Sur la voie de l`élevage laitier de précision en Wallonie - CRA-W

Transcription

Sur la voie de l’élevage laitier de précision en Wallonie
1. Introduction
Bastin C.1 & Gengler N. 1
1
Université de Liège, Gembloux Agro-Bio Tech, Unité de Zootechnie, Gembloux, Belgique
Courriel : [email protected], [email protected]
L’élevage laitier de précision (Precision Dairy Farming en anglais) consiste en l’utilisation de
technologies permettant de mesurer sur des animaux et de manière individuelle des indicateurs
physiologiques, comportementaux et de production dans le but final d’améliorer le management
et les performances d’une ferme laitière (Bewley, 2010). Ces technologies incluent notamment
des mesures individuelles de la production laitière journalière ou de la conductivité du lait, des
mesures du poids vif ou encore des podomètres. Généralement, ces données collectées en temps
réel sont incorporées dans des logiciels qui compilent et synthétisent ces informations provenant
de sources multiples afin de fournir aux éleveurs des outils d’aide à la décision pratiques et
simples. Ces outils permettent par exemple une détection précoce des maladies ou encore
l’identification des vaches en chaleur.
Bien que le développement de l’élevage laitier de précision ait été généralement réalisé hors du
contexte du contrôle des performances, ces deux éléments sont parfaitement complémentaires. Si
l’élevage laitier de précision génère un grand nombre de données en temps réel et permet une
réaction rapide face aux éventuels problèmes, il ne permet pas à l’éleveur de pratiquer le
« benchmarking ». Par contre, le contrôle des performances permet de compiler les données
provenant d’un grand nombre de fermes afin de faciliter la comparaison entre les fermes et
d’apprécier l’influence d’éléments macro-environnementaux (climat, régions, etc.). Néanmoins,
le contrôle des performances n’est généralement réalisé qu’à intervalle de temps plus ou moins
long (4 à 6 semaines dans le cadre du contrôle laitier) et permet la collecte d’un nombre plus
limité d’indicateurs. Des recherches passées, actuelles et futures menées à Gembloux Agro-Bio
Tech (Université de Liège) et au Centre Wallon de Recherches Agronomiques ont pour objectif
de faire le lien entre l’élevage laitier de précision et le contrôle des performances. Ces recherches
ont non seulement démontré l’intérêt du contrôle des performances dans le développement
d’outils de management pour les éleveurs laitiers wallons mais elles ouvrent également la voie au
développement de l’élevage de précision en Wallonie.
Référence
Bewley J. 2010. Precision dairy farming: advanced analysis solutions for future profitability.
Proc. of The First North American Conference on Precision Dairy Management, Toronto,
Canada.
105 CRA-W & GxABT - Carrefour Productions animales 2013
2. ValLait, OptiVal et OptiVal+ : valoriser des données du contrôle des
performances
Bastin C.1, Gillon A.1,2, Massart X. 2, Bertozzi C. 2 & Gengler N. 1
1
2
Association Wallonne de l’élevage, Ciney, Belgique
Longtemps, le contrôle des performances a été perçu par le secteur laitier davantage comme un
service orienté vers l’évaluation génétique des animaux et non comme une aide à la gestion des
exploitations laitières. Cependant, en Région Wallonne et depuis près de 10 ans, une dynamique
visant à diversifier la finalité du contrôle des performances et à fournir des outils de gestion aux
éleveurs laitiers a été mise en place via les projets ValLait, OptiVal et OptiVal+, projets menés
conjointement par l’Association Wallonne de l’Elevage asbl et Gembloux Agro-Bio Tech de
l’Université de Liège et financés par le Service Public de Wallonie – Direction Générale
Agriculture, Ressources naturelles et Environnement.
Le projet ValLait, via le développement d’une nouvelle méthode de modélisation (méthode
ValLait ou Modified Best Prediction, Gillon et al., 2010) de la courbe de lactation pour les
productions de lait (Figure 1), matière grasse et protéines, a permis le développement de
valorisations innovantes concernant tant l’individu que le troupeau : estimation du pic de
