Professional Documents
Culture Documents
17
-iii-
-iii-
1. Introduction...............................................................................................1
1.1 Srie FAO/OMS de Directives sur lvaluation des risques microbiologiques
2
2
2
10
10
11
12
17
19
2.5.1 Variabilit
2.5.2 Caractre alatoire
2.5.3 Incertitude
13
14
20
20
21
iv
22
24
24
23
27
30
33
37
28
29
30
31
32
33
33
34
35
37
38
40
41
42
44
52
41
46
47
48
50
51
52
-v-
58
58
64
65
67
81
5.6.1 FSIS E. coli comparative risk assessment for intact (non-tenderized) and non-intact
(tenderized) beef (USDA FSIS, 2002)
5.6.2 FAO/OMS Listeria monocytogenes in ready-to-eat foods (FAO/OMS, 2004)
5.6.3 Shiga-toxin-producing E. coli O157 in steak tartare patties (Nauta et al., 2001)
5.6.4 FAO/OMS risk assessment of Vibrio vulnificus in raw oysters (FAO/OMS, 2005)
66
66
68
69
70
71
72
73
74
81
81
82
83
6. ASSURANCE DE LA QUALIT...............................................................86
6.1 Assurance de la qualit des donnes
86
90
91
94
94
86
89
92
92
vi
95
95
97
97
99
99
99
102
103
103
105
7.3 Intgration de facteurs conomiques dans les valuations des risques pour faciliter
la prise de dcision
107
7.3.1 Analyse cots-avantages
7.3.2 Analyse cot-efficacit
7.3.3 Courbes doptions risque/cot
7.3.4 Lincertitude dans lanalyse conomique
107
108
109
109
112
114
115
116
119
113
113
114
115
-vii-
Remerciements
LOrganisation des Nations Unies pour lalimentation et lagriculture (FAO) et lOrganisation
mondiale de la sant (OMS) tiennent exprimer leur gratitude tous ceux qui ont contribu
la prparation des prsentes directives en mettant disposition leur temps, leurs comptences et
leur exprience, et en fournissant des informations pertinentes. Elles remercient en particulier
ceux qui ont particip aux ateliers tenus au Danemark et en Suisse, pour leur gracieuse
contribution avant, pendant et aprs les ateliers. De nombreuses personnes, toutes cites dans
les pages qui suivent, nous ont consacr du temps et fait profiter de leur expertise en rvisant
les directives et en nous faisant part de leurs observations. M. Tom Ross et M. Don Schaffner
ont fourni une assistance supplmentaire prcieuse en examinant les observations des experts
qui avaient examin ces directives et en les rvisant, le cas chant.
Les directives ont t labores par lquipe du Secrtariat des Consultations mixtes
FAO/OMS dexperts de lvaluation des risques microbiologiques (JEMRA), qui comprenait :
Sarah Cahill, Maria de Lourdes Costarrica et Jean Louis Jouve (jusquen 2004) la FAO, et
Peter Karim Ben Embarek, Hajime Toyofuku (jusquen 2004) et Jocelyne Rocourt (jusquen
2004) lOMS. La publication des directives a t coordonne par Sarah Cahill. Thorgeir
Lawrence sest occup de la correction des preuves, de la mise en forme finale, et de la
prparation de la publication.
Les travaux ont t soutenus et financs par la Division de la nutrition et de la protection des
consommateurs de la FAO et le Dpartement de la scurit sanitaire des aliments et des
zoonoses de lOMS.
viii
-ix-
Collaborateurs
PARTICIPANTS ATELIER DANOIS
John Bowers
Aamir Fazil
Christopher Frey
Arie Havelaar
Louise Kelly
George Nasinyama
Maarten Nauta
Birgit Norrung
Greg Paoli
Mark Powell
Tanya Roberts
Don Schaffner
Helle Sommer
David Vose
Danilo Lo Fo Wong
Marion Wooldridge
Charles Yoe
Arie Havelaar
Greg Paoli
Don Schaffner
David Vose
Marion Wooldridge
Wayne Anderson
Linda Calvin
Sherrie Dennis
Christopher Frey
Charles Haas
William Hallman
Linda Harris
LeeAnn Jaykus
Fumiko Kasuga
Rob Lake
Anna Lammerding
Rgis Pouillot
Mark Powell
Moez Sanna
Richard Whiting
Marion Wooldridge
-xi-
Avant-propos
Les membres de l'Organisation des Nations Unies pour l'alimentation et l'agriculture (FAO)
et de l'Organisation mondiale de la sant (OMS) ont exprim leur inquitude au sujet de la
scurit sanitaire des aliments aux niveaux tant national qu'international. L'incidence croissante
des maladies d'origine alimentaire au cours des dernires dcennies semble tre lie dans de
nombreux pays une augmentation des maladies dues la prsence de micro-organismes dans
les aliments. Cette inquitude a t exprime au cours des runions d'organes directeurs des
deux Organisations et de la Commission du Codex Alimentarius. Il n'est pas facile de
dterminer si cette augmentation prsume est relle ou si elle reflte des changements survenus
dans d'autres domaines comme, par exemple, une meilleure surveillance des maladies ou de
meilleures mthodes de dtection des micro-organismes dans les aliments. Toutefois, il importe
surtout de savoir si de nouveaux outils ou encore, la rvision ou lamlioration des mesures
d'intervention peuvent contribuer notre capacit de rduire la pression de la maladie et de
fournir des aliments plus sains. Heureusement, il semble que de nouveaux outils susceptibles de
faciliter les interventions seront bientt disponibles.
Au cours de la dernire dcennie, lanalyse des risques processus qui consiste en
l'valuation des risques, la gestion des risques et la communication sur les risques est apparue
comme un modle structur propre amliorer nos systmes de contrle alimentaire dans le but
de produire des aliments plus sains, de rduire le nombre de maladies d'origine alimentaire et de
faciliter le commerce national et international des aliments. En outre, nous nous acheminons
vers une approche plus globale de la scurit sanitaire, dans laquelle toute la chane alimentaire
doit tre prise en compte pour produire des aliments plus sains.
Comme avec tout modle, des outils sont ncessaires pour la mise en oeuvre du paradigme
d'analyse des risques. L'valuation des risques est la composante scientifique de l'analyse des
risques. Aujourd'hui, la science nous fournit des informations approfondies sur la vie dans le
monde o nous vivons. Elle nous a permis d'accumuler une mine de connaissances sur des
organismes microscopiques, leur croissance, leur survie et leur mort, et mme leur composition
gntique. Grce elle, nous avons compris la production, la transformation et la conservation
des aliments, le lien existant entre le monde microscopique et le monde macroscopique ainsi
que les effets positifs et ngatifs de ces micro-organismes sur lhomme. L'valuation des risques
constitue un cadre pour organiser toutes ces donnes et informations et pour mieux comprendre
l'interaction entre micro-organismes, aliments et maladies humaines. Elle nous permet d'estimer
les risques, pour la sant humaine, de certains micro-organismes prsents dans les aliments et
nous fournit un outil avec lequel nous pouvons comparer et valuer diffrents scnarios et
identifier les types de donnes ncessaires lestimation et loptimisation des mesures de
prvention.
L'valuation des risques microbiologiques peut tre considre comme un outil que lon peut
utiliser pour la gestion des risques prsents par des pathognes d'origine alimentaire et pour
llaboration de normes relatives aux aliments faisant l'objet d'un commerce international.
Toutefois, il est reconnu quune valuation des risques microbiologiques, en particulier une
valuation quantitative, est une tche exigeant de nombreuses ressources et une approche
multidisciplinaire. Les maladies d'origine alimentaire reprsentent nanmoins lun des
problmes de sant publique les plus rpandus; elles crent un fardeau social et conomique
ainsi que des souffrances humaines, et posent un problme auquel tous les pays sont confronts.
L'valuation des risques peut galement servir justifier l'introduction de normes plus strictes
xii
pour les produits alimentaires imports; il est donc important de comprendre en quoi consiste
l'valuation des risques microbiologiques des fins commerciales et de doter les pays d'outils
pour comprendre et, si possible, mener bien ce type d'valuation. Cette ncessit, associe
celle du Codex Alimentarius de recevoir des avis scientifiques fonds sur les risques, a conduit
la FAO et l'OMS entreprendre un programme d'activits sur l'valuation des risques
microbiologiques au niveau international.
La Division de la nutrition et de la protection des consommateurs de la FAO et le
Dpartement de la scurit sanitaire des aliments, des zoonoses et des maladies dorigine
alimentaire de l'OMS sont les principales units responsables de cette initiative. Les deux
groupes ont travaill ensemble pour dvelopper le domaine de l'valuation des risques
microbiologiques au niveau international afin de lappliquer aux niveaux national et
international. Ce travail a t grandement facilit par la contribution d'experts du monde entier
dans le domaine de la microbiologie, de la modlisation mathmatique, de l'pidmiologie et
des technologies alimentaires, pour n'en citer que quelques-uns.
La srie d'valuations des risques microbiologiques, dont fait partie le prsent rapport,
fournit une gamme de donnes et d'informations ceux qui doivent comprendre ou entreprendre
une valuation des risques microbiologiques. Elle comporte des valuations des risques pour des
combinaisons particulires pathogne-aliment, de rsums explicatifs des valuations des
risques, des directives pour conduire et utiliser des valuations des risques ainsi que des rapports
concernant d'autres aspects pertinents de l'valuation des risques microbiologiques.
Nous esprons que cette srie permettra de mieux comprendre l'valuation des risques
microbiologiques, comment l'entreprendre et comment lutiliser. Nous sommes convaincus qu'il
s'agit d'un domaine qui devrait tre dvelopp l'chelon international. Les travaux accomplis
jusqu ce jour indiquent clairement quune approche internationale et un accord rapide dans ce
domaine renforceront le potentiel dutilisation futur de cet outil dans le monde entier ainsi que
l'tablissement de normes internationales. Nous vous invitons soumettre vos observations et
vos impressions sur les documents faisant partie de cette srie; nous pourrons ainsi faire tout
notre possible pour fournir aux pays membres, au Codex Alimentarius et aux autres utilisateurs
l'information dont ils ont besoin pour utiliser les outils fonds sur les risques, dont lobjectif
final est de garantir, tous les consommateurs, un accs des aliments srs.
Ezzeddine Boutrif
Division de la nutrition et de la protection des consommateurs
FAO
Jrgen Schlundt
Dpartement de la scurit sanitaire des aliments, des zoonoses et des maladies dorigine
alimentaire
OMS
-xiii-
SIGLES
ANOVA
Analysis de variance
ESB
CE
Commission europenne
CAC
CCFH
UFC
COI
AVCI
EFSA
FSIS
GBR
Geographical BSE-Risk
ERM
NACMCF
NHMRC
P-I
Probabilit-impact
QALY
SPS
STEC
EST
USDA
VOI
OMC
UFP
1. Introduction
1.1 Srie FAO/OMS de Directives sur lvaluation des risques microbiologiques
Lvaluation des risques lis la prsence de microbes dangereux dans les aliments (valuation
des risques microbiologiques ERM) a t dsigne comme un domaine dactivit prioritaire
par la Commission du Codex alimentarius. Suite aux travaux du Comit du Codex sur lhygine
alimentaire (CCFH), la Commission a adopt les Principes et directives rgissant la conduite de
lvaluation des risques microbiologiques (CAC/GL 30-1999) CAC, 1999). Par la suite, sa
trente-deuxime session, le CCFH a identifi un certain nombre daspects pour lesquels il avait
besoin dun avis dexpert de lvaluation des risques. Au niveau international, il convient de
noter que lAccord de lOrganisation mondiale du commerce (OMC) sur lapplication des
mesures sanitaires et phytosanitaires (OMC, sans date) exige que les Membres fassent en sorte
que leurs mesures soient tablies sur la base d'une valuation des risques, selon qu'il sera
appropri en fonction des circonstances, compte tenu des techniques d'valuation des risques
labores par les organisations internationales comptentes.
Pour rpondre aux besoins de leurs Membres et du Codex, la FAO et lOMS ont donc lanc
un programme de travail visant fournir des avis dexperts sur lvaluation des risques lis la
prsence de microbes dangereux dans les aliments. Ce travail a pour objet de fournir une vue
densemble des informations pertinentes disponibles et des valuations des risques qui ont dj
t entreprises et, partir de l, de formuler des avis scientifiques fonds sur les risques pour
rpondre aux besoins du Codex et mettre au point des outils dvaluation des risques lusage
des pays membres.
La FAO et lOMS ont aussi entrepris llaboration de directives sur diverses tapes de
lvaluation des risques, savoir la caractrisation des dangers, lvaluation de lexposition et la
caractrisation des risques, cette dernire faisant lobjet du prsent volume. Une liste des autres
documents de la srie et des renseignements pour les obtenir figurent sur les pages de
couverture intrieures de ce document. La ncessit de ces directives a t mise en relief dans
les travaux de la FAO et de lOMS sur lvaluation des risques lis des combinaisons
produits-pathognes spcifiques, et il est reconnu que, dans ltape de caractrisation des
risques, la fiabilit et la cohrence des estimations sont cruciales.
La srie de directives FAO/OMS a pour objet de fournir des orientations pratiques et un
cadre structur pour mener bien chacune des quatre grandes tapes dune valuation des
risques microbiologiques (identification des dangers, caractrisation des dangers, valuation de
lexposition, caractrisation des risques), aussi bien dans le contexte dune valuation des
risques complte, quen accompagnement dautres valuations, ou de faon autonome.
Les prsentes directives relatives lERM sont principalement destines la communaut
mondiale de scientifiques et dvaluateurs des risques, quelque soit leur niveau dexprience,
ainsi quaux gestionnaires des risques qui sadressent eux.
Ces directives ne prtendent pas avoir une valeur normative, de mme quelles nidentifient
pas doptions incontournables, slectionnes lavance. Pour certaines questions, une approche
est prconise sur la base de lopinion gnrale des experts pour donner des orientations
dactualit sur la science de lvaluation des risques. Pour dautres questions, les options
disponibles sont compares et lanalyste dcidera de lapproche adopter compte tenu de la
Introduction
situation. Dans ces deux cas, lapproche et sa justification doivent tre documentes, pour des
raisons de transparence.
1.2 Directives FAO/OMS sur la caractrisation des risques
1.2.1 Dfinition de la caractrisation des risques
La caractrisation des risques, en tant qulment dune ERM, a t dfinie comme suit par la
Commission du Codex alimentarius:
lestimation qualitative et/ou quantitative, compte tenu des incertitudes inhrentes l'valuation, de la
probabilit de la frquence et de la gravit des effets adverses connus ou potentiels sur la sant
susceptibles de se produire dans une population donne, sur la base de l'identification des dangers, de
la caractrisation des dangers et de l'valuation de l'exposition.
Ltape de la caractrisation des risques est celle o sont prsents les rsultats de lvaluation
des risques. Ces rsultats sont donns sous la forme destimations et de descriptions des risques
qui fournissent des rponses aux questions que les gestionnaires des risques posent aux
valuateurs des risques. Ces rponses fournissent leur tour aux gestionnaires des risques les
meilleurs lments de preuve scientifique disponibles pour les aider grer la scurit sanitaire
des aliments.
1.2.2 Porte
Ces directives portent sur la caractrisation des risques et les questions connexes dans une
ERM. Elles fournissent des orientations dtailles sur la conduite des caractrisations des
risques dans divers contextes, et lutilisation des divers outils et techniques. Llaboration de ces
directives a t motive par la prise de conscience de limportance cruciale de la fiabilit de
lestimation du risque pour lvaluation globale des risques.
1.2.3 Objet
Malgr leur caractre parfois prospectif, en ce sens quelles anticipent ce quoi peuvent
conduire les pratiques optimales, ces directives ne prtendent pas avoir une valeur normative.
Le seul objet de ce document est de fournir des directives pratiques sur un cadre structur pour
mener bien une caractrisation des risques lis des dangers microbiologiques dorigine
alimentaire. Comme dans le cas dautres documents de la srie ERM, ces directives sur la
caractrisation des risques sont principalement destines la communaut mondiale de
scientifiques et dvaluateurs des risques, quel que soit leur niveau dexprience, ainsi quaux
gestionnaires des risques qui sadressent eux.
Les principaux objectifs de ces directives sont daider les lecteurs :
identifier les aspects et les caractristiques cls dune caractrisation des risques;
reconnatre les proprits dune caractrisation des risques optimale ;
viter quelques piges courants de la caractrisation des risques;
reconnatre et comprendre les hypothses qui sous-tendent le choix de mesures spcifiques de
caractrisation des risques ;
prparer des caractrisations des risques qui rpondent aux attentes des gestionnaires des
risques.
Introduction
La caractrisation des risques, telle quelle est envisage dans ces directives, ne saurait tre
reprsente par un modle ou une description unique, quels quils soient. Les approches les plus
classiques sont dcrites dans les chapitres suivants.
1.4 Lecture de ces directives
La FAO et lOMS ont produit une srie de documents destins faciliter la conduite des
valuations des risques microbiologiques. Dans lidal, lvaluateur devrait commencer par lire
le Rapport d'une Consultation conjointe FAO/OMS intitul Principes et lignes directrices en
vue de l'incorporation de l'valuation du risque microbiologique dans l'laboration de normes,
de lignes directrices et de textes connexes en matire de scurit sanitaire des aliments
(FAO/OMS, 2002). Ce rapport rappelle juste titre que lvaluation du risque a pour objet de
rpondre aux attentes des gestionnaires des risques. Nous conseillons donc au lecteur de se
rfrer ce rapport, lorsquil parcourra ces directives relatives la caractrisation des risques.
Communication sur
les risques
valuation de lexposition
Figure 1.1 Reprsentation schmatique des composantes dune analyse des risques telle que dfinie par la
Commission du Codex alimentarius.
La caractrisation des risques prsente les rsultats de lvaluation des risques et a pour objet
de rpondre aux attentes des gestionnaires des risques. Il est donc essentiel de comprendre ce
que cette caractrisation devrait englober et danticiper quelques-uns des problmes susceptibles
de se poser pendant le droulement de lvaluation. Une fois que la caractrisation des risques
est bien comprise, il peut tre utile de lire dautres directives : i) Caractrisation des dangers lis
la prsence de pathognes dans les aliments et dans leau (FAO/OMS, 2003); et
(ii) valuation de lexposition aux dangers microbiologiques dans les aliments (FAO/OMS,
2008).
Les prsentes directives sur la caractrisation des risques sont articules sur huit chapitres.
Aprs cette introduction, nous nous pencherons dans le chapitre 2 sur les utilisations et les
objectifs des valuations des risques et les diffrents types de mesures de caractrisation des
risques. La caractrisation qualitative des risques est tudie dans le chapitre 3 alors que le
chapitre 4 est consacr la caractrisation semi-quantitative des risques ; les caractrisations
quantitatives des risques, qui mettent laccent sur lestimation de la variabilit et de
lincertitude, sont abordes au chapitre 5. Lassurance de la qualit, y compris lanalyse de la
sensibilit et les mthodes visant vrifier, ancrer et valider les caractrisations des risques sont
traites au chapitre 6. Le chapitre 7 dcrit des mthodes visant intgrer une estimation des
rsultats en matire de sant publique et une analyse des cots-avantages dans la caractrisation
des risques microbiologiques pour la scurit sanitaire des aliments. Enfin, au chapitre 8, ces
Directives examinent quelques aspects de la communication sur les risques.
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
Lvaluation des risques est un outil daide la dcision. Son but nest pas ncessairement
dapprofondir des connaissances scientifiques mais de donner aux gestionnaires des risques une
reprsentation rationnelle et objective de la situation, telle quon la connat ou croit la connatre,
un moment donn. Il est clair quune valuation des risques ne comprendra pas toutes les
informations possibles sur un problme de risque, en raison de laccs limit aux donnes (par
exemple, parce que lon manque de temps pour les recueillir, ou parce que ceux qui dtiennent
les informations ne sont pas disposs les partager), ou de leur indisponibilit ; pendant que
lon effectue une valuation du risque, on apprend gnralement discerner les lacunes
dinformation les plus critiques et les moins importantes. La distribution gnrale dun projet
dvaluation des risques, dans lequel les donnes manquantes et les hypothses sont clairement
indiques peut cependant donner de nouvelles informations.
Ce que lon sait un moment donn nest pas toujours suffisant pour quun gestionnaire des
risques puisse choisir facilement une stratgie dintervention. Si les lments et les critres sur
lesquels il se fonde pour prendre une dcision particulire (la rgle de dcision ) sont bien
dfinis, une valuation du risque conduite sur la base des connaissances actuelles, peut
gnralement aider identifier les types et le nombre dinformations susceptibles dclairer la
prise de dcision. La mthode dvaluation des risques sert aussi de point de dpart pour un
examen et une valuation rationnels des donnes et des solutions potentielles un problme.
Elle sert donc crer un consensus entre les parties prenantes autour des stratgies de gestion
des risques ou aide identifier les lacunes des donnes.
Toutes les valuations des risques devraient tre tudies dans le contexte des questions
trancher: savoir, quelles sont les stratgies entre lesquelles le gestionnaire des risques souhaite
choisir, et quelles sont les donnes disponibles pour faciliter lvaluation de ces stratgies? Par
exemple, dans le cas de lencphalopathie spongiforme bovine (ESB), on dispose sans doute de
donnes de surveillance de la sant animale suffisantes pour caractriser quantitativement la
prvalence de la maladie dans une population de bovins, mais la relation dose-rponse pour la
variante de la maladie de Creutzfeldt-Jakob (forme humaine de lESB) ne sera probablement
pas connue avant longtemps. Il serait donc lvidence absurde de critiquer une valuation du
risque dESB parce quelle ne comprenait pas de composante dose rponse alors que les
donnes disponibles ne sont pas suffisantes pour tablir une relation dose-rponse. Une
valuation des risques a pour but daider le gestionnaire des risques faire son choix en
connaissance de cause et en expliquer clairement les raisons toutes les parties prenantes.
Ainsi, dans certaines situations, une valuation trs rapide et simple peut tre suffisante pour
rpondre aux attentes du gestionnaire des risques. Imaginons par exemple que ce dernier
envisage un changement qui ne cote rien, et quune analyse rudimentaire rvle que la mise en
uvre de ce changement rduirait de 10 90% les probabilits que le risque considr
survienne, sans quil y ait de risques secondaires. Le gestionnaire du risque pourrait alors
estimer que cette information est suffisante pour lautoriser oprer ce changement, bien que
le degr dincertitude soit lev et quil nait pas dtermin quel tait au dpart le risque de
rfrence. Il est clair que la plupart des problmes de risque sont beaucoup plus complexes et
que la solution reposera sur un quilibre entre les avantages (gnralement, en termes dimpact
sur la sant humaine vit) et les cots (gnralement, en termes des ressources disponibles
engager pour mener bien la stratgie, et effets sur la sant humaine dcoulant des ventuels
risques secondaires) des diffrentes stratgies dintervention.
La thorie de la probabilit repose sur deux concepts fondamentaux. Le premier est le
caractre apparemment alatoire du monde ; le deuxime est le degr dincertitude quant au
fonctionnement du monde rel. Ces deux concepts limitent notre capacit prvoir lavenir et
les consquences de nos dcisions susceptibles davoir une incidence sur le futur. Lvaluation
des risques microbiologiques pour la scurit sanitaire des aliments est particulirement
entache dincertitude : incertitude sur ce qui se passe rellement dans les voies dexposition et
qui fait que les hommes sont infects ou ingrent des toxines microbiologiques ; incertitude sur
les processus qui conduisent de lingestion ou linfection la maladie et qui font que la gravit
de la maladie varie selon les personnes, et incertitude sur les valeurs des paramtres relatifs
ces voies dexposition et ces processus. Toutes ces incertitudes sont examines dans la
section 2.5.3. Certaines peuvent tre quantifies facilement par des techniques statistiques dans
la mesure o des donnes sont disponibles, et ce sont ces techniques qui donneront au
gestionnaire des risques la description la plus objective de lincertitude. Cependant, si une
valuation des risques prend pour hypothse une srie particulire de voies dexposition et de
relations causales qui sont incorrectes, lvaluation sera fausse.
2.1 Proprits des valuations des risques
Dune manire gnrale, les valuations des risques devraient tre aussi simples que possible
tout en rpondant aux attentes du gestionnaire des risques et elles devraient sefforcer de trouver
un quilibre entre les avantages dune analyse plus dtaille et plus complexe (traitant plus de
questions ou de scnarios possibles), et linconvnient qui en dcoule, savoir de devoir inclure
un plus grand nombre dhypothses, car plus les hypothses sont nombreuses, moins les
conclusions sont fiables.
Les directives du Codex (CAC, 1999) relatives lvaluation des risques microbiologiques
noncent les principes gnraux de lvaluation des risques microbiologiques, notamment:
lvaluation des risques doit tre objective, fonde sur les meilleures donnes scientifiques
disponibles, et prsentes de manire transparente;
toute contrainte ayant un impact sur lvaluation des risques, telle que le cot, les ressources
ou la dure, devrait tre identifie et ses consquences possibles dcrites;
lvaluation des risques microbiologiques devrait clairement stipuler lobjectif de lexamen, y
compris la forme donne aux rsultats de lestimation des risques;
une valuation des risques microbiologiques devrait aborder de manire explicite la
dynamique de la croissance, de la survie et de la mort des lments microbiologiques dans les
aliments, la complexit de linteraction (y compris les squelles) entre lhomme et lagent,
lorsquelle est postrieure la consommation, ainsi que lventualit dune propagation;
les donnes devraient permettre de dterminer les incertitudes inhrentes lestimation du
risque;
les donnes et les systmes de collecte devraient tre, autant que possible, dune qualit et
dune prcision suffisantes pour rduire les lments dincertitude de lvaluation des risques.
lERM devrait tre conduite mene conformment une approche structure comprenant
lidentification des dangers, la caractrisation des dangers, lvaluation de lexposition et la
caractrisation des risques.
Nous allons maintenant examiner plus en dtail ce dernier principe.
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
10
et
Dans une situation idale, la caractrisation des dangers devrait pouvoir tablir une relation entre
la dose et la rponse.
Cela a souvent, tort, t interprt comme une ncessit de dterminer une relation doserponse. Il est clair que sil est impossible de dfinir une relation dose-rponse crdible, ou de
dterminer le niveau dexposition qui est combin la relation dose-rponse pour estimer les
effets sur la sant humaine, il convient de rechercher une autre approche. Les Sections 5.5.5 et
5.5.6 dcrivent des mthodes permettant de mettre en corrlation lexposition et le risque sans
recourir la fonction dose-rponse habituelle, et qui sont pourtant parfaitement valides pour
dcrire certains types de problmes tels que lestimation du risque relatif. On a fait observer
(FAO/OMS 2002) que
dans de nombreux cas, des dcisions efficaces en matire de gestion du risque peuvent nanmoins
tre prises lorsque lon ne dispose que de certains lments de [l'valuation quantitative des risques
microbiologiques] et notamment de l'valuation de l'exposition.
11
lvaluation des risques est le processus qui consiste suivre les quatre tapes qui permettent
dvaluer un risque. De mme, la caractrisation des risques est le processus consistant
combiner les informations obtenues lors de lIdentification des dangers, de lvaluation de
lexposition et de la Caractrisation des dangers, pour produire une estimation des risques ,
expression finale du risque, qui est laboutissement ou le produit des deux processus de
caractrisation des risques et dvaluation des risques. Alors que les mthodes utilises pour
estimer les risques varient selon que lon effectue une valuation quantitative ou qualitative, la
relation entre les processus dvaluation et de caractrisation des risques ne change pas.
2.2 Les mesures de la caractrisation des risques
Lorsque lon value les risques microbiologiques dorigine alimentaire, on sintresse en
premier lieu leffet du danger identifi sur la sant humaine, parmi les nombreux rsultats
possibles dune exposition des pathognes microbiens. Chez un individu donn, leffet peut
tre nul ou non mesurable. Toutefois, un organisme nest considr comme pathogne ou
toxique que si son ingestion peut se traduire par un effet adverse sur la sant chez au moins une
partie de la population expose.
Les effets adverses sur la sant de lexposition des pathognes englobent des maladies de
gravit (morbidit) et de dure variables, quil sagisse de maladies rsolutives lgres, ou de
maladies qui ncessitent une hospitalisation ou conduisent des pathologies chroniques ou la
mort (mortalit). Jusqu prsent, les valuations des risques ont tendu mesurer les risques
microbiologiques dintoxication ou dinfection dorigine alimentaire comme rsultant
directement dune exposition un aliment contamin par des pathognes ou par leurs toxines.
lchelle dune population, toutefois, lapparition de porteurs asymptomatiques du pathogne
peut aussi tre classe comme un effet adverse sur la sant, car elle peut conduire la
multiplication, lexcrtion et la transmission de lorganisme dautres personnes qui
pourront dvelopper une maladie ou mourir (transmission secondaire). En outre, certains effets
adverses sur la sant peuvent tre nots plus spcifiquement lchelle dune population (cas
des pidmies ou des pandmies).
Les risques peuvent tre estims lchelle individuelle (ex: risque de maladie par portion
[dun aliment]) ou lchelle dune population (ex: nombre de cas par an). Dans le cadre du
Codex, lvaluation des risques se concentre sur la gravit et la probabilit dune maladie, mais
des mesures sont ncessaires pour comparer la gravit dune maladie. Le poids dune maladie
peut tre mesur en termes de perte conomique lchelle individuelle ou nationale, selon que
de besoin, par le nombre probable de jours ou dannes dactivit perdus, le cot du traitement,
etc. comme on le verra au Chapitre 7 et lAnnexe 1. En revanche, la perte de qualit de vie est
plus difficile quantifier, malgr plusieurs tentatives en ce sens, qui ont dbouch sur le concept
des annes quivalentes de vie perdues imputables certains types dincapacit, la
souffrance physique ou dautres maux entranant une baisse de la qualit de vie. Ce concept
permet de comparer diffrents tats de sant et les taux de mortalit. On peut donc quantifier
leffet adverse sur la sant de tout vnement, en termes dannes quivalentes de vie perdue, et
estimer ce risque quelle que soit la source do il provient. Des mesures intgres de la sant
donnent des informations pour analyser diffrents risques dans ce contexte.
Un gestionnaire des risques peut souhaiter tudier de nombreux effets adverses potentiels sur
la sant, en plus de ceux qui concernent directement la personne touche. Il existe donc aussi de
nombreuses mthodes possibles pour mesurer et exprimer la grandeur du risque (parfois
dsignes sous le nom de mtrique du risque ), entre lesquelles on peut choisir, selon le
rsultat que lon cherche obtenir avec une valuation des risques. Le choix de la mesure
12
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
spcifique du risque que lon utilisera nest donc pas ncessairement vident, et le gestionnaire
des risques, lvaluateur des risques et les autres parties prenantes intresses doivent en
discuter ensemble. En outre, pour la modlisation quantitative, la (les) unit(s) ncessaire(s)
doi(ven)t tre dfinie(s) en tenant compte des aspects pratiques de la modlisation de faon
pouvoir produire et signaler les rsultats dans ces units.
2.3 Buts des valuations de risques spcifiques
Divers types de modles de probabilits
et dtudes des problmes de risque ont
t appeles valuations des risques
(voir encadr 2.1). Les directives de la
FAO/OMS, de lOIE et dautres
organismes
prconisent la prise de
dcision fonde sur une valuation des
risques.
Les
directives
et
les
recommandations du Codex en matire
dvaluation des risques font rfrence
sur le plan juridique quant aux critres
qui font une valuation des risques aux
termes de lAccord sur les mesures
sanitaires et phytosanitaires de lOMC. Il
est donc important, aussi bien dun point
de vue technique que lgal, de pouvoir
dterminer si un lment spcifique
dune tude peut tre class comme une
valuation des risques.
13
des risques; Elles sont gnralement rendues publiques et examines par des pairs. Ces
valuations sont gnralement publies dans des revues professionnelles et/ou sur des sites
Internet.
2.3.1 Estimation du risque non restreint et du risque de rfrence
Le risque non restreint est le niveau de risque qui serait prsent sil ny avait pas de
sauvegarde, alors que le risque de rfrence est celui qui correspond la situation actuelle
ou la norme, cest--dire le point par rapport auquel les cots et avantages des diverses
stratgies dintervention peuvent tre compars. Le concept de risque non restreint a t trs
largement utilis dans les analyses des risques limportation, o il est videmment trs utile.
