Analyse sensorielle : cinq procédures statistiques courantes

Les données sensorielles proviennent de la perception de produits par nos cinq sens. Leur analyse, aussi appelée analyse sensorielle ou sensométrie, permet d’optimiser les produits de manière à maximiser la satisfaction consommateur. Voici plusieurs méthodes statistiques utilisées en sensométrie.

🍣 Tests de discrimination

Les tests de discrimination sensorielle permettent d'évaluer la capacité des consommateurs à détecter des différences entre plusieurs produits. Par exemple, comparer une nouvelle formulation de produit à une version existante pour s'assurer que les modifications ne sont pas perceptibles.

Sous R : fonction discrim issue du package sensR

🍪 External Preference Mapping

Le External Preference Mapping ou Cartographie Externe des Préférences permet de relier les préférences des consommateurs aux caractéristiques sensorielles ou chimiques de produits pour identifier les préférences globales du marché. Cette technique offre de belles visualisations parlantes type ACP.

Sous R : fonction PrefMap issue du package SensMap

🍏 Analyse de données CATA

L'analyse de données CATA (Check-All-That-Apply) : recueillir et analyser des données sur les caractéristiques sensorielles perçues par les consommateurs en leur demandant de cocher toutes les descriptions qui s'appliquent à un produit. Identifier les attributs « à avoir » et ceux « à éviter », par rapport à un produit idéal.

Sous R : package cata

🍫 Penalty Analysis

L'analyse des Pénalités (ou Penalty Analysis) permet d'identifier les attributs sensoriels qui affectent négativement ou positivement l'acceptabilité d'un produit. Une échelle d’évaluation assez spéciale est utilisée dans ce contexte (échelle JAR). Les évaluateurs doivent répondre à des questions du type : ce produit est-il trop acide, pas assez acide, ou juste ce qu’il faut ?

Sous R : fonction JAR issue du package SensoMineR

☕️ Régression PLS

La Régression PLS (ou Partial Least Squares Regression) permet de modéliser un bloc de données en fonction d’un autre bloc, avec bonne gestion de la multicolinéarité et possibilité d’utiliser plus de variables que d’observations. Exemple : modéliser les données sensorielles en fonction de la composition chimique sur une série de produits.

Sous R : fonction plsr issue du package pls

Utilisez-vous d'autres techniques d'analyse sensorielle de manière courante ? Dites-le moi en commentaire.

Avez-vous besoin d’un accompagnement en analyse de données sensorielles, sous R ou XLSTAT ? faites signe, j'arrive ! 😉

"...That is one of the great secrets of life-to cure the soul by means of the senses, and the senses by means of the soul" (Oscar Wilde, a Picture of Dorian Gray)

Photo poignée de fraises par Jeremy Bishop sur Unsplash.