Article pp.679-688 du Vol.23 n°5-6 (2003)

(1)

ARTICLE ORIGINAL ORIGINAL PAPER

Recueil direct de distances sensorielles : application à l’évaluation de dix vins blancs

du Val-de-Loire

J. Pagès¹

SUMMARY

Direct collection of sensory distances: application to the evaluation of ten white wines of the Loire Valley

The direct collection of sensory similarities or distances allows to approach an essential concept: the relative importance of the characteristics of the prod- ucts in their perception. This type of collection is seldom used because it returns classically to the paired evaluations, very difficult to carry out in prac- tice if the number of product is large. An original method of direct collection of sensory distances, called here “napping”, and its associated statistical meth- odology are here presented. As an example, evaluation of ten white wines of Touraine by two panels, students on one hand, professionals on the other hand, illustrates the feasibility and the interest of this procedure.

Key words

sensory analysis, distance, multiple factor analysis, wine, Chenin, Sauvignon.

RÉSUMÉ

Le recueil direct de similarités ou de distances sensorielles permet d’approcher une notion essentielle : l’importance relative des caractéristiques des produits dans leur perception. Ce mode de recueil est rarement utilisé car il renvoie classiquement aux évaluations par paires, très difficiles à mettre en œuvre en pratique dès lors que le nombre de produit est grand. Nous présentons ici une méthode originale de recueil direct de distances sensorielles, appelée ici napping, et la méthodologie statistique associée. À titre d’exemple, l’évaluation de dix vins blancs de Touraine par deux jurys, étudiants d’une part professionnels d’autre part, illustre la faisabilité et l’intérêt de cette démarche.

Mots clés

analyse sensorielle, distance, analyse factorielle multiple, vin, Chenin, Sauvignon.

1. Laboratoire de mathématiques appliquées, École nationale supérieure agronomique de Rennes, 65, rue de Saint-Brieuc, CS 84215 F-35042 Rennes cedex, France.

Correspondance : pages@agrorennes.educagri.fr

(2)

1 – INTRODUCTION

En évaluation sensorielle descriptive, les représentations planes issues d’une analyse factorielle sont maintenant des outils de synthèse bien établis. La méthodologie la plus courante est une analyse en composantes principales (ACP) réalisée sur le tableau produits x descripteurs comportant, à l’intersection de la ligne i et de la colonne k, la moyenne des évaluations des juges concer- nant le produit i et le descripteur k. Dans cette analyse, deux choix des pondé- rations à accorder aux descripteurs sont possibles : pondération identique pour tous les descripteurs (ACP normée) ; pondération de chaque descripteur pro- portionnelle à sa variance (ACP non normée). Les utilisateurs sont partagés quant à ce choix (BORGOGNONE, 2001).

Une critique que l’on peut adresser à cette méthodologie est que, dans la représentation des produits qu’elle fournit, les pondérations attribuées aux descripteurs ne correspondent pas nécessairement à leur importance réelle pour les dégustateurs. Ceci est connu depuis longtemps et a conduit à proposer un recueil de données sous forme de distances ou de similarités (cf. par exemple : SCHIFFMAN et al., 1981). Ainsi, on présente aux dégustateurs (ou juges) une suc- cession de couples de produits : pour chaque couple, on demande d’évaluer la ressemblance entre les deux produits présentés au moyen d’une note allant par exemple de 0 (les produits sont identiques) à 20 (les produits sont très diffé- rents). On dispose ainsi, pour chaque dégustateur, d’une matrice de distances ou de similarités. De multiples méthodologies statistiques ont été proposées pour traiter ce type de données (SCHIFFMAN et al., 1981).

Comme toutes les comparaisons par paires, ce mode de recueil de données se heurte à une difficulté pratique dès lors que le nombre de produits est un tant soit peu important : 7 produits impliquent 24 paires ce qui, même avec des procédures spéciales, semble un maximum en pratique (COURCOUX et SÉMENOU, 1997). C’est sans doute pour cette raison que le recueil direct de similarités, est rarement utilisé.

Nous proposons ci-après une procédure qui permet de recueillir directe- ment, pour chaque juge, une matrice de distances euclidiennes entre une dizaine de produits. Le traitement simultané de ces données fournit une repré- sentation des produits dans laquelle deux produits sont proches s’ils ont été perçus comme tels par l’ensemble des juges, chacun utilisant et pondérant à sa façon ses propres critères.

