Une nouvelle plateforme de données facilite et accélère la certification de la sécurité alimentaire
Les citoyens ont besoin de savoir que les aliments qu’ils achètent sont adaptés à l’usage qu’ils comptent en faire. Cependant, la certification de la sécurité alimentaire est un processus complexe qui implique de nombreux acteurs et l’échange d’informations sensibles. «La délivrance d’un certificat s’appuie sur de nombreuses données et implique souvent des tiers. Les sociétés alimentaires peuvent sous-traiter la certification des analyses à un laboratoire ou doivent fournir des informations sensibles sur la chaîne d’approvisionnement», explique Manos Karvounis, coordinateur par intérim du projet TheFSM.
Numérisation de la certification alimentaire
Ce projet financé par l’UE a conçu une plateforme de données innovante, basée sur les technologies de la chaîne de blocs, qui pourrait donner un coup de pouce numérique à la certification des denrées alimentaires en Europe. Il entend accélérer un processus — parfois encore réalisé à l’aide de scanners et de morceaux de papier — et en accroître l’efficacité et la sécurité. «Cette plateforme est au cœur de l’échange de données, garantissant que les informations proviennent directement du client de certification ou d’une tierce partie et ne sont accessibles qu’à l’organisme de certification», explique Manos Karvounis, responsable de la recherche et de l’innovation chez le responsable du projet, Agroknow, situé à Marousi, en Grèce.
Traçabilité des données
Ce système permet de garantir l’intégrité, la confidentialité et la traçabilité des données. Grâce à la blockchain, il n’est plus nécessaire qu’une tierce partie fournisse ces garanties, ce qui accélère le processus de délivrance d’un certificat. L’équipe a élaboré un ensemble d’outils qui se connectent sur la plateforme et s’adressent à différents acteurs tels que AGRIVI pour les agriculteurs, et les inspecteurs alimentaires pour les fournisseurs de services d’inspection et de certification. FOODAKAI, un autre outil, aide les entreprises de transformation des aliments à effectuer des évaluations des risques associés aux fournisseurs. «Imaginons qu’une société agroalimentaire compte de nombreux prestataires dans sa chaîne alimentaire et qu’elle souhaite savoir si des incidents alimentaires sont à mettre sur le compte d’un certain fournisseur», explique Manos Karvounis. «Cet outil lui permet de visualiser tous les incidents alimentaires liés au fournisseur en question au fil du temps et de décider en connaissance de cause de travailler ou non avec lui.» «C’est la première fois qu’un modèle basé sur la chaîne de blocs et une plateforme de données sécurisée dès la conception sont utilisés dans ce secteur, ce qui permet à différents cas d’utilisation et types d’applications de fonctionner ensemble», ajoute Manos Karvounis.
Demande d’évaluation des risques fournisseurs
Lorsque les outils ont été testés, l’équipe a été surprise par le niveau de demande d’évaluations des risques liés aux fournisseurs. «Nous avons pu attirer des sociétés très en vue disposant de chaînes d’approvisionnement très complexes. Ces entreprises ont continué à utiliser la plateforme après la fin du projet pilote», souligne Manos Karvounis. Agroknow travaille avec ces sociétés, tandis qu’un autre membre du consortium, TÜV Austria Hellas, intègre la plateforme dans le cadre de ses services de certification commerciale. L’équipe d’Agroknow s’appuie sur les résultats de TheFSM dans le cadre de son prochain projet, EFRA. En collaboration avec des entreprises du secteur alimentaire, le projet étudie comment l’exploration, l’agrégation et l’analyse de données extrêmes peuvent être exploitées pour améliorer la sécurité alimentaire. Il fait appel à l’apprentissage fédéré de l’IA pour former des modèles d’IA afin de prédire les risques de contamination par des agents pathogènes tels que la salmonelle. Avec cette approche, les sociétés peuvent mettre en commun leur intelligence sans échanger directement des données sensibles.
Mots‑clés
TheFSM, sécurité alimentaire, chaîne de blocs, certification, risque fournisseur, évaluation des risques, plateforme de données, échange de données, apprentissage fédéré de l’IA