[Plastique] Une nouvelle méthode d’analyse de la nature chimique des microplastiques mise au point grâce à l’intelligence artificielle

[Plastique] Une nouvelle méthode d’analyse de la nature chimique des microplastiques mise au point grâce à l’intelligence artificielle

Publié le : 01/07/2019 à 10h39min51s

Jusqu’à ce jour, l’analyse des microplastiques demande toujours aux scientifiques de recourir au tri manuel pour pouvoir procéder à l’identification des matériaux et de leur composition. Une méthode très longue et très fastidieuse. Mais une nouvelle méthode d’identification basée sur l’intelligence artificielle permet d’accroitre et d’accélérer l’analyse chimique.

Sur base des échantillons prélevés à bord de Tara (plus de 80 000 microplastiques prélevés lors de l’expédition Tara Méditerranée 2014), une nouvelle méthode basée sur l’intelligence artificielle vient d’être mise au point. Publiée dans “Chemosphere” en 2019, elle permet de déterminer automatiquement la nature chimique des microplastiques au moyen de la spectométrie, autrement dit, la mesure de la lumière absorbée par la matière plastique. Cette réussite constitue une avancée majeure et se base sur la première partie d’un logiciel dédié à l’étude des microplastiques, appelé “POSEIDON”.

 

Basée sur l’intelligence artificielle, cette méthode a été mise en place grâce à des tests réalisés sur une base de données composée de 969 spectres de microplastiques. Les résultats montrent que le processus d’apprentissage automatique (machine learning) est très efficace pour identifier les polymères classiques tels que le polyéthylène, le polypropylène ou le PET (utilisé notamment pour nos bouteilles d’eau, de sodas,…).

Bientôt, l’analyse de la base de données Tara sera élargie à des types de microplastiques de nature moins courante et que l’algorithme n’a pas encore intégré. En termes de fiabilité et de reproductibilité, les espoirs sont grands. Cette méthode a été appliquée sur plus de 4 000 types de microplastiques non identifiés. Le protocole de vérification a montré un écart de moins de 10 % dans les résultats entre la méthode automatisée et l’expertise humaine. Dans ces 10 % d’erreur, les 3/4 peuvent être très facilement corrigés. La marge d’erreur de 2,5 % est donc très mince. L’identification automatisée s’avère rapide et fiable même lorsque des milliers de spectres doivent être étudiés.

Voilà qui va permettre d’analyser et de comprendre plus rapidement les composants chimiques et toxiques sur la biodiversité marine et sur notre santé !

Publication : Mikaël Kedzierskia ; MathildeFalcou-Préfola ; Marie EmmanuelleKerrosb ; Maryvonne Henryc ; Maria Luiza Pedrottib ; Stéphane Bruzauda.

a Université Bretagne Sud, UMR CNRS 6027, IRDL, F-56100, Lorient, France
b Sorbonne Universités, UMR CNRS 7093, LOV, F-06230, Villefranche sur mer, France.
c IFREMER, LER/PAC, F-83500, La Seine-sur-Mer, France


Partager

Commentaires :

Retour en haut