lactation, estimation de la persistance, prévisions fiables de la production à 365 jours, etc. Ces
valorisations sont calculées en tenant compte à la fois de l’historique de l’animal, de son niveau
génétique et de son environnement. Ces outils de suivi des productions aux niveaux individuel et
troupeau ont été validés et implémentés dans la nouvelle application du contrôle laitier (ValLait
Concept) mise en place en 2007 (www.awenet.be).
Figure 1 : Exemple de modélisation d’une courbe de lactation selon la méthode ValLait
Fort de l’expérience de ValLait, les projets OptiVal et OptiVal+ se sont orientés vers
l’élargissement du champ des compétences du contrôle des performances. Il a en particulier
ouvert la voie à l’acquisition de nouvelles données (par exemple, la note d’embonpoint ou BCS
pour Body Condition Score) et à un renouveau dans la conception même de l’utilité d’autres (par
exemple, les classifications linéaires). Les travaux ont été menés dans 3 domaines : la gestion de
l’alimentation, le suivi de la morphologie fonctionnelle et le management de la fertilité. Parmi les
outils développés dans le cadre de ces projets, un outil de suivi de l’alimentation du troupeau est
proposé aux éleveurs laitiers wallons. Cet outil, proposé aux éleveurs via une interface web
(my@wenet), a pour objectif de fournir une série d’informations clés sur la ration des vaches
laitières. Les valorisations proposées reposent sur :
− des indicateurs liées aux paramètres de production laitière : pic de production, évolution
des quantités de lait et des taux au cours des 5 derniers contrôles avec un comparatif par
rapport à la moyenne de la Wallonie et au top 25% des meilleures exploitations ;
− des indicateurs liés au rapport taux en matière grasse / taux protéique (indication sur
l’équilibre énergétique de la ration), au taux d’urée (indication sur l’équilibre protéique de
la ration) et au BCS (indication sur les réserves énergétiques corporelles de chaque
animal ; Figure 2) : proportion des animaux hors de la fourchette des valeurs optimales,
historique au cours des derniers contrôles, répartition selon les stades de lactation, etc.
− une liste d’attention qui reprend les vaches qui s’écartent de la norme pour au moins un de
ces trois indicateurs (rapport taux en matière grasse/taux protéique, taux d’urée, BCS).
− un outil de calcul automatique proposant une quantité de concentré de production à
distribuer individuellement aux vaches traites, en fonction de la pratique de l’alimentation
dans le troupeau. Cet outil, le « concentré-contrôle-laitier », est en phase
d’implémentation cet hiver.
Figure 2 : Exemple de valorisation basée sur le BCS
Les projets ValLait, OptiVal et OptiVal+ ont donc ouvert la voie à une optimisation des
valorisations issues du contrôle des performances en Wallonie. Ils ont par ailleurs trouvé leur
prolongement dans le projet européen INTERREG VI b OptiMIR.
Référence
Gillon A., S. Abras, P. Mayeres, C. Bertozzi & N. Gengler. 2010. Adding value to test-day data by
using modified best prediction method. Proc. of 37th ICAR Session, Riga, Latvia.
3. OptiMIR : de nouveaux outils de management des exploitations laitières
grâce au spectre moyen infra-rouge du lait
Grelet C.1, Fernandez Pierna J.A. 1, Dehareng F. 1, Massart X.2, Gengler N 3 & Dardenne P. 1
1
Centre Wallon de Recherches Agronomiques (CRA-W), Gembloux, Belgique
2
Association Wallonne de l’élevage, Ciney, Belgique
3
Courriel : [email protected]
1. Le projet OptiMIR
Le projet OptiMIR (www.optimir.eu) est né d’une association d’universités, de centres de
recherche et d’organismes de contrôle laitier de 6 pays du nord de l’Europe : Allemagne,
Belgique, France, Irlande, Luxembourg, et Royaume-Uni. Les 4 organismes belges participants
au projet sont l’Association Wallonne de l’Elevage (leader européen du projet), le Comité du lait
de Battice, Gembloux Agro-Bio Tech et le Centre Wallon de Recherches Agronomiques.
L’objectif d’OptiMIR est de créer de nouveaux indicateurs de gestion des fermes laitières
directement à partir du spectre moyen infra rouge (MIR) du lait. Ces outils permettront aux
