DigitWelfare - Une approche de modélisation hybride pour caractériser les profils d'activité des chèvres laitières associés au bien-être.

• Titre : « DigitWelfare - Une approche de modélisation hybride pour caractériser les profils d'activité des chèvres laitières associés au bien-être », INRAE.
• Doctorante : Sarah Mauny.
• Unité de rattachement : INRAE, UMR 0791 – MoSAR.
• Co-encadrement :
  • Masoomeh Taghipoor (INRAE) ;
  • Christine Duvaux-Ponter (AgroParisTech).
• École doctorale : École doctorale Agriculture, Alimentation, Biologie, Environnement, Santé.
• Durée du projet : 2022 - 2025.

Résumé du projet :

Dans le contexte actuel de transition agroécologique, la sélection d'animaux plus robustes face aux changements climatiques est encouragée et la demande de la société pour des systèmes d'élevage respectueux du bien-être des animaux augmente. Dans le même temps, le concept de « One Welfare » inspiré de « One Health » souligne l'importance de l'interrelation entre le bien-être animal et le bien-être de l'homme, et suggère de le considérer parmi d'autres disciplines pour soutenir la durabilité des systèmes de productions animales. Au vu de tous ces éléments, la prise en compte du bien-être animal dans les futures stratégies de sélection semble primordiale. En parallèle, la technologie PLF (Precision Livestock Farming) permet d'accéder à des données longitudinales et dynamiques sur l'activité et les performances des animaux, qui peuvent être mises en relation avec les conditions environnementales et les pratiques d'élevage. Des communautés scientifiques interdisciplinaires émergent pour permettre l'analyse de ces données afin de détecter d'éventuels problèmes pouvant affecter la santé animale. Dans ce contexte, la question d'un meilleur bien-être animal a été moins abordée. De plus, la littérature sur ce sujet considère généralement le bien-être animal au niveau de troupeau. Ceci est notamment dû aux difficultés liées à la détermination et à la quantification des indicateurs de bien-être au niveau individuel en lien avec la perception d'une situation par l'animal. Dans ce projet, nous caractériserons les profils d'activité dans des contextes d'élevage variés, et développerons un processus de modélisation hybride pour détecter les déviations des profils d'activité animale, en relation avec les perturbations des performances de production, utilisées comme signes précoces d'altérations de la santé et du bien-être.