Sweet proteins : l’IA au service des boissons moins sucrées

7 g de sucre là où un thé glacé classique peut dépasser 40 g pour un format comparable : ce n’est pas un tour de magie marketing, c’est un choix technologique. En 2023, la start-up américaine Oobli a lancé des thés glacés sucrés non pas avec du saccharose ou des édulcorants artificiels, mais avec une protéine au goût sucré (la brazzeine) produite par fermentation microbienne.

Ce qui m’intéresse surtout, dans le cadre de notre série « Intelligence artificielle dans l’agriculture et l’agroalimentaire », ce n’est pas seulement la boisson. C’est le nouveau couple “biotech + IA” qui rend ce type de produit crédible : l’un fabrique une molécule rare à l’échelle industrielle, l’autre aide à décider quoi fabriquer, comment l’optimiser, et pour qui.

En décembre 2025, entre la pression réglementaire sur le sucre, la demande de produits “better-for-you” et la volatilité des matières premières, les industriels ont besoin d’une méthode fiable pour reformuler vite, bon et conforme. Les protéines sucrées sont une piste sérieuse. Et l’IA, un accélérateur très concret.

Les protéines sucrées : une alternative qui change la donne… sans promettre la lune

Les protéines sucrées apportent une réponse simple à un problème complexe : réduire le sucre sans sacrifier le goût et sans basculer systématiquement sur des édulcorants contestés.

Brazzeine : le goût sucré, version protéine

La brazzeine est une protéine naturellement présente dans un fruit d’Afrique de l’Ouest. Dans la nature, elle est difficile à extraire en quantité, ce qui limite son usage alimentaire.

Oobli contourne ce verrou via la fermentation de précision : les gènes associés à la production de brazzeine sont intégrés dans une levure, qui produit ensuite une protéine chimiquement identique à celle du fruit dans des cuves de fermentation. Résultat : une matière sucrante “nouvelle génération” qui peut entrer dans une formulation de boisson.

Pourquoi les marques s’y intéressent maintenant

Parce que le “moins sucré” n’est plus un bonus, c’est devenu un standard attendu. Et parce que les alternatives classiques ont leurs limites :

• Édulcorants intenses (ex. sucralose, aspartame) : efficacité élevée, mais défi d’image, débats sur les effets métaboliques et le microbiote.
• Stevia / monk fruit : plus “naturels” dans la perception, mais souvent associés à des arrière-goûts, et certaines formulations incluent des polyols (ex. érythritol) qui divisent.

Une phrase résume l’enjeu : le marché ne veut pas seulement “moins de sucre”, il veut “moins de sucre sans compromis sensoriel”.

De la fermentation à la canette : ce que le cas Oobli dit du marché

Oobli a lancé une gamme de thés sucrés à la protéine (brazzeine) avec une promesse produit lisible : 7 g de sucre et 60 calories par boisson, là où un thé glacé sucré traditionnel peut être beaucoup plus chargé en sucres et en calories.

Le vrai sujet : l’acceptabilité sensorielle

Le fondateur d’une catégorie ne gagne pas avec une fiche nutritionnelle. Il gagne avec la première gorgée. Le retour présenté dans l’article source est clair : le thé pêche goûtait “aussi bon ou mieux” qu’un équivalent sucré au sirop, sans arrière-goût marqué.

C’est exactement là que ce type d’innovation peut percer : une reformulation réussie ne doit pas se voir.

Le frein classique : le prix

Oobli vendait son pack de 12 autour de 39 $, nettement au-dessus des marques “mainstream”. Ce point n’est pas anecdotique : la fermentation de précision coûte encore cher (capex, montée en échelle, purification, contrôle qualité).

Mais l’histoire récente montre que le premium peut fonctionner quand :

1. le bénéfice perçu est immédiat (goût + “mieux pour moi”),
2. l’histoire techno est compréhensible,
3. la marque rassure (sécurité, qualité, constance).

Et c’est précisément là que l’IA devient un outil de rentabilité : réduire le nombre d’itérations de formulation et accélérer l’adéquation produit-marché.

Où l’IA devient décisive : formuler “moins sucré” sans perdre le goût

L’IA en agroalimentaire n’est pas seulement de l’optimisation de rendement agricole. Elle sert aussi à designer des aliments. Dans le cas des protéines sucrées, elle aide à répondre à trois questions : Quel goût ? Quelle recette ? Quel coût ?

1) Optimiser la formulation (goût, texture, stabilité)

Une boisson, ce n’est pas “sucré ou pas sucré”. C’est un équilibre : acidité, arômes, amertume du thé, sensation en bouche, persistance du goût, stabilité dans le temps.

Avec des approches de type machine learning, on peut :

• modéliser la relation entre dosage de protéine sucrée, arômes, acidifiants et perception sensorielle,
• prédire le risque d’arrière-goût selon des combinaisons d’ingrédients,
• réduire les essais labo en ciblant les formulations les plus prometteuses.

Une formulation pilotée par données, c’est moins de tests “au hasard” et plus de tests “à forte probabilité de réussite”.

2) Analyser les préférences consommateurs, segment par segment

Le “bon goût” n’est pas universel. En France, par exemple, la tolérance au sucré peut varier fortement entre amateurs de sodas, buveurs de thé, consommateurs de boissons fonctionnelles, etc.