Dans une valuation des risques, on commence gnralement par estimer le niveau de risque
existant, cest--dire le niveau de risque qui pse sur la scurit sanitaire des aliments en
labsence de tout changement dans le systme actuel. Le risque ainsi estim devient le risque
de rfrence par rapport auquel les stratgies dintervention pourront tre values, si on le
souhaite. Ce risque de rfrence peut notamment tre utile pour dterminer le Degr de
protection appropri (DPA). Le fait de prendre comme rfrence le risque actuel prsente un
certain nombre davantages: cest dabord le moyen le plus simple pour estimer leffet des
changements, puisquil ne reste plus qu estimer la grandeur du risque une fois que les
conditions ont chang par rapport au niveau de risque existant, au lieu de devoir quantifier
explicitement le niveau de risque dans le cadre des deux scnarios. Cette approche pose
implicitement comme point de dpart de toute intervention de gestion des risques,
lintroduction de changements par rapport au systme actuel. Selon lobjectif que lon poursuit,
on peut choisir une autre rfrence que le niveau de risque existant, comme point de
comparaison. Par exemple, on peut dcrter que le risque de rfrence est celui qui existerait
dans le cadre dune approche de gestion des risques prfre (par exemple, parce que moins
coteuse), et comparer le risque dans le cadre dautres approches possibles.
Lestimation dun risque non restreint (parfois aussi appel risque inhrent) - niveau de
risque qui serait prsent si aucune mesure ntait prise dans le but spcifique de le rduire peut tre utile pour comparer lefficacit dapproches existantes de gestion des risques
microbiologiques en matire de scurit sanitaire des aliments, par rapport celle de systmes
radicalement nouveaux. Au fil du temps, les causes des maladies infectieuses tant mieux
connues, de nombreux contrles ont t mis en place, aussi bien auprs des consommateurs que
des industries, pour minimiser lincidence des maladies dorigine alimentaire. Il est vident
quon peut difficilement concevoir que lon puisse faire une valuation raliste du niveau de
risque dans un monde hypothtique o tous ces contrles seraient supprims, mais le principe
est valable et prend comme point de dpart un risque brut qui a t identifi, et prsent
quantifi et pour lequel on peut choisir entre de nombreuses combinaisons doptions pour
limiter le risque. Cette mthode devrait en principe permettre de procder une nouvelle
valuation pour identifier la combinaison de contrles (contrles dj en place et nouvelles
interventions possibles) qui dboucherait sur la protection la plus efficace. Dans la pratique, on
peut tenter destimer un risque en supposant que certaines des interventions en place les plus
videntes et peut-tre les plus coteuses soient supprimes, puis procder une nouvelle
valuation pour dcider de la manire de grer le risque. Si lon prend comme point de
comparaison le niveau de risque actuel, on na gure de raisons dexaminer les nombreux types
dactivits de rduction des risques qui sont dj en place et qui ont volu avec le temps alors
quil ny avait pas de systme de suivi pour valuer leur efficacit et la renforcer. Par exemple,
les mesures de contrle introduites avant que lon soit bien inform sur un problme sont
gnralement trs prudentes. Avec lamlioration des connaissances, on pourrait concevoir des
14
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
approches mieux cibles pour assurer le mme niveau de protection sanitaire avec moins
dinconvnients pour les consommateurs ou les producteurs.
Lorsque lon estime un risque de rfrence ou un risque non restreint, lobjectif immdiat
nest pas toujours de grer le risque, mais plutt de mesurer ou de circonscrire la gravit dun
problme de scurit sanitaire des aliments. En thorie, il nest pas forcment ncessaire de
dterminer un risque de rfrence pour valuer des stratgies dintervention, mais dans la
pratique on le fait presque toujours.
Dans le mme ordre dide, une autre activit, dite de lattribution du risque, consiste
rpartir un risque identifi entre des causes concurrentes. Il peut sagir de rpartir des risques
alimentaires entre des pathognes, de rpartir le risque associ un pathogne spcifique entre
diffrentes catgories de produits alimentaires, ou entre diffrents types de comportements (ex :
manger des denres cuisines au barbecue ou dans des restaurants). La mthode dattribution
du risque li un pathogne spcifique, provenant de diffrents aliments, peut tre utilise pour
classer des sources alimentaires en fonction du risque quelles gnrent. Les gestionnaires
pourront ainsi identifier laliment ou la source alimentaire contrler en priorit pour matriser
la maladie de la manire la plus efficace et la plus rentable.
2.3.2 Comparaison des stratgies de gestion des risques
Les valuations des risques sont gnralement entreprises pour aider les gestionnaires des
risques comprendre quelles sont les stratgies dintervention, si tant est quil y en ait, qui
peuvent tre le plus efficaces pour prserver la scurit sanitaire des aliments, ou dterminer si
les mesures de gestion des risques actuellement en place sont adquates. Lidal serait que les
institutions responsables de la scurit sanitaire des aliments examinent toutes les interventions
possibles pour grer le risque tout au long de la chane alimentaire, quelle que soit lautorit
charge de les mettre en uvre, et cest dans ce but quont t cres des autorits intgres
responsables de la scurit sanitaire des aliments dans de nombreux pays et rgions. Un modle
de la ferme la table serait donc particulirement appropri. Cependant, dans la pratique, il
arrive que la porte de lvaluation soit limite aux segments de la chane alimentaire qui
relvent de la comptence du gestionnaire des risques ; or une valuation des risques plus
globale pourrait identifier des relations dans dautres domaines, ce qui inciterait le gestionnaire
des risques demander la nouvelle autorit dintervenir efficacement ou dinviter dautres
personnes habilites prendre les mesures qui simposent. Pour certains problmes de risques,
une analyse des donnes pidmiologiques ou un modle portant sur une partie de la chane
alimentaire peut convenir. Comme on la dj vu, certaines valuations des risques peuvent
avoir pour objet de vrifier si les rglementations existantes en matire de scurit alimentaire et
les stratgies dintervention en place sont adquates, ou sont les plus appropries, ou si elles
doivent tre revues.
Les valuations des mesures de gestion des risques envisages reposent gnralement sur des
comparaisons entre un risque de rfrence estim et un risque prvu qui pourrait rsulter de
ladoption de diverses stratgies possibles. On dit parfois quelles se fondent sur des
scnarios simuls (voir encadr 2.2). Lun prvoit un futur sans nouvelle intervention,
lautre un futur avec une nouvelle intervention. On commence par construire un modle de
rfrence (le scnario sans intervention) pour obtenir une estimation du risque de rfrence.
Ensuite, on change les paramtres du modle slectionn pour dterminer leffet probable de
lintervention envisage (voir encadr 2.3 pour des exemples dintervention). Les carts entre
les deux estimations des risques donnent de bonnes indications des avantages de lintervention
propose en termes de sant publique et aussi, dans la mesure du possible, du cot qui leur est
15
associ. On peut aussi adopter une approche similaire pour analyser des combinaisons
dinterventions et dterminer leur effet cumul, pour tenter de trouver la stratgie optimale.
Encadr 2.2 Scnarios avec et sans intervention, et volution des risques au fil du
temps
Une valuation des options de gestion des risques peut tre aborde de diverses manires, notamment par une
analyse dcarts, une comparaison avant/aprs, une comparaison avec/sans (illustre dans cet exemple). Les
estimations des risques, les tudes spciales, les analyses conomiques et environnementales, les sondages
dopinion, les analyses des consquences lgales des actions proposes, et autres dmarches similaires, varient
dun cas lautre. Tous ces lments ne font pas partie du processus dvaluation des risques, mais on peut
identifier quelques tapes du processus qui se retrouvent dans toutes les valuations, notamment :
Description du risque de rfrence existant, savoir
dintervention dj en place.
Description de la situation future la plus probable, en labsence dun changement dans lintervention de gestion du
risque (situation sans ). Chaque option est value par rapport cette mme situation sans , appele Futur
sans action dans la figure ci-dessous. La tendance correspondant ce futur peut tre croissante, dcroissante, plate
ou mixte.
Description de la situation future la plus probable prvue, avec une intervention de gestion des risques spcifique
(situation avec). Chaque intervention a une situation avec qui lui est propre : dans lexemple ci-dessous, elle
est appele Futur avec intervention A.
Caractrisation des effets de cette comparaison: tous les effets nont pas la mme ampleur, certains sont
souhaitables, dautres pas.
Human
Health Effects
Effets sur la sant humaine
With
& Without avec
Comparaison
et sans intervention
Intervention
Comparison
c tio n
o Aaction
Futur
sans
re N
F u tu
Rfrence
existante
Existing
Baseline
Situation
existante
Existing
Comparaison avant
Comparison
et
aprs
Analyse dcart
Future
Futurwith
avecInterv
interventio
ention A
Target
Objectif
Gap Analysis
Temps
Time
Dans certains cas, on peut estimer la variation du risque sans avoir valu le risque de
rfrence, mais le rsultat devra tre interprt avec prudence. Par exemple, une valuation des
risques pourrait montrer quil est techniquement faisable de diviser par cent un risque
particulier, mais si ce risque tait ngligeable au dpart, cette stratgie peut tre dnue
dintrt.
La proximit dun risque est couramment prise en considration dans les analyses des
risques appliques la gestion de projets de construction de grande ampleur ; or elle peut aussi
tre un facteur important dans une valuation des risques pour la scurit sanitaire des aliments
sil y a des raisons de penser que des facteurs imprvus ou non matriss sont susceptibles de
modifier le risque au fil du temps (ex : on prvoit que laugmentation de lge moyen des
16
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
17
ou accessoirement pour identifier les besoins de recherche, tablir les priorits de recherche et
concevoir les tudes raliser.
Les valuations prcdentes des risques microbiologiques se sont avres prcieuses pour
nous aider comprendre des systmes complexes. Si nous sommes aujourdhui capables
dapprcier et de comprendre la complexit des systmes qui constituent la chane alimentaire,
cest en partie grce au processus mme danalyse systmatique dune chane alimentaire.
2.4 Choix du type dvaluation des risques effectuer
Les mthodes dvaluation des risques couvrent un ensemble, ou continuum, de techniques
qualitatives, semi-quantitatives, ou pleinement quantitatives. Dans le domaine de la scurit
sanitaire des aliments, elles sont toutes applicables, mais ce qui dtermine si une mthode est
approprie, cest la conformit de lvaluation des risques avec les principes noncs la
Section 2.1. Les Chapitres 3 5 dcrivent ce continuum avec des exemples lappui. Au vu des
titres des chapitres et des exemples fournis, on pourrait penser quil nexiste que trois
catgories strictes de mthodes dvaluation des risques, mais les trois termes nont quune
valeur descriptive et ils ne sont utiliss que pour mieux structurer le document. Nimporte quelle
valuation des risques pourrait comprendre des lments dune combinaison quelconque de ces
approches. Lun des avantages dune valuation des risques est que les solutions permettant de
minimiser le risque se dgagent souvent du processus officiel dexamen du risque, que lon soit
en prsence dune valuation qualitative, semi-quantitative ou quantitative.
On a dj insist sur la ncessit de choisir un type dvaluation des risques adapt son
objectif. L'U.S. National Advisory Committee on Microbiological Criteria for Foods
(USNACMCF, 2004) a not ce qui suit:
Les valuations des risques peuvent tre quantitatives ou qualitatives, mais elles doivent tre
adquates pour faciliter la slection des options en matire de gestion des risques. La dcision
dentreprendre une valuation quantitative ou qualitative dpend de multiples facteurs tels que la
disponibilit et la qualit des donnes, le degr de consensus de lopinion scientifique et les
ressources disponibles.
Le National Health and Medical Research Council australien (NHMRC, 2004: 36) met en
garde :
Il est important que ce que lon attend dune identification des dangers et dune valuation des
risques soit raliste. On dispose rarement dinformations suffisantes pour mener son terme une
valuation quantitative des risques dtaille Un point de vue raliste sur les limites de ces
prvisions doit tre compris par le personnel et communiqu au public.
18
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
gnralement possible de justifier ces opinions et de les documenter pour que dautres puissent
rpliquer lvaluation. Nanmoins, il peut tre difficile de comparer les hypothses et la qualit
des donnes. Dun autre ct, une valuation qualitative des risques est plus expose des
jugements subjectifs, notamment pour la conversion des donnes ou des rsultats dans des
catgories de risque lev , intermdiaire et faible . Il peut tre malais de dfinir
clairement ces termes, ce qui compromet les possibilits de rplicabilit dune analyse par
dautres.
Expertise
En principe, dans une valuation quantitative des risques, au moins une partie de lquipe
charge de la mener bien doit avoir une formation mathmatique rigoureuse. Si lon na pas
suffisamment de personnel qualifi, une valuation qualitative peut tre plus approprie
condition que le risque considr se prte une telle approche. Les valuations qualitatives ne
demandent pas de qualifications importantes en termes de mathmatique pure, mais lanalyste
doit avoir de grandes capacits de jugement, pour combiner les lments probants dune
manire approprie et logique, et les capacits techniques requises pour compiler et interprter
les connaissances scientifiques actuelles sont peu prs quivalentes.
Limites de la thorie ou des donnes
Les valuations quantitatives des risques tendent tre mieux adaptes si lon dispose de
modles mathmatiques pour dcrire des phnomnes et de donnes pour estimer les paramtres
des modles. Si la thorie ou les donnes font dfaut, il est prfrable dopter pour une
valuation plus qualitative.
Champ dapplication
Lorsque lon tudie des risques travers toute une gamme de dangers et de voies, il peut tre
difficile dappliquer de faon cohrente une valuation quantitative des risques en se fondant
sur des lments thoriques et pragmatiques trs divers, comme cest le cas lorsque lon
compare des dangers microbiologiques et chimiques dans les aliments. Les mthodologies et les
modes de mesure ne sont sans doute pas encore assez au point pour fournir des mesures des
risques suffisantes pour clairer la prise de dcision si le champ dapplication est large.
Rapidit
Les valuations des risques qualitatives et semi-quantitatives prennent gnralement beaucoup
moins de temps que les valuations quantitatives, surtout si les protocoles des premires ont t
bien dfinis et si des orientations claires ont t donnes pour interprter les lments de preuve.
Quelques exceptions sont toutefois possibles si lvaluation qualitative repose sur un processus
de consultation (ex : tudes dans lesquelles les hypothses dexperts officielles tiennent une
place importante) avec des besoins considrables en termes de planification, dinformation et de
programmation.
Transparence
Le dsir de transparence peut favoriser toutes les mthodes et le choix dpendra du type de
transparence recherch. Cependant, il ne faut pas confondre transparence et accessibilit. Si
la transparence sentend au sens que chaque lment de preuve est clairement dfini, ainsi que
19
son impact prcis sur le processus dvaluation, elle est plus facilement assure par une
valuation quantitative. En revanche laccessibilit, au sens o un large public de parties
prenantes peut comprendre le processus dvaluation, est plus facilement garantie par une
valuation qualitative ou semi-quantitative. Une valuation quantitative des risques
microbiologiques exige gnralement des connaissances spcialises et un investissement en
temps considrable, de sorte quelle peut ntre accessible qu des spcialistes ou des
personnes qui ont le temps et les moyens den engager. La transparence au sens strict ne
prsente gure dintrt si les parties prenantes ne sont pas capables de comprendre et
dexaminer en dtail lanalyse et son interprtation et dy contribuer, ou si elles considrent que
cela leur demanderait trop de travail. Les approches qualitative ou semi-quantitative peuvent
tre plus facilement comprises par une plus large gamme de parties prenantes, qui seront ensuite
mieux mme de contribuer au processus danalyse des risques.
Stade de lanalyse
Les valuations qualitative et quantitative des risques ne sexcluent pas ncessairement lune
lautre. Une valuation qualitative est trs utile dans une phase initiale de la gestion des risques
pour fournir en temps opportun des informations sur le niveau approximatif de risque, et dcider
de la porte de lanalyse quantitative du risque et du niveau des ressources lui affecter. titre
dexemple, on peut avoir recours une analyse qualitative pour dterminer les voies
dexposition (ex : air, aliments, eau, ou aliments crus/prts consommer) qui feront lobjet
dune valuation quantitative des risques.
Adaptabilit
Une proccupation importante souvent exprime dans les situations rglementaires est le
manque dadaptabilit des mesures de caractrisation des risques ou des conclusions en cas
dapparition dun nouvel lment de preuve. Imaginons une situation o une valuation des
risques a t conduite avec des donnes anciennes indiquant que la prvalence dun pathogne
est de 10%. Une fois lvaluation publie, on constate que la prvalence est tombe 1%. Dans
la plupart des valuations quantitatives, la baisse de la prvalence aurait un impact bien
dtermin sur la caractrisation des risques alors que dans certaines valuations qualitatives, cet
impact pourrait ne pas tre suffisamment clair. On peut considrer que les valuations
qualitatives des risques encouragent ou favorisent ce manque dadaptabilit, surtout si le lien
entre llment de preuve et la conclusion est mal dfini. Ce manque dadaptabilit peut
engendrer la mfiance et des proccupations pour lintgrit du processus dvaluation des
risques.
2.5 Variabilit, caractre alatoire et incertitude
On confond souvent la variabilit, le caractre alatoire et lincertitude car ces trois lments
peuvent tre dcrits par des distributions. Ils ont cependant des significations diffrentes et le
processus dvaluation des risques est grandement facilit si le gestionnaire et lvaluateur des
risques interprtent ces concepts de la mme manire. Ces thmes sont galement tudis dans
la Section 5.4 mais dans le contexte dune valuation quantitative des risques et dapproches de
modlisation mathmatique.
20
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
2.5.1 Variabilit
La variabilit, parfois aussi appele variabilit interindividuelle, dsigne les diffrences
effectives des valeurs dune proprit quelconque dune population dans le temps et dans
lespace, entre les individus qui la composent, que cette population se rfre des personnes,
un produit alimentaire ou une espce de pathogne dorigine alimentaire, etc. titre
dexemples, citons parmi les facteurs variables dune valuation des risques microbiologiques,
les tempratures de stockage des produits alimentaires, le caractre saisonnier de diffrents
modes de prparation des denres (ex : cuisson au barbecue), les pratiques culinaires, la
sensibilit aux infections dans des sous-populations, les habitudes de consommation dans une
rgion, les diffrences de virulence entre les souches, et les procds de manutention des
produits adopts par les diffrents producteurs.
Dans certains cas, la variabilit dune population sexplique en partie par des attributs
individuels observables. Par exemple, alors que la population humaine est htrogne, il peut y
avoir des diffrences notables de risque entre des sous-populations identifiables car elles sont
pour une raison quelconque moins frquemment exposes ou moins vulnrables au danger
considr. Il peut aussi y avoir trois mthodes diffrentes dentreposer une denre alimentaire,
(ex : trois tempratures diffrentes avec le degr dhumidit correspondant), conduisant un
potentiel de croissance microbiologique diffrent dans les fractions du produit alimentaire qui
sont entreposes dans chacune de ces conditions.
Lorsquil y a des diffrences de risque observables imputables des facteurs connus, le
recours un type quelconque de stratification peut tre commode pour analyser la variabilit
dune population, en reconnaissant les sous-populations comme des entits distinctes dans
lvaluation des risques. Les proprits de chaque sous-population peuvent encore tre dcrites
comme une quantit variable, mais avec une valeur moyenne et une dispersion des valeurs
diffrentes. Une population humaine peut tre stratifie de plusieurs manires, sur la base de
critres dmographiques, culturels, de lge et dautres variables, mais la stratification des
risques lis un pathogne dorigine alimentaire se fait gnralement soit sur la base des
diffrences dexposition, soit sur la base des diffrences de sensibilit. Ces strates peuvent aussi
se chevaucher. Dans une population considre, on doit rechercher des preuves de diffrences
de sensibilit et dune probabilit dexposition diffrentielle travers des aliments. Si les
ventuelles diffrences dceles ont des probabilits daltrer de faon significative les risques
ou les mesures de protection potentielles, on doit envisager de stratifier la caractrisation des
risques en fonction de ces diffrences.
La variabilit est en principe dcrite par une liste de valeurs diffrentes que prend la variable.
Toutefois, le nombre de valeurs est souvent si lev (cest par exemple le cas de certaines
caractristiques dune population humaine qui compte des millions dindividus) quil est plus
pratique de dcrire la variation par une distribution de frquence.
2.5.2 Caractre alatoire
Le caractre alatoire rsulte de leffet du hasard inhrent au monde rel, et il est synonyme
dincertitude alatoire et de variabilit stochastique.
La question de savoir si le caractre alatoire existe vraiment ou sil reflte seulement notre
connaissance imparfaite du monde rel reste claircir, mais pour des raisons pratiques, la
variation rsiduelle non explique par un modle est gnralement traite comme un caractre
alatoire inhrent (Morgan et Henrion, 1990). Un exemple du caractre alatoire dans le
21
contexte dune ERM est fourni la Section 5.4.1., qui illustre aussi linteraction entre la
variabilit, le caractre alatoire et le recours la stratification, examin plus haut.
2.5.3 Incertitude
Lincertitude - galement appele incertitude pistmique, incertitude par manque de
connaissances, ou incertitude subjective dcoule du fait que lon ne connat pas la valeur
relle dune quantit. On dit souvent que la variabilit et le caractre alatoire sont des
proprits du systme tudi alors que lincertitude est une proprit de lanalyste. Des
analystes diffrents, qui nont pas les mmes niveaux de connaissances ou qui ont accs des
ensembles de donnes ou des techniques de mesure diffrents, nont pas les mmes degrs
dincertitude en ce qui concerne les prvisions quils font. Il est important de comprendre
lincertitude pour avoir une ide de lincidence que peut avoir le manque dinformations sur la
prise de dcisions. Quand la fourchette dincertitude est suffisamment large pour quil y ait
ambigut sur le type de dcision prfr, il peut tre intressant de recueillir des donnes
supplmentaires ou deffectuer dautres recherches pour rduire lincertitude.
Lincertitude concerne non seulement les paramtres dentre dun modle dvaluation,
mais aussi les scnarios hypothtiques sur lesquels se fondent lvaluation et le modle.
Lincertitude concernant les scnarios peut provenir dune mauvaise spcification des agents
nuisibles considrs, des voies dexposition et des vecteurs, des populations exposes et des
dimensions spatiales et temporaires du problme. Les sources dincertitude concernant le
modle sont lies sa structure, son niveau de dtail, sa rsolution, sa validation ou nonvalidation, lextrapolation et ses limites (paramtres inclus/exclus). Morgan et Henrion
(1990), et Cullen et Frey (1999) donnent des exemples de sources dincertitude dans le domaine
de lvaluation des risques, notamment:
Erreur alatoire. Erreur associe des imperfections des techniques de mesure ou des
processus qui sont alatoires ou statistiquement indpendants les uns des autres. Une erreur
alatoire de mesure conduit une incertitude qui peut tre rduite par des mesures
supplmentaires et son contraire est la prcision. On entend par prcision, la concordance
entre des mesures rptes dune mme quantit.
Erreur systmatique. La valeur moyenne dune quantit mesure peut ne pas correspondre la
valeur moyenne relle, en raison de biais dans les mesures et les procdures. Ces biais peuvent
dcouler dun talonnage imprcis, dune mauvaise lecture des mtres, et dinexactitudes dans les
hypothses retenues pour infrer la quantit relle, partir de lectures observes dautres
quantits.
Absence de fondement empirique. Une valuation des risques comporte souvent des questions
pour lesquelles il est impossible de procder des essais et des observations directs, de sorte
que lon doit faire des hypothses sur la base des lments de preuve disponibles. La validit de
ces hypothses ne peut pas tre value empiriquement. Ce type dincertitude ne peut pas tre
trait au moyen de techniques statistiques classiques, car il oblige faire des prvisions sur un
vnement qui doit encore se produire, ou sur un lment qui doit tre mesur, ou soumis un
test. On utilise par exemple des donnes de substitution pour pallier un manque dinformations
sur la population tudie. Lincertitude quant la fidlit avec laquelle les donnes de
substitution reprsentent la population considre peut tre caractrise grce des jugements
dexperts.
Dpendance et corrlation. Lorsque plusieurs quantits sont incertaines, il se peut que les
incertitudes soient statistiquement ou fonctionnellement dpendantes. Une modlisation
22
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
incorrecte de la dpendance entre les quantits peut aboutir un rsultat incertain, en termes de
prvision inapproprie de la variance des variables de sortie.
Dsaccord. Lorsquil existe des donnes limites ou dautres fondements thoriques possibles
pour modliser un systme, les experts peuvent ne pas tre daccord sur linterprtation des
donnes ou sur les estimations concernant la fourchette et la probabilit des rsultats relatifs
des quantits empiriques. En cas de dsaccord entre les experts, il est gnralement prfrable
dtudier sparment les consquences des jugements de chaque expert pour dterminer sils
dbouchent sur des conclusions sensiblement diffrentes quant au problme tudi. Dans le cas
o les conclusions ne sont pas altres de faon significative, on dit que les rsultats sont robustes
puisquils rsistent aux dsaccords entre experts. Dans le cas contraire, les sources de dsaccord
entre experts doivent tre values plus attentivement. Dans certains cas, les experts ne sont pas
en dsaccord sur lensemble des connaissances. Leurs divergences dopinions peuvent alors se
rduire des diffrences clairement identifies dans les infrences quils font partir des
donnes.
2.6 Lacunes des donnes
Quelles soient qualitatives ou quantitatives, toutes les valuations des risques ncessitent des
donnes et des connaissances (sur les processus, les interactions, etc.). Si ces dernires viennent
manquer, lvaluateur a moins confiance dans la caractrisation des risques et lestimation lui
parat moins fiable. La forme dune valuation des risques est principalement dtermine par le
type de questions poses pour faciliter la prise de dcision. On cherche ensuite identifier les
donnes et connaissances disponibles qui pourraient tre utiles pour construire une
argumentation logique base sur le risque (lvaluation des risques) qui rponde ces questions.
En gnral, on doit faire un compromis car il se peut quune approche spcifique dvaluation
des risques ne soit pas capable de rpondre toutes les questions, mais puisse fournir une
rponse de meilleure qualit. Il se peut aussi que les donnes disponibles ne permettent de
rpondre aucune question. Do limportance considrable que peut revtir le dialogue entre
lvaluateur et le gestionnaire des risques pour dfinir la forme dune valuation des risques.
Ce processus aide souvent mieux comprendre la valeur dautres informations qui ne sont
pas disponibles. On peut se demander quelle autre dmarche on pourrait adopter si lon arrivait
trouver des donnes particulires. Suivant le temps quil lui reste avant de prendre une
dcision, et les ressources disponibles, le gestionnaire des risques peut estimer que cela vaut la
peine dattendre, ou dengager des dpenses pour acqurir ces donnes dans lespoir de formuler
une opinion en connaissance de cause.
Il est tentant de planifier la structure dune valuation susceptible de rpondre toutes les
questions du gestionnaire des risques, pour ensuite tenter de trouver les donnes ncessaires
pour remplir lvaluation, mais dans le domaine de la scurit sanitaire des aliments, cette
approche est voue lchec car les donnes manquantes sont lgion. Ltablissement dune
liste de toutes les donnes que lon souhaiterait obtenir donnerait donc forcment des
rsultats dcevants. Dautres approches prliminaires ont t proposes pour tenter de
dterminer la forme de lvaluation des risques, notamment la construction dun
raisonnement simplifi, fond sur un modle, pour dcrire le systme ou le processus avant
didentifier les donnes disponibles. Les lacunes des donnes sont tudies de faon plus
approfondie dans dautres ouvrages (Fazil et al., 2005; FAO/OMS, 2008), mais les raisons de
ces lacunes peuvent tre rsumes de la faon suivante:
On navait jusque l pas jug important de recueillir ces donnes;
23
Les donnes provenant dautres rgions ne sont pas considres comme pertinentes ;
Les donnes ont t collectes et/ou signales dune manire inapproprie par rapport aux
besoins de lvaluation des risques.
24
Objet dune valuation des risques microbiologiques menaant la scurit sanitaire des aliments
directement un expert son opinion sur les probabilits dune tape spcifique, quil exprimera
en des termes tels que leves, faibles, ngligeables, etc. Linterprtation de ces termes est elle
aussi subjective, comme on va le voir dans les valuations qualitatives des risques en gnral
(voir Chapitre 3) et la manire dont le lecteur valuera les rsultats devra tre fonde sur
lvaluation des experts slectionns. En principe, cette mthode ne devrait tre adopte qu
titre temporaire, jusqu ce que lon dispose de donnes plus prcises.
2.7 Le rle des scnarios optimiste et pessimiste
Comme technique de filtrage dans le domaine de lvaluation des risques, par exemple dans le
cadre dun profil de risque, il peut tre utile danalyser le scnario le plus favorable ou le plus
dfavorable pour avoir une ide de ce qui se pourrait se passer de mieux ou de pire. Le scnario
le plus dfavorable, ou pessimiste, est gnralement utilis pour dterminer sil y a lieu de se
proccuper dun risque ou dune voie dexposition. Aucune analyse supplmentaire nest
ncessaire si lestimation la plus pessimiste montre que le niveau de risque est infrieur un
certain seuil (ex : niveau de risque ngligeable).
Inversement, le scnario le plus favorable, ou optimiste, peut tre utilis pour filtrer les
options possibles en matire de gestion des risques. Le gestionnaire des risques peut exclure
certaines options si lestimation la plus optimiste a tabli que les avantages qui en dcoulent ne
justifient pas leur cot.
Les scnarios optimiste et pessimiste fonctionnent un peu comme des scnarios de
simulation extrmes. Si un paramtre dun modle est entach dune incertitude trs grande,
mais quantifie, on utilise une valeur qui donne lextrme requis. Il sagit gnralement dune
valeur extrme issue de la distribution de lincertitude du paramtre, comme son 1er ou son
99me percentile. Cependant, quand il ny a pas de relation monotone entre la valeur du
paramtre et lestimation du risque (ce qui signifie que la grandeur du risque estim crot/dcrot
seulement si la valeur du paramtre crot/dcrot ou, inversement, que la grandeur du risque
estim dcrot/crot seulement quand la valeur du paramtre crot/dcrot), lestimation du
risque extrme se trouve plus vers le centre de la distribution de lincertitude du paramtre.
En cas dincertitude sur les voies dexposition et lattribution du risque, lestimation du
risque extrme sobtient en prenant la voie la plus pessimiste (ou optimiste): par exemple
supposons que toutes les salmonelles proviennent du poulet .
Les analyses du cas le plus dfavorable ont des inconvnients : elles sont gnralement
centres sur les consquences de lhypothse la pire, sans tenir compte des probabilits que ce
scnario pessimiste se vrifie, et il est difficile de spcifier les conditions susceptibles de
conduire au cas le plus dfavorable (ou le plus favorable), car les extrmes absolus ne sont
limits que par notre imagination. Au contraire, dans tous les cas o les valeurs dun paramtre
ou les voies dexposition sont connues avec une grande certitude, il convient de les utiliser pour
viter de concevoir un scnario extrme tellement pessimiste (ou optimiste) quil est irraliste.
Lvaluation de scnarios optimistes et pessimistes peut tre considre comme une
valuation des risques si les informations sur la probabilit extrme sont crdibles et juges
suffisantes par le dcideur.
2.8 Degr de fiabilit des rsultats de lvaluation des risques
Les rsultats de toute valuation des risques sont entachs dune certaine incertitude. Mme si
toutes les rgles sont respectes en matire de transparence, de description des incertitudes du
25
modle et des paramtres, et de toutes les hypothses implicites ou explicites, les gestionnaires
des risques ne sauront pas quel degr de confiance lvaluateur des risques accorde aux rsultats
de lvaluation, et ils ne connatront pas les limites de son application. Ainsi, les valuateurs
des risques doivent expliquer le niveau de confiance quils accordent aux rsultats de
lvaluation. Toutes les hypothses devraient tre reconnues et explicites dans des termes
comprhensibles pour des profanes (non mathmaticiens). Par exemple, au lieu de dire les
maladies sont supposes suivre un processus de Poisson , il vaut mieux dire les maladies ont
t modlises comme un processus de Poisson, ce qui signifie que toutes les maladies sont
supposes survenir de faon alatoire dans le temps, indpendamment les unes des autres, et que
le risque dune maladie est constant dans le temps ou se rpte selon un schma saisonnier
quelconque . Ce genre dexplication permettra au gestionnaire des risques de mieux
comprendre les hypothses, et peut-tre de poser des questions plus pertinentes sur ce qui se
passerait si elles ntaient pas respectes.
La caractrisation des risques devrait inclure une description des atouts et des limites de
lvaluation ainsi que de ses effets sur lensemble de lvaluation. La caractrisation des risques
devrait aussi dire si lvaluation rpond bien aux questions formules au dpart. Il est important
de bien expliquer leffet des hypothses sur la validit de lvaluation. Des arguments peuvent
tre utiles pour la circonscrire, par exemple: si lhypothse X savrait incorrecte, le risque ne
pourrait pas logiquement tre plus grand que Y, condition que toutes les autres hypothses
soient vraies.
Le chapitre 6 donne des avis dtaills sur lassurance de la qualit des caractrisations des
risques et sur lvaluation de leur robustesse et leur crdibilit.
