Di¢cultés de la reproduction d’un procédé de fabrication et d’un 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 d’origines diverses. Cependant il faut souligner que même si la compilation de données de nature et de source di¤érentes est couramment utilisée dans l’analyse des risques microbio- logiques, il est préférable a…n d’intégrer 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 d’une même étude e¤ectuée sur l’ensemble du procédé de fabrication et de conservation du produit, comme par exemple l’étude Afssa-Cemagref pour le saumon fumé. Le manque de données numériques pour certains paramètres nous a contraint à utili-

ser des dires d’experts et certaines améliorations pourraient être e¤ectuées, notamment au niveau des distributions utilisées pour traduire ces dires d’experts. Par exemple, pour si- muler les durées de certaines étapes, des distributions triangulaires ont été établies à partir des dires d’experts ou de l’enquête de consommation Actia. Ce choix a été e¤ectué d’un point de vue pratique. Les questions aux experts n’ont pas été posées dans un cadre for- mel d’élicitation (Morris, 1977; Kadane & Wolfson, 1998; O’Hagan & Oakley, 2007) mais à l’occasion d’un 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 n’était pas possible par exemple, de déterminer les paramètres de la loi exponentielle qui est généralement utilisée pour modéliser la durée d’un 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 qu’il 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 n’est pas possible d’obtenir des valeurs inférieures ou supérieures à ces bornes ce qui ne semble pas réaliste. Il aurait été pertinent, si l’information avait été disponible, d’utiliser la distribution triangulaire proposée par Vose (2000) qui permet d’in- tégrer un pourcentage de valeurs au-dessus et en dessous des bornes. Une autre distribution ayant les mêmes facilités d’utilisation que la triangulaire et souvent employée dans l’analyse des risques microbiologiques (particulièrement par les utilisateurs du logiciel @risk) pour modéliser les dires d’experts 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 l’estimation de la moyenne lorsque la valeur de la borne supérieure est grande. Il est donc possible d’améliorer le choix des distributions concernant principalement les durées des étapes soit par la mise en place d’une véritable procédure d’élicitation soit par l’utilisation de lois plus souples.

Nous nous sommes attachés à utiliser des distributions de probabilité pour modéliser les di¤érents paramètres et hyperparamètres d’entrée du modèle de simulation a…n de tenir compte des di¤érentes sources de variabilité et d’incertitude. 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 qu’intégrer leur variabilité et leur incertitude n’est 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 d’un modèle plus sensible, l’utilisation de dis-

tributions pour les températures et les durées des étapes pourrait s’avérer utile. C’est pour cela que cette source de variabilité et d’incertitude n’a pas été négligée ici.

A…n de prendre en compte tous les facteurs pouvant avoir un impact sur la contamination, le nombre d’étapes constituant la fabrication et le circuit logistique de la salade en sachet qui ont été sélectionnées est élevé. Cependant par manque d’information, de données et pour simpli…er le modèle, certaines étapes n’ont pas été retenues. Par exemple, la recontamination et la contamination croisée pouvant exister lors du procédé de fabrication n’ont 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 d’une salade à l’autre (Lainé & Michard, 1988). La contamination peut également être d’origine 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 d’une feuille à l’autre. Les sources de contamination sont donc potentiellement nombreuses à l’intérieur de l’usine. Cependant, un nettoyage pluriquotidien, l’utilisation d’un procédé où il existe peu de contact entre les employés et la matière première et l’utilisation d’eau 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.

4.8.2

De l’in‡uence du volume de données sur le niveau d’incer-