Sucre réduit sans compromis : l’exemple Incredo

En 2025, la réduction du sucre n’est plus une « tendance bien-être » : c’est un sujet industriel. Entre l’augmentation des produits à profil nutritionnel amélioré, la pression réglementaire sur les sucres ajoutés, et des consommateurs qui veulent moins de sucre sans perdre le plaisir, l’agroalimentaire se retrouve face à une équation serrée.

Ce qui change vraiment la donne (au sens concret, pas marketing), c’est l’arrivée d’innovations qui ne cherchent pas à remplacer le sucre par un autre goût, mais à utiliser moins de sucre pour obtenir la même perception sucrée. Incredo Sugar — ex-DouxMatok — est un bon exemple de cette logique. Et c’est aussi un excellent terrain pour comprendre comment l’IA dans l’agriculture et l’agroalimentaire accélère, sécurise et industrialise ce type de solution.

Incredo Sugar : réduire le sucre en jouant sur la perception

Incredo Sugar vise une réduction de 30 à 50% du sucre dans certaines recettes, tout en conservant une sensation sucrée similaire. L’idée n’est pas de créer une nouvelle molécule, mais de réorganiser la manière dont le sucre “arrive” sur la langue.

Dans l’article source, le CEO Ari Melamud illustre l’impact potentiel avec une barre chocolatée contenant 13 g de sucre : selon l’application, Incredo permettrait une réduction typique autour de 40%, parfois davantage. Dit autrement : le produit final reste sucré, mais avec moins de sucre total.

Le principe : un “porteur” qui optimise la libération du goût

Le point clé est technologique : Incredo utilise un support (carrier), souvent à base d’amidon, intégré au processus de raffinage pour former des agrégats (des “clusters”) de sucre. Ces agrégats auraient tendance à rester plus longtemps sur la langue, ce qui optimise la délivrance de la saveur sucrée.

On est sur une approche proche d’une idée simple : si le goût sucré est perçu plus efficacement, on peut baisser la dose. Dans un contexte où beaucoup de produits transformés contiennent du sucre « structurel » (texture, conservation, brunissement), cette approche est particulièrement intéressante : elle adresse le goût sans forcément bouleverser la recette.

Limite importante : pas (encore) pour les boissons

Le talon d’Achille identifié : l’usage en liquide. Dans une boisson, le sucre se dissout rapidement, ce qui annule l’effet de “persistance” sur la langue. Résultat : l’application est plus naturelle sur des matrices solides ou semi-solides (chocolat, biscuits, barres, confiseries, toppings…).

Pour une stratégie R&D, c’est un point pratique : Incredo n’est pas une solution universelle, mais une solution très pertinente sur certaines catégories.

Pourquoi ce type d’innovation compte pour la santé publique (et les marques)

La surconsommation de sucre est massive et structurelle. L’article rappelle que les États-Unis figurent parmi les plus gros consommateurs de sucres ajoutés et de boissons sucrées, avec des conséquences bien documentées : obésité (y compris infantile), diabète, maladies cardio-métaboliques.

Même si votre marché est européen, la dynamique est comparable : la réduction du sucre se joue rarement sur la volonté individuelle seule. Elle se joue surtout dans la formulation et l’offre.

Substituer vs optimiser : deux stratégies très différentes

Pendant des années, la réduction du sucre a reposé sur deux approches :

• Édulcorants artificiels (aspartame, saccharine…) : efficaces mais parfois associés à une acceptabilité variable (goût, perception “chimique”, controverses).
• Alternatives “naturelles” (stévia, monk fruit, agave…) : intéressantes, mais souvent limitées par l’amertume, des notes aromatiques spécifiques ou des contraintes d’approvisionnement.

Incredo se place ailleurs : il ne demande pas au consommateur d’accepter un autre goût. Il essaye de réduire le sucre sans changer l’expérience. Mon avis : c’est exactement la voie la plus réaliste pour des produits grand public, parce qu’elle minimise le “prix sensoriel” de la réforme.

Un bénéfice produit… et un bénéfice portefeuille

Du côté des industriels, il y a un second enjeu : la cohérence de gamme. Reformuler un biscuit iconique ou une tablette chocolatée est risqué : on perd des fans vite et longtemps. Une technologie qui conserve le profil organoleptique tout en réduisant le sucre peut :

• simplifier la transition (moins de plaintes, moins de retours)
• accélérer la conformité à certains référentiels nutritionnels
• soutenir des allégations plus claires (selon le cadre local)

Où l’IA s’invite : formuler plus vite, tester mieux, industrialiser plus sûr

L’IA ne “fabrique” pas Incredo Sugar, mais elle peut rendre ce type d’innovation viable à grande échelle. Dans notre série sur l’intelligence artificielle dans l’agriculture et l’agroalimentaire, on voit la même logique partout : l’IA réduit le temps entre une idée et un produit robuste.

1) IA et formulation : optimiser recette par recette (pas “en moyenne”)

La réduction de sucre annoncée dépend fortement de la recette. L’article insiste : chaque application est différente. C’est précisément là que l’IA excelle.

Concrètement, des modèles peuvent aider à :

• prédire l’impact d’une réduction de sucre sur texture, brunissement, craquant, humidité
• proposer des compensations (fibres, amidons, émulsifiants) sans multiplier 200 essais
• segmenter par matrice (biscuit sec vs moelleux vs chocolat vs fourrage)

Message simple : on ne reformule pas “un produit”, on reformule des milliers de combinaisons d’ingrédients. L’IA sert à explorer cet espace plus vite.