2 – MATÉRIELS ET MÉTHODES

2.1 Dix vins de Touraine

Dix vins blancs de Touraine ont été choisis pour leur diversité en termes de cépage (5 Chenins de l’appellation Vouvray, 5 sauvignons de l’appellation Tou- raine), de terroirs, de vinification (l’un contient 7 g de sucres résiduels) et

(3)

d’élevage (passage en fût ou non). Les vins ont été choisis parce qu’ils illustrent plusieurs tendances actuelles de vinification des vins de Touraine : aussi, ces facteurs ne sont pas organisés selon un plan d’expérience. La problématique s’articule ici sur la question : quelle est l’importance de ces facteurs dans la perception globale de ces vins ?

L’objectif de cette étude est double. Sur le plan méthodologique, évaluer la faisabilité d’un nouveau mode de recueil de données avec deux types de jury très différents. Sur le plan sensoriel, déterminer et comparer les dimensions de perception d’un même ensemble de vins de Touraine par des « naïfs » et des professionnels.

2.2 Napping

2.2.1 Recueil des données

Les 10 vins sont fournis simultanément à chaque dégustateur ainsi qu’une grande feuille de papier blanc (concrètement on utilise des nappes en papier ; d’où la terminologie « napping »). L’instruction est la suivante :

Principe. Il vous est demandé d’évaluer les ressemblances (ou dissemblan- ces) entre plusieurs vins. Et ce, selon vos propres critères, ceux qui sont impor- tants pour vous. Vous n’avez pas à indiquer vos critères. Il n’y a pas de bonnes et de mauvaises réponses.

Mode opératoire. Vous placez les vins sur une feuille de papier ; deux vins sont d’autant plus proches qu’ils vous paraissent semblables. Deux vins sont éloignés s’ils vous paraissent différents. Et, encore une fois, ceci selon vos critè- res. Ne pas hésiter à marquer les différences c’est-à-dire à utiliser toute la feuille disponible. Quand l’opération est terminée, vous écrivez sur une feuille le numéro du vin à l’emplacement qu’il occupe.

Les données sont recueillies en notant, pour chaque produit, son abscisse et son ordonnée sur la feuille. L’origine peut être choisie n’importe où (le coin en bas à gauche est commode).

2.2.2 Analyse statistique

Les données sont organisées selon la figure 1. Ce tableau est soumis à une AFM dans laquelle chaque juge constitue un groupe de variables non normées.

En procédant ainsi, les juges sont équilibrés entre eux et, pour chaque juge, d’éventuelles disparités entre les variabilités horizontales et verticales sont res- pectées.

Cette analyse fournit deux représentations principales :

• une représentation des produits telle que deux produits y apparaissent proches si globalement ils ont été considérés comme proches par l’ensemble des juges ;

• une représentation des juges telle qu’une grande proximité entre deux juges indique une ressemblance entre les représentations qu’ils ont fournies.

(4)

Figure 1

Organisation des données.

À chaque juge j, correspondent deux colonnes : l’abscisse (X_j) et l’ordonnée (Y_j).

X_j (i) : abscisse du produit i dans la représentation fournie par le juge j.

Organization of the data.

Two columns correspond to each judge j: the X-coordinate (X_j) and the Y-coordinate (Y_j). X_j (i): X-coordinate of product i in the representation

provided by the judge j.

2.3 Profil ultra-flash

Les vins ont été aussi proposés à 12 professionnels (viticulteurs, œnolo- gues, sommeliers) du vin et ce dans le cadre d’un salon professionnel. Une petite salle de réunion avait été réservée ; les dégustateurs effectuaient le test à un moment choisi par eux.

À l’issue du napping, on demande à chaque juge d’indiquer, à côté de l’emplacement de chaque produit, les mots qui lui viennent à l’esprit pour caractériser le produit. Le tableau de la figure 1 peut alors être complété par autant de colonnes que de mots utilisés. Chaque colonne k contient les fré- quences avec lesquelles le mot k a été associé aux différents vins. De façon empirique mais commode, ces colonnes peuvent être introduites dans l’AFM précédente en tant que variables supplémentaires. En procédant ainsi, on obtient un graphique dans lequel les mots apparaissent du côté des vins ils ont été le plus souvent associés. Pour éviter d’encombrer le graphique on sélec- tionne les mots les plus utilisés.