28
Toutefois, les valuateurs ont reconnu la ncessit dinclure dans une valuation des risques
des rsultats chiffrs dans le contexte dun examen circonstanci des limites des donnes et de
29
lanalyse, des principales hypothses ou variables, et des aspects qualitatifs du risque non
clairs par une analyse quantitative. Les mmes principes logiques sappliquent toutes les
valuations, quelles soient quantitatives ou qualitatives.
Il arrive que lon commence par entreprendre une valuation qualitative, dans lintention de
la complter par une valuation quantitative si lon estime par la suite quelle sera ncessaire ou
utile.
Il arrive quune valuation qualitative fournisse au gestionnaire du risque ou au dcideur
toutes les informations dont il a besoin. Cest le cas si les informations recueillies comprennent
quelque lment de preuve qui montre que le risque est effectivement ngligeable et que les
travaux effectus jusqu prsent suffisent. Des lments de preuve peuvent au contraire
indiquer que le niveau de risque est trop lev pour tre acceptable, ou quune ou plusieurs
consquences sont tellement inacceptables que des mesures de sauvegarde doivent tre
adoptes, quelle que soit lampleur du risque. De la mme manire, des valuations qualitatives
peuvent tre effectues dans un premier temps pour explorer ou mettre en uvre rapidement des
mesures de protection, si les experts concordent pour dire que ces mesures seront
immdiatement efficaces et utiles. Ainsi, sil existe des sources videntes de risque qui peuvent
tre limines, il ny a pas lieu dattendre les rsultats dune valuation quantitative complte
pour mettre en place des interventions visant rduire le risque. Une valuation qualitative des
risques peut aussi fournir les indications ncessaires sur une (des) voie(s) de risque jusque l
non identifies, ce qui permet au gestionnaire des risques de prendre des dcisions ou
dappliquer des mesures de sauvegarde sans avoir procder une quantification ultrieure.
La FAO et lOMS (2004) ont not ce qui suit:
Les valuations qualitatives des risques peuvent tre entreprises, par exemple, sur la base
dhypothses dexperts. En synthtisant les connaissances des experts et en dcrivant quelques
incertitudes, on peut au moins tablir un classement des risques relatifs, ou les diviser en
catgories de risques Quand les valuateurs comprennent comment sont faites les valuations
qualitatives des risques, elles peuvent devenir des instruments efficaces entre les mains des
gestionnaires des risques.
Conscientes du fait que, dans certaines circonstances, comme celles indiques ci-dessus, les
valuations qualitatives peuvent tre conduites rapidement, utilises pour rpondre des
questions spcifiques, et rvler quil nest pas ncessaire dentreprendre une importante
valuation pleinement quantitative de lexposition et du risque pour donner des avis
pertinents au gestionnaire du risque.
3.1.2 Lvaluation qualitative des risques dans le domaine de la scurit sanitaire des aliments
Les valuations qualitatives des risques ont t massivement utilises pour valuer les risques
lis limportation danimaux et de leurs produits. Sachant que bon nombre de ces produits sont
destins lalimentation humaine, les valuations des risques limportation ont aussi port sur
des produits alimentaires destins la consommation humaine. Jusquici, elles ont cependant
toujours t centres sur le risque quun pathogne exotique spcifique, prsent dans un aliment,
soit introduit dans une rgion ou un pays ou importateur potentiel. Lintention est gnralement
de dterminer si le risque dimporter le pathogne dans le produit est trop lev pour tre
acceptable pour le pays importateur, et sil convient par consquent dadopter des mesures de
protection (du type cuisson, conglation, essais ou prohibition pure et simple). Les valuations
des risques ont rarement t centres sur dautres consquences, telles que les effets potentiels
sur la sant humaine, mme si le pathogne pouvait tre organisme zoonotique.
30
Dune manire gnrale, les valuations des risques limportation de produits alimentaires
cherchent dterminer la probabilit de la prsence dun pathogne dans ce produit, afin que
des mesures protectionnistes puissent tre adoptes, si cette probabilit est inacceptable. Les
valuations des risques lis aux produits alimentaires pour la scurit sanitaire et la sant
humaine, sont gnralement conues pour valuer non seulement les probabilits de la prsence
dun pathogne, mais aussi la quantit du pathogne prsent, afin de pouvoir dterminer la
rponse de lorganisme humain la dose probable. Cest ce dernier aspect qui fait que les
valuations qualitatives des risques sont parfois perues comme moins utiles dans le domaine de
la scurit sanitaire des aliments, mme si lon sait que de nombreuses donnes quantitatives sur
la relation dose-rponse reposent sur des mthodes destimation trs subjectives. On a vu au
Chapitre 2 que toutes les tapes du processus dvaluation des risques (Identification des
dangers, Caractrisation des dangers, valuation de lexposition, Caractrisation des risques)
taient ncessaires dans tous les cas pour aider les gestionnaires des risques en matire de
scurit sanitaire des aliments, choisir des interventions appropries pour grer le risque.
Mme si lon ne possde pas de donnes sur la relation dose-rponse, les interventions visant
rduire lexposition sont souvent des tapes appropries pour limiter le risque, qui pourraient
tre dtermines partir dune valuation qualitative ou quantitative incomplte (cest-dire
sans ltape de caractrisation des dangers). Une valuation des risques pidmiologiques peut
aussi tre faite sans donnes sur la relation dose-rponse.
3.2 Caractristiques dune valuation qualitative des risques
3.2.1 Complmentarit des analyses qualitatives et quantitatives
Les principes fondamentaux dune valuation des risques sappliquent de la mme manire
tous les types dvaluations, qualitatives, semi-quantitatives, ou quantitatives. En effet, toute
valuation doit identifier le danger, dfinir le problme de risque, dcrire les tapes des voies
de risque, recueillir des donnes et informations, notamment sur lincertitude et la variabilit,
combiner les informations dune manire logique, et faire en sorte que le tout soit pleinement
document et transparent. Il sensuit que la plupart des activits sont les mmes, jusqu la
collecte des donnes comprise. On commence donc souvent par tablir un profil de risque, ou
par entreprendre une valuation qualitative ou semi-quantitative, dans lintention de la
complter par une valuation quantitative, si on juge par la suite quelle est ncessaire, utile et
ralisable.
Les investigations faites lors dune analyse qualitative des risques peuvent tre suffisamment
dtailles pour donner au gestionnaire des risques ou au dcideur toutes les informations dont il
a besoin. Cest par exemple le cas si les informations recueillies comprennent quelque lment
de preuve qui montre que le risque est effectivement ngligeable et que les travaux effectus
jusqu prsent suffisent. Des lments de preuve peuvent au contraire indiquer que le niveau de
risque est trop lev pour tre acceptable, ou quune ou plusieurs consquences sont tellement
inacceptables que des mesures de sauvegarde doivent tre adoptes quelles que soient les
probabilits de risque. Une valuation qualitative des risques peut aussi fournir les indications
ncessaires sur une (des) voie(s) de risque jusque l non identifies, ce qui permet au
gestionnaire des risques de prendre des dcisions ou dappliquer des mesures de sauvegarde
sans avoir procder une quantification ultrieure. Dans ces circonstances, le gestionnaire des
risques ou le dcideur estimera probablement quune valuation quantitative supplmentaire
serait superflue.
31
Un profil de risque (ou une valuation qualitative des risques) est recommand si une
valuation quantitative est prvue. Ce profil peut tre utile pour identifier les donnes
actuellement disponibles, les incertitudes qui entourent ces donnes et les incertitudes
concernant les voies dexposition, afin de se prononcer sur la faisabilit et lutilit dune analyse
quantitative. Il peut aussi servir identifier les donnes manquantes pour cibler les tudes quil
conviendra de faire avant de procder la quantification. Enfin, lvaluation qualitative peut
chercher dterminer lampleur probable des risques associs des voies de risque multiples,
telles que les voies dexposition, afin de dsigner celles quantifier en priorit.
Quelle que soit lintention initiale, lorsquune valuation qualitative des risques a dj t
effectue, une bonne partie du travail sur lequel repose une analyse quantitative est dj faite.
Pour le mme problme de risque, lanalyse quantitative pourra sappuyer sur les voies de
risque dj identifies et sur les donnes dj collectes pour chiffrer le risque.
3.2.2 Subjectivit des conclusions textuelles, dans les valuations qualitatives des risques
Lvaluation de la probabilit dune tape quelconque de la voie de risque, ou du risque global,
en termes de lev , moyen , faible , ngligeable , etc. a un caractre subjectif : en
effet lvaluateur interprte ces termes selon ses propres concepts, alors quils peuvent avoir, et
ont gnralement, une signification diffrente selon les personnes. Cest l lune des principales
critiques adresses aux valuations qualitatives des risques. Cependant, les estimations finales
des valuateurs ne devraient jamais tre considres isolment et il en va de mme pour les
rsultats chiffrs des valuations quantitatives des risques - ce qui ne fait que confirmer la
ncessit que les donnes et la logique sur lesquelles sest fond lvaluateur pour estimer le
risque soient bien documentes et transparentes.
Nimporte quelle valuation des risques fait appel au jugement. Il peut sagir du jugement de
lvaluateur et/ou dune opinion dexpert, et dans les deux cas, ces jugements sont subjectifs. Ce
jugement intervient pour dfinir la porte du problme, slectionner ou rejeter des donnes,
identifier les voies de risque, appliquer des coefficients de pondration aux donnes ou aux
voies modlises, choisir les distributions dans un modle stochastique, slectionner une
description des termes lev, faible, etc. dans une valuation qualitative. Cest pourquoi un
gestionnaire des risques, un dcideur ou un autre intress qui a besoin dutiliser une valuation
des risques donne, ou souhaite la comprendre, ne doit pas se contenter de regarder le rsultat
final . Il doit savoir comment on est arriv ce rsultat.
Beaucoup de gens ne sont pas suffisamment qualifis pour comprendre immdiatement les
calculs effectus dans une valuation quantitative des risques. Ils ont besoin des explications et
des opinions de lvaluateur qui doit dire comment le rsultat a t atteint, et dcrire les
hypothses, les jugements, les incertitudes, etc. pris en compte dans les calculs. Si lvaluateur
est aussi un bon pdagogue, ses explications peuvent suffire, mais si ce nest pas le cas, le
gestionnaire des risques a trs peu de chances de pouvoir comprendre tout seul limportance et
la signification du rsultat quantitatif.
Comme on la not dans les Sections 2.4 et 3.1, lexpression mathmatique du risque
inhrent dans une analyse quantitative peut limiter laccessibilit de lvaluation, si elle ne
contient pas dexplications textuelles. De la mme manire, pratiquement tout le monde devrait
tre capable de comprendre et de suivre largumentation dune valuation qualitative si elle a
t rdige de manire transparente et logique. En examinant lvaluation complte, le
gestionnaire des risques peut donc voir immdiatement sil est daccord avec les conclusions de
lvaluateur.
32
Bien que les mots soient interprts de faon subjective, la manire dont les gens utilisent
ces termes est lie, de sorte quils donnent une ide de la grandeur du risque. Par exemple, si
99% de la population a des probabilits dtre infecte par un pathogne potentiel P, la plupart
des gens considreront que ce risque est trs lev (ou plus encore). linverse, sil na jamais
t dmontr quun pathogne potentiel P infectait lhomme, bien quil ait fortement contamin
lenvironnement dans toutes les rgions du monde et que la population ait t soumise des
tests trs sensibles, la plupart des gens dcriront probablement ce risque comme excessivement
faible (ou nul). Si, en outre, il a t dmontr que P tait un organisme trs stable avec des
probabilits de mutation trs faibles, beaucoup pourraient mme qualifier ce risque de
ngligeable. Les risques classs comme intermdiaire dans les valuations quantitatives sont
ceux qui recueilleront le moins le consensus. Cette question est examine de faon plus
approfondie dans la section 3.2.4.
Le terme ngligeable , au sens o il est utilis dans les valuations qualitatives des
risques, signifie que, pour toutes les applications pratiques, la grandeur dun risque ngligeable
ne peut pas tre diffrencie de zro, par des mthodes qualitatives (voir par exemple
lutilisation de ce terme dans Murray et al., 2004). Le terme zro nest pas employ car
dans le domaine de la salubrit microbiologique des aliments, la notion de risque zro nexiste
pas. Notons au passage que, comme le terme ngligeable peut tre interprt au sens de
peut tre nglig , il peut tre considr comme un terme de gestion des risques dans la
mesure o il implique un jugement. Dans certaines situations, un gestionnaire des risques
considrera un risque dtermin comme ngligeable, non pas parce quil ne peut pas tre
diffrenci de zro, mais parce quil estime que les mesures visant le rduire encore ne sont
pas justifies, pour des raisons conomiques ou de faisabilit technique. En ce sens,
ngligeable peut aussi tre interprt comme niveau minimum raisonnablement
ralisable .
3.2.3 Limites dune caractrisation qualitative des risques
Intuitivement, il est difficile de concevoir une valuation des risques pleinement qualitative qui
fournisse des avis utiles aux gestionnaires des risques, sauf dans quelques cas particuliers o le
nombre de facteurs susceptibles davoir une incidence sur le risque analys est trs faible (ex :
moins de quatre) ou quand tous les facteurs qui ont une incidence changent le risque dans la
mme direction, ce qui veut dire que chaque tape du processus accrot le risque au plus haut
niveau ou catgorie pour cette tape, ou inversement. Dans tous les autres cas, il est
pratiquement impossible dvaluer leffet combin de plusieurs stades, car les contributions
relatives des facteurs, exprimes en termes qualitatifs, ne peuvent pas tre combines de
manire logique pour dterminer leur effet global. Ainsi, si une valuation pleinement
qualitative des risques peut identifier des voies ou des scnarios qui conduisent des niveaux
de risque extrmes, le risque relatif dcoulant de tous les autres scnarios ne peut pas tre
diffrenci sur une base logique. Un raisonnement logique de type qualitatif peut fournir des
conclusions comme le risque est logiquement infrieur celui de X , o X est un autre
risque, quantifi de faon plus prcise, qui a prcdemment t jug acceptable, ou le risque
est logiquement suprieur celui de Y o Y est un autre risque, quantifi de faon plus
prcise, qui a antrieurement t jug inacceptable. On peut toutefois faire valoir quil sagit en
fait dvaluations quantitatives des risques, respectivement bases sur des scnarios optimiste et
pessimiste. Cox, Babayev et Huber (2005) ont tudi de faon plus approfondie ces limites,
avec des exemples lappui.
Le prsent chapitre traite cependant de la caractrisation qualitative des risques, et il tudie
les mthodes qui permettent de combiner les donnes qualitatives dcrivant lexposition et la
33
relation dose-rponse pour produire une estimation du risque. Les principaux problmes et
limites potentiels sont lis la prsentation approprie des lments de preuve et la
transparence de la synthse logique.
La description qualitative dun risque ne peut tre utile un gestionnaire des risques que si
ce dernier interprte de la mme manire que lvaluateur des termes subjectifs comme
faible , ngligeable , etc. ou dautres descripteurs (voir aussi Section 3.2.2). La conclusion
dune caractrisation des risques (indiquant par exemple un risque faible ) na gure de
signification pour un gestionnaire du risque si ce verdict nest pas accompagn dune indication
quelconque de ce que lauteur du rapport entend par faible . En outre, cette conclusion ne dit
rien sur les lments qui pourraient faire passer le risque tiquet un autre niveau que
faible . Ainsi, si lon prsentait des preuves que 25% du produit ntait pas stock congel, le
risque augmenterait-il pour devenir modr ?
Les analyses qualitatives ptissent souvent de lincapacit identifier les lments de preuve
qui ont eu une influence, la manire dont ils ont t combins, et liminer lambigut
concernant la signification des catgories de risque attribues par la caractrisation des risques.
dfaut de critres explicites pour expliquer ce que lon entend par risque lev, modr et
faible, les conclusions pourraient ressembler des jugements arbitraires et subjectifs sur le
niveau de risque. Ces dfaillances tendent faire de la caractrisation qualitative des risques un
instrument souvent inacceptable pour faciliter la prise de dcision.
On peut prsenter une analyse pour lui donner une apparence structure alors quelle ne lest
pas, en insrant des titres standards, tels que valuation de lexposition, caractrisation des
dangers et caractrisation des risques, mais il y a peu de chances pour quun tel document soit
rellement considr comme une caractrisation des risques. On trouvera la section 3.4 des
exemples dapproches qualitatives dans lesquelles la corrlation entre les lments de preuve et
la conclusion est explique.
Si lvaluation des risques sadresse un public plus large, les auteurs doivent avoir prsent
lesprit que les mots ou les termes utiliss comme descripteurs peuvent tre interprts
diffremment suivant la langue ou les rgions. Mme sil y a un consensus entre les valuateurs
et les gestionnaires des risques ce sujet, certaines limites des valuations qualitatives des
risques peuvent tre identifies.
3.3 Ralisation dune caractrisation qualitative des risques
3.3.1 Description de la (des) voie(s) de risque(s)
Les voies du risque sont les voies potentielles qui mnent du danger considr au rsultat
considr. Toute valuation des risques se doit didentifier et de dcrire ces voies. On dtermine
les donnes quil convient de collecter et dincorporer, sur la base des tapes dfinies dans la
voie du risque. Lordre dans lequel sont prsentes les donnes et lidentification des
probabilits calculer et des conclusions, reposent sur la connaissance des tapes fondamentales
de la voie du risque.
3.3.2 Besoins en donnes
Les donnes utilises dans les valuations qualitatives, semi-quantitatives et quantitatives des
risques comprennent des informations numriques et textuelles. Les problmes gnraux
concernant la qualit et la pertinence des donnes pour les valuations des risques sont traites
dans dautres directives FAO/OMS sur lvaluation des risques (FAO/OMS, 2003, 2008). Deux
34
grands types de donnes sont ncessaires pour une valuation des risques, quelle soit
qualitative ou quantitative, savoir :
les donnes utilises pour dcrire la voie du risque, puis construire le cadre du modle;
les donnes utilises pour estimer les paramtres dentre du modle.
Pour certaines questions intressant la gestion des risques, il peut tre ncessaire didentifier
toutes les voies dexposition un mme pathogne, de manire pouvoir attribuer leffet sur la
sant la source tudie. Ces informations peuvent tre textuelles mais une valuation des
risques sera beaucoup plus solide si lon dispose dinformations quantitatives, notamment issues
danalyses pidmiologiques statistiques. La description des voies qui relient un aliment ou un
animal une exposition humaine au pathogne est une information textuelle utile aussi bien
pour les valuations qualitatives que quantitatives. Des discussions avec des producteurs et/ou
des transformateurs et des observations la ferme ou dans des usines de transformation des
aliments, par exemple, permettront de dcrire les tapes dans la voie du risque tudie. Cette
description est ensuite convertie en un graphique, pour plus de clart, et sert de base pour dfinir
les tapes dans le cadre du modle. ce niveau, les besoins sont les mmes pour les valuations
qualitatives et quantitatives.
Le deuxime type de donnes celles qui sont utilises pour estimer les paramtres dentre
du modle - doivent toutes tre chiffres pour une valuation quantitative des risques. dfaut,
les lacunes seront combles par des opinions dexperts ou des donnes de substitution
quantifies. En outre, les ventuelles incertitudes ou variabilits doivent tre incorpores sous
une forme mathmatique, gnralement en tant que distributions. Lorsquil y a plusieurs sources
de donnes pour un paramtre dentre, elles doivent tre pondres et/ou combines dans des
formules mathmatiques appropries refltant leur importance dans lestimation du paramtre
tudi. Malgr son nom, une valuation qualitative des risques doit avoir le plus de donnes
chiffres possible insrer dans le modle. La recherche dinformations, et donc de donnes
chiffres, devrait tre aussi approfondie que pour une valuation quantitative. En outre, si lon
manque de donnes numriques cruciales, on peut l encore avoir recours des opinions
dexpert. La principale diffrence entre les approches qualitatives et quantitatives tient la
manire dont sont traites les donnes et les opinions dexperts une fois quelles ont t
obtenues.
3.3.3 Prise en compte de lincertitude et de la variabilit
Une valuation qualitative des risques doit tenir compte de lincertitude et de la variabilit. Par
exemple, lorsque lon dispose de donnes donnant une fourchette ou une distribution spcifique,
celle-ci doit tre dcrite dans lvaluation des risques. Toutefois, il nexiste pas de mthode
particulire permettant dinclure lincertitude et la variabilit dans un paramtre dentre et de
les reflter avec prcision dans lestimation finale du risque, mme si lon a des donnes
chiffres. Comme dans le cas de lvaluation du risque, lvaluation globale de lincertitude et
de la variabilit provenant de cette source sera faite dans des termes descriptifs tels que
beaucoup , peu , etc.
Lune des possibilits, pour inclure la variabilit, consiste laborer plusieurs scnarios (ex:
conditions quasi-optimales, situation normale, et une srie de conditions adverses) refltant la
variabilit, valuer sparment chaque scnario de risque et comparer les rsultats. Cette
approche mettra en vidence la variabilit sil y a une large gamme de scnarios prsentant des
risques trs variables. Toutefois, si les scnarios produisent des rsultats trs diffrents et que
les probabilits relatives de chaque scnario ne sont pas dcrites, cette analyse na pas
35
forcment une grande valeur pour clairer la prise de dcision. On notera que les risques pour
une population peuvent tre domins, ou tout au moins fortement influencs, par les scnarios
plus extrmes (ex: conditions conduisant un risque par portion relativement lev) mme si les
probabilits quils se concrtisent sont plus faibles. Il est important que lvaluateur des risques
dtermine dans son analyse sil y a des probabilits que ce soit le cas pour les risques sur
lesquels porte lvaluation.
Dune manire gnrale, linfluence des facteurs cls devrait tre examine de faon trs
approfondie si lincertitude inhrente ces facteurs (ex: prvalence, efficacit de traitement) est
suffisante pour altrer la mesure de la caractrisation du risque. Ceci est particulirement
important si, dans la fourchette dincertitude, la mesure de caractrisation des risques peut
dpasser un seuil important pour la prise de dcision.
Il existe cependant dautres types dincertitude. Lun deux est lincertitude du modle. Dans
ce cas, lincertitude concerne les voies relles par lesquelles le rsultat non souhait peut se
produire. Dans une valuation qualitative des risques, les diffrentes voies seront dcrites, de
prfrence avec des graphiques, lincertitude du modle sera reporte et les autres possibilits
examines.
Il peut y avoir un autre type dincertitude quand des donnes sont disponibles, mais quand
leur description nest pas assez circonstancie. Supposons par exemple que lon entreprenne une
valuation des risques dans laquelle le danger est reprsent par une sous-espce S dune espce
de microbe M. Supposons encore que partout dans le monde, les donnes sur ce microbe soient
disperses, mais que lon ait quelques donnes sur une sous-espce non spcifie du microbe M.
Dans une valuation quantitative des risques, il faudrait dcider si la gamme de sous-espces
connues de M est suffisamment similaire S, pour que lon puisse utiliser ces donnes non
spcifies. Si on les utilise, on peut obtenir une rponse prcise, mais inexacte (si la sous-espce
est en ralit trs diffrente) alors que si on ne les utilise pas, on risque de manquer
dinformation sans ncessit (sil sagissait en fait de la sous-espce S). La dcision serait
subjective et fonde sur les opinions de lvaluateur ou dexperts. En revanche, avec une
valuation qualitative, les donnes peuvent tre dcrites telles quelles sont signales et le
manque de prcision de lidentification de la sous-espce sera vident. En outre, des
informations peuvent tre donnes concernant la similitude probable ou non du comportement,
des proprits, etc., dune sous-espce connue de M. On peut donc utiliser toutes les donnes
disponibles, charge pour le lecteur den analyser la pertinence, au lieu de choisir entre deux
extrmes, en rejetant ou en donnant trop de poids des donnes dont la description est
imprcise. Cela devrait aussi renforcer la transparence. La ncessit danalyser de faon
transparente la pertinence et la fiabilit des donnes relatives une sous-espce non spcifie
de M, sapplique galement aux valuations quantitatives.
3.3.4 Transparence des conclusions
Une valuation qualitative des risques devrait montrer clairement comme on est arriv
chacune des estimations du risque. La manire prcise de le faire dpend de la complexit de
lvaluation et des prfrences de lvaluateur. Les mthodes utilises sont les suivantes:
Prsentation en tableau, avec les donnes dans la colonne de gauche, et les conclusions
relatives au risque dans la colonne de droite;
Prsentation avec section pour la synthse ou les conclusions la fin de chaque section de
donnes
36
On trouvera aux Tableaux 3.1 et 3.2 des exemples de ces prsentations illustrant les bonnes
pratiques (documentation des preuves et raisonnement logique). Ces exemples se fondent sur des
tapes particulires dune valuation globale des risques devant rpondre la question suivante :
Quelle est la probabilit dune maladie humaine due au microbe M dans un pays C, par suite de la
consommation de viande dune espce de btail S infecte par le microbe M. ?
Tableau 3.1 Format tabulaire type pour la prsentation des donnes lies aux estimations et aux
conclusions relatives un risque.
tape examine:
Quelle est la probabilit quun chantillon slectionn de faon alatoire dune espce S dans un pays C soit infect par
le microbe M?
Donnes disponibles
Tableau 3.2 Format par sections type pour la prsentation des donnes lies aux estimations et aux
conclusions relatives au risque.
SECTION X. Quelle est la probabilit dune maladie humaine, compte tenu dune infection par le microbe M?
Donnes disponibles
Aucune donne spcifique sur la relation dose-rponse na t trouve en ce qui concerne le microbe M.
Les autorits sanitaires du pays C fournissent les donnes suivantes (National Health Reviews, 19992002*).
Lincidence sur la priode aurait t de 22 cas par an et par million dhabitants (22 pour un million = 0,000022% de la
population par an).
Les systmes denregistrement et de dclaration de lincidence clinique dans le pays C sont considrs comme dexcellente
qualit (Bloggs, communication personnelle.*).
Daprs les opinions dexperts, une fois que les symptmes cliniques apparaissent, les personnes concernes vont
gnralement consulter un mdecin (Journal of Microbial Medicine, 1992*).
Les cas tendent tre observs chez les personnes trs jeunes ou trs ges (Journal of Microbial Medicine, 1992*).
Une tude de surveillance reposant sur des tests de dpistage srologique a indiqu que 35% de la population de C avait t
expose au microbe M et tait devenue sropositive (Hunt, Hunt et Seek, 2001*). Il sagissait dune tude statistiquement
reprsentative lchelle du pays.
*Rfrences fictives, donnes uniquement des fins illustratives
Conclusions
37
Les donnes indiquent un niveau lev dexposition au microbe M dans le pays C, mais une trs faible incidence de maladie
clinique. Les experts estiment peu probable que cette faible incidence reflte une sous-dclaration de la maladie clinique faute
dintervention des mdecins. Globalement, la probabilit de maladie humaine conscutive une infection par le microbe M est
donc vraisemblablement faible. Le niveau dincertitude des donnes concernant spcifiquement le pays C semble faible, de sorte
que cette conclusion peut tre considre comme raisonnablement certaine.
Les donnes indiquent cependant aussi que certains groupes ont un risque plus lev de contracter une maladie clinique, en
particulier les personnes trs jeunes ou trs ges. Les donnes actuellement disponibles ne dfinir avec plus de prcision ce risque
plus lev .
Type de dcharge
Directement sur la plage
Courtea
Effectiveb
Trs lev
lev
NAd
Prliminaire
Trs lev
lev
Faible
Trs lev
lev
Faible
Secondaire
lev
lev
Faible
Modr
Modr
Trs faible
Tertiaire
Modr
Modr
Trs faible
Trs faible
Trs faible
Trs faible
Lagunes
lev
lev
Faible
Notes: a) Le risque relatif est modifi par la taille de la population. Il est accru si les dcharges proviennent de populations
importantes et dcru si les populations sont peu nombreuses. b) Cela suppose que la capacit nominale na pas t dpasse et que
les conditions climatiques et ocaniques extrmes sont prises en compte dans lobjectif nominal (pas de rejets deaux uses dans la
zone de la plage). c) Inclut les dbordements dgouts combins. d) NA = non applicable. e) Investigations supplmentaires
recommandes pour tenir compte de labsence de prvision concernant les organismes fcaux indicateurs.
38
39
scientifiques sur loccurrence de lEST chez les petits ruminants. Dans la mesure o elle est
ralisable, une telle valuation prendra beaucoup plus de temps.
Descripteur
Description type
Presque certain
Probable
Possible
Peu probable
Rare
Descripteur
Description type
Ngligeable
Mineur
Modr
Impact mineur pour une population nombreuse; modification significative, mais grable du
fonctionnement normal ; augmentation des cots de fonctionnement ; renforcement de la
surveillance
Majeur
Impact majeur pour une petite population; systmes compromis de faon significative et
fonctionnement anormal ou arrt; Niveau de surveillance lev requis
Catastrophique
Impact majeur pour une population nombreuse; arrt complet des systmes
Tableau 3.4c Analyse qualitative des risques: matrice de classification des niveaux de risque
Probabilit
Impact
1 Ngligeable
2 Mineur
3 Modr
4 Majeur
5 Catastrophique
A (Presque certain)
Modr
lev
B (Probable)
Modr
lev
Trs lev
Trs lev
Trs lev
lev
Trs lev
Trs lev
C (Possible)
Faible
Modr
lev
Trs lev
Trs lev
D (Peu probable)
Faible
Faible
Modr
lev
Trs lev
E (Rare)
Faible
Faible
Modr
lev,
lev
Il est extrmement difficile dvaluer les risques lis un produit contamin par lESB
tant donn quil nexiste aucun moyen de mesurer le nombre de prions prsents dans un
produit alimentaire, et que lon ne dispose daucune relation dose-rponse humaine pour les
niveaux de prions. LEFSA devait cependant fournir des observations sur le niveau du risque
ci-dessus et comptait sur un groupe dexperts pour examiner les donnes disponibles.
40
Tableau 3.5 Risque gographique dESB (GBR) en 2003 dans sept pays, valu par lEFSA (2004b). Les
niveaux des valuations antrieures sont galement indiqus.
Catgorie Prsence dun ou plusieurs bovins prsentant une infection Situation actuelle du GBR dans
GBR
clinique ou prclinique par lagent de lESB dans un pays le pays ou la rgion (tat
ou une rgion gographique donn(e)
antrieur)
I
Hautement improbable
Australie (I)
II
Norvge(I), Sude(II)
III
IV
Nant
42
modle mathmatique complet. Si des valuations pleinement quantitatives des risques ont pu
tre effectues, leurs rsultats peuvent tre inclus dans une justification semi-quantitative, mme
si cela se fait gnralement au dtriment de la prcision quantitative, dans la mesure o les
probabilits ou limpact chiffrs de faon prcise dans lvaluation quantitative, se retrouvent
dans des catgories couvrant de larges fourchettes de probabilit et dimpact. Du fait quil peut
examiner un plus grand nombre de risques et de stratgies dintervention possibles dans le cadre
dune seule analyse, le gestionnaire des risques a une vue plus panoramique du problme, ce
qui lui permet de concevoir une stratgie plus globale.
4.2 Caractristiques dune valuation semi-quantitative des risques
Une valuation semi-quantitative des risques repose sur ltablissement de catgories, et sur des
descriptions non techniques de la probabilit, de limpact et de la gravit dun risque
(combinaison de la probabilit et de limpact), telles que: Trs faible, Faible, Moyen,
lev , et Trs lev , ou sur une chelle de notation quelconque, par exemple de A F.
Afin que ce type de classement par catgories soit dpourvu dambigut et utile, la gestion doit
fournir une liste exhaustive (sans doublons) des termes dsignant les catgories utiliser, ainsi
que des dfinitions claires de chaque terme. Par exemple, un risque de probabilit Faible
pourrait tre dfini comme un risque individuel ayant une probabilit comprise entre10-3 et 10-4
de survenir en un an, alors quun impact lev pourrait correspondre un individu souffrant
de squelles long terme altrant sa qualit de vie. Cette tape est cruciale, car un certain
nombre dtudes ont montr que mme des professionnels qui connaissent bien la thorie des
probabilits et qui prennent rgulirement des dcisions sur la base dvaluations des risques
ninterprtent pas de faon constante les descriptions des probabilits ( probable presque
certain , etc.), ce qui peut tre une source dincohrence et de manque de transparence. Si elles
ne sont pas accompagnes de dfinitions numriques de la probabilit, des descriptions
subjectives comme faible peuvent tre avoir une connotation diffrente selon lampleur de
limpact du risque: par exemple, une probabilit de maladie diarrhique de 5% dcoulant dune
exposition quelconque pourrait tre considre comme faible , alors quune probabilit de
dcs de 10% rsultant de la mme exposition peut tre considre comme leve. Le nombre
de catgories exprimant la probabilit et limpact devrait tre choisi de faon ce quelles soient
suffisamment reprsentatives pour que lon nait pas perdre de temps discuter de dtails qui
en fin de compte nont pas dincidence sur la dcision du gestionnaire des risques. Les
valuateurs des risques prfrent souvent les chelles cinq points, avec parfois une sixime
catgorie reprsentant la probabilit et limpact zro, et une septime catgorie certaine
reprsentant une probabilit de 1.
