Crédit :Université de Montréal
On dit que le sirop d'érable est l'or liquide du Québec. Maintenant, des scientifiques de l'Université de Montréal ont trouvé un moyen d'utiliser de l'or véritable, sous forme de nanoparticules, pour découvrir rapidement le goût du sirop.
La nouvelle méthode, une sorte de langue artificielle, est validée dans une étude publiée aujourd'hui dans Méthodes analytiques , le journal de la Royal Society of Chemistry, au Royaume-Uni.
La « langue » est un test colorimétrique qui détecte les changements de couleur pour montrer le goût d'un échantillon de sirop d'érable. Le résultat est visible à l'œil nu en quelques secondes et est utile aux producteurs.
« La langue artificielle est plus simple qu'une langue humaine :elle ne peut pas distinguer les profils de saveurs complexes que nous pouvons détecter, " a déclaré Jean-François Masson, professeur de chimie à l'UdeM, qui a dirigé l'étude. "Notre appareil fonctionne spécifiquement pour détecter les différences de saveur dans le sirop d'érable au fur et à mesure de sa production."
1, 818 échantillons testés
La langue artificielle a été validée en analysant 1, 818 échantillons de sirop d'érable provenant de différentes régions du Québec. Les sirops analysés représentaient les différents profils aromatiques et couleurs de sirop connus, du doré au brun foncé.
« Nous avons conçu la 'langue' à la demande des producteurs acéricoles du Québec pour détecter la présence de différents profils de saveurs, " a expliqué Simon Forest, le premier auteur de l'étude. « L'outil prend en compte les propriétés olfactives et gustatives du produit.
Le sirop d'érable a une complexité moléculaire similaire à celle du vin. Son goût est délicat, sans amertume, et il a un arôme subtil. Pendant le processus de fabrication, des dégustateurs humains spécialisés sont employés pour déterminer le profil dans lequel s'inscrit chaque lot.
« Le développement de la langue artificielle est destiné à accompagner le travail colossal qui se fait sur le terrain pour faire rapidement le premier tri des sirops et les classer selon leurs qualités, " dit Masson.
Rouge pour le meilleur, bleu pour le reste
Les chercheurs comparent la langue artificielle à un test de pH pour une piscine. Vous versez simplement quelques gouttes de sirop dans le réactif nanoparticulaire d'or et attendez environ 10 secondes.
Si le résultat reste dans le spectre rouge, il a les caractéristiques d'un sirop de première qualité, le genre le plus apprécié des consommateurs et vendu dans les épiceries ou exporté.
Si, d'autre part, le test devient bleu, le sirop peut avoir un "défaut" de saveur, qui peut être traité comme un sirop industriel à utiliser dans la transformation.
"Cela ne veut pas dire que le sirop n'est pas bon à la consommation ou qu'il a un taux de sucre différent, " Masson a dit du sirop de type " bleu ", que l'industrie alimentaire utilise comme édulcorant naturel dans d'autres produits. « Il se peut qu'il n'ait pas les caractéristiques habituelles souhaitées, et ne peuvent donc pas être vendus directement en bouteilles aux consommateurs. »
60 catégories de goût
Caramélisé, boisé, vert, fumé, salé, brûlé - le goût du sirop d'érable compte jusqu'à 60 catégories. Le sirop d'érable est essentiellement une solution de sucre concentré à 66 pour cent de saccharose et à 33 pour cent d'eau; l'autre pour cent des autres composés détermine le goût.
Comme le vin, le goût du sirop d'érable change selon divers facteurs, y compris la période de récolte, la région, méthodes de production et de stockage et, bien sûr, la météo. Trop de variation de température sur un week-end, par exemple, peut grandement affecter le profil gustatif du produit.
La langue artificielle développée à l'UdeM pourrait un jour être adaptée pour la dégustation de vin ou de jus de fruits, Masson a dit, ainsi qu'être utile dans un certain nombre d'autres contextes agroalimentaires.
"Langue plasmonique à haut débit utilisant un test d'agrégation et des interactions non spécifiques :classification des profils gustatifs dans le sirop d'érable, " par Simon Forest et al, a été publié le 5 mai 2020 en Méthodes analytiques .