La terminologie ultra-flash provient de la rapidité de l’opération et de sa parenté avec les travaux du laboratoire de J.-M. Siefferman (DAIROU et SIEFFER- MAN, 2002) relatifs au profil flash visant à obtenir des profils rapidement et fondé lui aussi sur une évaluation simultanée de l’ensemble des produits, une représen- tation plane des produits et un libre choix des descripteurs pour chaque juge.

3 – PRINCIPAUX RÉSULTATS

3.1 Faisabilité

Dans l’ensemble, les étudiants ont été à l’aise avec ce mode de recueil de données. Le temps de réponse observé varie entre 10 et 20 minutes. Quelques

1 j J juge

X₁ Y₁ X_j Y_j X_J Y_J coordonnée

1

produits i … X_j (i) Y_j (i)…

n

(5)

grands traits de l’utilisation de la nappe peuvent être approchés par les éten- dues individuelles pour chaque dimension (figure 2). La dimension horizontale est bien utilisée (minimum de l’étendue de X : 39,5 cm) ; la dimension verticale est utilisée de façons diverses : certains l’utilisent fort peu (minimum de l’éten- due de Y : 11 cm). Cette variabilité des étendues renforce l’idée de ne pas nor- mer les données.

Figure 2 Étendues individuelles

Étendue : écart entre les coordonnées maximum et minimum.

Le calcul est effectué pour chacune des nappes, pour les dimensions horizontales (X) et verticale (Y). Les étudiants sont numérotés de 1 à 18 ; les professionnels

de 19 à 30.

Individual ranges

Range: difference between the co-ordinates maximum and minimum.

Calculation is carried out for each of the tablecloths, for the horizontal dimension (X) and the vertical one (Y). Students go from 1 to 18; professionals from 19 to 30.

Le déroulement du test est plus hétérogène pour le jury professionnel. Le temps de réponse est plus long (20 à 30 minutes), conséquence d’une analyse plus minutieuse de chaque vin. Certains sont mal à l’aise avec ce type de test : on peut évaluer leur proportion à 20 %, sur la vue de ce test et de deux autres tests identiques (mais sur 2 autres gammes de vins) réalisés parallèlement. On observe en tout cas une utilisation de la nappe très variable, avec des configurations présentant deux dimensions équilibrées (juges 19 et 29) ou (presque) uniquement verticales (juges 28 et 20). En revanche le recueil de descripteurs par vin ne pose pas de problèmes aux professionnels, habitués à parler d’un vin.

0 15 30 45

15.0 22.5 30.0 37.5 45.0

Étendue X Étendue Y

1

2

3

4

5 6

7

8 9

10 11 12

13

14 15

16

18 19

20

21

22

23 24

25 26

27

28

29

30

(6)

3.2 Représentations des vins (figure 3)

Figure 3

Représentations des 10 vins issues de l’AFM du tableau de la figure 1.

Jury étudiant (à gauche) et professionnel (à droite).

V : appellation Vouvray (cépage Chenin) T : appellation Touraine (cépage Sauvignon) Representations of the 10 wines provided by FMA performed on the table of figure 1

Student panel (on the left) and professional one (on the right).

V: label of origin Vouvray (variety Chenin) T: label of origin Touraine (variety Sauvignon).

Cas des étudiants. Ce premier plan exprime un pourcentage d’inertie relati- vement faible (44 %) : la structure mise en évidence est loin d’être consen- suelle. Le premier axe sépare les Sauvignons (de Touraine) et les Chenins (de Vouvray). Le second axe distingue le vin 6, le seul présentant du sucre résiduel.

Les principales différences perçues par les dégustateurs se référent donc d’abord au cépage et ensuite au sucre résiduel. En comparaison, les autres facteurs ayant présidés aux choix des vins ont une influence au plus marginale. La liaison établie entre les dimensions de la représentation des vins et des caracté- ristiques techniques des vins apporte une validation essentielle à la méthodolo- gie employée. Une autre validation aurait pu provenir d’une ressemblance forte entre les configurations fournies par les juges mais ce n’est pas le cas (cf. la faiblesse des premiers pourcentages d’inertie).

Cas des professionnels. Le pourcentage d’inertie est sensiblement plus élevé que pour les étudiants (61 %) ce qui traduit une plus grande homogénéité des perceptions entre les juges. La disposition des vins suggère d’organiser le commentaire à partir des bissectrices : la première oppose les deux cépages ; la seconde montre une variabilité des chenins et isole dans la même zone les vins 7 et 10, vins ayant été élevés en fûts.

