatisée fondée sur l’intelligence artificielle afin de rendre cette évaluation plus rapide, plus objective et plus reproductible.
Des modèles de deep learning pour prédire le persillé
Le travail réalisé a permis de développer une chaîne complète d’analyse d’images reposant sur deux modèles complémentaires de deep learning : un premier destiné à segmenter automatiquement le faux-filet sur les images de carcasses, puis un second chargé d’estimer le niveau de persillé à partir de la répartition du gras intramusculaire.
Le stage a également permis de constituer une base de données de référence grâce à l’annotation minutieuse de milliers d’images et à l’attribution des scores MSA par des experts accrédités. Les modèles développés intègrent enfin des approches d’IA explicable permettant de visualiser les zones utilisées par l’algorithme ainsi qu’une estimation de l’incertitude de chaque prédiction, deux éléments essentiels pour une future utilisation en conditions industrielles.
Une immersion au cœur des carcasses
La journée s’est poursuivie par une visite des installations de Plainemaison Aquitaine, guidée par Pierre-Philippe Rivet et Marie-Thérèse Lattouf, doctorante en mathématiques appliquées accueillie au sein de l’entreprise dans le cadre d’une thèse co-encadrée par Marie-Pierre Ellies. Les participants ont pu assister à une démonstration de la notation du persillé sur les carcasses en conditions réelles d’abattoir. Cette immersion a permis de mettre en perspective les développements scientifiques avec les pratiques professionnelles et d’échanger sur les perspectives d’intégration de ces nouveaux outils d’intelligence artificielle dans les filières viande. Ce projet illustre concrètement l’intérêt des collaborations interdisciplinaires entre spécialistes du traitement du signal, de l’intelligence artificielle et des sciences animales pour accompagner l’innovation au service de la qualité des produits et des filières agroalimentaires.
