Caractérisation des inégalités d'exposition au chlorpyrifos en Picardie

Contexte : Les données spatiales environnementales produites dans le cadre de projets de recherche, de la surveillance des milieux ou des populations peuvent être réutilisées pour évaluer l’exposition des populations sur les territoires. Pour une caractérisation fine des expositions environnementales, un premier verrou réside dans la capacité à rassembler au sein d'un même système d’analyse un ensemble de données combinant le mode de vie des populations et la contamination locale des milieux environnementaux sur des résolutions spatiales appropriées et des territoires étendus (échelles régionales). Méthodes : L’objectif est de décliner sur les territories une approche intégrée de modélisation de l’exposition aux substances chimiques sur des résolutions spatio-temporelles fines. D'une part, elle permet d’intégrer des bases de données environnementales (eau, air, sol, alimentation) et de les agréger sur des supports géographiques communs. D'autre part, elle permet d'estimer l’exposition des populations jusqu'à l'exposition interne à l'organe cible à partir du croisement des modèles de transport, de transfert, d'exposition multimedia et toxicocinétique pour caractériser le continuum source-environnement-homme. Résultats : Pour illustrer cette approche, le cas d'étude porte sur l'exposition au chlorpyrifos de la population générale dans l'ancienne région Picardie pour une année type (2013). Les zones d’expositions les plus élevées sont à proximité des parcelles sur lesquelles la substance est potentiellement plus épandue. La voie majoritaire correspond à la voie d’ingestion. Les cartographies obtenues permettent de confronter les doses internes aux données de biosurveillance (MecoExpo, HypoMeco, Elfe). Conclusions : Cette démarche intégrée d'évaluation de l'exposition fournit des éléments d'interprétation des inégalités environnementales dans une visée d'aide à la décision pour réduire les expositions. Cependant, la caractérisation de l'exposition comporte de nombreuses incertitudes au regard des données de mesures et des hypothèses de modélisation qui la sous-tend. Le besoin de mobiliser des données supplémentaires et de mieux évaluer les phénomènes de transfert devient nécessaire pour améliorer la représentativité des estimations