Conclusion. L’opposition entre les deux cépages est essentielle pour les deux jurys. La singularité du vin 6 n’est importante que pour le jury étudiant. La particularité des vins passés en fût n’est importante que pour les professionnels.

-1.5 0 1.5 3.0

-1.5 0 1.5 3.0 4.5 F2 - 19.86 %

1 T Michaud 2 T Renaudie

3 T Trotignon 4 T Buisse Domaine

5 T Buisse Cristal

6 V Aub. Silex

7 V Aub. Marigny 8 V Font. Domaine 9 V Font. Brûlés

10 V Font Coteaux F1 - 24.13 % Jury étudiant

-3.0 -1.5 0 1.5 3.0

-1.5 0 1.5 3.0

F1 - 36.19%

1 T Michaud

2 T Renaudie 3 T Trotignon

4 T Buisse Domaine

5 T Buisse Cristal 6 V Aub. Silex

7 V Aub. Marigny 8 V Font. Domaine

9 V Font. Brûlés

10 V Font Coteaux F2 - 25.10%

Jury professionnel

(7)

3.3 Représentation des dégustateurs (figure 4)

Figure 4

Représentations des dégustateurs issue de l’AFM du tableau de la figure 1.

La coordonnée d’un juge mesure l’importance de la dimension concernée dans la configuration fournie par le juge.

Representations of the judge provided by MFA on the table of figure 1.

The co-ordinate of a judge measures the importance of the dimension concerned in the configuration provided by the judge.

L’importance des facteurs mis en évidence par les représentations des vins varie d’un dégustateur à l’autre. La figure 4 s’interprète dans le cadre du modèle INDSCAL (CARROLL et CHANG, 1970 ; ESCOFIER et PAGÈS, 1998 p. 169), la configuration « commune » des vins du modèle étant celle fournie par l’AFM.

Chaque juge a pour coordonnée le long d’un axe le poids qu’il accorde à cette dimension. Ce poids est toujours positif : il vaut au maximum 1, valeur atteinte lorsque la dimension de la configuration « commune » coïncide avec la direction d’inertie maximum du juge.

Selon cette figure, certains étudiants ont perçu les deux cépages bien diffé- remment sans démarquer le vin 6 (juges 2, 14, 15) ; d’autres, au contraire, ont surtout estimé le vin 6 très particulier et n’ont pas différencié les deux cépages (juges 5 et 10). Certains enfin ont fourni une configuration qui ne s’apparente pas à la configuration de la figure 2 (juges 4, 7, 11, 12, 16).

Des commentaires analogues peuvent être faits pour la représentation des professionnels. Certains privilégient l’une des deux dimensions mais tous ont fourni une configuration qui s’apparente à celle de la figure 3 (absence de juges près de l’origine).

0 0.25 0.50 0.75 1.00

F1 F2

1

2 3

4 5

6 7

8 9 10

12 11

13

14 15

16 17

18 Jury étudiant

0 0.25 0.50 0.75 1.00

F2

F1 19

21 20

22 23 24

25 26

27 28

29

30

Jury professionnel

(8)

3.4 Représentation des mots (figure 5)

Figure 5 Représentation des mots

Les fréquences de chaque mot constituent une colonne considérée comme une variable supplémentaire.

Representation of the words.

The frequency of each word constitutes a column introduced as a supplementary variable.

Seuls ont été retenus les mots utilisés au moins deux fois, seuil assez bas choisi en raison du faible nombre de juges professionnels (12). En outre, parmi ces mots, seuls les mieux représentés ont été conservés.

Pour les professionnels, les sauvignons sont caractérisés en particulier par vif, frais, vert, floral, aromatique et …Sauvignon. Les vins 7 et 10 (élevés en fût) par bois, pain grillé, vanille. L’autre pôle des Chenins (vins 8 et 9) est moins caractérisé (notons toutefois oxydé, fruits confits et… type Muscat !). Cette représentation illustre ce que peut être un profil ultra-flash. En utilisant le même principe, ces mêmes mots peuvent aussi aider l’interprétation de la configuration des étudiants. On retrouve bien sûr les caractéristiques des Sauvignons ; en outre, le vin 6, ici bien individualisé, est bien associé à sucré mais aussi à nez faible.

