Les plans d’expériences occupent une place dominante dans les études statistiques en agroalimentaire. Le plan d’expérience présente un avantage non négligeable puisqu’il permet d’étudier l’impact de différents paramètres sur une grandeur-réponse. Cette méthode structurée permet d’éviter le raisonnement par tâtonnement mais présente souvent un manque de flexibilité. Cependant, depuis plusieurs années, de nouvelles méthodes statistiques commencent à voir le jour dans les démarches de recherche, parmi elles les réseaux de neurones artificiels. Cette méthode rattachée au machine learning a déjà fait ses preuves dans d’autres domaines de recherche mais elle reste encore peu comprise et est souvent questionnée dans nos domaines d’études.
Le réseau de neurones est un modèle permettant de relier un très grand nombre de paramètres entre eux et de définir des poids relatifs à l’importance de chacune de ces connexions. Contrairement aux plans d’expériences, il présente l’avantage d’être plus puissant et adaptable. Il est possible d’étudier simultanément plusieurs dizaines de paramètres et les jeux de données peuvent être complétés ou modifiés en temps réel. En revanche, l’inconvénient majeur de la technique repose sur le fait que le réseau de neurones est construit autour d’une « boîte noire », pouvant compliquer l’explication des mécanismes de traitement intermédiaires.
Pour mieux comprendre et comparer ces deux méthodes, AGIR a réalisé une étude scientifique centrée sur l’impact de différents facteurs associés aux mélanges de poudres à lever sur les caractéristiques finales du muffin, notamment son alvéolation. Ce même jeu de données a été exploité selon les deux modalités statistiques. Les muffins ont été formulés avec différents dosages de mélange de poudres à lever mais aussi différentes compositions, notamment en faisant varier l’agent acide selon son caractère clean label et sa rapidité de réaction.
Pour accéder à la lettre technique complète dédiée à l’impact des poudres à lever sur les caractéristiques du muffin et étudier l’intérêt de l’approche statistique « réseau de neurones artificiels », découvrez notre offre d’adhésion à AGIR !