Les goûts et les odeurs dans l’eau potable : revue des composés responsables et des techniques de mesure
Bibliographic record
Abstract
L’évaluation de la qualité de l’eau potable d’un réseau de distribution est souvent faite en tenant compte des normes physico-chimiques et microbiologiques édictées par les réglementations nationales. L’approche par barrières multiples permet aussi d’assurer aux consommateurs une eau avec une sécurité sanitaire optimale. Cependant, malgré les sommes investies par les municipalités pour se conformer à ces normes, les consommateurs renoncent fréquemment à consommer l’eau du robinet. Ce refus peut être attribué, entre autres, à la qualité organoleptique (goût, odeur) de l’eau distribuée par les réseaux d’aqueduc. Toutefois, cet aspect est peu pris en compte par les législations actuelles et, conséquemment, est peu considéré par les gestionnaires des réseaux d’eau potable. De plus, les méthodes utilisées pour évaluer les molécules responsables des goûts et des odeurs de l’eau distribuée exigent de l’équipement spécialisé et coûteux. Cet article présente une revue de la problématique des composés responsables des goûts et des odeurs. Les aspects concernant les origines de ces composés, les méthodes quantitatives et qualitatives développées jusqu’à présent pour les analyser et la faisabilité d’application desdites méthodes, selon leurs avantages et leurs limites, seront abordés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".