Intégrer vos données instrumentales à vos études sensorielles et consommateurs

Les différentes données sensorielles et instrumentales peuvent être combinées pour améliorer vos connaissances sur vos produits et vos consommateurs

Avec toutes les innovations que vous avez générées ces dernières années, vous êtes envahi de tableaux de données issus de vos tests produits : tests consommateurs, caractérisations physico-chimiques, données sensorielles etc. Là où l’instrumental génère des mesures objectives et précises, la perception sensorielle intègre plusieurs facteurs au niveau physiologique et psychologique. Bien que très différentes, ces approches peuvent être combinées. Avez-vous pensé aux enseignements supplémentaires que vous récolteriez si vous mettiez ces données en relation ? Comment mettre en lien ces données pour en retirer des informations pertinentes ?

La relation entre données sensorielles et instrumentales

Prenons pour exemple la texture, propriété sensorielle complexe qui se définit à 2 niveaux : physique et perceptif. Les propriétés de texture d’un objet font référence aux propriétés géométriques, rhéologiques et tribologiques d’un objet [1]. La texture perçue quant à elle, est une synthèse physiologique et psychologique liée à la configuration géométrique et aux attributs physico-chimiques de cet objet [2]. La relation entre texture et texture perçue représente une aide importante dans l’élaboration de produits aux textures adaptées, puisqu’elle intègre à la fois les données physiques et de ressenti de l’individu.

Dans le domaine des fruits et des légumes, la texture est un critère de maturité et de qualité important. Comme nous l’avons vu plus haut, la texture est un paramètre sensoriel complexe. Dans ce cas, l’utilisation de mesures prédictives de la texture est importante pour réduire les coûts associés à la mise en place de tests sensoriels. L’approche instrumentale (e.g. rhéologie) permet de valider des critères de performance de lots ou encore de vérifier la présence de caractéristiques définies dans le cahier des charges (fermeté, cohésion de la matière etc.). Cependant, l’évaluation sensorielle de la texture par un panel entrainé permet de valider la pertinence des indicateurs instrumentaux ou physico-chimiques.

Certaines propriétés sensorielles de texture telles que la dureté ou l’élasticité semblent être assez faciles à prédire par des mesures rhéologiques. D’autres propriétés sensorielles comme le fondant en bouche ou le crémeux peuvent être plus difficiles à prédire car multidimensionnelles. L’intégration de phénomènes intra-buccaux (mastication, salivation, température) lors des tests instrumentaux, peut alors aider à prédire certaines propriétés sensorielles de texture.

Marketing Numérique, Technologie

La relation entre préférences des consommateurs et données physico-chimiques et/ou sensorielles d’un produit.

A l’heure actuelle, les industriels ne peuvent plus se satisfaire de savoir si leur produit plaît ou non aux consommateurs. Identifier puis expliquer cette appréciation au travers des forces et faiblesses du produit s’intégrera dans un processus d’amélioration continue. Cependant, les consommateurs ne sont pas à même d’expliquer leur jugement de manière précise. Leurs perceptions ne sont pas calibrées et le vocabulaire descriptif employé est souvent vague et peu consensuel. La cartographie des préférences ou PREFMAP permet d’établir un lien entre les données sensorielles descriptives et les données hédoniques (d’appréciation) des consommateurs. Les variables hédoniques sont expliquées et prédites grâce à une carte sensorielle résumant au mieux les différences entre produits.

En outre, il est tout à fait possible d’ajouter des données instrumentales qui permettront d’expliquer ces préférences à partir de données de rhéologie, pH-métrie, colorimétrie etc.

Et en pratique ?

Quelques conseils avant d’explorer les relations entre vos différents types de données :

– N’oubliez pas l’objectif de l’exploration de vos données,

– Définissez bien votre espace produits,

– Choisissez bien vos méthodes statistiques selon vos objectifs (régression linéaire, PLS, machine-learning…)

-Soyez vigilant dans l’interprétation de vos résultats : l’existence d’une corrélation, aussi bonne soit-elle, n’est jamais la preuve d’un lien de cause à effet !

L’exploration des données chez SensoStat

Chez SensoStat, nous avons un petit faible pour jongler avec toutes ces données. Par exemple, dernièrement nous avons étudié les relations entre données descriptives, hédoniques et les paramètres de production (température, quantité, durée d’infusion etc.) de différents thés.

Si nous préférons souvent les modèles explicatifs aux modèles prédictifs (domaine de validité, surestimation de l’ajustement), nous pouvons vous aider à intégrer au mieux vos mesures instrumentales à vos problématiques sensorielles et consommateurs.

Vous avez envie de découvrir les informations qui se cachent dans vos données ? Vous souhaitez échanger avec nous et être accompagné sur les différentes approches statistiques pour analyser vos données ? N’hésitez pas à nous contacter à l’adresse mail suivante : eric.teillet@sensostat.fr

Lien vers d’autres types d’analyses que nous réalisons : http://sensostat.fr/liking-et-methodes-temporelles/

[1] H. Zuo, T. Hope, P. Castle, and M. Jones, “An investigation into the sensory properties of materials,” 2nd Int. Conf. Affect. Hum. Factors Des., pp. 500–507, 2001. [12]

[2] A. S. Szczesniak, “Texture is a sensory property,” vol. 13, pp. 215–225, 2002. [13] https://www.sciencedirect.com/science/article/abs/pii/S0950329301000398

Retour

Nous contacter

Nous contacter