Modéliser l’antibiorésistance tout au long de la chaîne alimentaire : apports et limites des approches One Health
Modéliser l’antibiorésistance tout au long de la chaîne alimentaire : apports et limites des approches One Health
L’antibiorésistance constitue une menace sanitaire qui dépasse largement le cadre des soins humains. Les bactéries résistantes et les gènes de résistance peuvent circuler entre les animaux, les aliments, l’environnement et les populations humaines. Dans ce contexte, la chaîne alimentaire représente une voie d’exposition importante, mais encore difficile à caractériser avec précision.
Une revue critique récente s’intéresse aux méthodes de modélisation quantitative du risque microbiologique, ou QMRA (Quantitative Microbial Risk Assessment), utilisées pour analyser la diffusion de l’antibiorésistance. Elle examine la structure des modèles, l’origine des paramètres mobilisés et les principales lacunes qui limitent aujourd’hui leur utilisation dans une véritable perspective One Health.
Pourquoi modéliser l’antibiorésistance dans la chaîne alimentaire ?
Les modèles QMRA classiques évaluent généralement la probabilité qu’un consommateur soit exposé à un agent pathogène et développe une infection. Dans le cas de l’antibiorésistance, l’enjeu est plus complexe : il ne s’agit pas seulement de mesurer la présence d’une bactérie résistante, mais aussi de comprendre la transmission de la résistance et ses conséquences sanitaires.
Un modèle pertinent doit notamment pouvoir relier plusieurs phénomènes :
- l’utilisation d’antimicrobiens dans les élevages et les établissements de soins ;
- la sélection et la multiplication de bactéries résistantes ;
- la contamination des animaux, des cultures, de l’eau et des sols ;
- la transformation, le transport et la préparation des aliments ;
- l’exposition des consommateurs ;
- la probabilité d’infection ou de colonisation ;
- les conséquences d’un échec thérapeutique lié à la résistance.
Cette succession d’étapes forme une chaîne complexe, dans laquelle les événements biologiques et les pratiques humaines interagissent en permanence.
Les principales structures de modélisation
Les modèles étudiés peuvent être organisés selon différentes architectures. Certaines approches se concentrent sur une étape particulière, tandis que d’autres cherchent à représenter l’ensemble du parcours de la résistance, depuis la production agricole jusqu’à l’être humain.
Les modèles « de la ferme à l’assiette »
Ces modèles suivent le devenir d’une bactérie ou d’un gène de résistance depuis l’élevage jusqu’à la consommation. Ils peuvent intégrer la contamination des animaux, l’abattage, la transformation, la distribution, la cuisson et les pratiques d’hygiène domestique.
Leur principal intérêt est de mettre en évidence les étapes où une intervention pourrait réduire le risque. Ils peuvent, par exemple, comparer l’effet d’une amélioration de l’hygiène en abattoir, d’une réduction de l’usage des antibiotiques ou d’une meilleure maîtrise de la température de conservation.
Cependant, ces modèles comportent souvent des simplifications. Les échanges entre les filières alimentaire, environnementale et humaine sont parfois représentés de manière incomplète, alors qu’ils jouent un rôle déterminant dans la dynamique de l’antibiorésistance.
Les modèles de transmission et de colonisation
D’autres approches décrivent la transmission de bactéries résistantes entre les animaux, l’environnement et les personnes. Elles peuvent prendre en compte la dose ingérée, la probabilité de colonisation intestinale, la durée du portage et la transmission secondaire entre individus.
Ces éléments sont essentiels, car l’exposition alimentaire ne conduit pas nécessairement à une infection immédiate. Une personne peut être colonisée sans présenter de symptômes, puis transmettre une souche résistante ou développer ultérieurement une infection, notamment en cas de fragilisation du système immunitaire.
Les modèles d’émergence et de sélection de la résistance
Certains modèles tentent de représenter l’apparition ou la sélection de résistances sous l’effet de la pression antibiotique. Ils analysent la fréquence des traitements, les concentrations d’antimicrobiens, la sensibilité des bactéries et la dynamique de compétition entre souches sensibles et résistantes.
