26/02/2025 07:27 Spectrométrie Infrarouge

Spectrométrie
Infrarouge

Spectrométrie Infrarouge

Imprimer Partager

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 1/12
26/02/2025 07:27 Spectrométrie Infrarouge

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 2/12
26/02/2025 07:27 Spectrométrie Infrarouge

La technologie Spectrométrie Proche Infra-Rouge (SPIR) est mise en œuvre par la

plateforme Phénobois depuis une dizaine d’années. Elle a permis de mettre au point puis
d’utiliser plusieurs modèles de prédiction des propriétés du bois, notamment de sa
composition chimique (teneur en lignines, cellulose, extractibles, …). C’est une alternative
intéressante aux méthodes analytiques traditionnelles pour des échantillonnages de très
grande taille, notamment dans le cadre d’études génétiques où plusieurs centaines à
plusieurs milliers d’individus sont évalués pour leurs propriétés physico-chimiques.

On appelle « infrarouge » (IR) le rayonnement correspondant aux longueurs d’onde

directement supérieures à celles du spectre de la lumière visible. La fenêtre spectrale de
l’IR se décompose en 3 parties : le proche, le moyen et le lointain IR. Conventionnellement
les limites du proche infrarouge se situent entre 700 et 2500 nm (figure 1). La SPIR est une
technique analytique basée sur le principe d’absorption différentielle des rayonnements
infrarouges par la matière organique. Elle permet d’établir un lien entre l’absorption de la
lumière (intensité à différentes longueurs d’ondes) et la composition de l’échantillon. Le
spectre obtenu est caractéristique d’un échantillon car il regroupe des informations sur
chacun de ses constituants organiques, en quantité et en qualité. Pour le bois, nous
parlerons de cellulose, lignines, hémicellulose, extractibles, composés phénoliques, …,
(figure2).

Figure 1 : Région spectrale du Proche Infra Rouge

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 3/12
26/02/2025 07:27 Spectrométrie Infrarouge

Date de modification : 17 octobre 2023 | Date de création : 08 septembre 2016 | Rédaction : BV

Figure 2 : Spectres de bois (broyé) de 6000 échantillons de peuplier noir

Cette mesure se fait avec un spectromètre soit en «transmission» (on mesure la lumière
traversant un échantillon fin, par exemple sur des coupes histologiques de bois), soit en
«réflexion» (on mesure la lumière réfléchie par un échantillon épais, cas le plus souvent mis
en œuvre avec les échantillons de bois, sous forme de poudre ou directement sur le bois
massif) (figure 3).

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 4/12
26/02/2025 07:27 Spectrométrie Infrarouge

Figure 3 : Spectromètres utilisés par la plateforme Phénobois : a) MPA Bruker à Bordeaux-

Cestas ; b) Spectrum 400 PerkinElmer à Orléans (ici associé avec un microscope imageur
Spotlight 400). Prise de spectre de poudre de bois en vial (c) ou coupelle (d) et prise de
spectre PIR en réflexion sur une demi-carotte de pin sylvestre (e).

Beaucoup d’informations sont récupérées dans un spectre PIR, d’où sa complexité :

l’intensité des bandes d’absorption rend compte de la concentration des groupes chimiques
caractéristiques de ces zones d’absorption (loi de Beer-Lambert). Plusieurs groupes
chimiques peuvent absorber la lumière PIR aux mêmes plages de longueurs d’onde,
l’interprétation directe des spectres est donc impossible la plupart du temps et le recours à
l’analyse multivariée devient indispensable pour extraire l’information utile.

La SPIR, lorsqu’elle est utilisée dans un objectif de quantification d’un caractère physico-
chimique de la matière, nécessite une phase d’étalonnage (apprentissage ou « calibration »)
basée sur des mesures de référence obtenues en laboratoire, et l’établissement de
modèles mathématiques (régressions linéaires multiples ou PLS le plus souvent)
permettant de relier le spectre PIR à ces mesures. Ce domaine s’appelle la chimiométrie.

La phase d’étalonnage nécessite un échantillonnage plus ou moins important selon les

propriétés à quantifier (figure 4). Il est impératif que cet échantillonnage soit représentatif de
la variabilité dans la population à analyser.

Un échantillonnage de validation est également réalisé, qui permet d’estimer la qualité des
modèles établis. La validation consiste en effet à appliquer les modèles prédictifs établis
grâce à l’échantillon d’étalonnage à de nouveaux échantillons. On considère alors que la
validation est indépendante. À chaque lot de spectres PIR pourront être associées plusieurs
équations de prédiction de propriétés physico-chimiques différentes, ce qui donne sa
puissance analytique à la SPIR. Cependant, les modèles doivent être développés le plus
souvent par espèce et par type d’échantillons.

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 5/12
26/02/2025 07:27 Spectrométrie Infrarouge

Figure 4 : Échantillonnage de calibration pour l’évaluation des propriétés chimiques du bois

(environ 150 échantillons de poudre de bois).