La caractrisation des risques sert donner la gestion une estimation non biaise du niveau
du risque considr. Ainsi, si une valuation des risques conclut que le niveau du risque tudi
est faible , elle peut tre perue comme refltant lopinion du gestionnaire des risques, de
sorte quil y aurait confusion entre les rles de lvaluateur et du gestionnaire des risques, ce qui
est lune des principales faiblesses potentielles des valuations qualitatives des risques. Une
valuation semi-quantitative vite ce problme en attachant une signification quantitative
spcifique (plutt quun jugement subjectif) des termes comme faible probabilit . Les
Tableaux 4.1 et 4.2 donnent quelques dfinitions-types des catgories de probabilit, de taux
dexposition et dimpact.
43
Fourchette de probabilit
(probabilit doccurrence par an)
Impossible distinguer de 0
Catgorie
Negligeable
Expositions par an
Impossible distinguer de 0
-4
Trs faible
12
Faible
10-3 10-4
Faible
310
Moyen
10-2 10-3
Moyen
1020
lev
2050
Trs faible
-1
lev
10 10
-2
Trs lev
Certain
Trs lev
>50
Description dimpact
Nant
Pas deffet
Trs faible
Faible
Maladie diarrhique
Moyen
Hospitalisation
lev
Squelles chroniques
Trs lev
Dcs
Catgorie
Fourchette
Trs lev
10-1 1
Moyen
10 20
Faible
10-4 10-3
Probabilit de maladie en un an
Faible ou moyen
10-4 2,10-2
Pendant que lon effectue une valuation qualitative des risques, on peut gnralement faire
une estimation approximative de la probabilit dexposition, etc., partir dune comparaison
avec dautres risques pralablement quantifis ou de bonnes donnes relatives au problme
considr. Si lon na pas suffisamment de temps ou dinformations disposition pour effectuer
une valuation quantitative complte, on peut se rfrer ces catgories pour exprimer le niveau
de risque de faon plus structure quavec une simple description de llment de preuve
obtenu. Par exemple, si lvaluation qualitative a dtermin que la probabilit quune portion
soit contamine est trs leve , que le nombre de portions consommes par une personne
choisie au hasard est moyen et que la probabilit de maladie due lingestion du produit
contamin est faible, on peut conclure que la probabilit compose est de faible moyenne,
en examinant les fourchettes correspondantes, comme indiqu dans le Tableau 4.3, et en se
rfrant aux dfinitions types des Tableaux 4.1 et 4.2.
44
Cette approche permet de tirer des conclusions plus cohrentes et logiques : une faible
probabilit dexposition par portion et une probabilit leve de maladie dcoulant dune
exposition ne peuvent par exemple pas tre classes dans la catgorie des probabilits trs
leves de maladie par portion.
Il est possible dutiliser des catgories pour effectuer une manipulation des probabilits de
type rudimentaire. Par exemple, en dfinissant avec soin les fourchettes assignes chaque
catgorie, on peut combiner une faible exposition avec une probabilit leve dun effet
ultrieur sur la sant (la caractrisation du danger, ou la composante dose-rponse) pour
dterminer la catgorie approprie du risque total. La cohrence et la transparence peuvent tre
maintenues en combinant les catgories assignes aux lments dune valuation des risques si
des fourchettes numriques ont t dfinies pour chaque catgorie, toutefois, la plus grande
prudence est de rigueur (voir la Section 4.3.3).
4.3 Excution dune valuation semi-quantitative des risques
Un tableau P-I (probabilit-impact) permet de visualiser rapidement la gravit relative (en
analyse des risques, le terme gravit dsigne habituellement la combinaison probabilitimpact) de tous les risques identifis relativement au problme considr. Le tableau 4.4 illustre
un exemple. Tous les risques (cest--dire la liste des pathognes susceptibles dapparatre dans
un type daliment donn) sont reports dans le tableau, ce qui permet la fois de reconnatre
aisment les risques les plus menaants et de se reprsenter le risque global associ au type
daliment. Les chiffres figurant dans le tableau sont les indices des risques identifis. Les
risques 2 et 13 par exemple, ont une gravit leve, alors que les risques 3, 5 et 7 ont une gravit
trs faible. Les risques zro vnement par an (probabilit zro, qui sont les risques 11 et 14)
ou impact zro (ex : les risques 8, 9 et 10) ne sont pas des risques proprement parler, mais il
peut tre utile de les documenter dans un tableau P-I pour montrer quils ont t identifis, puis
jugs ngligeables.
Tableau 4.4 Exemple de Tableau P-I pour un risque individuel par an.
TE
6
14
P MOY
A
TF
13,2
15
5
11
NUL TF
3
8,9
T NUL
12
F MOY
10
E
TE
VNEMENTS PAR AN
Des scores de gravit (parfois appels scores de probabilit-impact) peuvent tre utiliss
pour classer les risques identifis. Un facteur dchelle, ou score, est assign chaque
qualificatif utilis pour dcrire chaque type dimpact. Si on se sert dune chelle logarithmique
pour dfinir chaque chelle catgorielle, comme dans les exemples du Tableau 4.1 pour la
probabilit et du Tableau 4.2 pour limpact (vrifier sil y a un logarithme de diffrence entre
45
chaque catgorie dimpact, et ajuster sil y a lieu), les scores de probabilit et dimpact peuvent
tre conus de faon ce que le score de gravit dun risque soit gal la somme des scores de
probabilit et dimpact, ou quelque autre quation mathmatique simple. Le Tableau 4.5
fournit un exemple du type de facteurs dchelle pouvant tre associs chaque combinaison de
type dimpact et de terme.
Dans cet exemple (Tableau 4.5), un impact de 6 a t attribu Trs lev, car ce
qualificatif dsigne la mort, qui marque une augmentation beaucoup plus grande par rapport aux
squelles chroniques, que squelles chroniques par rapport hospitalisation, ou que lune
quelconque des augmentations dimpact. On peut maintenant assigner un score de gravit aux
risques du Tableau 4.4, comme indiqu dans le Tableau 4.6 (o probabilit et taux sont
considrs comme quivalents).
Les scores de gravit permettent dtablir des catgories et un classement des risques selon
la gravit. Dans le systme de notation du Tableau 4.5 par exemple, un risque de gravit
leve a un score suprieur 7, un risque de gravit moyenne a un score compris entre 4
et 6, et un score de gravit faible a un score infrieur 4. Lun des principaux inconvnients
de cette approche de classement des risques est que le processus est trs sensible aux facteurs
dchelle assigns chaque qualificatif dcrivant les impacts du risque.
46
Tableau 4.5 Types de facteurs dchelle pouvant tre appliqus pour dterminer un score
gravit.
Catgorie
Score de probabilit
Score dimpact
Nul
NA
NA
TF
MOY
TE
Tableau 4.6 Exemple de calculs des scores de gravit pour les risques du Tableau 4.4
Indice du
risque
Probabilit
Score de probabilit
Impact
Score dImpact
Score de gravit
13
TE
TE
5+6 = 11
MOY
4+3 = 7
TF
MOY
1+3 = 4
47
TE
P MOY
A
TF
T NUL
NUL TF
F MOY
TE
VNEMENTS PAR AN
Quand on a plusieurs dimensions dimpact, il est plus difficile dtablir un score de gravit
global du risque, car les impacts sadditionnent plutt que de se multiplier. Lapproche la plus
courante consiste tout simplement prendre le niveau maximum des scores de gravit attribus
chaque dimension de limpact. Ce systme fonctionne assez bien si les chelles de probabilit
et dimpact sont de type logarithmique. Ainsi, par exemple, on peut valuer le risque du Tableau
4.7 avec le systme de notation du Tableau 4.5, comme indiqu au Tableau 4.8.
Tableau 4.8 Dtermination dun score de gravit global, par exemple pour le risque 15 du Tableau 4.7.
Type
dimpact
Sanitaire (H)
Probabilit
Score dimpact
Score de gravit
MOY
3+4 = 7
conomique ()
EI
MOY
4+3 = 7
Social (S)
TF
Gravit globale
1+2 = 3
MAX(7,7,3) = 7
Cet exemple (Tableau 4.8) montre que cette analyse est trs grossire, puisque le score de
gravit serait le mme si, par exemple, il ny avait pas de dimension conomique de limpact.
On peut aussi obtenir un score de gravit global par une mthode un peu plus complexe
consistant extraire les scores de gravit de chaque impact des logarithmes, les additionner
puis les reconvertir en logarithmes. Pour les risques du tableau Table 4.8 cela donnerait:
Score de gravit global = LOG10(10^7 + 10^7 + 10^3) = 7,3
4.3.2 Comparaisons des risques et des stratgies de gestion des risques
Le Tableau 4.9 montre on peut se servir dun score de gravit pour sparer les risques figurant
dans le Tableau P-I en trois zones, selon un systme dit des feux tricolores : les risques de
la zone verte sont largement acceptables (faible gravit) ; ceux qui sont dans la zone rouge sont
inacceptables (gravit leve) et les autres risques sont dans la zone intermdiaire orange,
correspondant une gravit moyenne. Compte tenu du caractre trs grossier de cette notation
48
qui sinscrit dans une approche dvaluation semi-quantitative des risques, on a gnralement
intrt analyser de faon plus approfondie les risques oranges, ventuellement au moyen de
mthodes plus quantitatives, pour dterminer sils se trouvent en ralit proximit ou
lintrieur des zones rouges ou vertes.
Tableau 4.9 Sparation des risques en trois zones, en fonction de leur score de gravit : zone verte =
faible gravit, zone orange = gravit moyenne et zone rouge = gravit leve.
10
11
NA
P MO NA
Y
A F NA
C TF NA
TE NA
E
Gravit leve
Gravit moyenne
Gravit faible
T NUL NA NA NA NA NA NA
NUL TF
F MOY E
TE
VNEMENTS PAR AN
Les scores de gravit peuvent fournir une mesure cohrente du risque qui peut tre utilise
pour dfinir des paramtres et effectuer des analyses de tendances. Par exemple, le score de
gravit maximal de tous les risques associs un type daliment donne une indication de
lampleur globale de lexposition au risque par ce type daliment. Ces deux paramtres peuvent
tre mesurs pour les diffrentes dimensions de limpact (sant, cot, etc.) ou pour diffrents
types de risque ou zones dimpact, afin de dterminer comment est distribue lexposition au
risque. Des paramtres plus complexes peuvent tre drivs au moyen des scores de gravit, ce
qui permet de normaliser lexposition au risque et de la comparer un risque de rfrence. Les
tendances en matire dexposition au risque peuvent ainsi tre identifies et surveilles, ce qui
donnera aux gestionnaires des risques des renseignements prcieux sur lamlioration globale de
la scurit sanitaire des aliments, limportance des risques qui se profilent, etc.
4.3.3 Limites dune valuation semi-quantitative des risques
Une valuation semi-quantitative des risques a ses limites. Les
risques sont rangs dans des sries de catgories gnralement
assez larges. Il est courant que lon en utilise peu prs 5 pour la
probabilit ou pour limpact, sans compter le niveau zro, ce qui
donne 25 combinaisons possibles. Il est donc indispensable de
construire avec soin les catgories. Par exemple, on pourrait
diviser la fourchette de probabilit en cinq catgories, comme
dans le Tableau 4.10.
Toutefois, avec ce systme, un risque de probabilit de 0,1 se
trouverait dans la mme catgorie quun risque de probabilit
0,000 001, bien quil soit 100 000 fois plus probable. Cest en
partie pour cela que lon choisit souvent une chelle
Fourchette de
probabilit
0 0.2
0,2 0,4
0,4 0,6
0,6 0,8
0,8 1
49
logarithmique pour les probabilits. Quand on analyse un risque en matire de scurit sanitaire
des aliments, on gre souvent des probabilits qui stendent sur plusieurs ordres de grandeur,
de sorte que le choix dune chelle logarithmique est encore plus justifi.
Il est difficile de combiner les scores de probabilit des composantes dune voie de risque
pour obtenir un score de probabilit pour le risque global. Par exemple, lestimation dun risque
en matire de salubrit des aliments se fait gnralement en deux temps: estimation de la
probabilit dexposition et estimation de la probabilit de maladie rsultant dune exposition.
Avec le systme ci-dessus, supposons que lexposition ait une probabilit de 0,3 (score = 2) de
survenir pendant une certaine priode chez un individu slectionn au hasard, et que la
probabilit de maladie rsultant de cette exposition soit de 0,7 (score = 4), la probabilit
combine est de 0,21 (score 2). Il est difficile de crer une rgle avec des scores qui reproduise
les rgles des probabilits. On peut rsoudre en partie le problme en prenant le niveau
minimum des deux scores (en Excel, la syntaxe serait MIN(2,4) = 2) mais cette solution
surestime gnralement le risque. Par exemple, avec cette formule, si la probabilit de maladie
rsultant dune exposition un risque quelconque, ntait plus de 0,2 mais de 1,0 on
obtiendrait le mme score de probabilit combin (score 2).
Lutilisation dune chelle logarithmique des
probabilits arrange un peu les choses si lon inverse
lordre des scores de probabilit dcrits jusqu prsent
de sorte que la probabilit la plus leve corresponde au
score le plus faible, comme indiqu au Tableau 4.11.
Fourchette de
probabilit
Score
50
NA
-1
P MO NA
Y
A F NA
-2
-1
-3
-2
-1
C TF NA
-4
-3
-2
-1
TE NA
E
T NUL NA NA NA NA NA NA
NUL TF F MOY E TE
Gravit leve
Gravit moyenne
Gravit faible
VNEMENTS PAR AN
La granularit de lchelle est aussi un problme. Par exemple, un risque dont la probabilit
doccurrence se trouve juste au dessus de la limite entre deux catgories, pour lequel on a
identifi une stratgie de gestion des risques qui rduit lgrement la probabilit, pourrait
tomber dans la catgorie des probabilits infrieure, qui est la mme que si la probabilit avait
t rduite dun facteur de 10. Toutefois, rien nempche lvaluateur des risques de fractionner
les scores sil le juge utile. Le systme est conu avec des nombres entiers pour plus de
simplicit et de commodit et on peut le modifier pour inclure des fractions si cela correspond
mieux aux connaissances disponibles.
Lutilisation du systme de notation dune valuation semi-quantitative des risques la place
des calculs des probabilits risque de produire des inexactitudes plus graves si lon value une
squence dvnements plus longue.
4.3.4 Lincertitude et la variabilit
Dans un sens, les larges fourchettes de catgories assignes aux chelles de probabilit et
dimpact vitent davoir examiner autre chose que les incertitudes grande chelle. tant
donn quune valuation semi-quantitative des risques est une vue densemble, il est plus facile
de rflchir des aspects plus globaux de lincertitude des modles. Cela dit, si les rsultats
dune valuation quantitative des risques en matire de salubrit des aliments ne sont pas
arrims des taux de maladie observs, ils couvrent souvent plusieurs ordres de grandeur de
lincertitude. Le niveau des informations disponibles fait quil est aussi difficile dattribuer des
catgories de probabilit et dimpact un risque particulier. Il serait la fois utile et plus
objectif de pouvoir exprimer cette incertitude. Pour ce faire, on peut la dcrire en montrant la
zone du tableau P-I dans laquelle se trouve un risque, (voir Tableau 4.13).
Tableau 4.13 Expression graphique de lincertitude concernant une catgorie de risque
51
TE
P MOY
A
TF
T NUL
NUL TF
F MOY
TE
VNEMENTS PAR AN
Ici, la case ombre fonce (facultative) correspond la zone dans laquelle lquipe charge
de lvaluation considre que le risque a le plus de probabilits de se trouver, alors que les cases
ombres plus claires reprsentent la fourchette dincertitude qui entoure cette valuation. Une
autre mthode, consistant dessiner des formes graphiques, comme des cercles, sur le tableau
pour reprsenter lincertitude, permet de calculer plus facilement plusieurs risques
simultanment.
On peut aussi avoir recours une simulation standard de Monte-Carlo pour exprimer
lincertitude par des scores et les manipuler dans des analyses plus mathmatiques comme celles
qui viennent dtre examines.
La variabilit - par exemple la variabilit de la sensibilit selon les sous-populations peut
facilement tre intgre dans une analyse semi-quantitative des risques (si lon dispose des
donnes ncessaires), en estimant les risques que courent les sous-populations, et en les traant
sparment sur le mme graphique. On obtient ainsi une excellente vue densemble de la
rpartition du risque pour la scurit sanitaire des aliments entre diffrentes sous-populations.
4.3.5 Besoins en donnes
Le principe de base dune valuation des risques est de recueillir le plus grand nombre de
donnes possible, condition quelles puissent avoir une influence sur la prise de dcision. Les
donnes recueillies pour une analyse qualitative des risques sont gnralement suffisantes pour
une analyse semi-quantitative. La diffrence entre les deux types dvaluation est que
lvaluation semi-quantitative cherche plus valuer les composantes du risque dans la limite
de donnes quantitatives dfinies. Ainsi, il arrive que lon fasse une analyse statistique dune
srie de donnes pour tenter destimer de faon plus prcise une probabilit, ou limpact
escompt, pour que lvaluateur puisse classer le risque sur une base plus fiable.
Une valuation semi-quantitative des risques sert gnralement comparer plusieurs risques
ou stratgies de gestion des risques. Il arrive que lon ait suffisamment de donnes pour pouvoir
effectuer une valuation pleinement quantitative dun nombre dtermin de risques (ex :
combinaisons de pathognes prsents dans les aliments). Un modle quantitatif donne plus de
renseignements sur les stratgies spcifiques adopter pour faire face au risque considr, mais
on peut aussi utiliser les rsultats quantitatifs pour placer ces risques valus avec plus de
prcision dans le contexte dautres risques tudis dans un environnement semi-quantitatif.
52
53
le classement du problme de scurit sanitaire des aliments aux fins de la gestion des risques
ltablissement dune politique dvaluation des risques;
la commande dune valuation des risques; et
lexamen des rsultats de lvaluation des risques.
Le choix du pathogne aux fins de lvaluation est justifi comme suit
Bien que ce pathogne ait probablement un impact minime sur la sant publique, la dmonstration
de linnocuit des aliments produits en Nouvelle-Zlande par rapport ce pathogne, peut avoir des
implications commerciales. Laliment le plus couramment associ une transmission lhomme est le
lait de vache.
Le systme dattribution dune catgorie une combinaison aliment/danger repose sur des
catgories de lincidence (taux) et de la gravit. Un systme de notation en quatre catgories a
t propos pour le taux (incidence), sur la base des taux de maladies dorigine alimentaire
constats en Nouvelle-Zlande (Tableau 4.14).
Un systme de notation en trois catgories a t propos pour la gravit, sur la base dune
comparaison de la proportion de cas de maladies dorigine alimentaire en Nouvelle-Zlande, qui
ont des consquences graves (maladie long terme ou mort) (Tableau 4.15).
Tableau 4.14 Les quatre catgories proposes en Nouvelle-Zlande pour lincidence (taux)
Catgorie
de taux
Fourchette de taux
(pour 100 000 par jour)
>100
10100
110
<1
Exemples
Contribue de faon significative la campylobactriose
transmise par les aliments
Facteur majeur contribuant la salmonellose transmise par les
aliments
Facteur majeur contribuant aux norovirus transmis par les
aliments
Facteur majeur contribuant la yersiniose et la shigellose
dorigine alimentaire
Facteur majeur contribuant la listriose dorigine alimentaire
Exemples
5%
0,.5-5%
salmonellose; shigellose
<0,5%
54
Lanalyse relative Mycobacterium bovis dans le lait a t entrave par labsence totale
dinformations sur la prvalence, qui a rendu impossible toute apprciation, ne serait-ce que
qualitative, de lexposition. Les seules donnes disponibles sur la relation dose-rponse
provenaient dexprimentations animales datant de 1934 ou mme antrieures, de sorte que cela
naurait eu aucun sens dvaluer lexposition et de caractriser le danger dans le cadre dune
valuation classique des risques pour la scurit sanitaire des aliments. La mthode du profil de
risque utilise uniquement des donnes pidmiologiques, pour tenter dinformer les dcideurs
de limportance relative du problme par rapport dautres problmes de scurit sanitaire des
aliments; Lanalyse a examin les lments de preuve disponibles et attribu les scores
suivants :
Gravit: 1 (> 5% Consquences graves)
Incidence: 4 (<1 pour 100 000 personnes par an)
Importance commerciale: leve
LESR produit un profil de risque li la prsence de Salmonella dans la volaille (entire et
en morceaux) laide des mmes mthodes, mais avec des donnes beaucoup plus nombreuses
(Lake, Hudson et Cressey, 2002a). Notons que ces profils sont dcrits comme des valuations
qualitatives des risques, alors que les dfinitions chiffres des grands groupes de catgories
font quils sapparentent plus des valuations semi-quantitatives des risques, comme celles
examines dans ce document.
4.4.2 Salubrit des produits de la mer avec RiskRanger
La FAO (2004) examine le continuum entre les valuations qualitatives et quantitatives des
risques lis aux produits de la mer et prsente une mthode dvaluation semi-quantitative qui a
t codifie dans un prototype de logiciel daide la dcision appel RiskRanger, qui peut tre
tlcharg gratuitement (Ross et Sumner, 2002). Cet outil demande que lon rponde 11
questions dcrivant les facteurs, qui tout au long de la chane alimentaire, peuvent constituer un
risque pour la scurit sanitaire des aliments marins. Les rponses aux questions peuvent tre
donnes en termes qualitatifs (avec des catgories prdfinies) ou quantitatifs. Les rponses
qualitatives sont converties en valeurs quantitatives conformment une srie de tables.
Le modle est spcifique une population, de sorte que des paramtres essentiels tels que la
taille de la population totale ou rgionale doivent tre dfinis au pralable, mais des valeurs
dfinies par les utilisateurs peuvent aussi tre entres dans le modle. Un score est ensuite
calcul partir des paramtres dentre, ce qui permet de classer les diverses combinaisons
aliment-pathogne. Le systme prvoit une notation sur une chelle de zro 100, o 100
reprsente le scnario le plus dfavorable que lon puisse imaginer, savoir que chaque membre
de la population consomme chaque jour une dose ltale. Il a t dcid arbitrairement quun
score de 0 correspondait un cas de diarrhe lgre pour 100 milliards de personnes en cent
ans, la logique tant que la population de la plante est trs infrieure 100 milliards
dhabitants, si bien quaucune personne ne devrait jamais voir jamais voir cet vnement se
produire nulle part, au cours de sa vie. La fourchette choisie stend sur 17,6 ordres de grandeur,
ce qui quivaut 100/17,6 6 units de classement du risque par facteur de 10 entre les
risques.
La mthode a pour objet de passer au crible les risques et les principales catgories doptions
permettant de les grer. Linterface tableur permet au gestionnaire des risques davoir une
vision instantane des scnarios simuls propres stimuler une discussion des stratgies de
55
gestion des risques possibles. La simplicit du modle et son caractre gnrique font quil reste
plutt grossier et que les questions poses sont dordre trs gnral. Les auteurs signalent avec
beaucoup de dtails ces limites aux lecteurs. Ainsi, le modle ne prend pas en compte
lincertitude et la variabilit, qui pourraient pourtant facilement tre ajoutes dans le modle de
tableur, laide dune simulation de Monte-Carlo.
Le logiciel a ensuite t utilis pour valuer 10 combinaisons danger+produit lies des
produits de la mer australiens et il a pris en considration diffrentes sous-populations
dAustralie consommatrices de ces produits ; les rsultats de cette valuation sont rcapituls
dans le Tableau 4.16 (daprs Sumner et Ross, 2002).
Les auteurs ont compar les risques classs par rapport des donnes observes en Australie.
Il ny a pas eu de cas documents dans le pays pour les risques ayant un score infrieur 32.
Tous les risques ayant un score compris entre 32 et 48 (une fourchette de trois ordres de
grandeur) avaient caus plusieurs foyers de maladies dorigine alimentaire en Australie,
lexception de Vibrio cholera. Les risques ayant des scores suprieurs 48 avaient tous caus
des foyers touchant un grand nombre de personnes, certains dans des rgions spcifiques.
Tableau 4.16 Rsultat de lvaluation par Risk Ranger des combinaisons danger + produit pour diverses
sous-populations dAustralie.
Combinaison danger + produit
Population slectionne
Classement du
risque
45
60
Scombrotoxicose
40
31
Ramasseurs amateurs
72
24
67
31
37
37
41
39
45
47
25
28
31
31
48
56
Les principales mises en garde des auteurs concernent le fait quils nont pas t en mesure
dvaluer de manire systmatique et objective les performances du modle car les sries de
donnes dcrivant lexposition et lincidence des maladies dorigine alimentaire taient trop peu
nombreuses. Cette mise en garde montre cependant aussi quil naurait pas t possible dtablir
des modles pleinement quantitatifs.
Les auteurs ont aussi constat que le modle tait un outil prcieux pour enseigner les
principes de lanalyse des risques.
4.4.3 Mthodologie dvaluation des risques limportation danimaux et de produits animaux
en Australie
En 1998, un diffrend commercial entre le Canada et lAustralie concernant lembargo
australien sur les importations de saumon non cuit a t port devant le tribunal de lOMC
(OMC, 1998). Le service dinspection et de quarantaine australien avait produit une premire
valuation qualitative des risques de maladie en 1995, puis une autre en 1996: la premire
estimait que le risque tait faible et acceptable, alors que la seconde arrivait une conclusion
oppose. Cette diffrence sexpliquait plus par un changement dapproche, que par lapparition
de nouvelles donnes. LOrgane dappel de lOMC a donn raison au Canada, notamment parce
quil considrait que lvaluation des risques effectue par lAustralie ntait pas approprie.
Cette affaire a attir lattention de la communaut dvaluateurs des risques sur les problmes
pouvant dcouler de lutilisation dune mthode purement qualitative danalyse des risques, en
particulier dans un contexte conflictuel.
Lorganisme de rglementation australien charg dvaluer les risques limportation a t
restructur. Il relve prsent de Biosecurity Australia qui a mis au point une approche semiquantitative pour valuer les risques limportation (Biosecurity Australia, 2001). Cette
mthode consiste placer le risque estim dans un tableau (Tableau 4.17). La bande des cases
trs faible risque reprsente le Degr de protection appropri (DPA) de lAustralie, ou la
perte tolre, une version en deux catgories du concept des feux tricolores .
Les directives dcrivent une valuation qualitative (ex: faible, moyen, lev), semiquantitative (ex: 0 0,0001; 0,0001 0,001; 0,001 0,01; 0,01 1) et quantitative (calcul des
probabilits exactes) de la probabilit dentre dune maladie exotique en Australie. Lavantage
potentiel est de pouvoir intgrer dans un seul contexte des valuations des risques aussi bien
qualitatives, que semi-quantitatives ou quantitatives. Les tapes successives qui conduisent
lentre dune maladie exotique peuvent tre values qualitativement grce lutilisation dune
matrice pour combiner ces probabilits qualitatives.
La composante valuation des consquences de lestimation du risque dimportation dune
maladie exotique est gnralement considre comme beaucoup plus complexe que lvaluation
de la probabilit dentre dune maladie. En effet, les importations sont rglementes et
relativement simples modliser et leurs probabilits sont bien comprises alors quon ne
dispose daucune donne sur la propagation dune maladie dans son pays dorigine, et quil est
toujours extrmement difficile de modliser la diffusion dune maladie.
Dsireuse dvaluer les probabilits et lampleur de divers impacts, au cas o la maladie
serait introduite dans le pays, Biosecurity Australia a conu une srie de rgles qui ont permis
dintgrer ltendue gographique des consquences (locale, district, rgionale, nationale), et le
niveau auquel les consquences seraient ressenties cette chelle. Dautres rgles combinaient
les estimations (ncessairement qualitatives ou semi-quantitatives) de la probabilit de ces
57
consquences (de lentre de la maladie en Australie) pour pouvoir placer lestimation du risque
non restreint dans le tableau (Tableau 4.17).
Si le risque non restreint estim (risque existant en labsence de mesure de protection
spcifique contre le pathogne considr) se trouve dans une zone acceptable, limportation est
autorise sans restrictions. Si ce nest pas le cas, on value des mesures de contrle (essais,
traitement thermique, viscration, etc.) pour dterminer loption la moins restrictive pour le
commerce qui permettre de mettre le produit import en conformit avec le DPA de lAustralie.
Quelle que soit lapproche (ou la combinaison dapproches) choisie, les directives spcifient
quelle devrait fournir:
une valuation scientifiquement fonde;
une valuation structure et transparente;
une valuation cohrente au niveau interne et reproductible (avec un rsultat identique ou
similaire) par un autre oprateur, avec le mme cadre et les mmes donnes ;
un rsultat qui confirme lestimation du risque (une combinaison de la probabilit et des
consquences);
un rsultat qui permette dvaluer un risque par rapport au DPA, ou aux pertes tolres, du
pays importateur; et
un cadre dans lequel puissent tre values lefficacit de la gestion du risque et
lacceptabilit dun risque attnu.
Tableau 4.17 Tabulation des risques, en tant que combinaison dune probabilit et dun impact
Probabilit leve
Risque
ngligeable
Risque trs
faible
Risque faible
Risque
modr
Risque lev
Risque extrme
Probabilit
modre
Risque
ngligeable
Risque trs
faible
Risque faible
Risque
modr
Risque lev
Risque extrme
Probabilit faible
Risque
ngligeable
Risque
ngligeable
Risque trs
faible
Risque faible
Risque
modr
Risque lev
Probabilit trs
faible
Risque
ngligeable
Risque
ngligeable
Risque
ngligeable
Risque trs
faible
Risque faible
Risque modr
Probabilit
Risque
extrmement faible ngligeable
Risque
ngligeable
Risque
ngligeable
Risque
ngligeable
Risque trs
faible
Risque faible
Risque
ngligeable
Risque
ngligeable
Risque
ngligeable
Risque
ngligeable
Risque
ngligeable
Risque trs
faible
Impact
ngligeable
Impact trs
faible
Impact faible
Impact
modr
Impact lev
Impact extrme
Probabilit
ngligeable
59
60
sur lexpression la plus utile au dcideur (par exemple, si lon fait des comparaisons avec
dautres risques, les mesures doivent tre cohrentes). Lorsque lon communique aux parties
prenantes les estimations des risques, il faut tre conscient de certains problmes qui peuvent
entraver un dialogue constructif, notamment de la manire dont les gens ragissent diffrentes
expressions dun mme risque. Par exemple, si le public dun pays de 20 millions dhabitants
est inform quil y a une probabilit sur un million quune personne meure chaque anne,
cause dun danger spcifique, il peut avoir une raction radicalement diffrente de celle quil
aurait eu si on lui avait expos la mme situation autrement, en disant que lon estimait quen
moyenne 20 personnes mourraient chaque anne cause du mme danger. Il existe une
littrature trs abondante sur la perception et linterprtation des risques, que les valuateurs et
les gestionnaires des risques devraient lire attentivement.
La mesure du risque peut tre une mesure probabiliste un point, telle que la probabilit
dau moins une maladie pendant une priode dtermine ou le nombre de cas prvus lanne
prochaine. Cela signifie que, si lincertitude na t prise en compte dans le modle dvaluation
des risques, ou si lincertitude et le caractre alatoire ont t combins, ces rsultats sont des
valeurs fixes (Figure 5.1). Si lincertitude a t incluse dans le modle sans tre combine avec
le caractre alatoire, les rsultats sont des distributions de lincertitude (Figure 5.1a).
La mesure du risque peut aussi tre une distribution de probabilit, portant par exemple sur
le nombre dvnements nfastes pour la sant quune personne slectionne de faon alatoire
pourrait connatre lanne prochaine. Il sagira dune distribution de premier ordre si
lincertitude na pas t incluse dans le modle (Figure 5.1b), ou si lincertitude et le caractre
alatoire ont t combins. Si lincertitude a t prise en compte dans le modle sans tre
combine avec le caractre alatoire, le rsultat sera une distribution de probabilit du deuxime
ordre (Figure 5.1c).
Troisimement, la mesure du risque peut dcrire la variation du risque dans une population.
Ce risque peut par exemple tre caractris comme la probabilit de maladie par portion.
