Viande cultivée & microalgues : l’IA change l’échelle

En 2023, une startup tchèque peu connue du grand public a posé une question très concrète à toute l’agroalimentaire : et si la microalgue pouvait remplacer une partie des intrants les plus coûteux et les plus critiqués de la viande cultivée ? Mewery a annoncé un prototype hybride composé de 75 % de cellules de porc et 25 % de cellules de microalgues, avec une promesse claire : réduire les coûts, éviter certains ingrédients controversés et améliorer le profil nutritionnel.

Deux ans plus tard, le sujet est encore plus actuel. Fin 2025, la pression sur les filières protéines n’a pas diminué : volatilité des prix, exigences environnementales, tension sur l’eau et l’énergie, et attentes des consommateurs sur la transparence. Dans notre série « Intelligence artificielle dans l’agriculture et l’agroalimentaire », ce type d’innovation est un cas d’école : l’IA ne sert pas seulement à optimiser un champ, elle optimise aussi un bioréacteur, un milieu de culture et, au final, une chaîne de valeur entière.

Ce qui m’intéresse ici, ce n’est pas l’annonce en soi. C’est ce qu’elle révèle : la viande cultivée ne passera à l’échelle que si l’on industrialise l’apprentissage — et c’est précisément là que l’IA devient utile.

Microalgues + viande cultivée : ce que ça résout vraiment

Réponse directe : l’ajout de microalgues vise surtout à améliorer le milieu de culture, réduire certains coûts d’intrants et enrichir le produit, tout en gardant une matrice majoritairement cellulaire.

La viande cultivée s’est heurtée à trois murs depuis ses débuts :

1. Le coût des milieux de culture (et des facteurs de croissance)
2. La complexité du passage du labo à l’usine (scaling)
3. L’acceptabilité (ingrédients, image, goût, prix)

Pourquoi l’abandon du sérum (FBS) est un sujet central

Mewery met en avant un point sensible : la possibilité d’éliminer le FBS (sérum bovin fœtal) dans le procédé. Au-delà des débats éthiques, c’est un sujet industriel : dépendance à un intrant animal, variabilité, et difficulté à sécuriser l’approvisionnement à grande échelle.

Ce qu’il faut retenir : un procédé « serum-free » stable et reproductible rapproche la viande cultivée d’un standard industriel (qualité, traçabilité, maîtrise des lots).

La microalgue comme « co-ingrédient » fonctionnel

Le prototype annoncé par Mewery ne se contente pas d’ajouter un ingrédient “vert” pour le marketing. Les microalgues peuvent jouer plusieurs rôles :

• Apport de micronutriments (vitamines, minéraux)
• Composés antioxydants (stabilité, potentiel intérêt nutritionnel)
• Acides gras essentiels (selon la souche)
• Fibres (selon les fractions utilisées)

Traduction agroalimentaire : on n’essaie pas seulement de copier la viande, on tente de fabriquer une proposition produit plus robuste, avec une formulation qui peut aider sur le goût, la texture ou la stabilité.

Là où l’IA devient décisive : optimiser le vivant, pas la com’

Réponse directe : l’IA sert à trouver plus vite les meilleures conditions de culture, stabiliser la production et réduire le coût par lot en limitant les essais-erreurs.

Dans une usine de viande cultivée, le vrai coût n’est pas seulement le matériel. C’est la somme de :

• lots ratés,
• rendements instables,
• variabilité biologique,
• temps d’optimisation,
• énergie,
• exigences qualité.

L’IA est utile parce qu’elle traite exactement ce type de problème : un système complexe, multi-paramètres, avec des signaux bruités.

1) Formulation du milieu de culture par apprentissage

Le milieu de culture, c’est la “recette” qui nourrit les cellules. On peut tester des milliers de combinaisons, mais le faire à la main coûte une fortune.

Ce qui marche bien en pratique :

• plans d’expériences + modèles de prédiction (régression, forêts, modèles bayésiens)
• optimisation multi-objectifs (coût, croissance, qualité cellulaire, stabilité)
• active learning : le modèle choisit les prochains tests les plus informatifs

Dans un contexte microalgues + cellules animales, l’IA aide à répondre à des questions concrètes :

• Quelle fraction d’extraits de microalgues maximise la prolifération ?
• À partir de quel seuil on dégrade la qualité sensorielle ?
• Quels paramètres réduisent la variabilité entre lots ?

2) Pilotage des bioréacteurs et jumeau numérique

Passer au bioréacteur “grand volume”, c’est souvent là que tout se complique. Température, pH, oxygène dissous, agitation, densité cellulaire : chaque variable interagit.

Une approche IA réaliste (et déjà appliquée dans d’autres bioprocédés) :

• détection d’anomalies en temps réel (capteurs + modèles)
• contrôle prédictif (anticiper la dérive plutôt que corriger après coup)
• jumeau numérique : simuler l’impact d’un changement avant de l’appliquer

Phrase simple : un bon modèle peut éviter de “cramer” un lot à 50 000 €.

3) Qualité produit : texture, goût, régularité

La viande cultivée doit livrer une promesse basique : ça doit être bon, et identique d’un lot à l’autre.

