Résumé:
Le marché algérien du tabac sans fumée (ST) est caractérisé par une présence significative de produits contrefaits et de qualité inférieure. Les méthodes officielles utilisées pour un contrôle fiable de la nicotine et d'autres paramètres de qualité dans les ST sont laborieuses et peu pratiques pour une utilisation routinière.
Pour faire face à ce problème, nous avons mené une étude exhaustive comprenant deux parties.
La première partie de l'étude s'est concentrée sur le développement et la validation d'une nouvelle méthode de quantification de la teneur totale en nicotine dans 27 échantillons de Chemma commerciale et de différentes variétés defeuilles de tabac, en utilisant la spectroscopie moyen-infrarouge à transformée de Fourier à réflectance totale atténuée (ATR-FT-MIR), couplée à deux méthodes de régression: univariée et multivariée. Cette approche nous a permis de déterminer la teneur totale en nicotine des ST fabriquées qui variait de 3,9 à 11,7 mg/g, sur la base du poids sec de produit.
La deuxième partie explore l'application de la spectroscopie ATR-FT-MIR pour l'analyse de deux séries de 105 échantillons de ST collectés au cours des années consécutives (2021 et 2022).
Dans l'évaluation qualitative, une approche en deux étapes a été adoptée. Initialement, l'Analyse en Composantes Principales, la Classification Hiérarchique Ascendante et le Partitionnement en k-moyennes ont été mis en œuvre comme méthodes non supervisées complémentaires pour regrouper les échantillons commerciaux en clusters distincts sur la base de leurs mesures physicochimiques de référence. Ces clusters ont ensuite servi de catégories cibles pour l'entraînement de modèles supervisés, spécifiquement l'analyse discriminante par moindres carrés partiels (PLS-DA) et la classification par machine à vecteurs de support (SVM-C), permettant la classification de nouveaux échantillons uniquement en se basant sur leurs caractéristiques spectrales.
Dans l'évaluation quantitative, la régression par moindres carrés partiels (PLSR) et la régression par machine à vecteurs de support (SVMR) ont été utilisées pour entraîner et valider des modèles permettant de prédire simultanémentlesteneursenhumidité,pH,cendres,nicotinetotaleetnicotinenon ionisée. ? l'exception de l'humidité, la SVMR a montrée des performances très satisfaisantes, surpassant la PLSR, avec des coefficients de détermination allant de 0,82 à 0,93 et des RPD (Ratio of Prediction-to-Deviation) allant de 2,4 à 3,7.
