Modéliser l’antibiorésistance tout au long de la chaîne alimentaire : enjeux et limites des approches quantitatives
Comprendre la circulation de l’antibiorésistance dans la chaîne alimentaire
L’antibiorésistance constitue un enjeu majeur de santé publique. Les bactéries résistantes et les gènes de résistance peuvent circuler entre les animaux, les humains et l’environnement, notamment par l’intermédiaire de la production et de la consommation alimentaires. Pour mieux mesurer ce risque, les chercheurs s’appuient sur l’évaluation quantitative des risques microbiologiques — ou QMRA, pour Quantitative Microbial Risk Assessment.
Une revue critique récente examine la manière dont ces modèles sont construits pour représenter la transmission de l’antibiorésistance le long de la chaîne alimentaire. Elle s’intéresse notamment à la structure des modèles, à l’origine des paramètres utilisés et aux données encore manquantes dans une approche intégrée de type One Health.
Le rôle de l’évaluation quantitative des risques microbiologiques
La QMRA permet d’estimer la probabilité qu’un danger microbiologique entraîne un risque pour la santé humaine. Dans le contexte de l’antibiorésistance, elle peut être utilisée pour décrire plusieurs étapes :
- l’apparition ou la sélection de bactéries résistantes dans les élevages et les cultures ;
- la contamination des aliments au cours de la production, de la transformation ou de la distribution ;
- la survie et la croissance des microorganismes pendant le stockage et la préparation ;
- l’exposition des consommateurs ;
- la probabilité d’une infection par une bactérie résistante ou d’une acquisition de gènes de résistance.
Ces modèles offrent un cadre pour comparer différents scénarios et identifier les interventions susceptibles de réduire le risque. Ils peuvent, par exemple, contribuer à évaluer l’impact d’une diminution de l’usage des antibiotiques, d’une amélioration de l’hygiène ou d’un renforcement des contrôles à certains points de la chaîne alimentaire.
Des structures de modèles encore très hétérogènes
L’un des principaux constats de la revue concerne la diversité des structures de QMRA utilisées pour étudier l’antibiorésistance. Certains modèles se concentrent sur une étape précise, comme la production animale ou l’exposition du consommateur. D’autres tentent de représenter plusieurs compartiments et voies de transmission.
Cette hétérogénéité complique la comparaison des résultats. Les modèles peuvent différer par :
- le niveau de détail accordé aux populations bactériennes ;
- la distinction entre bactéries sensibles, résistantes ou multirésistantes ;
- la représentation du transfert horizontal des gènes de résistance ;
- la prise en compte des effets de la dose, de la durée d’exposition et de l’usage des antibiotiques ;
- la façon de relier les sources animales, humaines et environnementales.
La transmission de l’antibiorésistance ne suit pas un parcours linéaire. Elle résulte d’interactions complexes entre les microorganismes, les hôtes, les pratiques agricoles, les traitements, l’environnement et les comportements humains. Un modèle trop simplifié peut donc sous-estimer certaines voies de diffusion, tandis qu’un modèle très détaillé peut devenir difficile à paramétrer et à valider.
Des paramètres fondés sur des données parfois limitées
La fiabilité d’un modèle dépend largement de la qualité des paramètres qui l’alimentent. Or, les données disponibles ne sont pas toujours homogènes selon les pays, les filières ou les étapes de la chaîne alimentaire.
Les paramètres peuvent provenir de sources variées : études expérimentales, enquêtes de surveillance, bases de données nationales, travaux publiés ou avis d’experts. Ces sources présentent des niveaux d’incertitude différents. Les méthodes d’échantillonnage, les seuils de détection, les techniques d’analyse et les définitions de la résistance peuvent également varier.
Cette diversité soulève plusieurs difficultés :
- les données sont parfois ponctuelles plutôt que suivies dans le temps ;
- certaines filières alimentaires sont mieux documentées que d’autres ;
- les données sur les aliments ne sont pas toujours reliées aux données cliniques ;
- les informations sur l’environnement et les eaux usées restent inégales ;
- les résultats de surveillance ne permettent pas toujours d’établir un lien causal entre une source et une infection humaine.
Lorsque les informations sont insuffisantes, les modèles doivent recourir à des hypothèses ou à des distributions statistiques. Ces choix peuvent influencer fortement les estimations finales et doivent être explicités dans l’interprétation des résultats.
Les principales lacunes identifiées
Dans une perspective One Health, l’une des limites importantes réside dans le manque d’intégration entre les différents secteurs. Les données relatives à la santé humaine, à la santé animale, à l’agriculture et à l’environnement sont souvent collectées séparément, avec des méthodes et des objectifs distincts.
Plusieurs besoins apparaissent particulièrement importants :
Mieux relier les sources et les voies d’exposition
Il reste nécessaire de mieux quantifier la contribution respective de la viande, des produits végétaux, de l’eau, du sol, des animaux et des contacts humains à la diffusion des bactéries résistantes et des gènes de résistance.
Renforcer les données sur le transfert de résistance
Les échanges de matériel génétique entre bactéries sont difficiles à représenter. Les modèles ont besoin de données plus robustes sur les conditions favorisant le transfert horizontal, sa fréquence et sa persistance dans les différents environnements.
Harmoniser la surveillance
Des protocoles plus comparables faciliteraient l’utilisation conjointe des données issues de plusieurs pays ou secteurs. L’harmonisation des méthodes d’analyse et des indicateurs permettrait aussi de mieux suivre les évolutions dans le temps.
Mieux caractériser l’exposition humaine
Les habitudes alimentaires, les pratiques de cuisson, les comportements d’hygiène et les différences de susceptibilité peuvent modifier le risque individuel. Ces facteurs sont encore difficilement intégrés dans certains modèles.
Valider les modèles
La validation constitue une étape essentielle, mais elle reste complexe lorsque les données de référence sont incomplètes. Des comparaisons avec des données indépendantes et des analyses de sensibilité peuvent néanmoins aider à évaluer la robustesse des résultats.
Vers des modèles plus utiles pour la décision publique
Les modèles quantitatifs ne remplacent pas les données de surveillance ni l’expertise scientifique. Ils permettent toutefois d’organiser les connaissances disponibles, de mettre en évidence les incertitudes et de comparer des stratégies de gestion du risque.
Pour être réellement utiles aux décideurs, ils doivent présenter clairement :
- les hypothèses retenues ;
- les données utilisées et leurs limites ;
- les paramètres qui influencent le plus les résultats ;
- les incertitudes associées aux estimations ;
- les conséquences attendues des différentes mesures de prévention.
Une approche One Health implique également de dépasser une analyse limitée à la seule sécurité sanitaire des aliments. La réduction de l’antibiorésistance nécessite de considérer simultanément l’usage des antimicrobiens, les pratiques d’élevage, la gestion des effluents, la qualité de l’environnement, la surveillance microbiologique et la santé humaine.
Conclusion
La modélisation quantitative offre un outil précieux pour comprendre et gérer la circulation de l’antibiorésistance dans la chaîne alimentaire. Toutefois, la diversité des structures de modèles, la variabilité des sources de paramètres et les lacunes de données limitent encore la comparabilité et la précision des évaluations.
Le développement de modèles plus intégrés devra s’appuyer sur une meilleure coordination entre les secteurs, des systèmes de surveillance harmonisés et une caractérisation plus fine des voies de transmission. Dans le cadre One Health, l’objectif n’est pas seulement d’estimer un risque, mais de fournir une base scientifique solide pour cibler les interventions les plus efficaces, de la production primaire jusqu’au consommateur.

