Traçabilité et caractérisation de contaminants émergents dans la filière vitivinicole // Traceability and characterization of emerging contaminants in the wine and winegrowing sector

Des produits de dégradation de pesticides ou des PFAS peuvent se retrouver dans les vins ou produits viticoles soit par transfert depuis le raisin après application de pesticides autorisés, soit par contamination environnementale. La présence de contaminants nuit à la qualité et à l'image des produits viticoles et est régulièrement médiatisée. Les consommateurs sont de plus en plus attentifs aux substances chimiques dans leur environnement mais aussi dans leurs aliments et demandent davantage de transparence sur leur qualité sanitaire. Afin d'anticiper cette problématique, il est important de faire un état des lieux de cette contamination potentielle. Les pesticides appliqués à la parcelle pour protéger les cultures de leurs bio-agresseurs peuvent se dégrader par divers processus bio-physico-chimiques (action de levures, bactéries, température, pH, UV...) tout au long de la transformation des matières premières, depuis leur épandage jusqu'à la consommation du produit fini. Contrairement à la recherche des résidus de pesticides, celle de leurs produits de transformation est très peu développée du fait de la méconnaissance de ces molécules et de leur nombre important. Les PFAS, quant à eux, sont généralisés dans l'environnement. Certains pesticides appartiennent à la catégorie des PFAS, qui regroupe par ailleurs plusieurs millions de molécules qualifiées de 'polluants éternels'. Les sols contaminés en pesticides ou PFAS peuvent donc être une source de contamination des plantes par absorption racinaire et translocation vers les baies de raisin, qui doit être étudiée pour compléter les connaissances sur l'origine de certaines contaminations. Les étapes de vinification et distillation doivent également être évaluées, quant à leurs capacités à réduire les teneurs en contaminants ou générer de nouveaux produits de transformation. Ce projet propose une approche inédite combinant analyses ciblées et non ciblées, afin d'identifier et de caractériser les contaminants et leurs produits de transformation dans les sols, la plante et les vins et spiritueux. La connaissance des produits de transformation des pesticides ou d'autres contaminants permettra d'en évaluer la toxicité éventuelle grâce au développement de modèles d'intelligence artificielle prédictifs (QSAR - quantitative structure–activity relationship).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Degradation products of pesticides or PFAS may be found in wines or viticultural products either through transfer from grapes following the application of authorized pesticides, or through environmental contamination. The presence of contaminants adversely affects the quality and image of viticultural products and is regularly highlighted in the media. Consumers are increasingly attentive to chemical substances in their environment as well as in their food, and they are demanding greater transparency regarding sanitary quality. In order to anticipate this issue, it is important to establish an overview of this potential contamination.
Pesticides applied in the vineyard to protect crops from pests can degrade through various biological physical and chemical processes (action of yeasts, bacteria, temperature, pH, UV radiation, etc.) throughout the transformation of raw materials, from application to consumption of the final product. Unlike the monitoring of pesticide residues, the investigation of their transformation products is still very limited due to the lack of knowledge about these molecules and their large number.
PFAS, for their part, are ubiquitous in the environment. Some pesticides belong to the PFAS category, which also includes several million molecules referred to as “forever chemicals.” Soils contaminated with pesticides or PFAS may therefore constitute a source of plant contamination through root uptake and translocation to grape berries. This pathway must be studied to improve knowledge about the origin of certain contaminations.
Winemaking and distillation processes must also be evaluated with regard to their ability to reduce contaminant levels or to generate new transformation products. This project proposes an original approach combining targeted and non-targeted analyses to identify and characterize contaminants and their transformation products in soils, plants, wines, and spirits. Knowledge of pesticide transformation products or other contaminants will make it possible to assess their potential toxicity through the development of predictive artificial intelligence models (QSAR – quantitative structure–activity relationship).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Financement d'un organisme de recherche

Université de Bordeaux

154 Sciences de la Vie et de la Santé

compétences en chimie analytique (chromatographie en phase liquide ou gazeuse couplée à la spectrométrie de masse) compétence en chimie de l'environnement et/ou écotoxicologie des compétences en œnologie et/ou viticulture seraient appréciées un intérêt pour les outils d'intelligence artificielle est attendu capacité à travailler en équipe capacité à communiquer bonne organisation et rigueur scientifique
Skills in analytical chemistry (liquid or gas chromatography coupled to mass spectrometry) Skills in environmental chemistry and/or ecotoxicology Skills in oenology and/or viticulture would be appreciated An interest in artificial intelligence tools is expected Ability to work as part of a team Good communication skills Strong organizational skills and scientific rigor