L’évolution constante des tendances en matière de consommation alimentaire obscurcit la compréhension que l’on avait jusqu’à présent des facteurs de malnutrition. Aujourd’hui, au sein d’un même pays, d’un même quartier ou même d’un même ménage, on observe des habitudes et des schémas alimentaires différents.
Il est bien établi que la disponibilité et la consommation d’aliments sains sont en baisse dans le monde entier, en particulier dans les régions à faible revenu. Il en résulte un double fardeau de la malnutrition, la sous-nutrition et la surnutrition se produisant simultanément dans des cultures et des habitudes alimentaires différentes.
Dans le même temps, dans les pays à revenu faible et intermédiaire, les personnes plus aisées et les citadins s’orientent vers la consommation d’aliments plus transformés, salés et sucrés et s’éloignent des régimes alimentaires traditionnels. Au Rwanda, par exemple, 33 % de la population est sous-alimentée en raison d’un régime alimentaire inadéquat, ce qui se traduit par un plus grand nombre d’enfants en surpoids que d’enfants souffrant d’un retard de croissance ou d’émaciation.
Ces nouvelles complexités appellent à une nouvelle compréhension des voies menant à la malnutrition. C’est pourquoi il est nécessaire de produire des données efficaces et innovantes. Le développement des technologies et des procédures de l’alimentation est devenu d’autant plus pertinent. En outre, une meilleure compréhension des habitudes alimentaires, ainsi que de la valeur nutritionnelle des aliments en fonction des groupes socio-économiques, est également l’un des facteurs déterminants pour l’élaboration d’interventions et de politiques nutritionnelles efficaces.
Les évaluations critiques et les indices de performance sur la malnutrition continuent de montrer que de plus en plus de personnes sont privées de repas sains chaque année. Malgré quelques variations, aucune région n’a été en mesure d’atteindre des modèles alimentaires sains, et les progrès à cet égard ont été trop lents. Cela signifie que la cible 2.2 de l’ODD, qui consiste à mettre fin à toutes les formes de malnutrition d’ici à 2030, ne sera pas atteinte, car les efforts déployés pour réduire la malnutrition ont été trop faibles et trop lents.
Les effets globaux de la pandémie de Covid-19 et de la guerre de la Russie en Ukraine ont également éloigné les progrès du plan d’action prévu. En conséquence, les interventions politiques basées sur les données actuellement disponibles risquent toujours d’être inadéquates et inefficaces dans leur mise en œuvre.
L’un des principaux problèmes liés à la numérisation des données sur les systèmes alimentaires est l’absence de suivi systématique des modes de consommation alimentaire, qui ne sont pas pris en compte comme il se doit et ne revêtent pas l’importance voulue. En outre, les gouvernements et les autorités compétentes en matière de surveillance alimentaire ne disposent généralement pas de systèmes de collecte de données homogènes.
Même lorsque des données sont collectées, elles restent fragmentées et statiques dans le temps, dans des silos sectoriels. En outre, ces ensembles de données sont encore plus fragmentés en raison des différents modèles utilisés pour leur évaluation dans différentes régions, ce qui limite leur interprétation et leur utilisation efficace sur le terrain.
De même, ces questions sont encore aggravées par la nature tout aussi complexe des chaînes d’approvisionnement alimentaire mondiales, ce qui rend d’autant plus difficile l’évaluation efficace des nouvelles habitudes et exigences des consommateurs.
Mais la lueur d’espoir et l’opportunité évidente qui se dégagent de ces problèmes sont peut-être l’évolution rapide des chaînes d’approvisionnement alimentaire qui permet l’adaptation des nouvelles technologies de la production à la gestion et à la livraison des produits. Aujourd’hui, les fournisseurs de denrées alimentaires peuvent utiliser la technologie pour contrôler en permanence et vendre des produits alimentaires plus sains et plus sûrs à un prix abordable, tout en réduisant les coûts tout au long de la chaîne d’approvisionnement.
Il incombe désormais aux gouvernements et aux industries alimentaires d’adopter des systèmes numériques innovants. d’adopter des systèmes numériques innovants et des outils de collecte de données alimentaires faciles à utiliser et permettant de générer des données plus détaillées. Cela peut permettre de mieux comprendre les habitudes alimentaires à différents niveaux.
BioAnalyt est actuellement impliqué dans la phase de développement et de test pilote d’un de ces projets d’innovation numérique intitulé iCheck Connect.
Il s’agit d’une application web et mobile qui permet de transférer les résultats des mesures de la teneur en micronutriments des aliments fortifiés des appareils iCheck vers des smartphones, des tablettes ou des ordinateurs. L’application permet ensuite la catégorisation, la visualisation et l’interprétation des données, ainsi que leur intégration dans des tableaux de bord nationaux et internationaux pour faciliter la prise de décision en temps réel. Nos clients – les utilisateurs des iChecks – sont des producteurs d’aliments fortifiés ou enrichis, des producteurs d’aliments pour animaux et de prémélanges, des chercheurs, des agences de surveillance gouvernementales et des ONG. Pour faciliter la production de données primaires pertinentes et sûres, nous développons une nouvelle génération de matériel d’essai facile à utiliser sur le terrain pour l’état nutritionnel des aliments ainsi que pour les indicateurs de santé pertinents dans la population. Pour plus d’informations, téléchargez notre brochure.
Nous travaillons sur ce projet avec un écosystème de partenaires comprenant Nutrition International, Global Alliance for Improved Foods, WFP Innovation Accelerator, Technoserve, DSM, BASF, Sanku, Mühlenchemie/SternVitami, Accenture et Piramal. L’objectif est de pouvoir mettre en œuvre des interventions nutritionnelles plus compétentes et plus dynamiques, basées sur des ensembles de données en temps réel. Restez à l’écoute pour d’autres mises à jour sur nos développements matériels et logiciels passionnants et nos projets pilotes.
Références :
- Rapport mondial sur la nutrition 2021
- Exploiter les outils numériques et les approches de crowdsourcing pour générer des données à haute fréquence pour le suivi de la qualité de l’alimentation à l’échelle de la population au Rwanda
- Le big data dans la chaîne d’approvisionnement alimentaire : une revue de la littérature
- Promouvoir une action fondée sur les données pour mettre fin à la malnutrition : Améliorer la mesure de l’alimentation maternelle