Lanalyse peut dboucher sur une distribution de la variabilit de cette probabilit dans les souspopulations, soit parce que quelques sous-populations ont une source dalimentation plus
fortement contamine, soit parce quelles ont lhabitude de prparer ou de manipuler les
aliments dune manire diffrente, soit parce que leur courbe dose-rponse est plus pentue que
les autres en raison de leur plus grande sensibilit une bactrie. On peut reprsenter
graphiquement la variation de cette probabilit par portion dune sous-population lautre, si la
comparaison entre les sous-populations apporte des claircissements. Si lvaluation des risques
ne prend pas en compte lincertitude, on peut utiliser une mesure de probabilit unique pour
dcrire le risque que court chaque sous-population (Figure 5.1d). Si lvaluation des risques
prend en considration lincertitude sans la combiner dans la mesure de probabilit, nous
pouvons nous interroger sur le degr de fiabilit de ces estimations de probabilit par portion
(Figure 5.1e). Il est difficile de comparer graphiquement deux ou plusieurs distributions du
deuxime ordre : il est thoriquement possible de produire, par exemple, des distributions de
probabilit du nombre de maladies quune personne ou une sous-population peut endurer au
cours dune priode, mais sil sagit de distributions du deuxime ordre, on obtiendra beaucoup
des rsultats beaucoup plus clairs en comparant une statistique approprie (moyenne, 90me
percentile, etc.) avec les incertitudes inhrentes.
Risque par portion
Le risque par portion est difficile cerner, vu lambigut de la dfinition de ce qui constitue
une portion. Ainsi, on doit commencer par dfinir les quantits standards - une portion tant par
61
exemple 100 g de poulet cuit ou 150 ml de jus dorange ou une distribution de probabilit du
poids des portions. De surcrot, il est difficile de convertir le risque au niveau individuel, car il
faut tenir compte de la quantit de laliment considr quun individu peut ingrer au cours
dune priode dtermine. Toutefois, si une quantit standard (ex : 100 g de poids cuit, ou une
ration protique de 30g, ou 1000 calories) est prdfinie, la mesure du risque par portion permet
de comparer facilement le risque rsultant de la consommation directe de diffrentes denres.
Elle peut galement tre utile pour tablir une argumentation fonde sur le rapport cotsavantages, par exemple si on recherche le risque le plus faible pour un besoin nutritionnel
dtermin.
Risque individuel
Un risque individuel peut tre spcifi pour un individu choisi au hasard dans la population
considre ou pour un consommateur slectionn de faon alatoire du produit (on part du
principe que, dans la population, tout le monde ne consomme pas le produit incrimin et que
seuls ceux qui le consomment sont risque, ce qui suppose quil ny a pas dinfection
secondaire ou de contamination croise significative1). Le risque peut aussi tre spcifi pour un
individu choisi au hasard dans diverses sous-populations si lon souhaite explorer le degr de
variabilit entre les sous-populations face au risque. Voici quelques exemples destimations
dun risque individuel:
62
Mesure de
probabilit un
point
Distribution de
probabilit
Variabilit de la
population
Figure 5.1 Une matrice des divers types de rsultats quantitatifs que lon peut produire partir dune
valuation des risques dcrivant la variabilit, le caractre alatoire et lincertitude.
La probabilit par an quun individu slectionn de faon alatoire soit atteint dune maladie
X rsultant dune exposition la bactrie Y dans laliment Z.
La probabilit par an quun individu slectionn de faon alatoire souffre dune dgradation
de sa sant X rsultant dune exposition la bactrie Y dans un type daliment Z.
La probabilit quun individu souffre dun effet nfaste pour la sant au cours de sa vie,
rsultant de lexposition la bactrie Y dans des aliments.
63
Nombre total de cas de maladies dorigine alimentaire pouvant tre attendus dans la
population, en un an.
Nombre prvu de jours-lits dhpital consomms par an du fait dun pathogne dorigine
alimentaire spcifique.
64
partir dun point terminal plus ou moins grave. Une fraction des individus exposs seront
infects. Linfection peut tre mesure par la multiplication dorganismes chez lhte, suivie
dexcrtion, ou par laugmentation des anticorps sriques. Une fraction des personnes infectes
dvelopperont une maladie symptomatique (ratio de morbidit), mesure par une observation
clinique, dclare par des patients, ou rvle par les rponses des consommateurs. Une
fraction de ceux qui contractent une maladie vont dvelopper des symptmes graves (ex :
diarrhe sanguinolente), avoir besoin dun traitement mdical ou dune hospitalisation, ou
mourir (ratio de mortalit). On fera en sorte que les implications de la dfinition des cas utilise
dans un essai clinique ou une enqute pidmiologique soient bien comprises. En ce qui
concerne les essais cliniques, les points terminaux des mesures sont normalement linfection
(atteste par un test fcal positif) ou la maladie (indique par une diarrhe). Les enqutes
pidmiologiques peuvent fournir des informations sur les ratios de morbidit et de mortalit.
En principe, ces ratios sont cependant fonction dune dose, mais les enqutes pidmiologiques
ne donnent pas dinformations sur cette relation. Dans certains cas, des essais cliniques ont t
effectus sur la base dun point terminal dune mesure continue de la relation dose-rponse (ex :
volume de diarrhe excrt) susceptible de donner des claircissements sur la relation de
dpendance entre la gravit du rsultat et la dose.
5.2.5 Prise en compte des sous-populations
Les sous-populations de consommateurs peuvent avoir des conditions variables en termes de
sensibilit et/ou dexposition. Si la caractrisation des risques cherche diffrencier le risque
par sous-population (ex : par classe dge), il convient de dsagrger le rsultat de lvaluation
de lexposition pour reflter la variation de lexposition des diffrentes sous-populations (ex : la
frquence, le poids et la prparation des portions consommes par les membres de chaque classe
dge). Comme on la dj vu propos de la variabilit et de lincertitude, si lon dispose
dinformations suffisantes pour laborer des relations dose-rponse spcifiques des souspopulations (ex : sensibles/non sensibles), le rsultat de lvaluation de lexposition concernant
chaque sous-population peut tre propag grce au modle dose-rponse correspondant.
Toutefois, mme dans des cas o il est impossible de dcrire des relations dose-rponse ainsi
diffrencies, la caractrisation des risques par sous-population peut donner des informations
utiles. Par exemple, les donnes peuvent tre suffisantes pour tablir des ratios de morbidit ou
de mortalit par sous-populations. On notera que les sous-populations les plus intressantes (par
exemple les consommateurs sensibles) ne peuvent pas forcment tre directement rattaches
des catgories qui se dfinissent delles-mmes (ex : classes dge). On doit donc sassurer de la
logique des critres de classification des consommateurs dans les diffrentes sous-populations et
de la cohrence des dfinitions des sous-populations dans les analyses de lexposition et de la
relation dose-rponse. Un exemple dvaluation prenant en compte les sous-populations est
examin plus loin (Section 5.5.7).
5.3 Proprits souhaitables des valuations quantitatives des risques
Une valuation quantitative des risques comprend lidentification, la slection et llaboration
ou la modification dun ou plusieurs modles qui sont ensuite combins dans un cadre. Lun des
principaux lments prendre en considration pour le choix des modles, est le niveau de
dtail requis pour lvaluation, qui doit tre cohrent par rapport aux objectifs fixs.
Pour choisir un modle quantitatif, on doit dterminer dans quelle mesure le modle est tay
par les donnes disponibles, si ses rsultats donneront des informations satisfaisantes aux
dcideurs, le nombre dhypothses qui ont t formules pour construire le modle et la solidit
65
66
proposes sont incertaines. Un modle quantitatif dcrit cette incertitude avec des distributions
de lincertitude, dtermines par diverses mthodes statistiques. Il existe plusieurs ouvrages qui
traitent de la modlisation de lincertitude, de la variabilit et du caractre alatoire. Nous allons
prsenter dans les passages qui suivent une vue densemble des concepts cls, en nous appuyant
sur des exemples, sil y a lieu. Pour des informations plus dtailles sur la mthodologie, on
peut se rfrer des ouvrages comme ceux de Morgan et Henrion (1990), Vose (2000) et
ModelAssist (2004).
5.4.1 Modlisation de la variabilit, en tant que variable alatoire
On confond souvent variabilit et caractre alatoire. Si lon a assign une distribution de
frquence quelconque pour dcrire la variabilit interindividuelle de lanimal dont laliment est
issu (masse dune carcasse de poulet par exemple), une carcasse de poulet slectionne de
manire alatoire a une masse donne par cette mme distribution. La distribution de frquence
est r-interprte comme une distribution de probabilit cause de laction dun chantillon
alatoire. Ainsi, dans des modles quantitatifs, certaines sources de variabilit peuvent tre
traites comme des variables alatoires, ce qui permet deffectuer un chantillonnage alatoire
partir des distributions de probabilit associes. Selon une rgle empirique grossire, on pourrait
modliser la variabilit en tant que variable alatoire si le nombre dindividus choisis de
manire alatoire est beaucoup plus petit que la population. Par exemple, en une anne un petit
nombre de personnes sont exposes E. coli O157:H7, de sorte que lon pourrait considrer
quune personne ainsi expose a une sensibilit la bactrie extraite de faon alatoire de la
distribution de la variabilit de la sensibilit, pour lensemble de la population. Toutefois,
comme cette mthode nest pas applicable toutes les sources de variabilit on est parfois
oblig de procder une stratification de la population, les strates devant tre modlises
paralllement pour obtenir des estimations de probabilit distinctes ou tre pondres pour
obtenir une estimation de la probabilit. Voici des exemples de stratification : stratification de la
population en fonction de la sensibilit, ou stratification du produit alimentaire par producteur.
La variabilit est importante car elle rsulte par exemple du fait que des individus diffrents
sont soumis des expositions et des risques diffrents, et que des mthodes de manutention
des aliments diffrentes gnrent des niveaux de risque diffrents. Une comprhension de la
variabilit interindividuelle fournira des claircissements sur les sous-groupes de population
exposs qui sont les plus exposs ou prdisposs au risque, ainsi que sur les mthodes qui sont
plus ou moins dangereuses que la moyenne. Si des interventions peuvent tre mises en uvre, il
peut tre utile de cibler des strates spcifiques (ex: enfants/adultes). En outre, la mise en uvre
de stratgies dintervention (ex: pratiques, technologies) visant modifier une variable sur
laquelle il est possible dagir (ex : rduire loccurrence des valeurs leves des temps et/ou
tempratures de conservation, pour freiner la croissance des pathognes durant lentreposage),
devrait permettre de rduire les expositions les plus leves, et par consquent dattnuer le
risque.
5.4.2 Sparation entre variabilit et caractre alatoire, et incertitude
La variabilit et le caractre alatoire sont des proprits objectives. Le degr de variabilit
entre des individus, des animaux, des bactries, des installations de transformation, des
rfrigrateurs, etc. existe que lon en soit inform ou non. Il en va de mme pour la probabilit.
Ainsi, la croissance bactrienne, la quantit de nourriture ingre un repas, la probabilit
quune denre alimentaire vienne ou non dun abattoir contamin, le nombre de bactries
prsentes au moment de lingestion, etc. sont autant de variables alatoires (stochastiques),
caractrises par des distributions de probabilit, qui existent mme si on ne le sait pas. En
67
68
Lorsquil y a une sparation logique entre la variabilit et lincertitude, soit dans lvaluation
de lexposition soit dans la caractrisation des dangers, cette distinction devrait tre propage
par le processus dintgration pour dterminer la variabilit et lincertitude dans les mesures
des risques pertinentes sur lesquelles est focalise lvaluation. Si lon ne parvient pas
maintenir la sparation entre la variabilit et lincertitude, la caractrisation des risques peut tre
profondment altre (Nauta, 2000). En outre, les hypothses qui sous-tendent des modles
dose-rponse spcifiques ou les biais potentiels associs une estimation de la relation doserponse peuvent limiter les modalits de combinaison des modles dexposition et de doserponse. On doit tenir compte des hypothses de modlisation et des biais potentiels de la
relation dose-rponse pour garantir une intgration logique de lexposition et de la
caractrisation des dangers.
Dans cette section, les concepts de dose sont passs en revue, tels quils sont formuls dans
les lignes directrices FAO/OMS sur lvaluation de lexposition et la caractrisation des dangers
(FAO/OMS, 2003, 2008) et des suggestions sont proposes pour prserver la cohrence des
units et les justifications du modle dose-rponse et rduire les biais lors de lintgration de
caractrisations de lexposition et des dangers potentiellement incohrentes.
5.5.1 Les units de dose dans lvaluation de lexposition
Selon le Codex (CAC, 1999) le rsultat de lvaluation de lexposition est une estimation, avec
lincertitude qui lui est associe, de la probabilit et de la concentration du pathogne dans une
portion donne dun aliment au moment de la consommation. En ce qui concerne les pathognes
prsents des concentrations relativement faibles, cette estimation de lexposition est
gnralement reprsente par une prvalence indiquant la probabilit quune portion de
laliment slectionne de manire alatoire soit contamine par le pathogne, combine avec
une distribution de probabilit reprsentant le nombre (ou la concentration) de pathognes dans
les portions daliment qui sont contamines (cest--dire qui contiennent une ou plusieurs
cellules du pathogne). La prvalence et la distribution de probabilit conditionnelle de
contamination devraient tre prsentes avec lincertitude concomitante (FAO/OMS, 2008).
Pour les pathognes prsents des concentrations relativement leves, la prvalence dans les
portions consommes peut tre voisine de 100%. Dans ce cas, laspect dterminant de
lexposition est seulement la distribution estime des concentrations microbiologiques dans
toutes les portions de laliment consomm.
Il est important de dcider si le niveau de contamination sera exprim en tant que
concentration (UFC/g ou UFC/ml) ou en tant que nombre (UFC) quand on relie ce rsultat de
lexposition un modle dose-rponse. Les nombres dUFC potentiellement ingrs sont
ncessairement des nombre entiers positifs. En consquence, il est plus logique de dcrire
lexposition estime par une distribution discrte (discontinue). Une distribution continue serait
plus approprie pour modliser des expositions individuelles si les concentrations sont
relativement leves, mais on peut toujours la reconvertir en une distribution discrte avec une
fonction darrondissement quelconque. On utilise souvent des distributions continues pour les
numrations bactriennes car elles sont beaucoup plus flexibles et faciles manipuler que les
distributions discrtes. Si le degr dexposition est exprim en termes de concentration, cette
dernire doit tre multiplie par la quantit de nourriture ingre pour dterminer lexposition
individuelle. Si la concentration est modlise sous la forme dune moyenne probabiliste, ion
doit prfrer les fonctions dose-rponse dont les donnes initiales sont des doses moyennes
probabilistes (ordinairement Poisson) aux fonctions doses-rponses ayant pour donnes dentre
une dose effective.
69
70
nest quun sous-ensemble de toutes les maladies. La proportion des maladies totales qui sont
par la suite confirmes par culture ou identifies dune autre manire varie gnralement
sensiblement dun pathogne lautre, par suite de diffrences dans la virulence et/ou dans la
sensibilit de lhte (Mead et al. 1999). Lun des principaux avantages des enqutes
pidmiologiques est quelles couvrent lexposition de personnes qui nauraient jamais particip
des tudes alimentaires exprimentales, telles que les femmes enceintes, les personnes ges et
les infirmes, les jeunes enfants, etc.
Les donnes issues dtudes sur animaux sont aussi intressantes, mais il est plus difficile de
dterminer une relation dose-rponse sur la base de ces donnes que sur la base de donnes
exprimentales ou dobservation auprs de populations humaines. Toutefois, dfaut dtudes
alimentaires exprimentales sur des humains ou de donnes pidmiologiques suffisantes pour
dterminer une relation dose-rponse, la caractrisation des dangers peut reposer dans une large
mesure sur une extrapolation partir dtudes sur animaux. Dans ces cas-l, les incertitudes
associes lvaluation dose-rponse sont considrablement accrues et il est important de les
valuer et de les propager comme il convient grce la caractrisation des risques. Cela dit, il
est beaucoup plus difficile dvaluer lincertitude associe une extrapolation despce
espce, que celle associe lextrapolation dun petit chantillon de donnes humaines une
population.
5.5.3 Combinaison des valuations de lexposition et de la relation dose-rponse
Lorsque lon combine ces deux valuations, il est important de maintenir la cohrence. Avant
tout, lvaluation de lexposition et la caractrisation des dangers devraient porter sur le mme
danger, la ou les mme(s) population ou sous-populations, et le mme horizon temporel. Cela
peut sembler vident, mais le manque de donnes pourrait inciter choisir par exemple un
micro-organisme de substitution pour valuer la relation dose-rponse, ou extrapoler une
relation dose-rponse estime sur la base des donnes obtenues auprs de volontaires jeunes et
en bonne sant, une population moins homogne incluant des individus sensibles. Dans la
mesure du possible, il est prfrable dviter ces types dextrapolations et de se tourner vers
dautres approches de modlisation ; toutefois, si lon na pas dautre choix, cela doit tre
clairement indiqu et les ventuels biais et incertitudes lis ces extrapolations devraient si
possible tre pris en compte dans lvaluation.
La meilleure faon de combiner les deux valuations diffre selon que la relation doserponse est infre partir de donnes lchelle individuelle (essais alimentaires) ou globale
(enqutes pidmiologiques). Le rsultat de lvaluation de lexposition devrait tre exprim en
units dorganismes ingrs (UFC, cellules, UFP [units formant plage, utilises comme mesure
des concentrations dun virus]) par individu, et sur la base dun vnement par exposition en
raison du caractre aigu des risques microbiologiques. En revanche, les paramtres dentre de
la relation dose-rponse ne sont pas ncessairement au niveau individuel. Lexposition peut par
exemple tre exprime en tant que moyenne, ou autre synthse dune distribution des
expositions sur un groupe dindividus, mme si cela devrait autant que possible tre vit. Les
diffrences entre les synthses des expositions lchelle dun individu et dun groupe dans
une caractrisation des dangers peuvent tre lorigine dincohrences lorsque lon combine les
deux valuations aux fins de la caractrisation des risques.
Sur le plan technique, lvaluation de lexposition et la caractrisation des dangers peuvent
tre combines dans une simulation de Monte Carlo, en calculant une probabilit dinfection (ou
de maladie) associe chaque chantillon k partir de la distribution de lexposition. Pour un
chantillon donn de ni cellules provenant de la distribution de lexposition, P (infection| ni), la
71
probabilit conditionnelle dinfection rsultant de la dose spcifie sera ensuite calcule sur la
base de la relation dose-rponse estime ou infre. La probabilit inconditionnelle dinfection
rsultant dune exposition donne sera ensuite calcule en prenant la moyenne des valeurs k de
P (infection|ni) chantillonnes dans la simulation de Monte-Carlo. Dans ces calculs, les
prvisions relatives lexposition et au risque sont gnralement incertaines en raison de
lincertitude pistmique associe aux modles alternatifs de la distribution de lexposition et du
risque dinfection (ou de maladie) une dose quelconque spcifie. Ces incertitudes stendent
aux prvisions du risque lorsque lexposition et la dose-rponse sont combines, et elles
devraient tre refltes comme il convient dans le rsultat de lvaluation.
5.5.4 Les hypothses du modle dose-rponse
Beaucoup de modles dose-rponse bass sur le choc unique les plus courants, (ex: modle
Bta-Poisson et modle exponentiel) prennent pour hypothse une dose suivant une distribution
de Poisson pour driver une relation entre une dose moyenne et la probabilit dun effet nfaste
pour la sant. Cette distribution de Poisson de la dose nest gnralement pas compatible avec la
distribution de la dose rsultant de lvaluation de lexposition, sauf dans quelques cas
exceptionnels, le plus courant tant une dose dun aliment homogne, tel que liquide ou viande
hache, dans lequel lorganisme pathogne peut tre distribu de manire alatoire sans
sagrger. Le modle dose-rponse bas sur la distribution de Poisson convient bien pour
lanalyse statistique des donnes provenant dessais alimentaires dans lesquels la dose
administre est un chantillon dune solution dune concentration bactrienne donne, et peut de
ce fait tre considre comme suivant une distribution de Poisson. Les paramtres de la fonction
dose-rponse estime dans lanalyse statistique peuvent encore tre utiliss dans un autre
modle dose-rponse (dit bta-binomial) qui suppose que la dose exacte est connue.
Lquation sur laquelle se fondent tous les modles bass sur le choc unique est une
expression de la probabilit quun ou plusieurs chocs se produisent, dans lhypothse dune
action indpendante. Selon cette hypothse, la probabilit dinfection est exprime par le
modle dose-rponse binomial:
Pinf = 1- (1-pm)n
o Pinf est la probabilit dinfection (ou dun effet plus grave sur la sant), pm est la probabilit
quune seule cellule cause linfection, et n est le nombre de pathognes ingrs (FAO/OMS,
2003. 2008).
Si la variabilit en fonction de lhte de la probabilit dinfection par une cellule unique est
exprime par une distribution de Bta, pm peut tre remplac par une distribution de Bta pour
prendre en compte les effets de la variabilit interindividuelle. La relation dose-rponse qui en
rsulte est un modle Bta-binomial.
Si la dose n nest pas connue mais suppose suivre une distribution de Poisson de moyenne
connue, et si pm est cens avoir une valeur constante, le modle dose-rponse est dit exponentiel.
Si la dose est connue mais suppose suivre une distribution de Poisson de moyenne connue,
et si la valeur de pm est cense varier suivant une distribution Bta, on a un modle dose-rponse
de Bta-Poisson qui sera particulirement appropri sil est obtenu partir dun ajustement de la
fonction hypergomtrique confluente aux donnes disponibles (Teunis et Havelaar, 2000).
Les effets de lincertitude des paramtres ajusts de lquation dose-rponse devraient tre
propags travers les calculs de la caractrisation des risques.
72
73
Taux de maladies
Prvalence
Figure 5.2 Relations dose-rponse / prvalence linaires, o la droite infrieure reprsente une
voie dexposition unique, telle quune prvalence zro correspond un risque zro, alors que la
droite suprieure correspond des voies dexposition multiples, telles quune prvalence zro
dans un aliment ne se traduit pas ncessairement par labsence de maladie dans la population.
La sensibilit et la spcificit du test employ pour mesurer la prvalence ont leur
importance lorsque lon utilise des donnes concernant la prvalence pour caractriser un aspect
quelconque du risque et, en loccurrence, pour valuer les concentrations bactriennes dans un
aliment. Pour comparer les prvalences, les mthodes employes devraient avoir la mme
sensibilit et, dans le cas contraire, leurs sensibilits devraient tre connues afin de permettre un
ajustement la prvalence relle . Cela nous amne la question de la limite de dtection du
pathogne dans laliment. Si cette limite varie dune mthode lautre, cette diffrence sera
reflte dans la prvalence mesure. Il existe des mthodes statistiques qui permettent de
corriger ces erreurs de mesure (Gibbons et Coleman, 2001).
Sil ressort de lvaluation que le niveau dexposition est faible et que lon ne dispose que
dune relation dose-rponse du type qui vient dtre dcrit, on doit tre particulirement attentif
leffet que peuvent avoir la limite de dtection et la sensibilit du test sur la prvalence
mesure pour obtenir les donnes de la relation dose-rponse. Les faibles concentrations, allant
de 1 10 UFC /100 g sont rarement mesures, mais elles peuvent avoir un impact sur le taux de
maladies rsultant de lexposition des micro-organismes pathognes. Cest pourquoi, il est
gnralement dconseill de combiner des valuations de lexposition indiquant de faibles
niveaux avec une relation dose-rponse du type de celles examines ici, sauf si lon peut
supposer que la distribution du pathogne dans un vnement dexposition demeure constante
quelle que soit la stratgie adopte pour grer les risques, ou que le niveau dexposition restera
lintrieur dune section en ligne droite de la courbe dose-rponse.
5.5.6 Relations dose-rponse tablies daprs des donnes pidmiologiques
tant donn que les donnes agrges (pidmiologiques) mettent gnralement en corrlation
un risque moyen observ ou infr et une exposition moyenne ou infre, il peut tre difficile
74
destimer la relation entre lexposition et le risque au niveau individuel, partir de ces donnes.
En effet, les units de mesure (agrgats dans la population) ne sont pas les mmes que les cibles
des infrences (individus). Dans la littrature pidmiologique, ce problme des infrences est
gnralement appel erreur cologique, biais dagrgation ou biais transversal (Piantadosi, Byar
et Green, 1988; Greenland et Morgenstern, 1989; Richardson, Stucker et Hemon, 1987).
Lerreur cologique inclut leffet potentiel de facteurs de confusion, mais il est reconnu que
mme sans facteur de confusion, lagrgation elle-mme peut engendrer un biais par rapport aux
relations tablies au niveau individuel. Ce phnomne est gnralement appel biais
dagrgation ou biais transversal.
Il ny a pas de panace pour rsoudre ce problme du biais dans linterprtation des donnes
agrges. Toutefois, en choisissant une dfinition approprie de lexposition et/ou du risque
moyen (ex : moyenne gomtrique/arithmtrique) pour les groupes de donnes utilises dans
la caractrisation des dangers, on peut rduire les effets du biais un niveau acceptable, si la
relation drive a pour objet de reprsenter le risque par rapport la dose lchelle
individuelle (Haas, 1996; Crump 1998; Guo et al., 1998). Il existe dautres approches plus
sophistiques pour rduire les effets de lerreur cologique (King, 1997), mais elles ne sont pas
toujours applicables une valuation des risques microbiologiques compte tenu de la nature et
de ltendue des autres biais possibles.
Les effets du biais transversal peuvent poser un problme quelle que soit la forme du rsultat
de lvaluation de lexposition (exposition de faible niveau, de niveau lev, ou base sur la
prvalence). Toutefois, compte tenu de la nature et de ltendue dautres incertitudes, leffet du
biais transversal peut tre particulirement pertinent si la relation dose-rponse est intgre avec
une valuation de lexposition dans laquelle les niveaux dexposition sont quantitatifs et levs.
5.5.7 Intgration de la variabilit et de lincertitude
Les rsultats de lvaluation de lexposition et de la caractrisation des dangers sont intgrs
diffremment selon lapproche adopte pour prendre en compte la variabilit et lincertitude.
Lapproche employe chaque tape doit tre cohrente de faon ce que, par exemple, si
lexposition a t stratifie en fonction de la sensibilit des diffrentes populations, il y ait un
modle dose-rponse pour chaque population. Il est important de relier correctement ces
caractristiques du modle quand on combine les rsultats. Par exemple, si la variabilit entre
les sous-populations a t prise en compte, la distribution de probabilit relative lexposition
dans chaque population, doit tre propage travers le modle dose-rponse pour cette
population.
Ces ides sont illustres la Figure 5.3. Ici, on suppose que lexposition dpend de la saison
(A et B) et du producteur (1 et 2), ce qui conduit 4 distributions diffrentes de lexposition
(A1, A2, B1, B2). On suppose en outre quil y a deux sous-populations, dont chacune a une
courbe dose-rponse qui lui est propre. La figure montre bien quil est important de relier le bon
modle dexposition au bon modle dose-rponse si lexposition et la relation dose-rponse sont
stratifies de cette manire.
Les ides de lien sont mieux illustres aux Figures 5.4 5.7, en tenant compte de la
variabilit et de lincertitude. Ces figures montrent en particulier des rsultats issus de modles
types dans lesquels la stratification de la population et lincertitude ont t incorpores des
degrs divers. Dans chaque cas, lvaluation de lexposition donne la probabilit quune portion
slectionne de faon alatoire de laliment soit contamine par le micro-organisme, ainsi
quune distribution de probabilit relative au nombre logarithmique dorganismes prsents dans
cette portion. On a suppos que lventuelle variabilit de la contamination, par exemple selon
75
les saisons, les rgions du pays ou les producteurs daliments avait t prise en compte, grce
ltablissement de moyennes et quune stratification ntait donc pas ncessaire. La
caractrisation des dangers dbouche sur le modle dose-rponse. On notera que les graphiques
reprsentant les modles dose-rponse ne sont pas des distributions de probabilit ou
dincertitude, mais des fonctions mathmatiques. Enfin, la caractrisation des risques prsente
deux mesures du risque. La premire est prise au niveau individuel et donne par la probabilit
quun individu slectionn de manire alatoire contracte une maladie rsultant de lingestion
dune portion du produit alimentaire. La deuxime, dfinie lchelle de la population, est le
nombre de cas lanne prochaine.
Lincertitude nest pas incluse dans les modles prsents aux Figures 5.4 et 5.5. On a donc
des valeurs ponctuelles pour la probabilit de contamination et le risque individuel, des modles
de dose-rponse unique et des distributions de probabilits uniques pour le nombre log
dorganismes et le risque lchelle de la population. Si lon dispose de grands chantillons de
sorte que le caractre alatoire et les carts entre les populations sont dominants, cette approche
convient. Autrement, on obtiendra des rsultats similaires en changeant les paramtres du
modle pour tudier leffet de lincertitude.
Les Figures 5.6 et 5.7 reprsentent des modles du second ordre. Dans ce cas, il y a une
distribution de lincertitude aussi bien pour la probabilit quune portion soit contamine que
pour le risque individuel (noter laxe des ordonnes sur chacun de ces graphiques - il montre la
confiance plutt que la probabilit). Il y a aussi une incertitude associe au modle dose-rponse
et aux distributions de probabilit concernant les nombres log par portion et le risque lchelle
de la population. Cette incertitude est indique par les courbes multiples sur chaque graphique.
Cette approche est approprie si lincertitude est grande et peut tre explicitement distingue de
la variabilit tous les stades.
La diffrence des rsultats, selon que la stratification de la population est incluse ou non, est
mise en relief par une comparaison entre les Figures 5.4 et 5.5 (sans incertitude) et les Figures
5.6 et 5.7 (avec incertitude). Pour les modles des Figures 5.5 et 5.7, on a suppos que les
rponses variaient entre deux sous-populations. Ceci ressort des diffrents modles de doserponse: la sous-population 1 est moins sensible que la sous-population 2 (bien que les deux
populations soient censes avoir le mme niveau dexposition). Les modles dose-rponse
diffrents dbouchent sur des niveaux de risque individuel diffrents, un individu choisi au
hasard dans la sous-population 1 ayant une probabilit de maladie plus leve quun individu
choisi de manire alatoire dans la sous-population 2. Le risque lchelle de la population
regroupe les rsultats des deux sous-populations pour donner le nombre de cas dans la
population totale. Sil y a des raisons de supposer que les rponses des deux sous-populations
sont les mmes, la stratification est sans objet (Figures 5.4 et 5.6).
Ces exemples peuvent facilement tre tendus, par exemple, pour identifier la variabilit
entre les producteurs, dans le temps ou dans lespace (voir Figure 5.3). En outre, dautres
estimations du risque pourraient tre drives.
Saison
Producteur
1
valuation de lexposition
Population
x
A, 1
A, 1
A, 2
A, 2
B, 1
B, 1
x
y
x
y
B, 2
B, 2
Source de variabilit
78
valuation de lexposition
Probabilit de maladie
Population
Probabilit
0.8
0.6
0.4
0.2
0
Portion contamine
1.2
1
0.8
0.6
0.4
0.2
0
0
10
12
Dose log
Cumulative
probability
1
0.8
0.6
0.4
0.2
0
0
10
Risque individuel
Probabilit
0.8
0.6
0.4
0.2
0
Probabilit cumule
Maladie rsultant
dune portion
Absence de maladie
rsultant dune portion
1
0.8
0.6
0.4
0.2
0
0
100
200
300
400
500
Figure 5.4. Caractrisation des risques sans stratification de la population, et incertitude non incluse
78
79
valuation de lexposition
Sous-population 2
0,2
0,2
Portion contamine
0,6
0,4
0,2
0
0
Portion contamine
de
1
0,8
0,6
6
Dose log
10
12
0,4
0,2
0
0
10
12
Dose log
Probabilit cumule
1
0,8
Probabilit
cumule
0,4
maladie
0,6
1,2
1
0,8
0,6
0,4
0,2
0
Probabilit
0,4
Probabilit
0,6
0,8
Sous-population 2
maladie
0,8
Probabilit
Probabilit
Sous-population 1
de
Sous-population 1
0,8
0,6
0,4
0,2
0
0
10
10
0,8
0,8
Probabilit
Risque individuel
Probabilit
Sous-population 1
0,6
0,4
0,6
0,4
0,2
0,2
0
Maladie rsultant dune portion
0
Maladie rsultant dune portion Absence de maladie rsultant dune portion
1
0,8
Probabilit
cumule
0,6
0,4
0,2
0
0
100
200
300
400
500
valuation de lexposition
Population
Population
Probabilit de maladie
Confiance cumule
1
0,8
0,6
0,4
0,2
0
0
0.1
79
0.2
0.3
1,2
1
0,8
0,6
0,4
0,2
0
0
10
12
Probabilit cumule
Dose log
1
0,8
0,6
0,4
0,2
0
0
10
1
0,8
0,6
Risque individuel
0,4
0,2
0
0
0,002
0,004
0,006
0,008
0,01
Probabilit cumule
1
0,8
0,6
0,4
0,2
0
0
100
200
300
400
500
Figure 5.6 Caractrisation des risques sans stratification de la population, incertitude incluse
80
valuation de lexposition
Sous-population 1
1
Confiance cumule
0,6
0,4
0,2
0
0,1
0,2
0,3
0,8
0,6
0,4
0,2
0
0
0,1
0,2
1,2
1
0,8
0,6
0,4
0,2
0
0
0,3
10
12
1
0,8
0,6
0,4
0,2
0
0
Dose log
Sous-population 2
Probabilit de maladie
1
0,8
0,8
0,6
0,4
0,2
0
0
10
0,8
0,6
0,4
0,2
0
0
10
Risque individuel
Confiance cumule
Sous-population 1
1
0,8
0,6
0,4
0,2
0
1
0,8
0,6
0,4
0,2
0
0,002
0,004
0,006
0,008
0,01
Probabilidad acumulativa
0,02
0,04
0,06
0,08
0,1
1
0,8
0,6
0,4
0,2
0
0
100
6
Dose log
1
Confiance cumule
Confiance cumule
Sous-population 2
Probabilit de maladie
Confiance cumule
Sous-population 1
200
300
400
500
Nombre de cas lanne prochaine
Figure 5.7 Caractrisation des risques avec stratification de la population, incertitude incluse
10
12
81
Comme il sagissait dune valuation comparative, le modle ne prenait en compte que les
lments utiles la comparaison. Il commenait donc par analyser la distribution des bactries
sur le steak avant lattendrissement, puis examinait les variations du risque pour la sant
humaine li lingestion du mme steak, soumis un traitement diffrent, et il navait besoin de
prendre en considration aucun autre facteur intressant llevage et labattage de lanimal.
