Un résultat sanguin est un chiffre. Ce chiffre ne devient utile que lorsqu'on sait quoi en faire. Entre la donnée brute d'un bilan biologique et la quantité d'un bioactif versée dans un flacon, il existe une série d'opérations logiques qui, mises bout à bout, constituent ce qu'on appelle une formulation de précision. Cette chaîne de raisonnement n'est ni mystérieuse ni arbitraire. Elle est structurée, documentée, et entièrement fondée sur la littérature scientifique.
Cet article en décrit les étapes principales.
Étape 1 : lire une donnée biologique, pas un simple chiffre
Lorsqu'un laboratoire d'analyses transmet un résultat, il l'accompagne d'une plage de référence. Cette plage est construite sur la distribution statistique d'une population générale en bonne santé apparente. Elle est donc, par définition, populationnelle. Elle ne dit rien de votre biologie individuelle.
La différence entre « normal » et « optimal » est l'une des distinctions les plus importantes en nutrition de précision.
Prenons l'exemple de la ferritine, marqueur des réserves en fer de l'organisme. La plage de référence laboratoire est souvent fixée entre 12 et 150 µg/L pour une femme adulte. Un résultat à 18 µg/L sera qualifié de « normal ». Pourtant, des données de la littérature indiquent qu'une ferritine inférieure à 30 µg/L est associée à une fatigue persistante, même en l'absence d'anémie (PubMed). L'interprétation pertinente n'est pas binaire (dans ou hors norme) : elle est positionnelle, à l'intérieur d'une zone cible définie par la biologie fonctionnelle.
La première opération algorithmique consiste donc à positionner chaque valeur sur un continuum, pas à la classer comme « normale » ou « anormale ». Plus le résultat s'écarte de la zone cible, plus le signal est fort. Cette pondération initiale conditionne tout ce qui suit.
Étape 2 : la courbe dose-réponse, ou pourquoi « plus » n'est pas toujours « mieux »
Une fois le besoin identifié, la question suivante est : quelle quantité de bioactif est nécessaire pour déplacer le biomarqueur vers la zone cible ? C'est ici qu'intervient la notion de courbe dose-réponse. Et cette courbe n'est pas linéaire.
Pour le fer, la recherche montre que le corps régule son absorption intestinale via l'hepcidine. Cette hormone, produite par le foie, agit comme un verrou : sa concentration augmente dans les heures qui suivent une prise de fer, limitant les apports suivants (PubMed). Une prise quotidienne standard peut donc entraîner, paradoxalement, une absorption cumulée inférieure à une prise alternée. L'essai de Stoffel et al. publié dans The Lancet Haematology a montré que l'absorption fractionnelle cumulée était significativement supérieure avec un protocole alterné (21,8 %) par rapport à un protocole consécutif quotidien (16,3 %) (PubMed). La dose n'est donc qu'une partie de l'équation. Le rythme d'apport en fait partie aussi.
Pour les acides gras oméga-3, la dose-réponse varie fortement selon le profil de départ. Un essai contrôlé randomisé de Flock et al. a montré que la dose ajustée au poids corporel expliquait à elle seule 70 % des différences de réponse entre individus (PubMed). Une personne avec un index oméga-3 érythrocytaire (la proportion d'oméga-3 dans les membranes des globules rouges) déjà proche de la cible a besoin d'un apport bien inférieur à une personne dont le statut de départ est bas. Appliquer la même dose à ces deux profils, c'est nécessairement sur-apporter l'un et sous-apporter l'autre.
L'absorption fractionnelle cumulée du fer varie de 16 à 22 % selon le rythme de supplémentation. Un protocole alterné sur-performe le protocole quotidien dans les études contrôlées.
Étape 3 : la matrice des interactions
Aucun nutriment n'agit seul dans l'organisme. Cette réalité biochimique est souvent sous-estimée dans les formulations génériques, mais elle est centrale dans une approche de précision.
Le fer et le zinc partagent le même transporteur intestinal. Une forte concentration de l'un comprime l'absorption de l'autre. Le calcium inhibe l'absorption du fer non héminique. La vitamine C, au contraire, la favorise en convertissant le fer ferrique (Fe3+, peu absorbable) en fer ferreux (Fe2+, la forme que l'intestin absorbe le mieux). Ces interactions ne sont pas anecdotiques. Hallberg et Hulthén ont développé dès 2000 un modèle algorithmique complet permettant de prédire l'absorption réelle du fer en fonction de la composition simultanée de l'alimentation (PubMed). Ce modèle intègre les phytates (composés présents dans les céréales et légumineuses qui piègent les minéraux), les polyphénols, le calcium, les protéines animales et l'acide ascorbique (vitamine C) comme variables indépendantes.