producteurs de connaitre l’état de leurs vaches, et faciliteront ainsi la gestion du troupeau. En
plus de donner une image de la composition du lait, le spectre MIR du lait est donc considéré
comme le reflet de l’état physiologique de la vache à un moment donné. La création d’indicateurs
sera centrée sur quatre domaines essentiels pour l’économie et la durabilité des fermes:
− la santé des vaches (détection de mammites, etc.)
− la fertilité (détection de chaleurs, etc.)
− la nutrition (prévention des acidoses, etc.)
− l’environnement (rejets de méthane, etc.).
Ces outils seront implémentés par les contrôles laitiers participants et constitueront un moyen
simple et rapide pour les agriculteurs d’avoir des informations fines et mensuelles sur l’état de
leur troupeau. Pour parvenir à cela, le projet est constitué des étapes suivantes :
1. la création d’une base de données de recherche commune et transnationale qui associera les
données physiologiques mesurées en élevages et les spectres MIR provenant de l'analyse
des échantillons de lait prélevés par les organismes de contrôle laitier.
2. le développement de modèles et de méthodes de prédictions et d’interprétations basés sur le
spectre moyen infra rouge, permettant aux éleveurs et aux consultants de bénéficier de
nouveaux outils d’aide à la décision tels que le diagnostic de réussite d’IA, la détection des
chaleurs, la détection des acidoses, la détection des mammites, etc.
Spectres MIR
Statut de la vache :
-Mammite ?
-Acidose ?
-Prete pour l’IA ?
Le projet est subventionné par Interreg IVB et la Région Wallonne pour une période de 5 ans
(2012-2015).
2. L’étape de standardisation spectrale
Pour pouvoir regrouper ces spectres MIR venant de différents appareils sous une même base de
données et les interpréter, il est nécessaire de les standardiser sous une forme commune. La
première étape, cruciale, de ce projet est donc de trouver une méthode gommant les différences
de réponse entre les spectromètres du projet. Il s’agit de créer une procédure de standardisation
permettant d’effectuer les corrections spectrales adaptées à chaque instrument.
2.1.
Matériel et méthodes
Pour réaliser cette étude, 23 appareils MIR de 3 marques différentes (Delta Instrument®,
Bentley®, Foss®), répartis dans 10 laboratoires de 4 pays différents ont été utilisés. A deux
reprises, en février et mars 2012, tous les appareils MIR ont mesuré en triplet une gamme
identique composée de 10 échantillons de lait. Ces gammes ont été constituées selon la norme
FIL 141 et leur homogénéité a été contrôlée à chaque fois.
Pour l’étape de standardisation, un appareil FT6000 de FOSS a servi de référence (le master)
afin de corriger (standardiser) les autres appareils (secondaires). La première étape de cette
standardisation consiste à appliquer une interpolation linéaire afin d’uniformiser le nombre de
points du spectre pour tous les appareils. Ensuite, la méthode Piecewise Direct Standardization
(PDS) a été utilisée pour effectuer la standardisation (Matlab®).
Figure 1. Schéma de fonctionnement de la méthode PDS
Maître
(FT6000)
Esclave
r1j = R2j bj + b0j
Afin de valider la méthode de standardisation, un modèle de prédiction de la matière grasse,
développé sur un appareil, a été appliqué sur l’ensemble des spectres provenant de toutes les
machines après standardisation. Les prédictions des appareils secondaires sont comparées à celles
de l’appareil de référence. Les critères suivants sont calculés à l’aide du logiciel Matlab® : R²
(coefficient de détermination), RMSE (racine de la moyenne des carrés des écarts ou erreur
quadratique moyenne), pente et biais entre les prédictions de l’appareil référence et celles des
appareils secondaires. La méthode PDS est appliquée sur les spectres de la gamme du mois de
février, puis les coefficients de standardisation créés sont validés sur l’analyse de la gamme du
mois de mars.
2.2.
Résultats
a. Détermination des paramètres de standardisation
Une fois les paramètres déterminés sur les spectres de février, ils sont appliqués sur ces mêmes
spectres. La figure 2 illustre l’effet produit par la correction sur les spectres du spectromètre
esclave.