-0.8 -0.4 0.4

-0.8 -0.4 0.4 0.8

F1 - 24.13 %

Bois Sucré, liquoreux

Vif, Frais

Doux

Pain grillé, vanille Floral

Amertume Nez faible

Vert

Acidité Jaune doré Jaune pâle

Gras

Peu d'acidité

Oxydé

Aromatique

Maigre, dilué Miel

Iode

Sauvignon Ample

Minéral

Orange

Peu de caractére, d’expression F2 - 19.86 %

-0.8 -0.4 0.4 0.8

-0.8 -0.4 0.4

Vert

F1 - 36.19 % Bois Vif, Frais

Fruité

Doux

Fin, discret

Intense Pain grillé, vanille Floral

Léger, peu intense

Amertume Nez faible

Acidité Jaune doré Agrume

Jaune pâle Ouvert, expressif Gras

Sec Fruits confitsOxydé

Aromatique Bonne structure

Maigre, dilué Miel

Iode

Sauvignon

Ample Chenin

Orange Pêche

Peu de caractère, d'expression Type Muscat

F2 - 25.10 %

Jury étudiant Jury professionnel

(9)

4 – DISCUSSION

La première question qui se posait concernait la faisabilité même de l’épreuve proposée. L’expérience présentée montre qu’il est possible d’obtenir des représentations planes par juge et que ces représentations, une fois agré- gées, peuvent mettre en évidence des dimensions sensorielles. Cette obtention a été testée avec succès par deux types de jury différents.

Un tel recueil peut mettre en évidence des importances relatives des dimensions de perception différentes d’un juge à l’autre, information difficile à obtenir autrement. Dans l’exemple, l’importance majeure accordée au sucre résiduel par les étudiants ne se retrouve pas chez les professionnels. Réciproquement, ceux-ci ont accordé une grande importance au caractère boisé.

Accompagné d’un recueil de descripteurs, le napping peut fournir un profil spontané dans un temps très bref. Toutefois, le recours à des professionnels est peut-être ici nécessaire car il assure un minimum de recoupements entre les vocabulaires utilisés.

On peut aussi imaginer un profil sensoriellement pondéré. Indépendamment du napping, on réalise (à l’aide du même jury ou d’un autre) une évaluation descriptive classique. Le tableau produits x descripteurs soumis usuellement à une ACP est alors projeté en supplémentaire dans l’AFM du tableau des coordon- nées issues du napping. La terminologie sensoriellement pondérée provient du fait que la représentation des produits, qui ne dépend que des données issues du napping, intègre l’importance relative des caractéristiques des produits.

Une autre déclinaison est le napping focalisé. On demande aux juges de positionner les produits en fonction d’un seul aspect, par exemple l’aspect visuel, ou l’aspect olfactif (en lumière colorée). Plusieurs nappings focalisés peuvent être réalisés afin d’être comparés, ou agrégés pour reconstituer un profil global.

REMERCIEMENTS

Il est agréable de remercier ici C. Asselin et J.-P. Gouvazé, de l’organisme

« Interloire », qui ont sélectionné et fourni les vins utilisés dans cette étude, P. Deneulin et E. Teillet, étudiants de la spécialisation statistique appliquée commune à l’ENSAR, l’ENITIAA et l’INSFA, qui ont recueilli les données auprès des professionnels, et enfin J. Hossenlopp pour ses conseils avisés.

(10)

RÉFÉRENCES

BORGOGNONE M., BUSSI J. HOUGH G., 2001. Principal component analysis in sensory analysis: covariance or correlation matrix? Food Qual. Pref., 12, 323-326.

CARROLL J.D. & CHANG J.J. (1970). Analysis of individual differences in multidimensio- nal scaling via an n-way generalization of

« Eckart Youg » decomposition. Psycho- metrika vol. 35, n° 3, p. 283-319.

COURCOUX P. & SEMENOU M. (1997). Prefe- rence data analysis using a paired comparison model Food Quality and Preference vol. 8, n° 5/6 p. 353-358.

DAIROU V., SIEFFERMAN J.-M., (2002). A comparison of fourteen jams characteri- zed by conventional profile and a quick original method, the flash profile. J. Food Sci. Sous presse.

ESCOFIER B. & PAGES J. (1998). Analyses factorielles simples et multiples. Objectifs, méthodes et interprétation. 3^e édition Dunod. Paris.

SCHIFFMAN, S. S., REYNOLDS, M.L. &.

YOUNG F. W (1981). Introduction to Multi- dimensional Scaling. Academic Press.