Science des données - Le Nutriscore est-il fiable ?

Simon Zeru Image

Simon Zeru

Dernière modification : 10 juin 2025 (il y a 2 mois)

📅 Période : Mars 2024 – Avril 2024

🛠️ Technologies : PostgreSQL, R

👩‍💻 Expertise : Science des données, Conception de bases de données, Gestion des données

🎓 Compétences acquises : Gestion des données d'information, Conduite de projet, Travail en équipe

🔗 GitHub : Voir le dépôt

📄 Rapport : Voir le PDF

Cet article traite de la mise en œuvre de mon projet en science des données, où j'ai analysé la fiabilité du système Nutriscore pour les bonbons à l'aide d'analyses et de visualisations de données.

Couverture du projet

Aperçu du projet

Le Nutriscore, introduit en France en 2017 et désormais adopté dans plusieurs pays européens, est un système d'étiquetage nutritionnel qui classe les aliments de A à E (voir détails de la formule). Son objectif est d'aider les consommateurs à faire des choix alimentaires plus sains au quotidien. Pour ce faire, il prend en compte divers éléments nutritionnels tels que les calories, les sucres, les graisses saturées, les fibres, les protéines, ainsi que la présence de fruits et légumes.

L'objectif de notre projet est de déterminer si le Nutriscore appliqué aux bonbons est fiable, en utilisant une base de données filtrée pour effectuer des analyses.

Source de données

Les données utilisées dans ce projet proviennent de la base de données Open Food Facts, qui contient des informations sur des produits alimentaires du monde entier. Nous avons filtré les données pour nous concentrer sur les bonbons et utilisé des requêtes SQL pour extraire les informations pertinentes pour notre analyse.

Image du logo Open Food Facts

Des visualisations ont ensuite été réalisées avec R. L'analyse complète est disponible dans notre rapport rédigé en anglais.

Extrait du rapport

Ce nuage de points illustre la relation entre la teneur en sucre (g/100g) et la teneur énergétique (kJ/100g) des produits alimentaires, répartis selon leur Nutriscore (de A à E).

Image d'un scatterplot

Tendance linéaire globale
Une relation croissante entre le sucre et l’énergie est clairement visible. En première approximation, on pourrait modéliser cette relation par une fonction affine croissante, bien que la dispersion des points indique que cette tendance n'est pas strictement linéaire. Cela montre qu’à mesure que la teneur en sucre augmente, l’apport énergétique tend également à croître.

Hétéroscédasticité
La dispersion verticale des points augmente avec la teneur en sucre. Cela signifie que plus un produit est sucré, plus il peut avoir des valeurs d’énergie variables, suggérant l’influence d’autres facteurs (matières grasses, densité nutritionnelle, etc.).

Stratification par Nutriscore
Les couleurs indiquent une stratification nette selon le Nutriscore :

Pour les bonbons, le sucre ajouté pèse plus lourd que l’énergie dans le calcul du Nutriscore : des bonbons peu énergétiques mais très sucrés reçoivent des notes défavorables, tandis que des produits modérément sucrés peuvent être mieux notés malgré un apport calorique élevé.

Cette corrélation forte confirme que le sucre est le principal critère pénalisant pour cette catégorie, mais elle peut masquer d’autres dimensions nutritionnelles (indice glycémique, additifs chimiques, présence de micro-plastique, pesticides).

De plus, des aliments naturellement riches en sucre — comme le miel ou les fruits, principalement composés de fructose — ne présentent pas forcément un moindre intérêt pour la santé. Le Nutriscore, orienté “cas général” et cible en priorité le sucre ajouté et les produits ultra‑transformés, doit donc être complété par des indicateurs tels que vitamines ou index glycémique pour une évaluation réellement exhaustive.

Le Nutriscore, orienté “cas général” et cible en priorité le sucre ajouté et les produits ultra‑transformés comme les bonbons, doit donc être complété par des indicateurs tels que vitamines, index glycémique ou profil lipidique pour une évaluation réellement exhaustive.

Résultats du projet

Le Nutriscore appliqué aux bonbons se révèle fiable pour distinguer la plupart des bonbons “sains” (A – B) des “non‑sains” (D – E), grâce à une pondération plus rapide du sucre (1 pt/4 g) que de l’énergie (1 pt/335 kJ) : la quasi‑totalité des bonbons contient du sucre ajouté, d’où l’efficacité de ce critère. Toutefois, quelques bonbons classés A ou B méritent une attention particulière, car leur profil énergétique ou la présence d’additifs/faible taux de fibres peuvent rendre cette note contre‑intuitive.

De plus, l'indicateur ne prend en compte que la composition nutritionnelle déclarée (énergie, sucres, acides gras saturés, sodium, fruits/légumes, fibres, protéines). Il n’intègre ni contaminants (micro‑plastiques, métaux lourds), ni micronutriments non déclarés (vitamines, minéraux), ni labels qualité (Bio, AOC, IGP, Label Rouge).

En l’état, il fournit un indicateur de densité nutritionnelle de base ; pour une évaluation plus exhaustive, il conviendrait de combiner d’autres mesures (index glycémique, profils lipidiques, additifs, tests de contaminants).

Des multinationales telles que Nestlé, Mars ou Ferrero financent et promeuvent des systèmes alternatifs (p. ex. NutrInform Battery) pour affaiblir le Nutri‑Score, souvent sous couvert de défendre la gastronomie ou le régime méditerranéen. Parallèlement, des États (notamment l’Italie et ses alliés) et des filières fromagères ou charcutières (Lactalis, Savencia) s’opposent à son harmonisation européenne, dénonçant un « système discriminatoire » qui pénalise leurs produits emblématiques. Mais ça, c'est sujet d'un autre article...

Apprentissages