Intégration de la variabilité entre porcs en croissance dans les modèles déterministes de croissance
Résumé
L’intégration de la variabilité entre individus dans les modèles de croissance du porc est d’un grand
intérêt pour mieux appréhender les effets des stratégies alimentaires sur les performances et leur
variabilité. Une des méthodes utilisées dans la littérature pour réaliser cette intégration consiste à
utiliser un modèle déterministe en répétant les simulations sur des jeux de paramètres différents
représentant chacun un individu. Ces paramètres peuvent être générés à partir de lois multinormales
en considérant les paramètres comme indépendants ou en se basant sur une structure de covariance
hypothétique. Cependant, les paramètres d’un modèle ne sont pas indépendants et la variation entre
eux n’est pas aléatoire. Une description de la structure des liens entre paramètres décrivant des
individus est donc nécessaire pour générer des jeux réalistes de paramètres. L’objectif de ce travail
était d’analyser les données de croissance et d’ingestion d’individus issus de différents croisements
terminaux élevés en France afin de décrire la structure de covariance de ces populations et l'exploiter
en modélisation.
Une base de données contenant les consommations journalières et les poids vifs de 1288 porcs
femelles et mâles castrés en croissance issus de dix bandes, a été constituée. Les données ont été
obtenues à partir de dix croisements différents, issus de truies Large White x Landrace et de dix
lignées mâles. Les porcs étaient logés en groupe (12 animaux par case) et les performances ont été
mesurées entre 70 jours d’âge et un poids moyen de 110 kg. La consommation journalière était
mesurée en continue et individuellement par des distributeurs automatiques d’aliment et le poids obtenu
au moins toutes les 3 semaines. A partir des données observées d’ingestion et de poids, chaque
animal de la base a été caractérisé par cinq paramètres décrivant un individu dans le modèle
InraPorc : pour l’ingéré, les quantités ingérées, en MJ EN, à 50 et 100 kg, et pour la croissance, le
poids vif à 70 j, la précocité de la croissance et le dépôt protéique moyen sur la période d’étude 70
jours - 110 kg. Les matrices de covariance des différents niveaux de regroupement (sexe, croisement,
bande et leurs interactions) ont été comparées à l’aide du modèle hiérarchique de Flury. Nos résultats
montrent que les moyennes des paramètres sont influencées par la bande et le sexe mais pas par le
croisement intra bande. De plus, la structure de variance-covariance entre les paramètres descriptifs
varie entre groupes, définis par la bande et le sexe x croisement. Ceci nous a amené à proposer une
matrice de covariance dite « moyenne » qui soit un estimateur se plaçant au centre des cas évalués et
qui puisse représenter tous les groupes avec le moins d’écart possible avec la réalité. Afin d’utiliser
ces informations pour générer des populations, nous proposons de représenter ces populations par un
patron de covariance constitué de la matrice de covariance moyenne des paramètres, de leur
distribution, et d’un vecteur des moyennes des paramètres spécifique à chaque population (c’est-à-dire[br/]
par sexe et par élevage). L’utilisation de générateurs classiques basés sur des lois multinormales pour
créer des valeurs aléatoires de paramètres ne nous a pas permis d’obtenir des distributions des
paramètres générés identiques à celles attendues, notamment en termes d’écart-type. Un nouveau
générateur de porcs virtuels a donc été développé pour générer des populations sur la base du patron
de covariance proposé en respectant les distributions spécifiques des paramètres utilisés.
L’ensemble de ce travail permet d’envisager à terme l’intégration d’une dimension populationnelle dans
un outil tel qu’InraPorc pour produire des informations sur la réponse moyenne des animaux aux
stratégies alimentaires mais également sur la variabilité de cette réponse.