L’IA peut aider à relier :

• données de culture (croissance, métabolites),
• données analytiques (profil protéines/lipides),
• données sensorielles (panels, mesures instrumentales),

pour construire des modèles qui prédisent la probabilité d’obtenir une texture cible (boulette, saucisse, haché). C’est exactement le type de corrélation complexe que les équipes R&D cherchent depuis des décennies, mais avec beaucoup plus de variables qu’avant.

Ce que l’exemple Mewery dit à l’agriculture (et pas seulement aux startups)

Réponse directe : ce type de projet relie directement agriculture de précision et bioproduction : la microalgue devient une matière première cultivable, optimisable, traçable.

On a tendance à opposer “agriculture” et “laboratoire”. Je pense que c’est une erreur de lecture. Les microalgues remettent l’amont agricole dans l’équation, sous une autre forme :

• culture en photobioréacteurs ou bassins,
• optimisation de la lumière, du CO₂, des nutriments,
• gestion de souches,
• planification énergétique.

Autrement dit, c’est aussi un sujet d’agriculture de précision, mais appliqué à des microorganismes.

Microalgues : une nouvelle filière à piloter comme une culture

Pour un acteur agro, les questions “terrain” reviennent, simplement déplacées :

• Quelle souche est la plus productive dans mon contexte énergétique ?
• Quel rendement au m², et à quel coût kWh ?
• Quelle variabilité saisonnière (même en indoor, la température et le coût énergétique bougent) ?
• Comment sécuriser une qualité constante pour l’agroalimentaire ?

L’IA est pertinente à l’amont, parce qu’elle permet :

• prévision de rendement,
• optimisation des apports (nutriments, CO₂),
• maintenance prédictive des équipements,
• contrôle qualité automatisé (vision, spectrométrie).

Questions que les décideurs devraient poser avant d’y croire

Réponse directe : la viabilité d’un modèle microalgues + viande cultivée se joue sur la structure de coûts, la réglementation, et la capacité à industrialiser la reproductibilité.

J’ai un biais : j’aime les innovations qui annoncent clairement leurs contraintes. Voilà les questions que je poserais (et que vous pouvez réutiliser en comité d’innovation).

1) Quel est le coût cible réaliste, et à quel horizon ?

Si l’objectif est une boulette ou une saucisse, le benchmark n’est pas un steak premium. Le marché compare au prix du haché, et surtout à la constance.

À demander :

• coût des milieux de culture par kg produit,
• taux de réussite des lots,
• productivité volumique du bioréacteur,
• coût énergétique par cycle.

2) Quelle stratégie “scale-up” et “scale-out” ?

Beaucoup d’acteurs confondent :

• scale-up (plus gros bioréacteurs)
• scale-out (plus de bioréacteurs identiques)

L’IA favorise souvent le scale-out au début : plus de répétabilité, apprentissage plus rapide, moins de risques unitaires.

3) Quid de l’acceptabilité : “cellulaire à 100 %” suffit-il ?

Mewery souligne que son produit est “100 % cellulaire” (sans base soja/pois). C’est un message clair, mais l’acceptabilité dépend aussi de :

• transparence de la recette,
• perception des microalgues,
• promesse nutritionnelle vérifiable,
• prix.

La meilleure stratégie que j’ai vue : ne pas vendre une technologie, vendre un usage (ex. boulettes pour la restauration collective, où la régularité et la sécurité d’approvisionnement comptent autant que la narration).

Plan d’action : comment une entreprise agro peut s’y préparer (dès 2026)

Réponse directe : commencez par un pilote data + bioprocédé, puis construisez une feuille de route IA centrée sur la qualité et le coût.

Voici un plan pragmatique, même sans vouloir “faire de la viande cultivée” demain.

1. Cartographier vos intrants sensibles (protéines, lipides, additifs, énergie) et identifier où l’IA peut réduire la variabilité.
2. Lancer un projet de données de procédé : capteurs, historisation, traçabilité lot par lot. Sans données propres, pas d’IA utile.
3. Tester un modèle prédictif simple (rendement/qualité) avant de viser un jumeau numérique complet.
4. Créer un partenariat amont autour des microalgues (ingrédient, nutrition, stabilité) : l’enjeu est autant agricole qu’industriel.
5. Préparer le cadre qualité : documentation, contrôle, preuves. L’IA doit aider la conformité, pas la compliquer.

Une règle qui évite bien des déceptions : si un modèle IA ne réduit pas un coût mesurable (énergie, pertes, temps d’essais), il restera un joli PowerPoint.

La suite logique : protéines durables pilotées par la donnée

La viande cultivée à base de microalgues n’est pas une curiosité. C’est un signal : les protéines durables passent par l’optimisation fine des ressources, et cette optimisation devient trop complexe pour être conduite uniquement “à l’intuition”.

Dans l’agriculture et l’agroalimentaire, on parle beaucoup de sécurité alimentaire, de souveraineté, de décarbonation. Très bien. Mais le nerf de la guerre, c’est la capacité à industrialiser la reproductibilité. L’IA sert à ça : transformer des essais en apprentissage, puis en process robuste.

Si vous travaillez déjà sur l’agriculture de précision, vous avez un avantage inattendu : la culture data, la traçabilité et la logique de pilotage par indicateurs. La question qui reste ouverte pour 2026 est simple — et elle mérite d’être posée maintenant : qui saura connecter l’amont (microalgues, biomasse) et l’aval (bioproduction, formulation) dans une même chaîne de décision pilotée par l’IA ?