Exemples de modèles développés dans la plateforme Phénobois :

Propriétés chimiques du bois :

Prédiction des contenus en cellulose, lignines dans le bois de populations de
peupliers noirs (Gebreselassie et al, 2017) (figure 5)

Figure 5 : (a) Plan de l’analyse expérimentale Modèles de calibration de deux paramètres

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 6/12
26/02/2025 07:27 Spectrométrie Infrarouge
Figure 5 : (a) Plan de l analyse expérimentale. Modèles de calibration de deux paramètres
chimiques du bois de peuplier noir : le rapport des unités S/G des lignines (b) et le rapport
des carbohydrates Xylose/Glucose de la cellulose et hémicellulose (c).

Contenu en stilbènes dans le bois de cœur de pin sylvestre (Pulkka et al, 2016) (figure
6)

Figure 6 : Modèles de calibration et de validation de la teneur en stilbènes du bois de cœur

de pin sylvestre établis à partir de carottes de bois.

Teneur en extractibles dans bois de mélèze (figure 7)

Figure 7 : Modèle de calibration pour la teneur en extractibles globaux (a) et modèle de

calibration pour deux molécules de composés phénoliques Taxifoline et Dihydrokaempférol
(b), établis à partir de bois de mélèze broyé en poudre.

Durabilité naturelle du bois de mélèze (figure 8)

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 7/12
26/02/2025 07:27 Spectrométrie Infrarouge

Figure 8 : Éprouvettes de bois de mélèze utilisées pour la mise en contact avec les
champignons (a) et pour la prise de spectres sur chaque face (b). Modèle de calibration de
la durabilité naturelle du bois de mélèze (c) établi à partir de spectres pris sur les blocs de
bois et de la perte de masse évaluée après attaque de champignons.

Participation au développement d’une application industrielle : Évaluation de la

qualité du bois de chêne de tonnellerie par spectroscopie proche infrarouge, le
procédé Oakscan® (figure9) (Giordanengo et al., 2009 ; Giordanengo et al., 2011 ;
Giordanengo et al. 2012, Tonnellerie Radoux)

La collaboration entre la Tonnellerie Radoux (France) et Phénobois a abouti à la conception

du premier outil industriel de mesure de la quantité de polyphénols (ellagitannins) dans le
bois de chêne par la technologie SPIR (figure 9). Ce projet a permis la conception par
l’entreprise d’un capteur proche infrarouge fonctionnant directement sur la ligne d’usinage
des douelles (pièces de bois servant à la fabrication des tonneaux). Ce procédé est utilisé
depuis 10 ans par l’entreprise pour sélectionner les bois servant à la fabrication des
tonneaux selon un « Indice Polyphénols ». Les douelles de chêne sont triées en trois classes
en fonction de cet Indice Polyphénols puis identifiées par marquage. Elles seront
sélectionnées individuellement pour la fabrication du tonneau. Il s’agit de la première
application utilisant la spectroscopie proche infrarouge mis en place dans la filière bois et
plus spécialement dans le secteur de la Tonnellerie.

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 8/12
26/02/2025 07:27 Spectrométrie Infrarouge

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 9/12
26/02/2025 07:27 Spectrométrie Infrarouge

Figure 9 : (a) Répartition de l’échantillonnage par provenance géographique (plus de 400

échantillons de chêne pour la calibration) avec pour objectif d’inclure la plus large variabilité
de composition des bois. (b) Illustration des modèles d’étalonnages PIR provenant d’une
validation croisée, pour le taux d’extraits, la densité optique à 280nm, les polyphénols totaux
mesurés par le réactif de Folin-Ciocalteu et pour la teneur en ellagitannins mesurée en
HPLC. Illustration du marquage d’une douelle après passage devant le capteur PIR (c), d’un
stock de bois trié (d) et d’un fût en cours de fabrication dans la tonnellerie Radoux (e).

Autres utilisations potentielles de la SPIR (figure 10)

Figure 10 : Les divers champs d’application de la SPIR : quantification, discrimination,

classification.

Discrimination d’espèces

La SPIR peut être utilisée de manière qualitative, pour discriminer des espèces, des variétés,
des années de production. Pour cela, la chimiométrie s’appuie sur des méthodes de
classification telles que l’Analyse Factorielle Discriminante ou la PLS-DA. C’est ce que
GénoBois a mis en œuvre sur le mélèze, en mettant au point un test rapide permettant de
distinguer les espèces de mélèzes européens des espèces japonaises, ainsi que leurs
hybrides (Segura et al. 2017).