5.6.2 FAO/OMS Listeria monocytogenes in ready-to-eat foods (FAO/OMS, 2004)
La FAO et lOMS ont runi un groupe de travail pour rpondre trois questions concernant
Listeria monocytogenes, qui avaient t poses par le Comit du Codex sur lhygine
alimentaire (CAC, 2000). Il sagissait de:
Estimer le risque de maladie grave imputable L. monocytogenes dans les aliments lorsque le
nombre dorganismes va de labsence dans 25 grammes 1 000 units formant colonies (UFC)
par gramme ou millilitre, ou ne dpasse pas des niveaux spcifis au point de consommation.
Estimer le risque de maladie grave pour les consommateurs dans diffrents groupes de
population sensibles (personnes ges, nourrissons, femmes enceintes et patients
immunodprims) par rapport la population gnrale.
Estimer le risque de maladie grave imputable L. monocytogenes dans les aliments qui
favorisent sa croissance et les aliments qui ne favorisent pas sa croissance dans des conditions
particulires de stockage et de dure de conservation.
Lvaluation des risques navait pas besoin dun modle complet couvrant toute la filire
alimentaire ( de la ferme la table ) pour rpondre ces questions. En outre, comme les
82
Lait
910
0,5
Crmes glaces
1,2
0,0014
Poisson fum
46
2,1
0,066
0,00025
Viandes fermentes
SOURCE: Adapt du Tableau 1 de lvaluation des risques lis Listeria monocytogenes dans les aliments prts consommer
(FAO/OMS, 2004).
Le rapport dvaluation des risques fournit une explication trs dtaille des principales
limites de lanalyse quantitative, qui doit notamment compter principalement sur des donnes
quantitatives europennes sur la contamination, et sur des sources multiples pour les estimations
de la prvalence. Les donnes sur la consommation provenaient principalement dAmrique du
Nord et la relation dose-rponse a t drive de donnes pidmiologiques provenant des tatsUnis dAmrique, o les niveaux dexposition pourraient ne pas tre les mmes quen Europe.
La rponse rsume aux trois questions du Codex reconnat que les donnes quantitatives
doivent tre interprtes avec prudence, en fournissant des rponses qualitatives. Par exemple
(FAO/OMS, 2004):
Lvaluation des risques dmontre que la plupart des cas de listriose sont attribuables de grands
nombres de Listeria et aux aliments dans lesquels la concentration du pathogne ne rpond pas aux
critres actuels, quels quils soient (0,04 ou 100 UFC/g). Le modle prvoit galement que lingestion
dun petit nombre de L. monocytogenes ne risque gure de causer la maladie. liminer de grands
nombres de L. monocytogenes au moment de la consommation a un impact non ngligeable sur le
nombre de cas de maladie prvu.
5.6.3 Shiga-toxin-producing E. coli O157 in steak tartare patties (Nauta et al., 2001)
Dans une valuation des risques lis Escherichia coli producteurs de Shiga-toxines (STEC)
dans des bouches de steak tartare, Nauta et al. (2001) ont simul lexposition de la population
aux Pays-Bas, en construisant un Modle de Monte-Carlo de la ferme la table . Cette
valuation des risques a fourni un exemple de lintgration de lvaluation de lexposition et de
la caractrisation des dangers avec une faible dose et une relation dose-rponse lchelle
individuelle. La prvision de lexposition du modle de rfrence tait caractrise par une
prvalence de 0,29% de bouches de tartare contamines et un nombre moyen de 190 UFC par
bouche contamine. La distribution des UFC dans les bouches contamines est rsume au
Tableau 5.2. En combinant cette distribution avec des donnes sur la probabilit de
83
consommation dune bouche de steak tartare par personne et par jour, on obtient une
valuation de lexposition de la population, exprime en units dUFC par personne et par jour.
Le modle dose-rponse labor pour la caractrisation des dangers se fondait sur une
pidmie bien documente dans une cole primaire au Japon (Shinagawa, 1997). Les donnes
ont t ajustes un modle exponentiel distinct pour les enfants et les adultes, ce qui a donn
des estimations ponctuelles de la probabilit dinfection par une seule cellule de r = 0,0093
pour les enfants et de r = 0,0051 pour les adultes.
Tableau 5.2 Distribution de lexposition aux STEC O157 dans des bouches de steak tartare.
UFC par exposition
Probabilit
63,9%
210
28,8%
11100
6,3%
1011000
0,9%
>1000
0,11%
Comme les niveaux dUFC par exposition taient gnralement faibles, la distribution de
lexposition a t combine avec le modle dose-rponse dans une simulation de Monte Carlo,
en appliquant le modle bas sur la thorie du choc unique, selon la formule 1-(1-r)n, n tant
un chantillon alatoire de la distribution de lexposition. La caractrisation des risques, faite au
moyen de cette approche, a permis de dterminer un taux dattaque prvu de 0,0015%
dinfections par personne et par an aux Pays-Bas, soit 2335 infections par 15,6 millions de
personnes et par an.
Notons que, dans cet exemple, lincertitude nest pas quantifie; seule la variabilit est prise
en compte.
5.6.4 FAO/OMS risk assessment of Vibrio vulnificus in raw oysters (FAO/OMS, 2005)
La FAO et lOMS ont entrepris dvaluer le risque de maladie imputable Vibrio vulnificus
dans les hutres crues, en adaptant la structure dun modle de risque qui avait t
prcdemment labore aux tats-Unis pour V. parahaemolyticus (FAO/OMS, 2005). Cette
valuation des risques fournit un exemple de lintgration dune valuation de lexposition et
dune caractrisation des dangers, quand une relation dose-rponse estime partir de donnes
agrges prsente un biais apprciable si elle est interprte comme valable au niveau des
expositions individuelles. Le modle relatif V. vulnificus avait pour principal objectif
dexaminer lefficacit potentielle des mesures de rduction aprs llaboration dun modle de
rfrence.
Une relation dose-rponse relative V. vulnificus a t obtenue en ajustant un modle
paramtrique (Bta-Poisson) aux donnes estimes lchelle de la population ou lchelle
globale sur la relation entre la moyenne arithmtique du risque et la moyenne arithmtique de
la dose sur des groupes des donnes dfinies par saison et par an. Ces donnes estimes sur la
relation dose-rponse se fondaient sur une surveillance pidmiologique des cas, des statistiques
de consommation et des estimations de la densit de V. vulnificus bases sur un modle.
Lajustement du modle dose-rponse obtenu a t interprt comme un ajustement empirique.
84
Saison
Hiver
1,4 10-6
5,1 10-7
1,1 10-6
Printemps
2,8 10-5
1,7 10-5
3,4 10-5
-5
-5
3,9 10-5
5,1 10-6
2,3 10-5
4,9 10
Automne
1,9 10-5
2,8 10
6. Assurance de la qualit
La caractrisation des risques nest pas une simple synthse des rsultats des composantes
prcdentes de lvaluation des risques, elle rsume aussi lensemble des conclusions et
prsente les atouts et les limites de lanalyse aux gestionnaires des risques. La validit de
lvaluation dpend de la solidit de la structure, des paramtres et des hypothses sousjacentes des modles et de linterprtation de leurs rsultats. Lassurance de la qualit est donc
un lment crucial de la caractrisation des risques. La qualit peut tre garantie par diverses
mthodes. La question de lassurance de la qualit des donnes est examine la Section 6.1,
alors que la section 6.2 porte sur lvaluation du poids de la preuve. Lanalyse de la sensibilit
et lanalyse de lincertitude sont respectivement dcrites aux Sections 6.3 et 6.4, alors que la
vrification, lancrage et la validation des modles sont abords aux sections 6.5, 6.6 et 6.7. Une
mthode spcifique de validation des modles, impliquant une comparaison avec des donnes
pidmiologiques, est prsente la section 6.8. La solidit des modles et les problmes ayant
trait leur extrapolation sont traits la Section 6.9. La crdibilit dune valuation des risques
repose sur des critres, passs en revue la Section 6.10, incluant une documentation approprie
de lanalyse et lexamen par des pairs. Le processus dexamen par le public est tudi la
Section 8.5.
6.1 Assurance de la qualit des donnes
Les rsultats dune analyse de la sensibilit ou de lincertitude sont conditionns par les donnes
et autres informations utilises pour laborer le modle dvaluation des risques. Comme la
caractrisation des risques sert de mcanisme principal pour communiquer les conclusions des
valuations aux gestionnaires des risques, elle devrait rsumer brivement les principaux atouts
et limites des donnes, mthodes et analyses recenss durant lidentification des risques,
lvaluation de lexposition et la caractrisation des dangers. Pour ces analyses, les valuateurs
des risques doivent gnralement faire des synthses et des infrences partir de sources de
donnes disparates qui ntaient lorigine pas spcifiquement destines aux valuations des
risques. Dans certains cas, cela les oblige employer des mthodes non classiques ou non
usuelles qui doivent tre passes au crible pour sassurer quelles sont acceptables et appliques
comme il convient. Pour une tude plus approfondie, on peut se rfrer aux directives
FAO/OMS relatives la caractrisation des dangers et lvaluation de lexposition
(FAO/OMS, 2003, 2008).
6.1.1 Collecte des donnes
Habituellement les donnes utilisables pour une valuation des risques microbiologiques sont
disperses. En principe, les valuateurs devraient commencer par recueillir toutes les donnes
pertinentes par rapport lobjectif de lvaluation quil est possible dobtenir dans des
conditions raisonnables, et dans un deuxime temps examiner la qualit des diffrentes sources
de donnes. Lorsque lon collecte des donnes relatives aux distributions des paramtres,
plusieurs aspects doivent tre pris en considration pour valuer leur qualit. Les considrations
ci-aprs sappliquent aux donnes empiriques et aux informations obtenues auprs dexperts.
Dans lidal, les valuateurs des risques devraient avoir accs des donnes brutes non
synthtises. Sil sagit de donnes dobservation suffisantes, certaines mthodes statistiques,
comme les tests de la qualit de lajustement, permettent de dfinir une distribution
87
paramtrique approprie pour dcrire les donnes. dfaut, on peut avoir recours des
distributions paramtriques ou des mthodes de simulation non paramtriques pour
caractriser les distributions des donnes dentre. Cependant, les donnes brutes sont souvent
inaccessibles. Les rsultats sont gnralement exprims en tant que statistiques rsumes
agrges, telles que moyenne estime, cart-type ou erreur-type de la moyenne. Pour tablir une
distribution partir de statistiques rsumes, on doit obtenir des informations sur la distribution
suppose des donnes sous-jacentes, ainsi que sur la taille de lchantillon.
Il convient de recueillir le plus
dinformations gnrales possible sur les
sources des donnes (anne dachvement,
pays dorigine, type dchantillon,
transformation possible des donnes,
mthode
danalyse,
souche
microbiologique
et
facteurs
dmographiques, etc.). Ces informations
peuvent tre importantes pour le traitement
ou lutilisation des donnes ou pour
dcider de lopportunit de les inclure
dans le modle. Un exemple est fourni
lEncadr 6.1.
88
Assurance de la qualit
variabilit peut tre plus grande que ne le suggrent les donnes empiriques elles seules. De ce
fait, on peut avoir recours des techniques comme lanalyse de sensibilit de porte nominale
pour valuer la sensibilit du rsultat du modle aux variations dun paramtre sur toute sa
gamme de valeurs plausibles. Il se peut aussi que les donnes disponibles ne soient pas
considres comme reprsentatives de la population tudie. Dans ce cas, elles peuvent tre
exclues de lanalyse ou incorpores avec un ajustement appropri. Les dcisions relatives au
traitement des donnes non reprsentatives dpendent du contexte et doivent tre clairement
expliques. Par exemple, les donnes provenant dune source spcifique peuvent tre
considres comme non-reprsentatives pour fournir une estimation de la tendance centrale
(par exemple la moyenne), mais utiles pour caractriser la dispersion de la distribution dun
paramtre (ex : plus ou moins un ordre de grandeur).
89
Processus de lavage
et de
rfrigration
wash
& chiller
process
Figure 6.1 Illustration dun sous-modle de bote noire mettant en corrlation deux ensembles de
donnes observes (points dancrage) au cours dun processus. On a suppos que la rduction relative de
la charge de Campylobacter sur les carcasses de poulets tait indpendante de la partie de la carcasse o
lchantillon a t prlev. Si les donnes sont exprimes en valeurs logarithmiques dUFC, on obtient la
variation relative de la concentration au cours du processus (lavage + rfrigration) en soustrayant les
concentrations avant et aprs le processus.
6
5
Mead et al (1995)
Oosterrom et al
(1983)
Izat et al (1988)
Cason et al (1997)
1
0
avant before
lavage +
rfrigration
wash+chiller
after lavage +
aprs
wash+chiller
rfrigration
Figure 6.2 Influence dun processus dabattage slectionn sur la concentration de Campylobacter sur
des carcasses de poulet. La variation des concentrations de pathognes avant et aprs le processus est
reprsente par une droite reliant des points de donnes provenant de la mme tude.
Assurance de la qualit
90
1.
2.
tudes
Studies
3.
4.
5.
6.
7.
8.
9.
10.
95 % confidence
Intervalle
de confiance interval
de 95%
Figure 6.3 Exemple daperu des donnes issues de diffrentes tudes, avec leurs intervalles de confiance
de 95%.
Lors de la slection des ensembles de donnes appropris inclure dans lvaluation des
risques, on peut aussi bien appliquer des critres subjectifs que des critres analytiques. Les
critres dvaluation subjectifs peuvent comprendre la reprsentativit des proprits
gographiques et temporelles de ltude propose. Par exemple, si ltude N. 1 de la Figure 6.3
est la seule tude trangre, et si elle est sensiblement diffrente des autres (selon les critres
analytiques) elle peut tre exclue. En revanche, si les 10 tudes ont toutes t effectues dans le
mme pays, la mme anne, etc., mais sont signales par des laboratoires diffrents, les
diffrences peuvent tre dues la variabilit entre les laboratoires et lvaluateur peut dcider
dincorporer toutes les tudes dans le modle.
6.2 Progression et poids de la preuve
Quune valuation soit quantitative ou qualitative,
le risque de sant publique li un microorganisme peut tre conu comme rsultant dun
danger, dune exposition et de consommateurs
sensibles (Figure 6.4).
DANGER
RISQUE
91
des maladies aigus dorigine alimentaire, lavenir les valuateurs des risques devront
vraisemblablement rpondre des questions de plus en plus sibyllines et complexes sur la
gestion des risques, notamment propos du risque associ aux micro-organismes antibiorsistants, du poids des squelles chroniques, de certaines prparations alimentaires ayant un
effet inhibiteur sur la croissance, et de la prdisposition des individus ayant des troubles de
sant prexistants. Le prsent chapitre donne donc quelques directives prliminaires sur
lassurance de la qualit car on prvoit que les dterminations du poids de la preuve prendre de
plus en plus dimportance dans les valuations des risques associs la prsence de pathognes
microbiens dans les aliments.
6.3 Analyse de sensibilit
Les valuations des risques complexes peuvent avoir de nombreuses variables dentre (donnes
initiales) et de sortie (rsultats) relies par un systme dquations ou dautres structures de
modles. Une analyse de sensibilit est un vaste ensemble outils propres renseigner les
valuateurs et les gestionnaires des risques sur limportance relative des composantes dune
valuation des risques par rapport la question pose. La qualit globale de lvaluation dpend
essentiellement de la plausibilit des principales composantes, dont les variations peuvent aussi
tre exprimes en fonction de linfluence de ces paramtres dentre sur les rponses aux
questions poses par les gestionnaires des risques.
La pertinence dune analyse de la sensibilit par rapport une dcision est un critre
essentiel. Une analyse de sensibilit value leffet des changements des paramtres et des
hypothses du modle sur son rsultat et par consquent sur les dcisions en dcoulent. Elle
peut tre effectue au stade de llaboration du modle pour valuer et affiner son efficacit et
jouer un rle important dans la vrification et la validation dun modle tout au long de son
laboration et de son perfectionnement. Une analyse de sensibilit peut aussi tre ralise au
moment de la prise de dcision pour obtenir des renseignements sur la robustesse dun modle.
Une analyse de sensibilit peut aussi tre utile pour identifier dimportantes incertitudes en
vue de dterminer les donnes supplmentaires collecter ou les recherches effectuer en
priorit. Une analyse de la valeur de linformation peut complter les mthodes danalyse de
sensibilit car lefficacit des dcisions prises par les gestionnaires des risques concernant les
dpenses de recherche et de collecte de donnes dpend de diverses autres considrations (tels
que le cot et le temps).
Les modles dvaluation des risques microbiologiques prsentent gnralement les
caractristiques suivantes, qui peuvent compliquer considrablement lapplication des mthodes
danalyse de sensibilit:
non-linarits;
seuils (ex : en-de desquels la croissance dun pathogne microbien est nulle);
paramtres discrets (ex: nombres entiers danimaux ou de troupeaux; indicateurs oui/non de
contamination);
Inclusion derreurs de mesure;
variation de lchelle (units et fourchette) et de la forme des distributions des paramtres des
modles; et
Assurance de la qualit
92
93
Mthodes exploratoires
Dans le cadre dune analyse de sensibilit, les mthodes exploratoires sont gnralement
appliques de faon ponctuelle, mais elles peuvent tre primordiales pour lvaluation des
principales sources dincertitude dans une analyse. Certaines de ces sources dincertitude
comprennent des caractristiques qualitatives, telles que la reprsentation conceptuelle du
systme considr, la structure, le niveau de dtail, la validation, lextrapolation, la rsolution,
les limites et les scnarios du modle. Il nest pas rare, par exemple, que lincertitude
concernant la forme du vrai modle soit beaucoup plus importante que celle associe un
paramtre quelconque dun modle statistique donn. Une valuation de la sensibilit dune
analyse des modifications des hypothses ne serait pas complte si elle ne prenait pas en
considration la qualit de la spcification du scnario qui sous-tend lanalyse. Les mthodes
dvaluation de lincertitude concernant des caractristiques qualitatives de lanalyse impliquent
normalement une comparaison des rsultats dans le cadre dhypothses structurelles diffrentes.
Par exemple, pour dterminer limportance de diffrentes voies dexposition, on peut estimer
lexposition associe chaque voie et dterminer si les expositions totales dpendent seulement
dun petit nombre de voies critiques. De mme, en cas dincertitude concernant la structure
dun modle, on compare habituellement les prvisions bases sur diffrents modles, chacun
deux pouvant avoir une formulation thorique et mathmatique qui lui est propre.
Mthodes statistiques
Parmi les mthodes danalyse de la sensibilit statistique (ou mthodes bases sur ltude de la
variance), on peut citer lanalyse de rgression, lanalyse de la variance, la mthode des surfaces
de rponse, le test FAST (de langlais Fourier amplitude sensitivity test), lindice dinformation
mutuelle (IIM) et les arbres de classification et de rgression (CART) (Frey et Patil, 2002). La
plupart de ces mthodes sont appliques en mme temps quune analyse de Monte-Carlo, ou
aprs. Lanalyse de rgression, lanalyse de la variance, le test FAST et lIIM fournissent des
mesures quantitatives de la sensibilit de chaque paramtre. Une analyse de rgression exige
une hypothse sur le modle.
Mthodes graphiques
Les mthodes graphiques reprsentent gnralement la sensibilit par des nuages de points et
des diagrammes en araigne. Les rsultats dautres mthodes danalyse de la sensibilit (ex :
corrlation des ordres de grandeur) peuvent aussi tre synthtiss par des graphiques
(notamment diagrammes Tornado). Ces graphiques peuvent tre utiliss pour un visionnage
avant de passer une analyse plus approfondie dun modle, ou pour reprsenter des
dpendances complexes entre les variables dentre et de sortie du modle (Par exemple, voir
McCamly et Rudel, 1995). Ces dpendances complexes pourraient par exemple comprendre des
seuils ou des non-linarits qui ne seraient pas correctement capts par dautres techniques.
valuation des mthodes danalyse de la sensibilit
Chaque mthode danalyse de la sensibilit fournit des informations diffrentes concernant les
sensibilits des paramtres (ex : effet combin/ effets individuels des paramtres dun modle,
petites perturbations des paramtres/effet dune fourchette de variation, ou affectation de la
variance/information mutuelle). Comme les conclusions sont plus robustes quand plusieurs
mthodes concordent, on a intrt dans la mesure du possible appliquer deux ou plusieurs
types danalyses de sensibilit diffrents pour comparer les rsultats de chaque mthode et tirer
Assurance de la qualit
94
des conclusions sur la robustesse du classement par ordre de grandeur des principaux
paramtres. Les mthodes non-paramtriques (ex : corrlation des rangs de Spearman) sont
applicables des modles monotones, non linaires. Vose (2000) recommande lutilisation de
diagrammes en araigne pour illustrer leffet de variables dentre individuelles sur lincertitude
du rsultat du modle.
6.4 Analyse de lincertitude
Lanalyse de lincertitude value la gamme et la vraisemblance des prvisions dun modle.
Dans le contexte de lassurance de la qualit, lanalyse de lincertitude est un instrument
prcieux pour caractriser la prcision des prvisions dun modle.
Une analyse de lincertitude peut aussi tre utilise, en combinaison avec une analyse de la
sensibilit, pour valuer limportance des incertitudes lies aux paramtres dun modle, en
fonction de leurs contributions relatives lincertitude des rsultats du modle (Morgan et
Henrion, 1990). Diverses mthodes permettent destimer lincertitude du rsultat dun modle
daprs lincertitude de ses paramtres dentre et le choix de la mthode dpend du type
dinformation qui prsente le plus dintrt, de la forme fonctionnelle du modle et dans une
certaine mesure du nombre de paramtres pour lesquels lincertitude est caractrise.
Les mthodes classiques comprennent la simulation de Monte Carlo pour gnrer des
chantillons partir des distributions assignes chaque paramtre. Des mthodes danalyse de
la sensibilit, telles que lanalyse de rgression et lanalyse de la variance, peuvent tre
employes, en combinaison avec une simulation de Monte Carlo, pour identifier les paramtres
dun modle qui contribuent le plus lincertitude de ses prvisions. Helton et Davis (2002)
fournissent un tude documentaire approfondie des mthodes danalyse de la sensibilit utilises
en combinaison avec des mthodes dchantillonnage.
6.5 Vrification des modles
La vrification dun modle consiste le passer au crible pour sassurer quil fonctionne comme
le prvoyaient ses concepteurs. La vrification est ltape qui prcde la validation dun modle.
Le processus inclut la validation du code de logiciel utilis pour mettre en uvre le modle. Un
modle nest valid que si les donnes, mthodes, hypothses et outils utiliss sont pleinement
documents et transparents, de faon ce que le modle puisse tre reproduit de manire
indpendante. Une structure de modle bien organise facilite le processus de vrification.
La vrification dun modle doit rpondre plusieurs grandes questions:
La formulation du modle est-elle correcte? Par exemple, les quations analytiques sont-elles
drives correctement et exemptes derreur ?
La version informatise du modle analytique est-elle correctement applique?
Les paramtres sont-ils bien spcifis?
Les units de mesure se propagent-elles correctement travers le modle?
La cohrence interne du modle est-elle respecte ? Par exemple, si une hypothse est
formule dans une partie du modle, est-elle applique de faon cohrente dans lensemble du
modle ? Dans le modle, y a-t-il une cohrence entre les rsultats intermdiaires et les
paramtres dentre ?
95
Il est parfois difficile de vrifier un code informatique par des mthodes quantitatives,
surtout sil sagit de grands modles construits en peu de temps. Toutefois, la vrification du
code informatique peut tre facilite par de bonnes pratiques de gnie logiciel notamment par
une spcification claire des bases de donnes, la conception de la structure du logiciel avant le
codage, le contrle de la version, la spcification claire des interfaces entre les composantes
dun modle et une bonne communication entre les quipes de projet si des personnes
diffrentes conoivent les diffrentes composantes du modle. La documentation du modle et
lexamen par des pairs sont des aspects critiques du processus de vrification.
6.6 Ancrage dun modle
Lancrage est une technique visant ajuster ou calibrer un modle pour le rendre plus
compatible avec les donnes observes. Par exemple, les paramtres dun modle peuvent tre
ajusts pour assurer la concordance de ses prvisions avec les donnes observes. Lancrage est
une pratique gnralement accepte dans les valuations des risques pour la sant et les
exercices de modlisation environnementale, et elle a t employe sous une forme quelconque
dans des valuations des risques ralises aux tats-Unis dAmrique sur Salmonella Enteritidis
dans les oeufs, Listeria monocytogenes dans les aliments prts consommer, Escherichia coli
O157:H7 dans le buf hach, ainsi que pour une valuation internationale des risques associs
Vibrio vulnificus dans les hutres (FAO/OMS, 2005). Les donnes provenant des foyers
pidmiques reprsentent le point dancrage des modles dose-rponse et elles sont importantes
pour valider les valuations des risques. Cependant, un compromis simpose car lancrage
compromet la capacit de valider le rsultat dun modle travers une comparaison avec les
donnes observes dans les situations o lon dispose dlments insuffisants pour les
confirmer. En gnral, il est prfrable de recourir aux mthodes dancrage qui pondrent les
paramtres dun modle proportionnellement leur probabilit la lumire des donnes
observes, plutt que dutiliser des facteurs dajustement simples ou de censurer les valeurs des
paramtres incompatibles avec les donnes observes (National Academy of Sciences, 2002).
Quelle que soit lapproche adopte, toutes les prcautions doivent tre prises pour garantir la
transparence et le bien-fond de la procdure dajustement. Si lon doit ancrer et valider le
modle (en utilisant une partie des donnes indpendantes que lon aura conserves), lancrage
doit prcder la validation.
6.7 Validation dun modle
Un jugement doit tre formul quant lacceptabilit de la rponse du modle dvaluation des
risques. Plus simplement, les procdures de validation dun modle visent rpondre trois
types de questions : 1) Le modle est-il cens? 2) Le modle rpond-il de manire approprie
aux modifications des hypothses initiales ? et 3) Les prvisions rpondent-elles de manire
approprie aux modifications de la structure de lanalyse ? Ce processus est parfois appel
confrontation avec la ralit ou renforcement de la confiance .
La validation dun modle dpend dans une trs large mesure de la question pose par le
gestionnaire des risques, et le degr de validation exig devrait tre proportionnel aux enjeux de
la dcision. Ltude FAO/OMS (2003) donne la dfinition suivante de la validation dun modle
dmontrer son exactitude par rapport une utilisation donne et identifie diffrents aspects
de la validation : la validation conceptuelle, qui vise dterminer si le modle reprsente avec
exactitude le systme tudi ; la validation de lalgorithme, lie la traduction des concepts
dun modle en formules mathmatiques ; la validation du code de logiciel, lie lapplication
Assurance de la qualit
96
de formules mathmatiques en langage informatique (voir la Section 6.5 sur la vrification dun
modle) ; la validation fonctionnelle, qui a pour objet de vrifier le modle par rapport des
observations obtenues de manire indpendante. Mme si lon ne dispose pas de donnes
indpendantes, on peut mettre de ct une partie des donnes durant llaboration du modle
pour pouvoir ensuite lvaluer, mais on aura moins dinformations pour construire le modle, de
sorte que cette solution perd de lintrt si les donnes disponibles sont peu nombreuses.
Une concordance troite entre un effort initial de modlisation des risques et les donnes de
validation indpendantes serait fortuite. Une concordance entre le rsultat dun modle et les
donnes de validation est cependant possible, mais elle rsulterait du hasard et nindiquerait pas
ncessairement que toutes les composantes des modles intermdiaires sont exactes. Un modle
est normalement labor et affin par ttonnements (processus itratif). Aussi bien pour
lancrage que pour la validation dun modle, plus les points de comparaison avec les donnes
observes sont nombreux, plus le modle est crdible. En gnral, la crdibilit scientifique
dun modle est renforce si des rsultats cohrents sont drivs de diffrentes sources
(laboratoires, rgions) et / ou types de donnes pertinentes (donnes dobservation ou donnes
exprimentales. Le jugement relatif au degr de pertinence et de cohrence requis dpend du
contexte. Le degr de tolrance vis--vis des rponses incohrentes dpend de ce qui constitue
une diffrence importante , par rapport aux variations des rsultats dun modle. Dans le
contexte de lvaluation des risques, cette diffrence est considre comme importante si
elle modifie de faon significative la dcision de gestion des risques fonde sur des critres
pertinents.
Il est parfois difficile, sinon impossible, de valider intgralement un modle. tant donn que
les modles dvaluation des risques tentent souvent de prvoir des vnements peu probables,
il peut par exemple tre difficile dobtenir un ensemble de donnes indpendantes qui constitue
un chantillon de taille suffisante pour faire des comparaisons statistiquement significatives
entre les prvisions et les observations. Toutefois, mme dans ces situations, les composantes du
modle peuvent tre valides. Les parties du modle qui analysent une voie dexposition
particulire peuvent par exemple tre valides, en mesurant les concentrations de contaminants
dans des aliments spcifiques.
Il arrive souvent que lon ne dispose de pratiquement aucune donne indpendante, avec
lesquelles comparer les prvisions du modle. Dans ce cas, on remplace la validation par :
des procdures de slection pour identifier les principaux paramtres et voies du modle;
une analyse de sensibilit pour identifier les principaux paramtres ou groupes de paramtres;
une analyse de lincertitude pour valuer leffet de lincertitude des paramtres par rapport
aux prvisions;
une comparaison entre les prvisions de diffrents modles ;
une valuation de la sensibilit des rsultats aux diffrentes hypothses concernant les
scnarios, les limites, la rsolution et le niveau de dtail du modle.
Aucune de ces techniques ne permet de valider directement le modle, mais chacune donne
des informations sur la sensibilit des prvisions du modle aux principales hypothses
concernant lanalyse. La rponse des prvisions ces procdures peut tre value par rapport
aux attentes antrieures, une comparaison avec des systmes similaires et des justifications
thoriques.
97
98
Assurance de la qualit
Lextrapolation des rsultats dun modle dautres situations peut prendre diverses formes : du
prsent au futur, dune rgion gographique une autre, dun micro-organisme un autre, de
lanimal lhomme, des sujets humains soumis des essais cliniques lensemble de la
population, dune population humaine une autre, des donnes disponibles aux valeurs
suprieures la fourchette des donnes observes, de contextes exprimentaux contrls des
environnements oprationnels, etc. Certaines extrapolations peuvent tre faites avec une
confiance relative, alors que dautres reprsentent un vritable saut dans linconnu. Un certain
degr dextrapolation est invitable si lvaluation des risques a pour but daider les
gestionnaires des risques prendre des dcisions, car leurs demandes tendent tre toujours en
avance sur les donnes fournies par la science pertinente. Limportance des diverses formes
dextrapolation faites dans une valuation des risques doit tre examine et - dans la mesure o
cest possible et utile pour la dcision considre - caractrise de faon claire, sur une base
quantitative ou qualitative.
Lextrapolation est explicite quand les valeurs slectionnes des paramtres sont en dehors
de la gamme des valeurs utilises pour calibrer et/ou valider le modle. En revanche, on dit que
lextrapolation est occulte pour une combinaison de valeurs de chaque paramtre du modle
comprises dans les gammes de valeurs utilises pour la calibration et la validation, mais pour
lesquelles cette combinaison spcifique na pas t incluse ou approche durant la calibration ou
la validation. Ainsi de simples vrifications des intervalles de chaque paramtre ne garantissent
pas quune extrapolation occulte ne puisse pas se produire. Le problme de lextrapolation
occulte se pose surtout pour un systme dans lequel les interactions entre les paramtres sont
trs sensibles.
