Un algorithme de machine learning pour détecter les arômes du whisky
L’odorat des humains est capable de détecter des nuances subtiles, comme des effluves de pomme ou de fumée dans un verre de whisky. Grâce à l’apprentissage automatique, les ordinateurs pourraient également prétendre au titre de Maître Whisky.
En reliant la composition moléculaire de 16 whiskies différents à leurs profils odorants, un algorithme d’apprentissage automatique a réussi à identifier les cinq principales notes de saveur de chaque whisky, correspondant aux saveurs notées par un panel d’experts humains, comme l’ont rapporté des scientifiques dans la revue Communications Chemistry le 19 décembre.
Le bouquet d’une boisson est le produit de dizaines de molécules gazeuses s’élevant dans l’air. Dans le cas du whisky, plus de 40 composés contribuent à créer des odeurs allant de la vanille au caramel, en passant par des notes fumées. Les experts chevronnés, capables de distinguer ces notes de saveur, sont qualifiés de Maîtres Whisky.
Les scientifiques ont donc cherché des méthodes en laboratoire pour compléter cette expertise humaine. De nombreux outils, comme les spectromètres de masse, peuvent identifier la composition moléculaire des whiskies. Cependant, relier cette composition à une impression plus subtile de l’éventail des odeurs s’est révélé complexe, soulignent Andreas Grasskamp et ses collègues. En effet, les molécules individuelles peuvent avoir des odeurs différentes selon le milieu dans lequel elles se trouvent — air, eau, huile — et ces odeurs interagissent de manière complexe.
Grasskamp, du Fraunhofer Institute for Process Engineering and Packaging IVV à Freising, en Allemagne, étudie les processus de perception sensorielle. Avec ses collègues, il a utilisé un algorithme de machine learning pour tester si la composition moléculaire des whiskies pouvait prédire leur odeur.
Les sujets de test étaient 16 échantillons de whisky précédemment analysés, dont sept américains et neuf écossais. Pour déterminer les cinq principales notes de saveur de chaque whisky, les chercheurs ont combiné deux algorithmes : l’un est un modèle statistique qui distingue les échantillons en fonction des molécules détectées, et l’autre est un réseau de neurones entraîné à prédire les arômes identifiables selon les molécules détectées. En combinant les deux, l’équipe a pu établir les cinq principales notes de chaque whisky.
Les évaluations automatiques ont ensuite été comparées aux notes de dégustation de onze Maîtres Whisky, chacun ayant identifié les cinq arômes distingables parmi 17 attributs préétablis. Il s’est avéré que les experts ne sont pas tous tombés d’accord sur les cinq premières notes pour chaque whisky, et les chercheurs ont ainsi déterminé un ensemble agrégé des cinq arômes dominants.
Les cinq notes de saveur identifiées par l’algorithme correspondaient systématiquement aux cinq principales notes agrégées par les humains, suggérant ainsi une précision accrue dans l’identification des arômes les plus forts.
Cependant, malgré les performances d’un Maître Whisky informatique, celui-ci ne peut pas vous dire combien vous apprécierez ces saveurs.
Bon à savoir
- Le rôle des Maîtres Whisky : Ces experts jouent un rôle crucial dans l’évaluation des arômes et des saveurs, utilisant leur expertise pour apprécier les nuances des whiskies.
- L’importance des composés volatils : Les whiskies contiennent divers composés volatils qui influencent leur bouquet, rendant chaque whisky unique.
- Applications de l’apprentissage automatique : L’utilisation d’algorithmes dans le domaine des boissons pourrait s’étendre à d’autres spiritueux et vins, ouvrant la voie à une meilleure compréhension des profils sensoriels.