Ces modèles sont particulièrement utiles pour étudier les effets potentiels d’une réduction de l’usage des antibiotiques. Leur fiabilité dépend toutefois de données biologiques détaillées, souvent absentes ou difficilement comparables entre les espèces animales, les régions et les systèmes de production.
Des paramètres issus de sources très diverses
La qualité d’une QMRA dépend directement des paramètres utilisés. Or ceux-ci proviennent de sources hétérogènes : études expérimentales, enquêtes de prévalence, programmes de surveillance, bases de données publiques, travaux épidémiologiques et avis d’experts.
Parmi les paramètres fréquemment nécessaires figurent :
- la prévalence des bactéries résistantes dans les animaux et les aliments ;
- la concentration de bactéries ou de gènes de résistance ;
- les taux de contamination à chaque étape de la chaîne alimentaire ;
- la réduction microbienne associée à la cuisson ou aux procédés de transformation ;
- les habitudes de consommation et les pratiques de préparation ;
- la probabilité de colonisation ou d’infection ;
- la durée du portage ;
- les taux de transmission entre personnes et entre espèces ;
- les conséquences cliniques d’une infection résistante.
Dans de nombreux cas, les chercheurs doivent combiner des données obtenues dans des contextes différents. Une étude menée dans un pays à haut revenu ne peut pas toujours être transposée directement à une autre région, en raison des différences de pratiques d’élevage, de consommation, de surveillance ou d’accès aux soins.
Des lacunes importantes dans les données
La revue met en évidence plusieurs manques qui limitent la robustesse des modèles actuels.
Une surveillance encore fragmentée
Les données sur l’antibiorésistance sont souvent recueillies séparément dans les secteurs humain, vétérinaire et environnemental. Les méthodes d’échantillonnage, les bactéries ciblées, les antibiotiques testés et les critères d’interprétation peuvent varier d’un programme à l’autre.
Cette fragmentation complique la comparaison des résultats et empêche parfois de reconstituer les trajectoires de transmission entre les différents compartiments. Une surveillance intégrée, fondée sur des protocoles harmonisés, serait nécessaire pour alimenter des modèles réellement intersectoriels.
Un manque de données sur les étapes environnementales
Les sols, les eaux de surface, les eaux usées, les effluents d’élevage et les sédiments peuvent servir de réservoirs ou de vecteurs de dissémination. Pourtant, leur rôle est encore insuffisamment documenté dans de nombreuses évaluations quantitatives.
Les modèles tiennent rarement compte de manière détaillée de la persistance des bactéries résistantes, de la mobilité des gènes de résistance ou des transferts horizontaux entre bactéries dans l’environnement. Ces mécanismes peuvent pourtant modifier sensiblement la dynamique du risque.
Des informations limitées sur l’exposition réelle
L’exposition des consommateurs dépend des aliments consommés, des quantités ingérées, des fréquences de consommation et des pratiques domestiques. Elle varie également selon l’âge, l’état de santé, le contexte géographique et les habitudes culturelles.
Les données disponibles sont parfois trop générales pour représenter cette diversité. De plus, la présence d’un gène de résistance ne permet pas automatiquement d’estimer sa capacité à être exprimé, transféré ou associé à un risque clinique.
Des liens incomplets avec les conséquences cliniques
L’un des défis majeurs consiste à relier l’exposition à une bactérie résistante à un résultat sanitaire mesurable. Les modèles doivent distinguer la colonisation, l’infection, la gravité de la maladie, l’échec du traitement et la mortalité éventuelle.
Ces relations sont difficiles à quantifier, car elles dépendent de nombreux facteurs : caractéristiques de la souche, profil de résistance, état de santé de l’hôte, traitement reçu et rapidité du diagnostic. Les données cliniques sont souvent plus abondantes pour certaines bactéries et certaines infections que pour d’autres.