Un modle calibr pour une gamme troite de valeurs de chaque paramtre peut ne pas tre
robuste sil est appliqu une analyse de la sensibilit ou de lincertitude. Lutilisation de
fourchettes ou de distributions plutt que destimations ponctuelles peut conduire des
extrapolations explicites ou implicites du modle. En outre il peut arriver quun ensemble
commun de paramtres dun modle soient chantillonns dans une analyse de Monte Carlo
pour les points de singularit dun modle, ce qui engendre des problmes (division par zro ou
rsultats non borns). Ces problmes sont souvent dus une simplification des hypothses lors
de llaboration du modle, la spcification errone des distributions des paramtres ou des
limites des logiciels. Concrtement, ce type de problme se pose surtout quand on travaille avec
un code de logiciel ou un code informatique conu par quelquun dautre et mal document.
Un modle est considr comme robuste sil ragit de manire raisonnable une variation
des valeurs des paramtres, tout en ntant pas facilement sujet des points de singularit ou
dautres problmes structurels conduisant une amplification importante des erreurs dans les
valeurs des paramtres, rsultant de lincertitude ou dune erreur dutilisation. En outre, un
modle fond sur une thorie rationnelle peut tre plus fiable quun modle purement empirique
qui est essentiellement un ajustement des donnes de calibration. Il y a une diffrence entre la
robustesse dun modle dvaluation des risques et la robustesse dune dcision de gestion des
risques. Dun point de vue analytique, une dcision de gestion des risques est robuste si elle a
des effets positifs sur une gamme raisonnablement large de rsultats futurs possibles concernant
les incertitudes associes aux nombreux facteurs qui influencent la dcision. Une telle source
dincertitude inclut normalement le modle dvaluation des risques lui-mme.
99
100
Assurance de la qualit
Pour Morgan et Henrion (1990), lexposition un examen par des pairs est un principe
fondamental de toute bonne analyse des politiques. Un examen scientifique par des pairs est
fortement conditionn par la question touchant la gestion des risques laquelle lvaluation
est cense rpondre. dfaut dune rfrence une question spcifique bien dfinie, lexamen
des pairs risque de ne pas tre ax sur les incertitudes spcifiques qui ont le plus de probabilits
dinfluencer la dcision. Par exemple, si la question pose par le gestionnaire des risques est
Quelle est la probabilit doccurrence dun pathogne spcifique dans un processus de
production alimentaire particulier? , les lacunes des donnes et les autres incertitudes
concernant les processus de post-production nentrent pas en ligne de compte. Si les
observations des pairs concernant le champ dapplication de lvaluation des risques peuvent
tre utiles pour des valuations futures, elles ne permettent pas de juger si lvaluation des
risques considre est adquate pour faciliter la prise de dcision concernant la question pose
par le gestionnaire des risques, laquelle elle est cense rpondre. Si une valuation des risques
a plusieurs objectifs, un examen par les pairs peut aider identifier ceux qui sont effectivement
atteints avec lvaluation, car cette dernire peut tre adquate par rapport une dcision mais
insuffisante par rapport une autre. Sil sagit dune valuation complexe, un examen exhaustif
peut tre trop long et compliqu, mme si la documentation est adquate. Pour les valuations
des risques complexes et de grande envergure, un examen exhaustif peut ncessiter une quipe
multidisciplinaire et un budget important. Do la ncessit de redimensionner les avantages de
fond et de procdure dun examen des pairs compte tenu des contraintes de temps et de
ressources. Le niveau et ltendue de lexamen doivent tre proportionnels aux enjeux de la
dcision, en tenant compte de la ncessit dintervenir immdiatement quand surviennent des
urgences avres en matire de sant publique.
103
Nous allons examiner dans la section qui suit les mthodes danalyse conomique qui
peuvent tre utilises pour valuer les cots et les avantages de la scurit sanitaire des aliments
et de diffrents tats de sant, avant dtudier leur application dans le domaine de lvaluation et
de la gestion des risques en matire de scurit sanitaire des aliments.
7.2 Lvaluation conomique
La valeur conomique de la plupart des produits et de leurs attributs peut tre dtermine en
examinant les prix du march. Si lapparition dun march pour la scurit sanitaire des aliments
nest pas exclure, celle-ci na pas encore de prix, ou tout au moins de mesure. Les produits
alimentaires ne sont pas commercialiss, ni leurs prix diffrencis, selon quils sont srs,
moins srs ou pas srs. Faute de prix bien dfinis pour la scurit sanitaire des aliments, les
conomistes et dautres chercheurs dans le domaine de la sant ont labor un certain nombre de
mthodes pour valuer les avantages dcoulant de la rduction de la morbidit et des cas de
mort prmature associs aux pathognes prsents dans des aliments.
7.2.1 valuation des rsultats pour la sant
Pour mesurer les avantages des diffrentes interventions de gestion des risques, lvaluateur des
risques doit estimer la rduction des cas de maladies (maladies aigus et leurs complications).
Mme si cest une ventualit rare, les maladies dorigine alimentaire peuvent aussi entraner
certains types de complications (voir Appendice 1; Foegeding et Roberts, 1994). Il est donc
intressant de regrouper les donnes mdicales dans un arbre des consquences dune maladie
(voir Annexe Figure A1) afin didentifier et de documenter toute la gamme des maladies aigus
et des complications long terme. La gamme de rsultats pour la sant est si vaste, quil ne
suffit pas dtablir un classement, par exemple des dcs, car on laisserait de ct de
nombreuses autres consquences, do la difficult de dcrire et dvaluer lintgralit des cots
des stratgies de gestion des risques et de donner un ordre de priorit aux options de dpenses.
Pour dterminer un point de rfrence permettant de comparer les diffrents risques de sant
et de classer les diverses options possibles, les analystes doivent traduire des rsultats diffrents
en une unit commune danalyse. Les conomistes ont jou un rle fondamental en tablissant
une unit commune danalyse pour le classement des risques et lanalyse cots-avantages. Les
mthodes du cot social (mthode COI) et de la propension payer (WTP) convertissent les
divers rsultats en units montaires alors que lapproche QALY les convertit en quivalences
de temps en bonne sant (Kuchler et Golan, 1999; Golan et al., 2003; Haddix et al., 1996;
Tolley, Kenkel et Fabian, 1994).
Lenchanement complexe des vnements qui peuvent se produire pendant la vie dune
personne aprs une maladie dorigine alimentaire est illustr la Figure 7.1, qui montre les liens
entre larthrite et lexposition des pathognes dorigine alimentaire (Raybourne et al., 2003).
On trouve au premier nud de larbre, lestimation de la probabilit quune personne expose
un pathogne dorigine alimentaire dveloppe une arthrite ractive ; au deuxime nud
lestimation de la probabilit de gurison complte ou de progression vers une arthrite
chronique. Le dernier nud caractrise les consquences dune arthrite chronique : en douleur
articulaire lgre ou intermittente; douleur articulaire forte/chronique; ou sacro-iliite/spondylite
(inflammation vertbrale).
104
Gurison complte
92%
(85-97.7)
3.2%
Gurison complte
ETA aguda
Arthrite
ractive
8%
(2.3-15)
40%
(20-82)
Douleur
articulaire
lgre ou intermittente
40% (20-46)
Arthrite
progressive/rcurren
te
60%
(18-80)
Douleur
articulaire
forte/chronique
1.4%
30% (5.9-48)
Sacro-iliite/spondylite
30% (14-32)
1.9%
1.4%
100%
Figure 7.1 Arbre des consquences des arthropathies (Raybourne et al., 2003). Les chiffres indiqus sont
des estimations du pourcentage moyen de cas dans chaque catgorie. Les chiffres figurant entre
parenthses indiquent la fourchette de ces estimations.
105
106
faut en gnral dmontrer quelle prsente des avantages nets par rapport aux cots de son
application. Or dans certaines valuations des risques, les avantages non sanitaires (comme le
maintien dun accs aux marchs dexportation) drivant de produits srs et dun systme de
scurit sanitaire des aliments rigoureux, peuvent galement tre importants (Golan et al., 2003;
Buzby et Roberts, 1997), et les mthodes permettant de les estimer sont brivement passes en
revue ici. En principe, on peut se baser sur les prix du march pour estimer tous les rsultats qui
ne sont pas lis la sant, mais il peut tre difficile de chiffrer lavance les liens avec les
risques en matire de scurit sanitaire des aliments. Les consquences conomiques de lESB
sur les ventes et les exportations de buf britannique, qui ont t catastrophiques sur le plan
commercial, lillustrent bien.
Valeur des rductions des risques de march
Les inquitudes en matire de scurit sanitaire des aliments peuvent provoquer des fluctuations
des marchs trs disproportionnes par rapport la valeur relle des risques pour la sant. Des
dangers classs trs bas sur lchelle des risques pour la sant peuvent dclencher des ractions
sur les marchs ayant un impact conomique trs lev. La dimension internationale du
commerce des denres alimentaires peut amplifier les craintes concernant la salubrit des
aliments. La valeur dun systme de scurit sanitaire des aliments devrait se mesurer aussi sa
capacit rduire les perturbations des marchs intrieurs et internationaux ainsi que les pertes
conomiques qui en dcoulent.
Valeur de laccs aux marchs trangers
Un systme de scurit sanitaire des aliments rigoureux peut aussi tre bnfique sur le plan de
laccs aux marchs trangers (Spriggs et Isaac, 2001; Roberts et al., 1997; Krissoff, Bohman et
Caswell, 2002; Kaelin et Cowx, 2002). De nombreux pays limitent leurs importations aux
produits provenant de pays dots de systmes de scurit sanitaire des aliments au moins
comparables au leur. Pour de nombreux producteurs alimentaires, laccs aux marchs trangers
est essentiel pour la russite de leur entreprise. Pour les producteurs des pays exportateurs,
lexistence dun systme de scurit sanitaire des aliments solide procure des avantages qui vont
bien au-del de la rduction des risques pour la sant publique, associs des pathognes
prsents dans les aliments.
Par exemple, une srie dembargos ont t imposs sur les exportations ougandaises de
poissons, en raison de la contamination par Salmonella et Cholera et de concentrations toxiques
de pesticides. De 1996 1999, environ 10 000 pcheurs auraient perdu leur emploi (Nasinyama,
communication personnelle, 2002). La perte conomique pour lOuganda a t estime 100
millions de dollars EU. En 2000, lUnion europenne a lev lembargo sur les importations de
poissons, et en 2001, lOuganda a t inscrit sur la liste des pays autoriss exporter sans
restriction. Aujourdhui, le poisson a pratiquement supplant le caf, comme premier produit
dexportation de lOuganda (Kaelin et Cowx, 2002)
Valeur de la perte de confiance des consommateurs et des pertes enregistres dans le
tourisme, cause de produits alimentaires peu srs
Un systme de scurit sanitaire des aliments rigoureux renforce la confiance des
consommateurs et la crdibilit des programmes gouvernementaux. Cette confiance rduit les
risques de psychoses alimentaires et tempre la volatilit des marchs. Par exemple, aprs les
crises de la salmonellose et de lESB au Royaume-Uni, les consommateurs ont commenc se
107
108
travail consacr cette activit peut tre estime comme un cot. Les dcisions concernant
lhorizon temporel et le taux descompte sont des questions technico-financires qui font partie
dune analyse de cots-avantages (Dinwiddy et Teal, 1996; Laylard et Glaister, 1996). Les
avantages nets des diffrentes interventions possibles en matire de scurit sanitaire des
aliments peuvent ensuite tre compars. La prfrence ira celles dont les avantages nets sont
les plus grands, sauf si le dcideur souhaite mettre en avant dautres considrations.
Une analyse de la norme Pathogen Reduction/Hazard Analysis at Critical Control Points
(PR/HACCP) du Dpartement de lagriculture des tats-Unis pour la viande crue et la volaille
(Crutchfield et al., 1997), a fait une dmonstration de lutilisation de lanalyse cots-avantages.
Les avantages pour la sant publique taient censs driver de la prvention des maladies
causes par quatre pathognes prsents dans les aliments. Selon les hypothses les plus
prudentes, les avantages nets fournis par le systme PR/HACCP taient estims au moins 7
milliards de dollars EU sur une priode de 20 ans. Quand les hypothses de lanalyse ont t
modifies, avec des taux de matrise du pathogne plus levs et des taux dintrt plus faibles,
la valeur actuelle des avantages nets fournis par le systme PR/HACCP taient estims 42
milliards de dollars EU (Tableau 7.1).
7.3.2 Analyse cot-efficacit
Les conomistes de la sant ont souvent recours une analyse cot-efficacit pour valuer
dautres mthodes permettant datteindre un but spcifique de sant publique, par exemple de
rduire le nombre des dcs. On peut valuer ce nombre directement ou se fonder sur les QALY
pour valuer lamlioration nette par rapport un niveau de rfrence des changements de la
qualit de vie lis la sant rsultant dune intervention de scurit sanitaire. Le changement
des QALY est alors compar aux cots nets. Les cots valus comprennent les cots mdicaux
et la perte de productivit. Le critre de dcision est le rapport cot-efficacit, o le gain en
QALY (ou nombre de dcs) figure au numrateur et les cots nets au dnominateur. On donne
la prfrence aux mthodes dont le rapport est le plus lev.
Tableau 7.1 Exemple danalyses cots-avantages du systme Pathogen Reduction/ HACCP des tatsUnis dAmrique, fondes sur quatre sries dhypothses (daprs Crutchfield et al. (1997) et complt
par une communication personnelle de T. Roberts, 2004).
Scnarios
Taux
dintrt
Matrise du
pathogne
Avantages de
sant publique
Avantages
annuels nets
20
1,3 1,5
8,5
6,8 7,2
50
1,3 1,5
21,2
19,7 19,9
50
1,7 2,1
24,3
22,2 22,6
90
1,7 2,1
43,8
41,7 42,1
Important: (1) La valeur actuelle est la valeur actualise du flux des cots du programme ou des avantages du programme sur une
priode de 20 ans.
NOTES: Pour de plus amples dtails, voir: www.ers.usda.gov/briefing/FoodSafetyPolicy/features.htm et An Economic Assessment
of Food Safety Regulations: The New Approach to Meat and Poultry Inspection qui dcrit la mthodologie employe pour driver
lanalyse des cots-avantages: www.ers.usda.gov/publications/aer755/
109
110
grand nombre de risques microbiologiques identifis et des ressources disponibles qui risquent
dtre insuffisantes pour effectuer des contrles des procdures rglementaires, lanalyse de la
valeur de linformation peut tre utile aux dcideurs, lorsque les rsultats dune valuation des
risques et des analyses cots-avantages savrent trop incertains pour justifier des mesures plus
spcifiques.
100%
D +I S + I S +D + I
D+ S
I
80%
40%
S
20%
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
Cot/livre
Figure 7.2 Exemple de courbe doptions risque/cot, base sur trois approches possibles, pour renforcer
la scurit sanitaire dans un grand abattoir de bouvillons et gnisses, (daprs Malcolm et al., 2004).
NOTES: D = dpeage amlior des carcasses; S = matriel de pasteurisation la vapeur et utilisation; I = matriel dirradiation et
utilisation. Chaque amlioration rduisant le risque est associe une distribution de la rduction du pathogne. Le modle prend
en compte les sept combinaisons possibles des amliorations envisages (une la fois, deux la fois, ou les trois ensemble). Les
donnes du cot conomique sont ajoutes et la courbe doptions risque/cot est construite laide dune simulation de MonteCarlo. Le cot par unit de poids (livre; lb) est port sur laxe horizontal. La rduction moyenne escompte du risque par rapport
un seuil de contamination est porte sur laxe vertical. Les points sur la courbe doptions risque-cot correspondent au meilleur
rapport de cot/efficacit. Noter que les procdures de dpeage amliores sont les plus efficaces par rapport au cot, car le risque
est considrablement rduit pour un cot relativement faible.
La communication sur les risques est un processus continu qui fait partie intgrante de
lanalyse des risques, auquel tous les groupes de parties prenantes devraient dans lidal tre
associs ds le dpart. Grce la communication sur les risques, les parties prenantes sont
informes du processus chaque tape de lERM, ce qui les aide bien comprendre sa logique,
ses rsultats, sa signification et ses limites. Des informations peuvent aussi maner des parties
prenantes. Des industriels peuvent par exemple avoir des donnes non publies dune
importance cruciale pour les valuateurs des risques. Il y a aussi des informations qui sont
normalement prsentes aux parties prenantes (industriels et consommateurs) dans le cadre du
processus danalyse des risques.
Lidentification de groupes dintrt spcifiques et de leurs reprsentants devrait sinscrire
dans une stratgie globale de communication sur les risques. Les responsables de lvaluation et
de la gestion des risques devraient examiner et arrter ensemble cette stratgie au dbut du
processus pour garantir une communication interactive. Cette stratgie devrait aussi indiquer qui
devrait prsenter les informations au public et de quelle manire.
Les communicateurs des risques doivent identifier les besoins en matire de communication des
risques et une stratgie adapte chaque type de public. Une analyse du niveau de prise de
conscience et des connaissances de chaque public, ainsi que de la meilleure mthode permettant
de leur transmettre linformation, est cruciale pour prparer les messages de communication des
risques, ainsi que pour dterminer les canaux de communication appropris. Une fois que les
publics ont t identifis, ltape suivante consiste concevoir des stratgies incluant la fois des
communications vers lextrieur (messages, fourniture dinformations) et des communications
internes (coute des besoins du public, collecte dinformations). Il est important que les messages
de communication rpondent aux besoins spcifiques des diffrents publics.
Certains groupes de parties prenantes sont relativement faciles identifier. Dans les problmes de
risque dorigine alimentaire, ces groupes sont les gestionnaires des risques et les responsables de
la rglementation sur les risques, le grand public, les dtendeurs de donnes, les scientifiques, les
mdias, les reprsentants des consommateurs et des industries et les professionnels de sant
publique. Les publics peuvent aussi comprendre des consommateurs, notamment ceux qui
113
risquent le plus de contracter des maladies dorigine alimentaire (personnes ges, femmes
enceintes, enfants en bas ge et sujets immuno-dprims). Comme lensemble de la population
est concerne par scurit sanitaire des aliments, tout le monde devrait en thorie tre associ
cet change dinformation. Toutefois, cest trs difficilement ralisable et de nombreuses
personnes se dsintressent compltement du problme.
Les valuateurs et les gestionnaires des risques devront informer ds le dpart les parties
prenantes de leur intention de procder une analyse des risques. ce stade, la communication
avec les parties prenantes peut tre mise profit pour instaurer un climat de confiance,
mobiliser un appui politique et scientifique pour lERM et recueillir des donnes.
8.1.1 Informations partager avec les parties prenantes
Dans les problmes de scurit sanitaire des aliments, il ny a gure de raison valable
dempcher le public daccder toutes les informations utilises dans une ERM, au rapport
intgral de lERM, et un rapport intgral sur les considrations et le raisonnement qui ont
conduit les gestionnaires des risques prendre leurs dcisions (sous rserve de lventuelle
obligation de confidentialit des donnes commerciales). Dans le cas o la confidentialit des
donnes commerciales doit tre prserve, les informations sensibles peuvent ordinairement tre
prsentes dans le cadre dune synthse globale. Plusieurs types dinformations devraient tre
incluses dans les rapports destins aux parties prenantes :
Informations sur le risque lui-mme, notamment : nature des dangers; grandeur et gravit
estimes du risque; mthode utilise pour estimer la grandeur et la gravit; informations sur les
tendances au fil du temps ; et diffrences de sensibilit de la population ou strates dexposition.
Informations sur les incertitudes de lvaluation, y compris incertitudes des paramtres
(donnes); incertitudes des rsultats (estimations) et hypothses retenues.
Considrations et options en matire de gestion des risques, telles que informations reues, y
compris proccupations des parties prenantes; actions proposes ou choisies (en fonction du stade
du processus de communication); raisons ou justification de ces actions; effets escompts, et
activits de suivi, de contrle et dexamen envisages.
Si des rapports techniques sont tablis lintention des parties prenantes, il est essentiel que
ces informations soient aussi rdiges sous une forme utile et comprhensible. On trouvera dans
les passages qui suivent des suggestions concernant la manire de les prsenter.
8.1.2 Linformation scientifique dans la communication sur les risques
Communiquer des informations scientifiques est ardu surtout si les incertitudes sont
nombreuses. De crainte dtre mal compris ou interprts, les scientifiques et les gestionnaires
des risques peuvent rechigner communiquer des informations scientifiques techniques surtout
si les incertitudes sont nombreuses et si les avis des experts divergent. Il en a par exemple
probablement t ainsi pour les risques associs lencphalopathie spongiforme bovine (ESB)
au Royaume-Uni (Chartier et Gabler, 2001).
Dans le pass, le public pensait que les informations scientifiques faisaient autorit, mais
cette attitude a chang pour ce qui concerne les risques associs aux aliments, et le public est de
plus en plus critique vis--vis des estimations du risque. En outre, le ct hermtique des
probabilits mathmatiques et limage croissante dincertitude associe lERM sont deux
facteurs qui rendent la communication sur les risques particulirement difficile. La formulation
du message (cest--dire la manire dont il est prsent) est cruciale dans ces circonstances.
114
115
gestionnaires et les valuateurs des risques, avec une clause indiquant que le contrat sera revu
rgulirement au fur et mesure que de nouvelles informations apparaissent, afin de sassurer
que les jalons et les rsultats demeurent raisonnables et appropris.
8.2.2 Droulement de lERM
La connaissance des donnes disponibles et la comprhension du problme samliorent
gnralement considrablement durant lexcution dune ERM. Les questions initiales poses
par les gestionnaires des risques doivent souvent tre modifies durant les premiers stades
lorsque les limites des informations et des donnes apparaissent clairement. Ainsi, les dcisions
concernant le champ dapplication final de lvaluation et les questions traiter se prennent
gnralement peu peu dans le cadre dun processus itratif. Tout au long de la procdure
dERM, les valuateurs et les gestionnaires des risques devraient se tenir mutuellement informs
de limpact quauront les hypothses, les lacunes dinformation, la slection, linterprtation et
la modlisation des donnes sur la procdure, les mthodes et les rsultats de lERM. Les
gestionnaires et les valuateurs des risques sengagent changer des informations susceptibles
dinfluencer la conduite de lERM, ainsi que des donnes sur les options de gestion possibles.
On constate parfois que la modlisation des donnes disponibles peut fournir plus de
renseignements quon ne le pensait au moment de la mise en service de lERM. Les nouvelles
possibilits qui sont alors offertes de rpondre de nouvelles questions devraient tre examines
avec le gestionnaire des risques. Les nouvelles informations et les modifications des procdures
qui auront un impact sur le rsultat escompt, les calendriers, les cots, etc ;, devraient tre
spcifies dans un contrat rvis entre les gestionnaires et les valuateurs des risques.
8.3 Une fois lERM acheve
Il est crucial didentifier le point o lERM peut tre considre comme effectivement acheve
et de se mettre daccord ce sujet. Lorsquune caractrisation des risques est envisage, les
rsultats doivent tre conformes au champ dapplication et aux objectifs convenus dans le
contrat relatif sa mise en service.
Dans la prsentation des rsultats, les principales conclusions de lidentification des dangers,
de lvaluation de lexposition et de la caractrisation des dangers devraient aussi tre
synthtises. Les renseignements inclure sont les suivants : informations succinctes sur le
pathogne et les aliments considrs ; variations de la prvalence et de la concentration du
pathogne tout au long dune chane alimentaire ; fonctions dose-rponse chez des groupes
dhtes ayant des sensibilits diffrentes ; estimations du risque dans les populations cibles ;
classement des risques associs aux aliments tudis et effets des options de gestion possibles.
Prsentation des rsultats aux gestionnaires des risques
Les valuateurs et les gestionnaires des risques devraient discuter et convenir ensemble de la
prsentation et du contenu du rapport final de lERM. Lors de la prsentation des rsultats de la
caractrisation des risques, les points suivants devraient tre pris en considration:
Les rsultats devraient tre prsents de manire transparente et objective, sous une forme
suffisamment accessible pour que les personnes ayant peu de connaissances en mathmatique ou
en statistique puissent comprendre les aspects essentiels de la caractrisation des risques. Par
exemple, un document technique dcrivant en dtail la modlisation, pourrait tre
accompagn dun rsum interprtatif moins technique. En outre, lutilisation dillustrations,
de graphiques et de tableaux pour la prsentation des donnes quantitatives du modle permet de
116
mieux se rendre compte de la situation que de simples estimations des paramtres ou dautres
statistiques, comme rsultats chiffrs.
Les estimations numriques devraient tre tayes par des informations qualitatives concernant la
nature des risques et le caractre probant des observations d'appui.
Toutes les hypothses et toutes les sources de variation et dincertitude devraient tre prsentes
de faon exhaustive, et reconnues.
Toutes les donnes et informations utilises dans lERM devraient tre dcrites en termes
explicites dans le rapport.
Dans un souci de transparence, les rfrences de toutes les sources dinformations ou de donnes
devraient tre indiques et cites comme il convient dans le rapport. Les ventuelles
informations phmres (ex: celles provenant dun site Internet) devraient tre imprimes et
jointes pour rfrence.
Les besoins en donnes complmentaires ventuellement identifis devraient tre communiqus
de faon claire.
On notera quil est tout fait ncessaire de dcrire les aspects de la communication des risques
qui sinscrivent dans la stratgie de gestion des risques, mais que cette description dborde le cadre
du prsent document, et quelle en est donc exclue.
Dans toute ERM, lapproche adopte comporte la fois des avantages et des inconvnients
qui doivent tre ports la connaissance des gestionnaires des risques. cet gard, les points
suivants doivent tre pris en considration:
Les scnarios envisags dans un modle de lexposition ou une analyse de la relation doserponse peuvent dpendre des donnes disponibles ou dopinions dexperts. Quelles que soient
les raisons du choix des scnarios, elles doivent tre passes au crible dans lERM et tre
clairement documentes dans le rapport.
Les hypothses formules dans lERM devraient tre clairement documentes et leurs effets sur
les rsultats devraient tre valus.
Dans les valuations quantitatives, une analyse de lincertitude ou de la sensibilit pourrait servir
valuer limpact de lincertitude des paramtres sur le rsultat final, et dans le mme temps
fournir des informations objectives concernant les lacunes des donnes et les besoins futurs en
matire de recherche. Les gestionnaires des risques pourront ensuite utiliser ces informations
pour lallocation future des fonds de recherche, le cas chant.
Grce la documentation des points qui viennent dtre indiqus, les responsables de la gestion
des risques connatront les limites de lERM et pourront interprter ses rsultats avec prudence.
8.4 laboration de stratgies de communication sur les risques
Comme on la dj dit, les dcisions en matire de communication sur les risques (quoi, qui
et comment, notamment) - devraient faire partie dune stratgie globale de communication. La
communication sur les risques est surtout efficace si elle sinscrit dans une dmarche
systmatique, et elle commence gnralement par la collecte dinformations sur le problme de
risque tudi. Le gestionnaire et lvaluateur des risques doivent donc tre en mesure de faire
rapidement une synthse claire et concise de ce que comporte ce problme, afin de susciter
lintrt des parties prenantes et de les inciter contribuer. La communication doit ensuite se
117
poursuivre tout au long du processus. Une fois que les informations disponibles ont t utilises
pour identifier pleinement les dangers et slectionner et valuer les risques appropris, il faut
prparer et diffuser ces informations. Ensuite, une nouvelle discussion avec les parties prenantes
dbouchera sur des corrections, des amendements et des ajouts selon le cas, et enfin sur la
publication des rapports finals de lERM et de lanalyse des risques.
Si le gestionnaire ou lvaluateur des risques nest pas qualifi en communication, il est
conseill de prvoir dans lquipe un professionnel de la communication sur les risques pour
toutes les questions litigieuses. Ce dernier doit tre prpar traiter avec les mdias, avoir des
relations bien tablies avec leurs reprsentants et avec des journalistes scientifiques, et avoir de
bonnes aptitudes gnrales en matire de communication. Il va sans dire quil doit aussi
travailler en liaison troite avec le gestionnaire et lvaluateur des risques pour maximiser
lefficacit de la communication. Dans ce domaine, trois aspects doivent tre pris en
considration : les voies de communication, le message et les supports.
Avant dengager un dialogue, il faut identifier les voies de communication appropries.
Lorsque la scurit sanitaire des aliments est en jeu, il arrive souvent que des documents
scientifiques aient dj t publis ou que les mdias aient dj commenc sintresser au
problme avant la mise en route de lanalyse des risques. De fait, ils servent souvent de
catalyseurs qui font pression pour que lon tudie les options offertes pour grer les risques et
que lon ralise une ERM. Cest pourquoi, en gnral, un dialogue a dj commenc et des
voies de communication sont dj ouvertes. Les voies de communication potentielles avec le
public sont les suivantes:
Articles de journaux ou missions destines au grand public. Gnralement crits ou produits par
des journalistes, ils peuvent tre utiles pour signaler le problme, et le porter lattention du
public. Toutefois, gnralement ces articles ou missions dramatisent lexcs et ne refltent
pas la ralit.
Communiqus de presse. Ils peuvent tre largement relays par les mdias si le sujet a dj fait la
une des journaux. Ils peuvent tre suivis dinterviews. Ce procd peut tre utile pour solliciter
une participation un dialogue futur ou promouvoir des runions.
Articles crits ou missions produites spcifiquement pour des publications ou des programmes
sur la sant ou lalimentation. Les articles peuvent tre crits par des journalistes scientifiques
ou, moyennant une rmunration, par des experts de la communication sur les risques, membres
de lquipe danalyse des risques. Linstauration de liens troits entre les gestionnaires des
risques et les journalistes scientifiques peut tre utile pour renforcer lefficacit de ces articles ou
programmes. Dans ces circonstances, des citations ou des interviews peuvent tre utiles.
Communications crites appropries directement cibles sur des reprsentants du public
pralablement dsigns (personnes qui ont de linfluence, reprsentants de groupes de
consommateurs, de groupes de pression spcialiss, de catgories mdicales, etc.). Une publicit
pralable des mdias peut avoir attir lattention des gestionnaires des risques sur dautres
groupes, et une liste annote des personnes intresses, avec leurs coordonnes, aura de
prfrence t tablie. Cette liste permettra denvoyer diffrents types de documents crits, en
fonction des besoins. Par exemple, on peut envoyer une synthse des rsultats tous ceux qui
figurent sur la liste, avec une invitation demander, ou acheter, un rapport technique intgral.
Les intresss peuvent donc choisir eux-mmes le niveau de dtail. Cette mthode de
communication est probablement lune des plus utiles pour lquipe charge de lanalyse des
risques, car elle peut favoriser une intervention plus large des mdias en portant un problme
lattention de ceux qui jusque l lignoraient.
118
Sites Internet. On peut y trouver des synthses, avec des liens vers des rapports plus dtaills; des
adresses et des numros de tlphone pour enregistrer dautres informations; une option pour
proposer une contribution lanalyse; des informations dtailles sur dventuelles runions de
parties prenantes prvues; ou des groupes dintrt pertinents. Les sites internet nont dutilit que
sils sont mis jour rgulirement et bien conus. L encore, une quipe danalyse des risques a
gnralement besoin dun spcialiste pour utiliser au mieux cette ressource.
Runions. Il sagit la fois des runions ouvertes au public et de celles cibles sur des groupes
reprsentatifs spcifiques. Pour des raisons pratiques, les runions rellement ouvertes au public
sont plutt utilises pour des questions trs litigieuses ou trs mdiatises, et leur tenue doit tre
annonce lavance par une ou plusieurs des voies de communication qui viennent dtre
dcrites. Aussi bien pour les runions tous publics que pour les runions cibles, il est prfrable
de prvoir une introduction suffisamment pointue sur le plan technique pour brosser le contexte,
et de sassurer de la prsence de bons communicateurs des risques, ainsi que dvaluateurs
techniques et de gestionnaires des risques. Mme pour les runions ouvertes au public, il est
prfrable, pour des raisons dorganisation pratique, dtre averti lavance de lidentit et du
nombre de personnes qui comptent y assister, ladmission pouvant tre conditionne par
linscription sur la liste, ou par la prsentation dun ticket, selon le cas. Une synthse crite de la
question traite sera distribue la runion. Il est prfrable de garder un rapport de ces
runions, pour lutiliser par la suite, lincorporer dans une tude, sy rfrer ou y rpondre. On
rservera un moment pour les questions ouvertes afin que les parties prenantes puissent
sexprimer, avec toutefois un temps limit annonc: les discussions qui sternisent clarifient
rarement les problmes. Dautres points pourront tre traits au cours dune runion ultrieure, ou
par crit dans le cadre du suivi de la runion.
