STATISTIQUES EN CUISINE ?

La louche et l'éminceur ou l'ANOVA ? Plutôt les trois...!

L’usage des statistiques en cuisine peut certainement paraitre incongru… En effet, les plus grands chefs, que ce soit ceux du passé ou ceux du moment, s’en passent parfaitement pour accomplir leurs prodiges : nul besoin de connaître les principes de l’Anova pour réussir (et apprécier) un grand repas ! Car les chefs ont intégré toutes les subtilités de leur Art pour ne pas avoir de doute sur la manière de les maîtriser. Mais quand on ne possède pas ce savoir, cette expérience, au sens étymologique du terme, la cuisine est un monde obscur, difficilement compréhensible tant les variables, les paramètres qui en font le génie sont nombreux.


C’est ici que la statistique, le « data mining » peut aider le gourmet curieux, l’ingénieur ingénieux et pourquoi pas non plus le Chef lui-même à mieux comprendre cet univers complexe.
Quelles sont les difficultés en cuisines ?
-Déterminer une liste et des quantités d’ingrédients pour constituer des recette légitimes et fiables
-Evaluer les interactions de ces ingrédients
-Evaluer, dans le résultat final, l’importance réelle de tel ou tel opération ou geste

Ces difficultés ne peuvent être abordées que par une démarche expérimentale assez rigoureuses (et assez fastidieuse, parfois…)


EXEMPLE CONCRET : ETABLIR UNE RECETTE DE BLANQUETTE (sans trop se tromper...)


Solution 1 : Prendre une recette sur un livre ou sur internet.
Fiabilité : 0. Rien ne dit que cette recette « marche », qu’elle soit représentative, qu’elle soit fiable, qu’elle soit seulement fidèle à ce que son résultat doit être…


Solution 2 : Prendre la recette d’un chef reconnu.
Fiabilité : relative. Dans ce cas, on estime que le Chef X détient LA vérité sur telle ou telle recette, ce qui paraît impossible.


Solution 3 : Etablir une recette « moyenne » grâce aux statistiques.
Fiabilité : assez bonne. On prend une recette, on en sélectionne au moins 25 expressions et on en liste les ingrédients et les fréquences d’occurrence. On peut ainsi établir une recette dite « moyenne », assez représentative de l’état de l’art sur cette recette précise. L’échantillonnage peut, bien sûr être orienté. On peut choisir des lots de recettes issues d’une époque donnée, de pays donnés, autant de contingence qui modifie les résultats.


FIGURE 1 DETERMINER UNE LISTE D’INGREDIENTS (Le bouillon de cuisson de la blanquette)
Ici, il s’agit de faire la liste des ingrédients d’une recette en gardant ceux qui statistiquement sont légitimes en éliminant ceux qui ne le sont pas.



On voit bien, ici, que certains ingrédients de la blanquette reviennent de manière systématique (sel, viande, eau, bien sûr) alors que d’autres non : poireaux, ail girofle par exemple. On peut donc s’interroger sur leur légitimité dans cette recette.


FIGURE 2 DETERMINER DES PROPORTIONS POUR UNE LISTE D’INGREDIENTS DONNES (idem)
Dans ce cas, la liste des ingrédients légitime étant faite, on tente de légitimer des quantités relatives. Quels sont les proportions relatives moyennes mise en œuvre, quel est l’écart type associé à chaque moyenne ?


Ici, on peut voir, par exemple que sur 23 recettes évaluées, la quantité d’oignons mise en œuvre est homogène : elle peut être reprise en l’état. En revanche les écarts types de quantités moyennes de viande et de poivre, par exemple, sont plus dispersées : ces lignes d’ingrédients doivent donc être bien testées et évaluées avant d’être validés.
Dans la prochaines page, nous aborderons des méthodes plus complexes mais plus riches ; Anova et Acp, en particulier.