L’importance d’une approche One Health
L’approche One Health considère que la santé humaine, la santé animale et l’état des écosystèmes sont étroitement liés. Appliquée à l’antibiorésistance, elle invite à dépasser les modèles centrés sur un seul secteur.
Un cadre One Health cohérent devrait intégrer :
- Les usages d’antimicrobiens, chez l’humain comme chez l’animal et, lorsque cela est pertinent, dans certaines activités agricoles ou industrielles.
- Les populations bactériennes, leur évolution et les échanges de gènes de résistance.
- Les voies de circulation, notamment les aliments, l’eau, les effluents, les contacts professionnels et les déplacements.
- Les comportements humains, comme les pratiques d’hygiène, la consommation alimentaire et le recours aux soins.
- Les résultats sanitaires, depuis le portage asymptomatique jusqu’aux infections difficiles à traiter.
Cette intégration permettrait d’identifier les points de contrôle les plus efficaces et d’éviter de déplacer le risque d’un compartiment à un autre. Une intervention efficace dans un élevage, par exemple, pourrait être compromise si la contamination environnementale ou la transmission humaine n’est pas prise en compte.
Comment améliorer les futurs modèles ?
Plusieurs pistes peuvent renforcer la pertinence des QMRA consacrées à l’antibiorésistance.
Harmoniser les méthodes de collecte
La mise en place de définitions communes, de protocoles standardisés et de formats de données compatibles faciliterait la comparaison entre études. Les programmes de surveillance devraient idéalement recueillir des informations dans les secteurs humain, animal, alimentaire et environnemental.
Mieux documenter l’incertitude
Les modèles reposent souvent sur des paramètres incertains ou peu documentés. Il est donc essentiel de distinguer l’incertitude liée au manque de connaissances de celle liée à la variabilité naturelle entre individus, exploitations, aliments ou régions.
Les analyses de sensibilité peuvent aider à repérer les paramètres qui influencent le plus le résultat final. Elles permettent de prioriser les efforts de recherche et de collecte de données.
Associer plusieurs types de modèles
Aucune méthode ne peut représenter à elle seule toutes les dimensions de l’antibiorésistance. Les modèles de transmission, les modèles de dynamique microbienne, les analyses de réseaux et les approches spatiales pourraient être combinés pour obtenir une vision plus complète.
Le recours à des données génomiques et à la traçabilité des souches peut également contribuer à mieux identifier les liens entre les réservoirs animaux, environnementaux et humains. Ces outils doivent toutefois être associés à des données épidémiologiques et comportementales pour produire une véritable évaluation du risque.
Relier les modèles aux décisions publiques
Une QMRA ne doit pas seulement produire une estimation théorique. Elle doit aussi aider à comparer des mesures de prévention : réduction de l’usage des antimicrobiens, amélioration de la biosécurité, traitement des effluents, surveillance renforcée ou évolution des pratiques de préparation des aliments.
Les résultats doivent être présentés de manière transparente, en indiquant clairement les hypothèses, les limites et le niveau d’incertitude. Cette transparence est indispensable pour éclairer les politiques publiques et favoriser la confiance des parties prenantes.
Une base utile pour hiérarchiser les priorités
Les modèles quantitatifs ne peuvent pas encore décrire parfaitement la circulation de l’antibiorésistance dans la chaîne alimentaire. Ils constituent néanmoins des outils précieux pour organiser les connaissances disponibles, révéler les lacunes et comparer différents scénarios d’intervention.
Leur développement futur dépendra moins de la complexité mathématique que de la qualité et de l’intégration des données. Pour être pleinement opérationnels, les modèles devront mieux relier les secteurs humain, animal et environnemental, tout en tenant compte des contextes locaux et des inégalités de surveillance.
Dans une perspective One Health, l’enjeu consiste donc à passer de modèles fragmentés à des systèmes d’évaluation capables de suivre les résistances entre les compartiments et d’identifier les actions les plus efficaces. Cette évolution est essentielle pour prévenir la diffusion de bactéries résistantes et préserver l’efficacité des traitements antimicrobiens.

