« C’est par biomimétisme que nous avons conçu notre nez électronique NeOse Advance, raconte Tristan Rousselle, cofondateur de la start-up Aryballe avec deux chercheurs du CEA. Il combine des capteurs biochimiques imitant ceux du nez et un module d’analyse de données imitant le bulbe olfactif ». Ce renifleur numérique peut reconnaître des milliers d’odeurs, des plus délicates (fleurs, parfums, fruits et suivi de leur maturation) aux moins agréables (putréfaction, ammoniac…).

Une innovation qui a du nez !

L’idée est née en 2014 lorsque cet entrepreneur, désireux de « lancer un projet d’innovation de rupture à l’interface de plusieurs technologies », se tourne vers le CEA, qu’il connait bien pour avoir déjà fondé une précédente start-up avec l’un de ses laboratoires. Le thème de l’olfaction digitale émerge alors très vite, l’Inac (institut désormais intégré à l'Institut de recherche interdisciplinaire de Grenoble du CEA) proposant le biocapteur, et le CEA-Leti ses compétences en photonique. « Il y avait une forte attente, notamment de la part de l’industrie des arômes et fragrances, à la recherche d’outils de reconnaissance d’odeurs délivrant une information objective, qui soient légers, rapides et moins coûteux que la chromatographie en phase gazeuse couplée à la spectrométrie de masse. »

D’autres marchés se disent intéressés, comme celui de l’électroménager. « Les industriels imaginent par exemple des fours s’arrêtant automatiquement lorsque le plat est cuit », illustre Tristan Rousselle. De belles promesses sont également attendues dans le secteur de la santé, pour la détection de pathologies, à l’instar de ces chiens éduqués à la reconnaissance olfactive d’un cancer du sein ou de la prostate.

Technologie

• Association de 64 nanocapteurs biochimiques (des peptides captant les molécules odorantes volatiles) greffés sur un microréseau optique (photonique sur silicium). 
  
• Les interférences entre une source de lumière et les complexes capteurs/molécules odorantes sont mesurées grâce à un photodétecteur. 
• Chaque odeur génère ainsi sa propre empreinte visuelle, identifiée par comparaison à une base de données olfactives construite par machine learning.
  

Marchés

• Parfumerie : contrôle qualité des matières premières, détection de contrefaçons…
• Agroalimentaire : contrôle qualité, suivi de la conservation…
• Automobile (location, autopartage) : contrôle de l’odeur des habitacles avant utilisation
• Electroménager : suivi de la cuisson et de la conservation des aliments
• Santé : détection de certaines pathologies.
  

Cet article est extrait des Défis du CEA n°246.