Figure 2 : Deux spectres MIR de lait de vache avant et après standardisation.
3.5
0.6
3
0.5
2.5
0.4
Foss
1.5
0.3
A
A
2
0.2
1
0.1
0.5
Bentley
0
0
-0.5
500
1000
1500
2000
2500 3000 3500
wavelength (cm-1)
4000
4500
5000
5500
-0.1
500
1000
1500
2000
2500
wavelength (cm-1)
3000
3500
La figure 3 illustre un exemple de régression entre les prédictions du master et celles d’un
esclave, avant et après régression. Les prédictions, très différentes entre appareils avant
standardisation sont considérablement réduites après standardisation.
Figure 3. Régression entre les prédictions du maître et d’un appareil esclave, avant et après
standardisation
4
7
N= 10
y= -0.019098+0.6122
R square= 0.99995
biais= 1.0452
RMSE= 1.2073
3.5
5
Reference Values
Reference Values
3
2.5
2
4
3
1.5
2
1
1
0.5
0
1
2
4
3
Predicted Values
5
6
7
N= 10
y= -0.01999+1.0076x
R square= 0.99993
biais= 9.4369e-016
RMSE= 0.017542
6
0
0
1
2
3
4
Predicted Values
5
6
7
Les résultats moyens, sur 22 machines sont repris par le tableau 3. Le R² entre les prédictions du
master et des appareils secondaires n’est pas modifié et est supérieur à 0,999. La pente est
considérablement améliorée après standardisation (0,9016 vs 1,0010). Le biais et le RMSE entre
les prédictions sont réduits après standardisation, dans le cas du RMSE il diminue en moyenne
de 0,3850 à 0,0118. L’écart-type des trois critères est aussi réduit.
Tableau 1 : Résultats statistiques moyens de l’application du modèle matière grasse sur les appareils
secondaires, avant (Avt Std) et après standardisation (Apr Std) des spectres (n=22) comparées aux
prédictions sur le master.
Moyenne
Ecart-type
Avt Std Apr Std
Avt Std Apr Std
R²
0.9998 0.9998
0.0002 0.0002
Pente
0.9016 1.0010
0.1636 0.0082
Biais
0.3235 0.0000
0.5427 0.0000
RMSE
0.3850 0.0118
0.5259 0.0061
b. Validation des coefficients
Les coefficients de standardisation créés à partir des spectres de février, et appliqués sur les
spectres de l’analyse de la gamme de mars, permettent de réduire l’erreur de prédiction entre
appareils (pente, biais, RMSE, cf. tableau 2). Les coefficients générés peuvent donc permettre de
standardiser les appareils pour une période de temps donnée.
Tableau 2 : Résultats statistiques moyens de l’application du modèle matière grasse sur les appareils
secondaires, avant (Avt Std) et après standardisation (Apr Std) des spectres (n=15) de la gamme de
mars avec les coefficients de février comparées aux prédictions sur le master.
Moyenne
Ecart-type
Avt Std
Apr Std
Avt Std
Apr Std
R²
0.9901
0.9901
0.0444
0.0445
Pente
0.8567
0.9965
0.1817
0.0329
Biais
0.3166
0.0135
0.4088
0.0301
RMSE
0.3324
0.0368
0.4055
0.0201
2.3.
Conclusion
La standardisation par PDS de spectres MIR permet de gommer les différences de réponse
induites par chaque instrument. Ceci permet d’envisager de constituer une base de données
transnationale commune, outil puissant pour la création d’indicateurs basés sur le spectre MIR du
lait.
4. MILKINIR : Potentialité d’un dispositif automatisé proche
infrarouge pour une mesure en ligne lors de la traite
Nguyen H.N.1, Dehareng F. 1, Froidmont E. 2, Sinnaeve G. 1, Baeten V. 1 & Dardenne P. 1
1
Centre Wallon de Recherches Agronomiques (CRA-W), Département Valorisation des
Productions, Gembloux, Belgique
2
Centre Wallon de Recherches Agronomiques (CRA-W), Département Productions et filières,
Gembloux, Belgique
Courriel : [email protected]
1. Introduction
Les modifications structurelles continues des exploitations laitières wallonnes, liées à l’évolution
sociale et politique, la volatilité du prix du lait et la hausse des charges de production, nous
obligent à trouver des outils d’aide à la décision qui permettront aux producteurs laitiers de se
diriger vers une meilleure technicité de leur élevage. Dans le contrôle de la production laitière,
l’apport analytique des techniques infrarouges (moyen et proche) depuis ces dernières années est
indéniable et ses potentialités d’implémentation en salle de traite font toujours l’objet de
nombreuses recherches.
2. Objectif
Le projet MILKINIR a pour objectif principal de développer un outil d’aide à la gestion du