Quelles que soient les voies choisies pour communiquer avec le public, la clart et la
pertinence sont essentielles. Do la ncessit de vrifier tout le matriel crit ou publi sur
Internet pour en contrler lexactitude et la clart et sassurer que le contenu technique est
adapt au public vis. Le matriel crit ou prsent devrait avoir certaines caractristiques utiles
pour expliquer les rsultats de la caractrisation des risques, notamment :
Graphiques et figures des distributions de frquence et de probabilit, etc. Dans la
mesure o il y en a, ils doivent tre trs clairs, nets et avoir un titre appropri
Choix attentif de la mthode de prsentation des rsultats chiffrs . Par exemple, lestimation du
risque doit tre un dcs par million dindividus dune population et par an , mais cela peut
tre difficile conceptualiser. Dans une population de 60 millions dindividus, une estimation
de 60 dcs par an sera plus facilement comprise.
Comparaison des risques. Elle peut tre utile dans certaines circonstances, mais la mthode est
trs converse car elle est souvent utilise mauvais escient. Seuls les risques qui ont des
caractristiques similaires devraient tre compars. Par exemple un risque involontaire imputable
un aliment ne devrait pas tre compar avec un risque volontaire (comme conduire une voiture
ou fumer une cigarette). Il pourrait en revanche tre compar avec dautres risques involontaires,
comme la pollution environnementale, ou un traitement ncessitant une intervention chirurgicale.
Pour que la communication sur les risques soit efficace, il faut comprendre les principes sur
lesquels elle repose et les raisons pour lesquelles elle pourrait chouer ; en outre ceux qui se
chargent de communiquer les risques au public (et dautres) doivent tre conscients de certains
aspects, notamment :
119
Les diffrences de perception. Le mme risque, dcoulant du mme danger, peut tre peru trs
diffremment selon les personnes, ce qui peut les conduire soit ne pas tenir compte des
messages sur les risques, soit les dramatiser. Par exemple, si une ERM est dcrite en termes
purement techniques, au lieu de rsoudre les problmes qui proccupent une personne, le
message peut tre peru comme peu pertinent et ignor. Si le message contredit des convictions
antrieures, celui qui lenvoie peut susciter la mfiance et ne pas tre cru, et linformation peut
tre ignore. Une personne adopte le parti pris de loptimisme quand elle se croit moins
vulnrable un risque particulier quun membre moyen de la socit, ce qui peut l encore la
conduire ignorer le message. Des tudes ont aussi identifi un phnomne du white male
effect, savoir que les hommes blancs sont souvent moins sensibles au risque que dautres
groupes, peut-tre parce quils ont limpression de mieux matriser les techniques qui les
entourent.
L'incomprhension lgard du processus scientifique. La terminologie scientifique peut
rendre le message incomprhensible. Lincertitude, expressment dcrite et reconnue, et
lutilisation dhypothses et de jugements de valeur peuvent donner limpression que les
informations fournies dans une ERM ont peu de valeur. Tous ces facteurs font que les dcisions
du gestionnaire des risques risquent de ne pas tre apprcies leur juste valeur.
Les priorits diffrentes. Le but des mdias est de slectionner des sujets qui pourront faire
lactualit ou de faire en sorte quils attirent les lecteurs, et les journalistes qui ont une exprience
des questions scientifiques complexes et des incertitudes sont relativement peu nombreux. Do
des inexactitudes dans les reportages des medias non spcialiss et dans les ides prconues du
public. Les gestionnaires et les valuateurs des risques ne sont gnralement pas suffisamment
familiariss avec les mdias pour surmonter ces problmes ou qualifis en communication pour
savoir comment oprer avec les journalistes de manire amliorer la qualit et la prcision de
leurs reportages.
Limportance de lcoute . Sans tre lcoute du public et par consquent aussi des membres
individuels dun public vis - aucun communicateur ne peut esprer comprendre comment
donner aux gens les informations quils veulent, au niveau qui convient, et quils sont disposs
entendre.
La confiance. La confiance est peut tre une des questions les plus importantes. Des tudes ont
montr que les informations provenant de sources dignes de confiance ont beaucoup plus de
chances dtre crues que celles manant de sources peu fiables. Malheureusement, les mmes
tudes indiquent gnralement que les reprsentants des gouvernements et les experts dsigns
par les gouvernements sont parmi les sources qui suscitent le plus la mfiance. Or ce sont bien
entendu ceux qui interviennent le plus souvent dans une ERM et dans la communication sur les
risques. En revanche, les mdias, ou tout au moins les quotidiens ou les missions qui ont une
image de qualit ont plus de probabilits dtre crus. Les communicateurs des risques
gouvernementaux ont donc intrt faire passer leurs messages par des mdias appropris, mais
cela suppose quils aient au pralable dvelopp des relations de travail troites avec eux. Cela
peut tre facilit par des runions et des discussions priodiques informelles, pour apprendre
se connatre .
8.5 Examen par le public
Pour tablir la crdibilit et la lgitimit dune valuation des risques, lexamen par des experts
est important (voir la Section 6.10.2), mais il faut aussi donner au public de relles possibilits
de sexprimer. Lopinion publique peut tre sollicite divers stades dune valuation des
120
risques, tels que la formulation initiale du problme, lacquisition des donnes et lexamen. Les
procdures classiques consistant publier un avis public pour obtenir des commentaires,
uniquement la fin du processus, peuvent tre inappropries pour instaurer la confiance et
mobiliser la coopration des parties prenantes. Lexamen des rsultats par le public permet
toutes les parties prenantes dune valuation des risques de faire un examen critique des
hypothses formules et de leur impact sur les rsultats de lvaluation. Il leur permet en outre
de dterminer dans quelle mesure les conclusions de lvaluation des risques peuvent vraiment
aider le gestionnaire des risques prendre une dcision spcifique, et dvaluer lincidence des
options de gestion des risques sur les aspects sociaux, conomiques, religieux, thiques et autres
(FAO/OMS, 1998).
9. Rfrences bibliographiques
Biosecurity Australia. 2001. Guidelines for Import Risk Analysis. Draft September 2001 (Internet:
www.affa.gov.au; dernier accs le 12 fvrier 2005).
Brown, J., Oranfield, J.A.L. & Henson, S. 2005. Relating consumer willingness-to-pay for food safety
to risk tolerance: an experimental approach. Canadian Journal of Agricultural Economics,
53: 249-263.
Buzby, J.C. & Roberts, T. 1997. Economic costs and trade impacts of food borne illness. World Health
Statistics Quarterly, 50: 5766.
Buzby, J.C., Roberts, T., Lin, C.-T.J. & MacDonald, J.C. 1996. Bacterial food-borne disease: medical
costs and productivity losses. AER No. 741. USDA, Washington DC, tats-Unis dAmrique.
CAC [Commission du Codex alimentarius]. 1999. Principes et directives rgissant la conduite de
lvaluation des risques microbiologiques. Doc. no. CAC/GL-30.
CAC. 2000. Rapport de la trente-troisime session du Comit du Codex sur lhygine alimentaire,
Washington DC, tats-Unis dAmrique, 2328 octobre 2000.
CAC. 2001. Manuel de procdure. 12me dition. (Internet:
ftp://ftp.fao.org/docrep/fao/005/Y2200F/Y2200F00.pdf; accs le 13 mars 2009).
Cason, J.A., Bailey, J.S., Stern, N.J., Whittemore, A.D. & Cox, N.A. 1997. Relationship between
aerobic bacteria, Salmonellae, and Campylobacter on broiler carcasses. Poultry Science, 76: 1037
1041.
Chartier, J. & Gabler, S. 2001. La communication des risques et le Gouvernement : Thorie et
application l'Agence canadienne d'inspection des aliments. Direction des affaires publiques et
rglementaires de l'ACIA.
Christensen, B.B., Sommer, H.M., Rosenquist, H. & Nielsen, N.L. 2001. Risk assessment on
Campylobacter jejuni in chicken products. Danish Veterinary and Food Administration, Ministry
of Food Agriculture and Fisheries, Danemark.
Cox, L.A. Jr., Babayev, D. & Huber, W. 2005. Some limitations of qualitative risk rating systems. Risk
Analysis, 25: 651662.
Crump, K.S. 1998. On summarizing group exposures in risk assessment: is an arithmetic mean or a
geometric mean more appropriate? Risk Analysis, 18(3): 293297.
Crutchfield, S.R., Buzby, J.C., Roberts, T., Ollinger, M. & Jordan Lin, C.T. 1997. Economic
assessment of food safety regulations: the new approach to meat and poultry inspection.
Agricultural Economics Report No. AER755. 28 p. (Internet:
http://www.ers.usda.gov/Publications/AER755/; accs le 10 fvrier 2009).
Cullen, A.C. & Frey, H.C. 1999. The use of probabilistic techniques in exposure assessment: a
handbook for dealing with variability and uncertainty in models and inputs. New York, tatsUnis dAmrique: Plenum.
DHHS-FDA [United States Department of Health and Human Services Food and Drug
Administration]. 2000. 21 CFR Parts 16, 101 and 115. Food Labelling, Safe Handling Statements,
Labelling of Shell Eggs; Refrigeration of Shell Eggs Held for Retail Distribution; Final Rule. US
Federal Register, 65(234): December 5, 2000. pp. 7609276114.
Dinwiddy, C. & Teal, F. 1996. Principles of costbenefit analysis for developing countries. Cambridge,
R-U: Cambridge University Press.
EFSA [European Food Safety Authority]. 2004a. Statement of the European Food Safety Agency
Scientific Expert Working Group on BSE/TSE of the BIOHAZ Panel on the health risks of the
consumption of milk and milk derived products from goats. See: www.efsa.eu.int, publication
date: 26 novembre 2004.
123
EFSA. 2004b. EFSA publishes Geographical BSE-Risk (GBR) assessments for Australia, Canada,
Mexico, Norway, South Africa, Sweden and the tats-Unis dAmrique. See: www.efsa.eu.int,
date de publication: 20 aot 2004.
EUHCPDG [European Union Health and Consumer Protection Directorate-General]. 2003. Final
report on the risk assessment for wild animal populations with emphasis on wild life. Adopt par
le Comit scientifique directeur sa runion des 67 Mars 2003. 23 p. (Internet
http://ec.europa.eu/food/fs/sc/ssc/out325_en.pdf; accd le 10 fvrier 2009).
FAO [Organisation des Nations Unies pour lalimentation et lagriculture]. 2004. Application of risk
assessment in the fish industry. Prepared by J. Sumner, T. Ross and L. Ababouch. FAO Fisheries
Technical Paper, No. 442. 78 p.
FAO/OMS [Organisation mondiale de la sant]. 1998. The application of risk communication to food
standards and safety matters, a report of the joint FAO/OMS expert consultation. FAO Food
Standards and Nutrition Paper, No. 70.
FAO/OMS. 2002. Principes et lignes directrices en vue de l'incorporation de l'valuation du risque
microbiologique dans l'laboration de normes, de lignes directrices et de textes connexes en
matire de scurit sanitaire des aliments Rapport dune Consultation conjointe FAO/OMS, Kiel,
Allemagne 1822 mars 2002. 47 p. (Internet ftp://ftp.fao.org/docrep/fao/006/y4302f/y4302f00.pdf;
accd le 10 fvrier 2009).
FAO/OMS. 2003. Caractrisation des dangers lis la prsence de pathognes dans les aliments et dans
leau . Directives. Srie valuation des risques microbiologiques , No. 3. 63 p.
FAO/OMS. 2004. Risk assessment of Listeria monocytogenes in ready-to-eat foods. Technical report.
Microbiological Risk Assessment Series, No. 5.
FAO/OMS. 2005. Risk assessment of Vibrio vulnificus in raw oysters. Interpretative Summary and
Technical Report. Microbiological Risk Assessment Series, No. 8.
FAO/OMS. 2008. Exposure Assessment of Microbiological Hazards in Food. Guidelines.
Microbiological Risk Assessment Series, No. 7. FAO, Rome, Italie.
Fazil, A., Paoli, G., Lammerding, A., Davidson, V., Hrudey, S., Isaac-Renton, J. & Griffiths, M.
2005. A Needs, Gaps and Opportunities Assessment (NGOA) for Microbial Risk Assessment in
Food and Water. Agence de la sant publique du Canada.
Foegeding, P.M. & Roberts, T. 1994. Food borne Pathogens: Risks and Consequences. Prepared by the
Co-chairs, Council for Agricultural Science and Technology Task Force. Ames, tats-Unis
dAmrique: Council for Agricultural Science and Technology. 87 p.
Frey, H.C. & Patil, S.R. 2002. Identification and review of sensitivity analysis methods. Risk Analysis,
22(3): 553578.
Gallagher, E., Ryan, J., Kelly, L., Leforban, Y. & Wooldridge, M. 2002. Estimating the risk of
importation of foot-and-mouth disease into Europe. Veterinary Record, 150: 769772.
Gibbons, R.D. & Coleman, D.E. 2001. Statistical methods for detection and quantification of
environmental contamination. New York, tats-Unis dAmrique: John Wiley & Sons.
Golan, E. & Kuchler, F. 1999. Willingness to pay for food safety: costs and benefits of accurate
measures. American Journal of Agricultural Economics, 81: 11851191.
Golan, E., Buzby, J.C., Crutchfield, S., Frenzen, P.D., Kuchler, F., Ralston, K. & Roberts, T. 2003.
The value to consumers of foodborne risk reduction. pp. 129160, in: S. Hoffman and M. Taylor
(editors). Towards safer food: perspectives on risk and priority setting. Washington DC, tatsUnis dAmrique: Resources for the Future Press.
Greenland, S. & Morgenstern, H. 1989. Ecological bias, confounding, and effect modification.
International Journal of Epidemiology, 18(1): 269274.
Greenland, S. & Robbins, J. 1994. Invited commentary. Ecological studies biases, misconceptions,
and counterexamples. American Journal of Epidemiology, 139(8): 747760.
124
Rfrences bibliographiques
Guo, H.R., Lipsitz, S.R., Hu, H. & Monson, R.R. 1998. Using ecological data to estimate a regression
model for individual data: the association between arsenic in drinking water and incidence of skin
cancer. Environmental Research, 79(2): 8293.
Haas, C.N. 1983. Estimation of risk due to low doses of microorganisms: a comparison of alternative
methodologies. American Journal of Epidemiology, 118: 573582.
Haas, C.N. 1996. How to average microbial densities to characterize risk. Water Research, 30(4): 1036
1038.
Haddix, A.C., Teutsch, S.M., Shaffer, P.A. & Dunet, D.O. Editors. 1996. Prevention effectiveness: a
guide to decision analysis and economic evaluation. New York, tats-Unis dAmrique: Oxford
Univ. Press.
Hald, T., Vose, D., Wegener, H.C. & Koupeev, T.A. 2004. Bayesian approach to quantify the
contribution of animal-food sources to human salmonellosis. Risk Analysis, 24: 255269.
Hammitt, J.K. & Cave, J. 1991. Research planning for food safety: a value-of-information approach.
Santa Monica, tats-Unis dAmrique: RAND Corporation.
Hartnett, E. 2001. Campylobacter in broilers: a quantitative risk assessment approach. PhD Thesis,
University of Strathclyde, Glasgow, R-U.
Havelaar, A.H., Van Duynhoven, Y.T.H.P., Nauta, M.J., Bouwknegt, M.J., Heuvelink, A.E., De
Wit, G.A., Nieuwenhuizen, M.G.M. & Van de Kar, N.C.A.J. 2003. Disease burden due to
infections with Shiga-toxin producing Escherichia coli O157. National Institute of Public Health
and the Environment, Bilthoven, Pays-Bas. Report no. 284550008/2003.
Helton, J.C. & Davis, F.J. 2002. Illustration of sampling-based methods for uncertainty and sensitivity
analysis. Risk Analysis, 22(3): 591622.
Izat, A.L., Gardner, F.A., Denton, J.H. & Golan, F.A. 1988. Incidence and level of Campylobacter
jejuni in broiler processing. Poultry Science, 67: 15681572.
Jenkinson, D. 2004. The elicitation of probabilities a review of the statistical literature. BEEP report.
(Internet: www.shef.ac.uk/beep/publications.html; accd en avril 2005).
Kaelin, A. & Cowx, I.G. 2002. Outline of the path forward in Ugandas fisheries sector. The Presidential
Conference on Export Competitiveness, 2001. Publi dans COMPETE (USAID): Organisation
des Nations Unies pour le dveloppement industriel (ONUDI).
Kaplan, S. & Garrick, B.J. 1981. On the quantitative definition of risk. Risk Analysis, 1: 1127.
King, G. 1997. A Solution to the ecological inference problem: reconstructing individual behaviour from
aggregate data. tats-Unis dAmrique: Princeton University Press.
Krissoff, B., Bohman, M. & Caswell, J.A. 2002. Global food trade and consumer demand for quality.
New York, tats-Unis dAmrique: Kluwer Academic.
Kuchler, F. & Golan, E. 1999. Assigning values to life: comparing methods for valuing health risks.
Economic Research Service, United States Department of Agriculture, Agricultural Economics
Report, No. AER784.
Lake, R., Hudson, A. & Cressey, P. 2002a. Risk Profile: Salmonella (non typhoid) in poultry (whole or
pieces). Institute of Environmental Science & Research Limited, Christchurch, Nouvelle-Zlande.
Lake, R., Hudson, A. & Cressey, P. 2002b. Risk Profile: Mycobacterium bovis in milk. Institute of
Environmental Science & Research Limited, Christchurch, Nouvelle-Zlande.
Laylard, R. & Glaister, S. 1996. Costbenefit analysis. Cambridge, R-U: Cambridge Univ. Press.
Linstone, H.A. & Turoff, M. Editors. 1975. The Delphi method: techniques and applications / edited by
Harold A. Reading, tats-Unis dAmrique: Addison-Wesley (Internet:
http://is.njit.edu/pubs/delphibook/; accede le 2 fvrier 2008).
McCamley, F. & Rudel, R.K. 1995. Graphical sensitivity analysis for generalized stochastic dominance.
Journal of Agricultural and Resource Economics, 20(2): 403403.
125
Malcolm, S., Narrod, C., Roberts, T. & Ollinger, M. 2004. Evaluating the economic effectiveness of
pathogen reduction technology in beef slaughter plants. Agribusiness: an International Journal,
20: 109123.
Mead, P.S., Slutsker, L., Dietz, V., McCraig, L.F., Bresee, J.S., Shapiro, C., Griffin, P.M. & Tauxe,
R.V. 1999. Food-related illness and death in the United States. Emerging Infectious Diseases,
5: 607-625.
Mead, G.C., Hudson, W.R. & Hinton, M.H. 1995. Effect of changes in processing to improve hygiene
control on contamination of poultry carcasses with Campylobacter. Epidemiology and
Infectection, 115: 495500.
ModelAssist. 2004. Risk analysis. Published by Risk Thinking Ltd. Ref: M0409. See:
http://www.vosesoftware.com/modelassist.htm
Morgan, M.G. & Henrion. M. 1990. Uncertainty: a guide to dealing with uncertainty in quantitative risk
and policy analysis. Cambridge, R-U: Cambridge University Press.
Murray, N., MacDiarmid, S.C., Wooldridge, M., Gummow, B., Morley, R.S., Weber, S.E.,
Giovannini, A. & Wilson, W. 2004. OIE Handbook on import risk analysis for animals and
animal products. Volume 1: Introduction and qualitative risk analysis. Paris, France: OIE
(Organisation mondiale de la sant animale). 59 p.
National Academy of Sciences. 2002. Escherichia coli O157:H7 in ground beef: review of a draft risk
assessment. Washington DC, tats-Unis dAmrique: National Academy Press.
Nauta, M.J. 2000. Separation of uncertainty and variability in quantitative microbial risk assessment
models. International Journal of Microbiology, 57: 918.
Nauta, M.J., Evers, E.G., Takumi, K. & Havelaar, A.H. 2001. Risk assessment of Shiga-toxin
producing Escherichia coli O157 in steak tartare in the Netherlands. RIVM report No. 257851
003.
NHMRC [Australian National Health and Medical Research Council]. 2004. Australian Drinking Water
Guidelines. 615 p. (Available at
www.nhmrc.gov.au/publications/synopses/_files/adwg_11_06.pdf; accede le 4 fvrier 2008).
OIE [Organisation mondiale de la sant animale]. 1999. International animal health code: mammals,
birds and bees. 8th edition. Paris, France: OIE. 468 p.
Oosterom, J., de Wilde, G.J.A., de Boer, E., de Blaauw, L.H. & Karman, H. 1983. Survival of
Campylobacter jejuni during poultry processing and pig slaughtering. Journal of Food Protection,
46: 702706.
Piantadosi, S., Byar, D. & Green, S. 1988. The ecological fallacy. American Journal of Epidemiology,
127(6): 893904.
Powell, M., Ebel, E. Schlosser, W. 2001. Considering uncertainty in comparing the burden of illness due
to foodborne microbial pathogens. International Journal of Food Microbiology, 69(3): 209215.
Raybourne, R.B., Roberts, T., Williams, K.M. and the Arthritis Working Group. 2003. Food
poisoning: economic implications. In: B. Caballero, L. Trugo and P. Finglas (editors).
Encyclopaedia of Food Sciences and Nutrition. Londres, R-U: Elsevier Science.
Richardson, S., Stucker, I. & Hemon, D. 1987. Comparison of relative risks obtained in ecological and
individual studies: some methodological considerations. International Journal of Epidemiology,
16(1): 111120.
Roberts, T. & Marks, S. 1995. Valuation by the cost of illness method: the social costs of Escherichia
coli O157:H7 foodborne disease. pp. 173206, in: J.A. Caswell (editor). Valuing Food Safety and
Nutrition. Boulder, CO, tats-Unis dAmrique: Westview Press.
Roberts, T., Morales, R.A., Lin, C.-T.J., Caswell, J.A. & Hooker, N.H. 1997. Worldwide
opportunities to market food safety. pp. 161178 (Chapter 10), in: T. Wallace and W. Schroder
126
Rfrences bibliographiques
(editors). Government and the food industry: economic and political effects of conflict and
cooperation. Dordrecht, Pays-Bas: Kluwer Academic.
Ross, T. & Sumner, J. 2002. A simple, spreadsheet based, food safety risk assessment tool. International
Journal of Food Microbiology, 77(12): 3953.
Saltelli, A., Chan, K. & Scott, E.M. Editors. 2000. Sensitivity Analysis. West Sussex, R-U: John Wiley
and Sons.
Shinagawa, K. 1997. Correspondence and problem for Enterohemorrhagic E. coli O157 outbreak in
Morioka city, Iwate. Koshu Eisei Kenkyu, 46: 104112.
Spriggs, J. & Isaac, G. 2001. Food safety and international competitiveness: the case of beef.
Wallingford, R-U: CABI Publishing.
Stephens, C. 2002. Risk analysis process for the introduction or translocation of fish in Great Lakes
Basin. Great Lakes Fish Health Committee.
Sumner, J. & Ross, T. 2002. A semi-quantitative seafood safety risk assessment. International Journal
of Food Microbiology, 77(12): 5559.
Teunis, P.F.M. & Havelaar, A.H. 2000. The Beta Poisson dose-response model is not a single-hit
model. Risk Analysis, 20: 513520.
Tolley, G., Kenkel, D. & Fabian, R. Editors. 1994. Valuing Health for Policy. Chicago, tats-Unis
dAmrique: University of Chicago Press.
Tomatis, L. Editor. 1990. Cancer: Causes, Occurrence and Control. Lyon: International Agency for
Research on Cancer.
US FDA-CVM. 2000. Risk Assessment on the human health impact of Fluoroquinolone-resistant
Campylobacter associated with the consumption of chicken (Internet:
http://www.fda.gov/cvm/antimicrobial/Risk_asses.htm).
USDA FSIS. 2002 Comparative risk assessment for intact (non-tenderized) and non-intact (tenderized)
beef. (Internet: www.fsis.usda.gov/PDF/Beef_Risk_Assess_Report_Mar2002.pdf).
USNACMCF [US National Advisory Committee on Microbiological Criteria for Foods]. 2004. Response
to the questions posed by FSIS regarding performance standards with particular reference to raw
ground chicken. Adopt le 27 aot 2004, Atlanta, GA, tats-Unis dAmrique.
Vose, D. 2000. Risk analysis: a quantitative guide. 2nd edition. New York, tats-Unis dAmrique: John
Wiley.
Whittemore, A.S. 1983. Facts and values in risk analysis for environmental toxicants. Risk Analysis,
3(1): 2333.
OMS [Organisation mondiale de la sant]. 1999. Health-based monitoring of recreational waters: the
feasibility of a new approach (the Annapolis Protocol). Genve, Suisse: OMS. Protection of the
Human Environment, Water, Sanitation and Health Series, No. WHO/SDE/WSH/99.1.
(Disponible sur Internet
http://www.who.int/water_sanitation_health/Recreational_waters/Annapolis.pdf).
OMS. 2001. Bathing water quality and human health: faecal pollution. Outcome of an Expert
Consultation, Farnham, R-U, Avril 2001.
OMS. 2003. Guidelines for safe recreational water environments. Volume 1. Coastal and fresh waters.
Genve, Suisse: OMS. 253 p. (Internet
http://whqlibdoc.who.int/publications/2003/9241545801_contents.pdf).
OMS/OCDE. 2003. Assessing microbial safety of drinking water: improving approaches and methods.
London, R-U: IWA Publishing.
OMC [Organisation mondiale du commerce]. Non dat. Accord du Cycle dUruguay. Accord sur
l'application des mesures sanitaires et phytosanitaires (Internet :
http://www.wto.org/french/docs_f/legal_f/15-sps.pdf; accd le 4 mars 2009).
OMC. 1998. Australie Mesures visant les importations de saumons Rapport du groupe spcial
Bruxelles, BE.WT/DS18/R. Document N 98-2258.
127
Annexe 1
La prsente annexe vient lappui du Chapitre 7, Liens entre lvaluation des risques et
lanalyse conomique . La Figure A1 est un arbre gnrique des consquences des maladies
que lquipe dvaluation des risques peut utiliser pour visualiser les diffrents rsultats pour la
sant humaine conscutifs une exposition un pathogne prsent dans un aliment. Le Tableau
A1 recense les pathognes dorigine alimentaire et leurs complications possibles qui couvrent
toute une gamme dissues, tels que paralysie, insuffisance rnale, dbilit mentale, septicmie et
arthrite. De nombreux pathognes dorigine alimentaire figurent sur cette liste, ce qui donne
penser que de nombreuses maladies transmises par les aliments sont susceptibles de
complications.
Le Tableau A2 rcapitule les diffrents cots conomiques qui peuvent tre pris en compte
dans une analyse cots-avantages. Ceux que lon choisit dinclure sont fonction du type
danalyse cots-avantages. Il est important de bien dfinir le type dintervention et davoir une
comprhension claire des cots qui entrent dans les catgories de cots-avantages. Par exemple,
une entreprise qui met en place un programme de scurit sanitaire des aliments amlior et
rduit la concentration de pathognes dans des aliments, pourrait voir ses cots compenss par
des gains en termes : daugmentation de la dure de conservation du produit ; de rduction des
retours de produits, des primes dassurance, du nombre de plaintes concernant les produits, du
risque de rappels des produits en raison de maladies dorigine alimentaire ; voire
daugmentation de ses ventes au fil du temps. Ces avantages pourraient compenser les cots de
son nouveau programme de scurit sanitaire des aliments. Lanalyse conomique cherche
identifier et comparer la valeur actuelle des avantages nets et des cots nets pour toutes les
parties concernes par lintervention publique ou prive.
Pas
dinfec ti on
Porteur
sain
Gurison
com plte
Expos ition
Infection
Maladie
Symptm es
aigu
rsiduels
Dcs
th
Figure A1. Arbre gnrique des consquences des maladies (adapt de Prss et Havelaar, 2001).
129
Complications/squelles
Bronchopneumonie, cholcystite
Brucellose
Campylobactriose
Arthrite, cardite, cholcystite, colite, endocardite, rythme noueux, syndrome de GuillainBarr, syndrome hmolytique et urmique , mningite, pancratite, septicmie
Fivre Q
Salmonellose
Shigellose
Infections bactriennes
Septicmie
Yersiniose
Cryptosporidiosea
Giardiasea
Tniasis
Toxoplasmose
Trichinose
Infections parasitaires
Annexe 1
130
Tableau A2 Exemples de cots pour la socit de maladies dorigine alimentaire impliquant une
zoonose.
Cots pour les individus et les mnages1
Cots des
maladies
humaines
Cots mdicaux
Visites mdicales
Dpenses de laboratoires
Hospitalisation ou maison de repos
Mdicaments et autre traitements
Ambulance ou autres frais de dplacement
Cots de la
matrise des
pathognes
tous les maillons
de la chane
alimentaire2:
Nouvelles pratiques agricoles (stabulation spare en fonction de lge, produits dalimentation animale
striliss, etc.)
Modification des modes de transport et de commercialisation (systmes didentification des animaux,
alimentation, abreuvement)
Nouvelles procdures dabattage (lavage des peaux, strilisation des couteaux et des carcasses)
Nouvelles procdures de transformation (tests pour la dtection des pathognes, exigences en matire
dachats forfait)
Modification du transport des produits (utilisation accrue dindicateurs temps et temprature)
Nouvelles pratiques de vente en gros et au dtail (tests pour la dtection des pathognes, formation du
personnel, et procdures)
Modlisation de lvaluation des risques, par industrie, pour tous les maillons de la chane alimentaire
Incitation par les prix pour les produits teneur rduite en pathogne chaque maillon de la chane
alimentaire
131
Annexe 1
132
Contrler lincidence et la gravit des maladies humaines dues des pathognes prsents dans les aliments
Contrler lincidence des pathognes dans la chane alimentaire
laborer une base de donnes intgres de la ferme la table pour les pathognes dorigine
alimentaire
Recherche pour Identifier de nouveaux pathognes dorigine alimentaire responsables de maladies humaines aigus et
chroniques
Dfinir les produits et les pratiques de production et de consommation haut risque
Identifier quels sont les consommateurs haut risque pour quels pathognes
Mettre au point des tests de dpistage des pathognes moins chers et plus rapides
Modliser lvaluation des risques pour tous les maillons de la chane alimentaire
Cots des
pidmies
Autres
considrations
NOTES: 1) Lestimation de la propension payer (WTP) pour rduire les risques de maladies dorigine alimentaire est une
estimation complte de toutes ces catgories (en supposant que lindividu a inclus dans ses estimations un cong maladie financ
par lemployeur et des programmes mdicaux). Lestimation couvre la rduction des risques pour toutes les personnes exposes,
quelles tombent malades ou non. 2) Certains cots pour les industries peuvent diminuer avec lamlioration de la matrise des
pathognes (par exemple, rduction de la dtrioration des produits, augmentation possible de la dure de conservation des
produits, et dure de conservation allonge permettant lexpdition vers des marchs plus loigns, ou abaissement des cots
dexpdition vers des marchs de proximit. 3) En additionnant les cots, il faut veiller ce que les cots de responsabilit du fait
des produits pour les entreprises ne soient pas dj inclus dans le Pretium Doloris estim pour les individus. Toutefois, les frais
juridiques et judiciaires encourus par toutes les parties sont des cots sociaux.
SOURCE: Daprs Buzby et Roberts, 1997.
133
Rfrences
Buzby, J.C. & Roberts, T. 1997. Economic costs and trade impacts of food borne illness. World Health
Statistics Quarterly, 50: 5766.
Foegeding, P.M. & Roberts, T. 1994. Food borne Pathogens: Risks and Consequences. Prepared by the
Co-chairs, Council for Agricultural Science and Technology Task Force. Ames, USA: Council for
Agricultural Science and Technology. 87 p.
Prss, A. & Havelaar, A.H. 2001. The global burden of disease: study and applications in water,
sanitation and hygiene. pp. 4360, in: L. Fewtrell and J. Bartram (editors). Water Quality:
Guidelines, Standards & Health: Risk assessment and management for water-related infectious
disease. Londres, RU: IWA Publishing.
1
2
3
4
5
6
7
8
9
valuation des risques lis Salmonella dans les ufs et les poulets de chair : Rsum
interprtatif, 2002
valuation des risques lis Salmonella dans les ufs et les poulets de chair, 2002
Caractrisation des dangers lis la prsence de pathognes dans les aliments et dans leau :
Directives, 2003
valuation des risques lis Listeria monocytogenes dans les aliments prts consommer :
Rsum interprtatif, 2004
valuation des risques prsents par Listeria monocytognes dans les aliments prts
consommer: Synthse, 2004
Enterobacter sakazakii et autres microorganismes prsents dans les prparations en poudre
pour nourrissons : Rapport de la runion, 2004
valuation de lexposition aux dangers microbiologiques dans les aliments : Lignes
directrices, 2008
valuation du risque de Vibrio vulnificus dans les hutres crues: Rsum interprtatif et
rapport technique, 2005
valuation du risque de Vibrio cholerae O1 et O139 dans les crevettes tropicales faisant
lobjet du commerce international est maintenant publie: Rsum interprtatif et rapport
technique, 2005