Ce type de matrice d'interactions constitue une couche de calcul supplémentaire dans toute formulation rigoureuse. L'objectif n'est pas simplement de choisir les bons bioactifs. C'est de s'assurer qu'ils ne se contrarient pas mutuellement dans le tractus intestinal, et que leurs synergies potentielles sont exploitées.
Étape 4 : la variabilité interindividuelle comme donnée d'entrée
La recherche en nutrition de précision a montré, de manière répétée, que la même intervention produit des effets biologiques radicalement différents selon les individus. L'étude de Zeevi et al., publiée dans Cell en 2015, reste une démonstration particulièrement convaincante de ce principe : face à des repas identiques, les réponses glycémiques variaient à un degré tel qu'une alimentation optimale pour un participant pouvait être délétère pour un autre (PubMed). L'algorithme développé par les chercheurs intégrait les données sanguines, le microbiote intestinal, l'activité physique et les habitudes alimentaires pour prédire ces réponses individuelles avec une précision significative.
Le même raisonnement s'applique à la supplémentation en micronutriments. Une méta-analyse de Walker et al. portant sur plus de 1 400 individus issus de 14 essais a montré que le niveau de départ de l'index oméga-3, la dose administrée et la forme galénique (gélule, huile liquide, émulsion) expliquaient ensemble la majorité des différences de réponse entre individus (PubMed). Il n'existe pas de dose universelle d'EPA+DHA. Il existe une dose adaptée à un profil biologique donné, à un instant donné.
Pour la vitamine D, les données sont tout aussi nettes. Les recommandations standard sous-estiment massivement les besoins individuels, notamment parce qu'elles ignorent l'influence de la pigmentation cutanée, de l'indice de masse corporelle et de la génétique sur la synthèse et le métabolisme du 25(OH)D (la forme circulante de la vitamine D, celle que l'on mesure dans le sang) (PubMed).
Ce que l'algorithme ne fait pas
Il est important de délimiter ce que cette approche n'est pas. Un algorithme de formulation ne pose pas de diagnostic. Il ne prédit pas l'évolution d'un état de santé. Il traduit des données biologiques mesurables en calibration bioactive personnalisée, dans le cadre des connaissances actuelles et des allégations nutritionnelles validées.
La précision de la sortie dépend directement de la qualité de l'entrée : des biomarqueurs récents, obtenus dans des conditions standardisées, restent la condition indispensable à toute formulation réellement individualisée. Un bilan sanguin de trois ans, dans un contexte de vie radicalement différent, n'est plus un reflet fiable du profil biologique actuel.
C'est pourquoi la nutrition de précision n'est pas un événement ponctuel, mais un processus itératif. La formule s'ajuste parce que la biologie évolue.
Questions fréquentes
Références
- Moretti D, Goede JS, Zeder C, et al. Oral iron supplements increase hepcidin and decrease iron absorption from daily or twice-daily doses in iron-depleted young women. Blood. 2015;126(17):1981-1989 (PubMed).
- Stoffel NU, Cercamondi CI, Brittenham G, et al. Iron absorption from oral iron supplements given on consecutive versus alternate days and as single morning doses versus twice-daily split dosing in iron-depleted women: two open-label, randomised controlled trials. Lancet Haematol. 2017;4(11):e524-e533 (PubMed).
- Flock MR, Skulas-Ray AC, Harris WS, Etherton TD, Fleming JA, Kris-Etherton PM. Determinants of erythrocyte omega-3 fatty acid content in response to fish oil supplementation: a dose-response randomized controlled trial. J Am Heart Assoc. 2013;2(6):e000513 (PubMed).
- Hallberg L, Hulthén L. Prediction of dietary iron absorption: an algorithm for calculating absorption and bioavailability of dietary iron. Am J Clin Nutr. 2000;71(5):1147-1160 (PubMed).
- Zeevi D, Korem T, Zmora N, et al. Personalized Nutrition by Prediction of Glycemic Responses. Cell. 2015;163(5):1079-1094 (PubMed).
- Walker RE, Jackson KH, Tintle NL, et al. Predicting the effects of supplemental EPA and DHA on the omega-3 index. Am J Clin Nutr. 2019;110(4):1034-1040 (PubMed).
- Papadimitriou DT. The Big Vitamin D Mistake. J Prev Med Public Health. 2017;50(4):278-281 (PubMed).