troupeau au moyen d’un dispositif de mesure automatisé de la qualité et la composition du lait
directement en salle de traite. Pour cela, nous recourrons à la technologie de la spectrométrie
proche infrarouge (NIR) pour estimer, durant la traite, plusieurs paramètres principaux du lait
cru. A terme, le traitement des données générées et l’implémentation en routine du système
d’analyse automatisé en salle de traite devraient permettre d’améliorer cinq piliers importants
pour assurer la rentabilité de l’activité laitière : Santé, Nutrition, Fertilité, Qualité et Durabilité.
3. Matériel et méthodes
3.1.
Echantillonnage du lait pour l’analyse infrarouge
A partir d’un échantillonnage ciblé, nous avons procédé aux mesures des échantillons de lait sur
un ensemble de spectromètres infrarouges (moyen et proche) retenus, et effectué en parallèle les
mesures de référence à l’aide des méthodes analytiques classiques. Une base de données de plus
de 12000 échantillons de laits crus est actuellement disponible. Celle-ci continue à être alimentée
actuellement, afin d’accroître la variabilité nécessaire.
3.2.
Dispositif automatisé NIR en salle de traite
Pour le matériel utilisé, nous avons porté notre choix sur un spectromètre proche infrarouge
à Transformée de Fourier (FT-NIR) Matrix-F (Bruker Optics, Ettlingen, Allemagne),
fonctionnant dans la gamme de 834-2502 nanomètre (Figure 1). L’appareil est couplé à une sonde
de mesure par transflexion (IN271P-02, Bruker Optics) et la connexion se fait par un câblage à
fibre optique. L’intégration du dispositif automatisé NIR a été réalisée dans la salle de traite de la
ferme expérimentale du CRA-W (Département Productions et Filières, Gembloux).
Pour procéder à l’automatisation du système NIR (Figure 2 : mise en place des logiciels et du
matériel), le travail a été réalisé en collaboration avec notre partenaire technique Wetlands
engineering SPRL (Louvain-la-Neuve, Belgique) et le service technique de Bruker Optics
(Ettlingen, Allemagne).
Figure 1 : Spectromètre FT-NIR Matrix-F,
équipé d’une sonde de mesure par transflexion
et connectée par un câblage à fibre optique.
Figure 2 : Dispositif automatisé NIR,
installé à un poste de la salle de traite du
CRA-W.
4. Résultats
Les plus récentes droites de calibrage des appareils NIR montrent, pour un certain nombre des
paramètres étudiés, des résultats très encourageants. Des rapports RPD (rapport
performance/déviation) supérieurs à 2.4 permettent d’envisager l’utilisation des modèles de
prédiction pour exploiter l’information infrarouge collectée au quotidien en salle de traite. Afin
d’illustrer le travail d’étalonnage, le Tableau 1 reprend une synthèse des résultats statistiques
obtenus sur du lait cru pour l’appareil FT-NIR Matrix-F, équipé d’une sonde d’analyse à fibre
optique (modèle IN271P, Bruker Optics).
Actuellement, la mise en place du dispositif automatisé NIR, directement relié à un poste de la
salle de traite du CRA-W, est achevée. Le dispositif est opérationnel en routine. Les différentes
séquences de l’enregistrement (déclenchement, durée d’acquisition d’un spectre, intervalle
d’attente, etc.) ont été testées et ajustées afin de collecter sur la durée de la traite jusqu’à 4
périodes (spectres) par animal.
En parallèle, on travaille à la création d’un outil informatique permettant de collecter les données
et de croiser les différents paramètres provenant du troupeau et enregistrés dans la salle de traite
du CRA-W. Ce travail servira de base préliminaire pour préparer différents essais alimentaires et
métaboliques prévus prochainement sur le troupeau du CRA-W. En effet, l’outil informatique
créé devrait permettre de combiner les spectres enregistrés par le dispositif NIR pendant les
traites successives, les droites d’étalonnage et l’information collectée en salle de traite
(production individuelle, alimentation, état sanitaire de la vache, etc.).
Tableau 1 : Synthèse des résultats statistiques obtenus sur du lait cru pour l’appareil FT-NIR Matrix-F.
Composante R2 CV * [%] RMSE CV * RPD *
99.5
0.07
13.6
MG
Range
1.85 - 7.55
Unités
g/100g
MAT
96.9
0.07
5.7
2.46 - 4.38
g/100g
Caséine
98.8
0.06
