4.6 Réalisation des simulations
4.8.1 Di¢cultés de la reproduction dun procédé de fabrication et dun cir-
Une des di¢culté de ce travail est la reproduction des étapes constituant la fabrication et le circuit logistique des salades de IVeme gamme. Nous nous sommes e¤orcés de les re-
produire avec précision en e¤ectuant un travail considérable de tri et de recueil de données dorigines diverses. Cependant il faut souligner que même si la compilation de données de nature et de source di¤érentes est couramment utilisée dans lanalyse des risques microbio- logiques, il est préférable a n dintégrer les dépendances entre les di¤érents facteurs (par exemple les températures et les durées de conservation), de disposer de données ciblées sur un produit et issues dune même étude e¤ectuée sur lensemble du procédé de fabrication et de conservation du produit, comme par exemple létude Afssa-Cemagref pour le saumon fumé. Le manque de données numériques pour certains paramètres nous a contraint à utili-
ser des dires dexperts et certaines améliorations pourraient être e¤ectuées, notamment au niveau des distributions utilisées pour traduire ces dires dexperts. Par exemple, pour si- muler les durées de certaines étapes, des distributions triangulaires ont été établies à partir des dires dexperts ou de lenquête de consommation Actia. Ce choix a été e¤ectué dun point de vue pratique. Les questions aux experts nont pas été posées dans un cadre for- mel délicitation (Morris, 1977; Kadane & Wolfson, 1998; OHagan & Oakley, 2007) mais à loccasion dun comité de pilotage. Ainsi les questions étaient simples et portaient prin- cipalement sur la durée maximale, minimale et la plus probable. Avec ces informations, il nétait pas possible par exemple, de déterminer les paramètres de la loi exponentielle qui est généralement utilisée pour modéliser la durée dun événement (Vose, 2000). Par contre, à partir des réponses données par les experts les paramètres de la distribution triangulaire étaient facilement identi ables. Un autre avantage de la distribution triangulaire est quil est possible de gérer ses bornes, contrairement à la loi exponentielle. Toutefois, ce type de distribution implique que les bornes inférieures et supérieures utilisées soient des minimums et maximums absolus, il nest pas possible dobtenir des valeurs inférieures ou supérieures à ces bornes ce qui ne semble pas réaliste. Il aurait été pertinent, si linformation avait été disponible, dutiliser la distribution triangulaire proposée par Vose (2000) qui permet din- tégrer un pourcentage de valeurs au-dessus et en dessous des bornes. Une autre distribution ayant les mêmes facilités dutilisation que la triangulaire et souvent employée dans lanalyse des risques microbiologiques (particulièrement par les utilisateurs du logiciel @risk) pour modéliser les dires dexperts est la distribution BetaPert. Cette distribution est plus sensible que la loi triangulaire à la valeur la plus probable et contrairement à cette dernière ne sou¤re pas de biais pour lestimation de la moyenne lorsque la valeur de la borne supérieure est grande. Il est donc possible daméliorer le choix des distributions concernant principalement les durées des étapes soit par la mise en place dune véritable procédure délicitation soit par lutilisation de lois plus souples.
Nous nous sommes attachés à utiliser des distributions de probabilité pour modéliser les di¤érents paramètres et hyperparamètres dentrée du modèle de simulation a n de tenir compte des di¤érentes sources de variabilité et dincertitude. Cependant, au niveau des tem- pératures et de la durée des étapes du circuit logistique, la similitude des résultats obtenus en utilisant des températures xées (test de vieillissement) ou variables laisseraient à penser quintégrer leur variabilité et leur incertitude nest pas indispensable. Mais ce phénomène pourrait aussi être dû au modèle de croissance qui serait peu sensible aux variations des températures et des durées. Ainsi dans le cas dun modèle plus sensible, lutilisation de dis-
tributions pour les températures et les durées des étapes pourrait savérer utile. Cest pour cela que cette source de variabilité et dincertitude na pas été négligée ici.
A n de prendre en compte tous les facteurs pouvant avoir un impact sur la contamination, le nombre détapes constituant la fabrication et le circuit logistique de la salade en sachet qui ont été sélectionnées est élevé. Cependant par manque dinformation, de données et pour simpli er le modèle, certaines étapes nont pas été retenues. Par exemple, la recontamination et la contamination croisée pouvant exister lors du procédé de fabrication nont pas été modélisées. En e¤et, il existe des "niches" comme les perforations dans les tapis de transport par exemple, dans lesquelles les bactéries sont susceptibles de se déposer, de se développer et de contaminer de nouvelles salades. Les lames de coupe peuvent aussi transmettre des bactéries dune salade à lautre (Lainé & Michard, 1988). La contamination peut également être dorigine humaine. Par exemple, le personnel préposé à la coupe peut contaminer la matière première par contact manuel ou par des outils de coupe souillés. De plus, les feuilles de salade étant parfois en contact les unes avec les autres, les bactéries peuvent se déplacer dune feuille à lautre. Les sources de contamination sont donc potentiellement nombreuses à lintérieur de lusine. Cependant, un nettoyage pluriquotidien, lutilisation dun procédé où il existe peu de contact entre les employés et la matière première et lutilisation deau chlorée limitent les recontaminations et les contaminations croisées, ce qui justi e la non prise en compte de ces sources de contamination dans le modèle.