Études génétiques, « sélection phénomique » : une nouveauté dans l’utilisation non

conventionnelle de la SPIR ? (Rincent et al., 2018)

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 10/12
26/02/2025 07:27 Spectrométrie Infrarouge

En guise d'alternative à l'utilisation de marqueurs moléculaires dans la sélection

génomique, les chercheurs associés à la plateforme Phénobois ont proposé d'utiliser la
spectroscopie dans le proche infrarouge (SPIR) en tant qu'outil à haut débit, peu coûteux et
non destructif pour prédire des caractères d’intérêts qui ne sont pas forcément liés aux
propriétés physico-chimiques de l’échantillon analysé. L’idée sous-jacente est que la SPIR
permet de capturer de l’information génétique qui peut alors être utilisée pour estimer des
matrices d’apparentement entre individus candidats à la sélection. Ces matrices sont alors
utilisées pour effectuer la prédiction, d’une façon analogue à ce qui est réalisé en sélection
génomique. Cette nouvelle approche a été appelée "sélection phénomique". Elle a été
testée sur deux espèces d’intérêt économique, le blé (Triticum aestivum L.) et le peuplier
(Populus nigra L.), en pratiquant la SPIR sur divers tissus (grains, feuilles, bois). Il a été montré
dans ce cas que l'on pouvait atteindre des prédictions aussi précises qu'avec les marqueurs
moléculaires pour des caractéristiques de développement, de tolérance et de productivité,
même dans des environnements radicalement différents de celui dans lequel les spectres
PIR ont été collectés. Ce travail a été initié par des chercheurs INRAE des UMRs BioForA à
Orléans (peuplier) et GDEC à Clermont-Ferrand (blé) et a été mis en œuvre en collaboration
avec la plateforme Phénobois. Il constitue une preuve de concept de cette nouvelle
approche et offre de nouvelles perspectives à la communauté des sélectionneurs, puisque
la sélection phénomique est théoriquement applicable à tout organisme à faible coût et ne
nécessite aucune information moléculaire.

Références :

Rincent R., Charpentier J-P., Faivre-Rampant P., Paux E., Le Gouis J., Bastien C., Segura V. 2018.
Phenomic Selection Is a Low-Cost and High-Throughput Method Based on Indirect
Predictions: Proof of Concept on Wheat and Poplar. G3: Genes, Genomes, Genetics
December 1, 2018, vol. 8 no. 12 3961-3972; https://doi.org/10.1534/g3.118.200760

Chaix G., Giordanengo T., Segura V., Mourey N., Charrier B., Charpentier J-P. 2018. Near
Infrared Spectroscopy, A New Tool to Characterize Wood for Use by the Cooperage Industry.
In Chemistry of Lignocellulosics: Current Trends. Editor Tatjana Stevanovic. CRC Press Taylor
& Francis Group.

Gebreselassie M.N., Ader K., Boizot N., Millier F., Charpentier J.P., Alves A., Simões R.,
Rodrigues J.C., Bodineaud G., Fabbrinie F., Sabattie M., Bastien C., Segura V. 2017. Near-
infrared spectroscopy enables the genetic analysis of chemical properties in a large set of
wood samples from Populus nigra (L.) natural populations, Industrial Crops & Products 107,
159–171.

Segura V., Charpentier J.P., Ader K., Buret C., Boizot N., Pâques L., Determination of Larch taxa
https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 11/12
26/02/2025 07:27 Spectrométrie Infrarouge
g p q
with Near Infrared Spectroscopy. Poster présenté aux rencontres scientifiques HélioSPIR
2017.

Pulkka S., Segura V., Harju A., Tapanila T., Tanner J., Pâques L., Charpentier J.P. 2016.
Prediction of stilbene content from heartwood increment cores of scots pine using NIRS
methodology. Journal of Near Infrared Spectroscopy 24, 517–528.

Giordanengo T., Michel J., Gauthier P., Charpentier J.P., Jourdes M., Teissedre P.L. and Mourey
N. 2012. Application du procédé OakScan® aux Bois pour l’Œnologie : Sélection et influence
de la teneur en polyphénols du chêne sur le profil aromatique et structurant du vin. Revue
Française d’Œnologie 255, 16-24.

Giordanengo T., Charpentier J.P. et Mourey N. 2012. OakScan® : outil d’évaluation rapide de
la qualité du bois de chêne pour l’œnologie. Forêt – Entreprise 203, 38-41.

Alves A., Santos A., Rozenberg P., Pâques L.E., Charpentier J.P., Schwanninger M., Rodrigues
J.C., 2012. A common near Infrared based partial least squares regression model for the
prediction of wood density of Pinus pinaster and Larix × eurolepis. Wood Science and
Technology 46(13), 157-175.

Lepoittevin C., Rousseau J.P., Guillemin A., Gauvrit C., Besson F., Hubert F., da Silva Perez D.,
Harvengt L., Plomion C. 2011. Genetic parameters of growth straightness and wood
chemistry traits in Pinus pinaster. Ann. For. Sci. 68, 873-884.
https://doi.org/10.1007/s13595-011-0084-0

Giordanengo T., Charpentier J.P., Boizot N., Roussel S., Roger J.M., Chaix G., Robin C. and
Mourey N. 2009. OAKSCAN™ : Procédé de mesure rapide et non destructif des polyphénols
du bois de chêne de tonnellerie. Revue Française d’Œnologie 234: 10-15.

Giordanengo T., Charpentier J.P., Roger J.M., Roussel S., Brancheriau L., Chaix G. and Baillères
H. 2008. Correction of moisture effects on near infrared calibration for the analysis of phenol
content in eucalyptus wood extracts. Annals of Forest Science 65(8), 803.

https://phenobois.hub.inrae.fr/expertises-technologies/spectrometrie-infrarouge 12/12