9
1.91 - 4.02
g/100g
Lactose
71.5
0.09
1.9
3.95 - 5.28
g/100g
MS
97.4
0.15
6.3
10.77 - 16.74
g/100g
Urée
23.2
9
1.1
1 - 50
mg/100g
Acides gras
g/dl
SAT
93.6
0.18
4
1.09 - 4.81
MONO
92.5
0.17
3.7
0.60 - 3.05
POLY
66
0.02
1.7
0.06 - 0.21
INSAT
97.9
0.09
6.9
0.69 - 3.23
SCFA
90
0.03
3.2
0.12 - 0.65
MCFA
94.8
0.13
4.4
0.85 - 3.62
LCFA
96.9
0.14
5.7
0.84 - 3.85
Minéraux
Calcium
mg/kg
61.3
108
1.6
908 - 1578
69.9
117
1.7
831 - 1696
Phosphore
MG : matière grasse; MAT : matière azotée totale; MS : matière sèche; Acides gras saturés (SAT), monoinsaturés
(MONO), polyinsaturés (POLY), insaturés (INSAT), total des acides gras à courte (SCFA), moyenne (MCFA) et
longue (LCFA) chaîne aliphatique - R2 CV : Coefficient de détermination de la "validation croisée"; RMSE CV : Ecart
type résiduel de la "validation croisée"; RPD : Rapport performance/déviation.
5. Conclusions et perspectives
Nos derniers résultats d’étalonnage démontrent un réel potentiel de la spectrométrie NIR à
prédire un certain nombre de composantes qui, une fois intégrées dans une mesure automatisée en
ligne lors de la traite, devraient nous servir à améliorer un certain nombre de paramètres et
répondre à notre objectif principal.
Lors des essais sur troupeau, on s’attellera à la création d’outils d’aide à la décision à partir des
résultats obtenus au cours de l’ensemble du projet MILKINIR (Figure 3).
Figure 3 : Finalité du programme de recherche MILKINIR sur base de l’ensemble des mandats.
La base de données créée servira par la suite aux modélisations qui permettront de relier les
paramètres physico-chimiques du lait aux indicateurs physiologiques de la vache. A partir de ce
travail, on développera des algorithmes permettant de faciliter la surveillance et les décisions de
l’agriculteur.
Le contrôle en ligne résultant de ce projet pourrait à terme aboutir à un meilleur contrôle des cinq
piliers cités ci-dessus qui déterminent la rentabilité de l’élevage laitier. L’ensemble de ces
améliorations augmentera le rendement économique de ces fermes.
6. Remerciements
Le projet de recherche MILKINIR est subsidié par la Direction générale Opérationnelle de
l'Agriculture, des Ressources naturelles et de l'Environnement de la Région wallonne (DGARNEDGO3).
Les auteurs remercient Bruker Optics GmbH (NIR & Process Technology - Ettlingen,
Allemagne) et Wetlands engineering SPRL (Louvain-la-Neuve, Belgique) pour le support
technique.
5. Et dans le futur ?
N. Gengler 1 & Bastin C.1
1
Courriel : [email protected], [email protected]
Dans la vision actuelle des choses, une opposition artificielle est souvent présentée au niveau des
fermes entre, d’une part, l’élevage laitier de précision dans sa définition strictement liée à des
outils sur la ferme (on-farm) et d’autre part, le contrôle des performances, l’utilisation de l’un ne
nécessitant plus l’autre. Or, en réalité ils sont parfaitement complémentaires. Les recherches à
entreprendre dans ce domaine consistent justement à développer davantage d’approches
novatrices de valorisation de cette complémentarité afin de définir un élevage laitier de précision
de nouvelle génération qui fait appel à une approche intégrée on-farm et off-farm (contrôle des
performances).
La complémentarité de l’élevage laitier de précision et du contrôle des performances découle
entre autres de leurs principaux avantages et désavantages respectifs. Ainsi, pour l’élevage laitier
de précision on-farm, on peut notamment citer comme avantages :
− qu’il facilite l’acquisition d’information ;
− qu’il génère d’énormes quantités de données ;
− qu’il facilite la restitution et permet des réactions rapides.
Les désavantages de ce type de systèmes sont que :
− les données sont collectées sur une seule ferme ;
− l’échange d’information entre les systèmes est difficile ;
− il n’y a pas d’étalonnage externe des outils ;
− il n’y a pas de copie de sauvegarde en dehors de la ferme ;
− il n’y a pas de points de repère externes ; et à cause de cela,
− la prise de décision est potentiellement moins précise.
Par contre, pour le contrôle des performances, on peut notamment citer comme avantages que:
