Caractérisation de la diversité au sein de troupeaux laitiers avec des méthodes de fouille de données

Les attentes des consommateurs et des citoyens sur le bien-être en élevage sont de plus en plus fortes. Les capteurs présents en élevage de précision peuvent aider à objectiver les états des animaux d’un troupeau en évaluant les niveaux de stress réels des animaux. La thèse commencera par l’étude du stress thermique. Le changement climatique se caractérise, entre autre, par des épisodes de plus fortes chaleurs en cours d’été, avec des températures parfois très élevées, ce qui peut s"avérer néfaste pour la santé et la production des animaux laitiers. Ce stress thermique est aussi amplifié lorsque l"hygrométrie est élevée, comme lors d’épisodes orageux. Pour prendre en compte les effets combinés de ces deux paramètres, on utilise généralement l"indice THI (Temperature Humidity Index) qui se calcule selon la formule : THI = T – ((0,55-0,0055 x U)) x (T-14,5), avec T = température de l"air (°C) et U, humidité relative en %. Au-dessus d’une valeur de 70, l"inconfort peut être ressenti par les animaux. Au-delà de 80, on peut considérer le stress thermique comme sévère pour des vaches laitières. En se basant sur cette définition, on peut estimer qu’il existe fréquemment des journées de stress thermiques intenses pour les animaux présents dans la plupart des exploitations.

Ceci est confirmé par des mesures sur animaux, via les outils de monitoring, qui permettent la captation de données en temps réel et constituent ce que l’on appelle les séries temporelles. Il est ainsi possible de suivre, grâce par exemple à la pose de bolus dans le rumen, l'évolution de la température d’un animal sur des pas de temps longs, sur une ou plusieurs lactations. Ces données permettent d’observer que la réponse de température face à un stress n’est pas le même pour chaque animal (Figure 1).

Ces différences pourraient s’expliquer par le niveau seuil de température, propre à chaque animal, ses capacités d’adaptation et/ou ses caractéristiques individuelles (ingestion, production de lait, poids…).

Pour caractériser, voire prédire, la réponse au stress thermique et par la suite à d’autres stress chez les vaches, nous utiliserons des méthodes d'extraction de motifs discriminants, capables d'extraire des groupes dont les réponses face au stress thermique diffèrent. En particulier, nous nous concentrerons sur les algorithmes de découverte de sous groupes qui permettront d’extraire et de caractériser par exemple des groupes de vaches à risques. Néanmoins, les algorithmes de découverte de sous-groupes ne sont pas totalement conçus pour gérer des ensembles de séries temporelles. Une première tâche est donc la construction d'une méthode de découverte de sous-groupes permettant de traiter des séries temporelles. Une autre tâche importante est de définir plus précisément comment caractériser ces sous-groupes afin de trouver des caractéristiques propres aux vaches laitières.

Josie Signe travaille sur ce sujet de thèse depuis octobre 2020 pour une durée de 3 ans. Elle est encadrée par Yannick Le Cozler (Syslait), Alexandre Termier et Véronique Masson (Lacodam, Irisa) et Peggy Cellier (Semlis, Irisa).

Ce travail bénéficie d'une aide de l’État gérée par l'agence nationale de la recherche au titre du programme d"investissements d"avenir portant la référence ANR-16-CONV-0004.

Thèse co-financée par l'institut de convergence #DigitAg

Contacts

Josie Signe : josie.signe[at]inria.fr (doctorante)
Alexandre Termier : alexandre.termier[at]inria.fr (directeur de thèse)
Yannick Le Cozler : yannick.lecozler[at]]inrae.fr (co-directeur de thèse)
Véronique Masson : veronique.masson[at]irisa.fr (encadrante de thèse)
Peggy Cellier : peggy.cellier[at]irisa.fr (encadrante de thèse)