Wine learning – Etude d’un modèle expérimental pluridisciplinaire pour la caractérisation du système « fermentation

Introduction – Paolo Capra, Ever Srl

Présentation du modèle expérimental, de la caractérisation du moût (chimie, éléments traces, précurseurs aromatiques) à la caractérisation du vin (chimie et arôme), en passant par le suivi de la fermentation en temps réel – Paolo Antoniali, Italiana Biotecnologie Srl

THiOLS : UPLC-MS – Étude et mise en œuvre de la méthode de détermination et de quantification des thiols dans les vins – Sara Bogialli / Marco Roverso, Université de Padoue

MASUT DA RIVE : étude de cas – Présentation des résultats après trois ans de récolte prédictive – Nicola Biasi, Nicola Biasi Consulting

Apprendre du vin » signifie innover et faire de la recherche avec les œnologues et les producteurs, collaborer et partager les connaissances afin de préserver et d’améliorer la qualité du vin au quotidien.

Après dix ans du programme Y-TEAM pour le développement de la qualité de la levure et de ses dérivés pour la fermentation œnologique, Ever présente WINE-LEARNING : un modèle expérimental innovant et multidisciplinaire pour la caractérisation du système « raisin-fermentation-vin ».

La prévision de l’évolution d’une fermentation est extrêmement utile et permet de prendre, le cas échéant, des mesures correctives pour assurer la réussite de la vinification, qu’il s’agisse d’une fermentation primaire ou d’une refermentation pour un vin mousseux.
Afin de développer un modèle prédictif robuste, flexible et fiable de la fermentation du vin, il est nécessaire de disposer d’une large base de données comprenant des données sur les fermentations de différents cépages, régions et millésimes, des informations sur le traitement des moûts ou des bases, la souche de levure utilisée et la nutrition employée et, enfin, les conditions d’exploitation adoptées.
Plusieurs modèles mathématiques axés sur la composition du moût et la physiologie des levures ont été proposés pour prédire la cinétique de la fermentation alcoolique. Ces modèles nécessitent l’estimation d’un grand nombre de paramètres, ce qui peut les rendre difficiles à appliquer dans une situation de cave industrielle et, en particulier, pendant les vendanges.
Le projet WINE LEARNING, plutôt que de définir un modèle prédictif de la fermentation du vin, esquisse un système de diagnostic empirique qui contribue, par une approche pratique et une observation expérimentale, à caractériser l’état du système « raisin-fermentation-vin » et à définir des choix opérationnels réfléchis avant les fermentations.