Classer les huiles d'olive dans les catégories d'extra vierge (HOVE), vierge (VOO) et lampante (LOO) reste un sacré défi à relever puisque la méthode officielle comprend des analyses physico-chimiques et sensorielles au moyen d'un panel de dégustateurs. Ces dégustateurs doivent être spécialisés, et à de nombreuses occasions ne sont pas disponibles, en plus d'être cher et lent. Tout cela a créé la nécessité de développer de nouvelles méthodes analytiques en utilisant des des outils fiables et transférables à l'industrie. Crédit :Universidad de Córdoba (Espagne)
Classer les huiles d'olive dans les catégories d'extra vierge (HOVE), vierge (VOO) et lampante (LOO) reste un sacré défi à relever puisque la méthode officielle comprend des analyses physico-chimiques et sensorielles au moyen d'un panel de dégustateurs. Ces dégustateurs doivent être spécialisés, et à de nombreuses occasions ne sont pas disponibles, en plus d'être cher et lent. Tout cela a créé la nécessité de développer de nouvelles méthodes analytiques en utilisant des des outils fiables et transférables à l'industrie.
Le groupe de recherche AGR-287, dirigé par le professeur Lourdes Arce, a été un pionnier dans la démonstration des possibilités que la chromatographie en phase gazeuse et la spectrométrie de mobilité ionique (GC-IMS) pouvaient offrir afin de classer les huiles en trois catégories (EVOO, VOO et LOO). Cette méthodologie permet d'analyser deux échantillons par heure. Lorsqu'un nombre représentatif d'échantillons a été analysé, les informations chimiques recueillies sont traitées à l'aide d'outils statistiques afin de créer des équations d'étalonnage qui permettront à l'avenir de classer les échantillons d'huile inconnue dans leurs catégories respectives.
Un point crucial dans la validation de cette méthode est le nombre d'échantillons nécessaires pour étalonner l'équipement. Les recherches effectuées ont montré que, pour obtenir de bons résultats, il est non seulement nécessaire d'analyser un nombre représentatif d'échantillons mais de disposer également d'échantillons d'huile d'olive appartenant à chacune des trois catégories, de différents cépages, de saisons différentes et dégusté par au moins deux panels dont les résultats coïncident. D'où, ces méthodes ne cherchent pas à se substituer, mais plutôt de complément et de soutien, le rôle des jurys de dégustation accrédités. Dans ces projets de recherche, l'importance de constituer une banque d'échantillons d'huile a été démontrée, afin qu'ils puissent être des étalons de référence qui seront utilisés pour construire des équations calibrées. Ces équations établiront les catégories d'échantillons d'huile analysés.
Les résultats obtenus à partir de cette recherche ont suscité l'intérêt de différentes entreprises du secteur pétrolier qui collaborent actuellement à la réalisation du transfert de cette recherche vers l'industrie. De plus, en utilisant les connaissances issues de cette recherche, un nouvel instrument est en cours de développement qui classera les huiles sur la base de l'utilisation de la technologie IMS. Cela constitue l'une des lignes du projet Innolivar, dont l'objectif est d'accroître la compétitivité, positionnement international, capacité technologique et rentabilité financière des oliveraies et de leur secteur d'activité associé.
Un autre projet de recherche mené par la doctorante Natividad Jurado, a révélé que la bonne classification des huiles nécessite de prendre également en considération les composés chimiques que chaque dégustateur discerne. La méthodologie proposée est basée sur l'extraction de certains composés présents dans le pétrole, par exemple les polyphénols, puis les déterminer par électrophorèse capillaire (CE-UV) - technique de séparation de différentes molécules - couplée à un détecteur ultraviolet. Dans un article publié en Talanta , l'utilisation intégrée des deux techniques (CE-UV et GC-IMS) a été suggérée afin de détecter les composés non volatils détectés par la bouche, et aussi les composés volatils détectés par le nez. Toutes les informations obtenues avec les deux techniques sont traitées par des outils statistiques adaptés pour classer un échantillon d'huile dans la bonne catégorie. Cette fusion de données s'est avérée utile lors de la classification d'échantillons limites qui sont à l'interface de deux groupes (EVOO/VOO ou VOO/LOO).