L’IA permet d’exploiter :

• avis consommateurs (NLP sur commentaires),
• panels sensoriels enrichis (données structurées),
• comportements d’achat (retour, réachat, substitution).

Objectif : identifier des profils du type “je veux moins de sucre mais je déteste l’arrière-goût stevia” ou “je suis OK pour payer plus si c’est crédible et bon”. Pour une marque, ce ciblage fait la différence entre une innovation de niche et une gamme rentable.

3) Maîtriser la qualité industrielle (variabilité, conformité, sécurité)

La fermentation, c’est vivant. Même avec des procédés robustes, il y a de la variabilité : souche, nutriments, température, oxygénation, cinétiques.

En production, l’IA sert à :

• détecter des dérives via des modèles de contrôle statistique avancé,
• corréler paramètres de cuve et pureté de la protéine,
• anticiper les écarts qualité avant le contrôle final.

C’est un point clé pour les protéines sucrées : si le goût varie d’un lot à l’autre, la marque perd la confiance. L’IA aide à industrialiser la constance.

Qu’est-ce que ça change pour l’agriculture et les filières agroalimentaires ?

Le lien avec l’agriculture est plus direct qu’on ne le croit. Les protéines sucrées produites par fermentation peuvent :

Réduire la dépendance à certaines cultures sucrières (sans les “remplacer” totalement)

Le sucre reste une commodité majeure. Mais l’industrie cherche des options pour :

• diminuer le sucre ajouté dans des gammes entières,
• limiter l’exposition à la volatilité prix/approvisionnement,
• atteindre des objectifs nutritionnels.

Les protéines sucrées ne vont pas faire disparaître la betterave ou la canne. En revanche, elles peuvent devenir un outil de reformulation dans des catégories (boissons, confiserie, chocolat) où une fraction du sucre peut être substituée.

Créer une nouvelle chaîne de valeur “bio-industrie”

Quand une molécule d’intérêt est fabriquée en cuve, les compétences recherchées bougent : microbiologie, génie des procédés, data, assurance qualité, réglementation.

Pour l’Europe et la France, c’est un signal : l’agroalimentaire devient aussi une industrie de bioproduction, où l’IA (optimisation de procédés, jumeaux numériques, maintenance prédictive) est un avantage compétitif.

Accélérer l’innovation “santé” sans casser le plaisir

Le consommateur veut du mieux, mais il n’a pas envie de boire un compromis. Les produits qui gagnent sont ceux qui tiennent ensemble :

• profil nutritionnel plus propre,
• goût stable,
• transparence.

Mon opinion : les protéines sucrées ont une carte à jouer précisément parce qu’elles évitent la polarisation “sucre vs édulcorant”. Elles ouvrent une troisième voie, plus technologique, mais potentiellement plus acceptable si elle est bien expliquée.

Questions fréquentes (et réponses directes)

Les protéines sucrées, c’est “naturel” ou “artificiel” ?

C’est identique à une protéine présente dans la nature, mais produite par fermentation (comme beaucoup d’ingrédients alimentaires modernes). Pour le consommateur, la perception dépendra de la pédagogie et de la transparence.

Est-ce adapté à une stratégie “clean label” ?

Pas automatiquement. Tout dépend de l’étiquetage, des auxiliaires technologiques, du niveau de purification et des exigences des enseignes. En pratique, le “clean label” est autant une question de formulation que de narration et de confiance.

Pourquoi l’IA est plus qu’un gadget ici ?

Parce que le principal coût caché, c’est l’itération : essais, échecs, re-tests, validations. L’IA réduit ce cycle en orientant les décisions vers les formulations et paramètres de production les plus probables.

Ce que les décideurs agroalimentaires peuvent faire dès maintenant

Si vous travaillez en R&D, innovation, qualité ou direction de marque, voici une feuille de route pragmatique :

1. Cartographiez vos “gros postes sucre” : catégories, recettes, contraintes goût.
2. Choisissez un cas d’usage pilote (ex. boisson aromatisée) où la réduction sucre apporte un bénéfice évident.
3. Montez une boucle data : tests sensoriels structurés + retours consommateurs + données de procédé.
4. Évaluez plusieurs solutions (protéines sucrées, fibres, arômes, modulateurs) et comparez coût/acceptabilité.
5. Industrialisez la constance : plan de contrôle, modèles de détection d’écarts, critères de libération.

La phrase qui guide le projet : “On n’optimise pas ce qu’on ne mesure pas.”

Et maintenant ? La boisson n’est qu’un début

Les thés d’Oobli illustrent une tendance de fond : la reformulation sucrée sort du duel sucre/édulcorants et entre dans une phase “ingénierie” où la fermentation de précision crée de nouveaux ingrédients, et où l’IA aide à les rendre désirables, stables et rentables.

Pour notre série sur l’IA dans l’agriculture et l’agroalimentaire, c’est un cas d’école : on voit comment la donnée relie la ferme, l’usine et le marché. Le prochain cap, selon moi, sera l’intégration complète : jumeau numérique de recette, suivi qualité en temps réel, et personnalisation par segment (sans multiplier les SKUs).

Si vous deviez reformuler une seule gamme en 2026 pour réduire le sucre sans perdre vos consommateurs, vous commenceriez où : boissons, desserts, chocolat, ou produits laitiers ?