2) IA et sensoriel : rapprocher tests humains et prédictions

Le goût, c’est cher à tester. Panels, itérations, prototypes, logistique… Et pourtant, on n’y coupe pas.

L’IA permet de mieux exploiter :

• les données de panels sensoriels (corréler descripteurs et préférences)
• les mesures instrumentales (texture, granulométrie, profil aromatique)
• les retours consommateurs post-lancement (avis, réachat, réclamations)

Objectif : réduire l’incertitude avant d’industrialiser. Dans les projets “sugar reduction”, c’est souvent l’incertitude qui coûte le plus.

3) IA et qualité : tenir la promesse au fil des lots

Si une technologie dépend d’agrégats et de comportement en bouche, la constance de production est critique.

Des approches d’IA (couplées à la vision industrielle et aux capteurs) peuvent aider à :

• détecter des variations de granulométrie
• anticiper des dérives de process (température, humidité, mélange)
• sécuriser la qualité sur volumes

Dans les faits, l’innovation devient intéressante quand elle est reproductible. L’IA est un outil d’industrialisation, pas seulement un gadget de labo.

Impacts amont : agriculture, ingrédients et durabilité

Réduire la quantité de sucre utilisée peut aussi réduire la pression sur certaines chaînes d’approvisionnement, même si l’effet dépend des volumes et du mix produit.

Mais le sujet est plus large : les solutions comme Incredo montrent une direction utile pour l’agriculture et l’agroalimentaire : produire mieux plutôt que produire toujours plus.

Moins de sucre, c’est aussi moins de dépendance aux fluctuations

Le sucre (betterave, canne) est exposé à :

• aléas climatiques
• volatilité énergétique (raffinage, transport)
• tensions géopolitiques et logistiques

Si une marque peut maintenir l’expérience gustative avec moins de sucre par unité, elle gagne en résilience économique, en plus du bénéfice nutritionnel.

La “triple contrainte” : goût, santé, soutenabilité

La plupart des projets échouent parce qu’ils optimisent une dimension en sacrifiant les deux autres.

• Goût sans santé : ça vend, mais les objectifs nutritionnels restent hors d’atteinte.
• Santé sans goût : ça reste une niche.
• Soutenabilité sans plaisir : ça peine à s’installer.

Ce que j’aime dans l’approche Incredo, c’est qu’elle part d’un constat pragmatique : le consommateur ne veut pas être puni. Il veut un produit bon, point. À nous (industrie) d’être inventifs.

Questions que les équipes agroalimentaires devraient poser avant d’adopter

Une technologie de réduction du sucre se juge sur sa compatibilité industrielle, pas sur un pourcentage “marketing”. Voici les questions qui évitent les mauvaises surprises.

Quels produits sont les meilleurs candidats ?

Commencez par les matrices où le sucre est surtout “goût”, et moins “structure” :

• chocolat et confiserie
• biscuits et barres
• céréales et inclusions
• certains produits de boulangerie sèche

Les boissons et sirops, eux, demandent généralement d’autres approches.

Quels indicateurs suivre dès les premiers prototypes ?

• Acceptation sensorielle (préférence vs produit actuel)
• Stabilité (humidité, migration, blooming chocolat, rancissement)
• Process (écoulement, mélange, enrobage)
• Coût complet (ingrédient + rendement + pertes + contrôle qualité)

Comment l’IA peut rendre le projet rentable ?

• réduire le nombre d’itérations physiques
• prioriser les tests sur les recettes prometteuses
• capitaliser sur les apprentissages d’une gamme à l’autre

Si vous ne structurez pas vos données (essais, paramètres process, résultats sensoriels), l’IA ne fera pas de miracle. Mais avec un minimum de discipline, elle accélère vraiment.

Ce que l’exemple Incredo raconte sur la food tech en 2025

Les innovations crédibles en agroalimentaire sont celles qui s’insèrent dans les chaînes existantes. Incredo a déjà noué des partenariats commerciaux (ingrédients, chocolat, compléments) selon l’article, ce qui suggère un vrai travail d’intégration industrielle.

Et c’est là que notre série sur l’IA dans l’agriculture et l’agroalimentaire rejoint le sujet : l’IA sert de “colle” entre l’amont (ingrédients), la R&D (formulation) et l’aval (qualité, production, expérience consommateur). Elle ne remplace pas la chimie alimentaire. Elle rend la chimie alimentaire plus rapide, plus mesurable, plus déployable.

Pour les entreprises qui cherchent des leads et des projets concrets, la piste est claire : les solutions de réduction du sucre ne se limitent pas à choisir un édulcorant. Elles demandent une stratégie data + IA pour transformer des essais isolés en un portefeuille de recettes industrialisées.

Réduire le sucre à grande échelle, ce n’est pas un débat d’opinion : c’est un problème d’ingénierie, de données, et d’exécution.

Si vous travaillez sur la reformulation ou l’innovation produit en 2026, sur quelles catégories pourriez-vous réduire 30–40% du sucre sans toucher à la préférence consommateur — et quelles données vous manquent aujourd’hui pour y arriver vite ?