− les données sont collectées au sein des fermes et ensuite associées à travers différentes
fermes ;
− il est possible de faire un étalonnage externe des outils (instruments de mesure, analyses,
classifications, notes d’embonpoint, etc.) ;
− il y a des copies de sauvegarde et de pérennisation des informations les plus importantes
(généalogie, production de lait, etc.) ;
− il y a une officialisation de ces résultats ;
− il y a des points de repère externes permettant la comparaison à travers différentes
fermes ;
− il y a une mise en commun facilitant l’appréciation de certains éléments macroenvironnementaux ; et à cause de cela;
− la prise de décision est potentiellement plus précise.
Evidemment, le contrôle des performances présente également des inconvénients tels que:
− l’acquisition d’information potentiellement fastidieuse, encore souvent manuellement ;
− la possibilité de rencontrer des problèmes pour obtenir des données précises au bon
moment (quantité / qualité / non real-time) ;
− une restitution moins directe et donc des réactions potentiellement moins rapides.
Face à cette situation, dans beaucoup d’endroits et plus particulièrement en Wallonie au sein de
l’Association Wallonne d’Elevage, la dimension d’échange et de collaboration se développe.
Parmi ces outils, on peut citer l’outil Ori-Automate qui est bidirectionnel et qui utilise des
modules de communication avec les systèmes on-farm à travers leurs bases de données. A travers
ce type d’échanges, on se rapproche de l’objectif de complémentarité au niveau de l’acquisition
des données et il est possible de profiter du partage de données, par exemple au niveau de
l’étalonnage des outils. Un exemple pratique peut se concevoir comme l’interaction des projets
OptiMIR et MilkiNIR cités ci-dessus. Ainsi, en utilisant les analyses faites au niveau du contrôle
des performances basées sur le MIR et qui sont standardisées et stabilisées, les prédictions offfarm peuvent servir à ajuster les prédictions on-farm pour des caractères novateurs tels que les
acides gras.
D’autres pistes innovantes pour développer des outils encore plus pertinents existent. En effet,
l’acquisition de nouveaux types de mesures et le partage de celles-ci à travers toute une
population ouvrent la voie à de nouvelles modélisations qui permettraient d’extraire des
informations utiles pour la gestion des fermes et la sélection des vaches. On peut citer à titre
d’exemple une extension de l’approche ValLait présentée précédemment. Ainsi, derrière la
méthode « ValLait » se cache une approche de calcul distribué où des calculs au niveau
population et au niveau troupeau interagissent (Gengler et al, 2000). Actuellement, les deux types
de calculs se font exclusivement off-farm. A partir du moment où une collaboration
bidirectionnelle et en particulier un échange de données existent, une redistribution des calculs
peut se concevoir : on pourrait pleinement profiter de l’acquisition real-time des données de
production et effectuer une partie de leurs traitement et modélisation on-farm en utilisant les
paramètres fournis par le calcul « ValLait ».
Il ne s’agit ici que de quelques simples exemples. Beaucoup d’autres possibilités existent. Grâce
à une interaction étroite avec le contrôle des performances wallon, des perspectives très
intéressantes pour nos producteurs se dessinent vers la voie d’un développement de l’élevage de
précision d’une nouvelle génération en Wallonie.
Référence
Gengler N., Tijani A. et G.R. Wiggans. 2000. Use of sequential estimation of regressions and
effects on regressions to solve large multitrait test-day models. J. Dairy Sci, 83:369.e1369.e18.

Sur la voie de l`élevage laitier de précision en Wallonie - CRA-W

Transcription

Documents pareils

offre d`emploi Technicien Laboratoire 3 _sept 14

Offre Stage Relations internationales - Gembloux Agro

INTERREG IV « TransBioFruit » LUTTE PROPHYLACTIQUE

Avertissement concernant les punaises sur fraisier 5 juil - CRA-W

X. Massart AWE - Comité du lait

Cahier des charges pour le remplacement d`un chargé d

OFFRE D`EMPLOI Dans le cadre du projet d`appui au Centre

Avis de changement de recette