Une nouvelle approche méthodologique pour piloter la conduite en élevage
Résumé
This work initially published in Meat Science (122, 163-172) in 2016 provides a new methodological approach to establish the links between
different data sets, by using a variable clustering procedure instead of a classical individual clustering approach. Three data sets (animal
performance, nutritional value of the meat, sensory quality traits of meat) were considered for a total of 97 variables for each of the 71 young
bulls. Variables of each dataset were arranged into homogeneous synthetic variables. Then, the three pools of synthetic variables were analysed
together to establish the links existing among the three data sets.
Classification showed no opposition between animal performances and nutritional value of meat, as it seemed possible to identify animals
with a high butcher value and intramuscular fat relatively rich in polyunsaturated fatty acids. However, the classification indicated that animal
performances were negatively correlated with sensory quality of meat. This method appeared to be a useful contribution to the management of
animal breeding for an optimal trade-off between the three elements of the triptych (animal performances, nutritional value and sensory quality
of meat).
Cet article fait référence à une étude publiée en fin d’année 2016 dans la revue Meat Science (122, 163-172). Afin de trouver un compromis
entre les attentes des producteurs, des transformateurs et des consommateurs, les auteurs ont cherché à déterminer dans quelle mesure il est
possible de piloter les performances des animaux par le biais des pratiques d’élevage, tout en préservant les qualités sensorielles et la valeur santé
des viandes. Pour cela, une méthode statistique innovante a été utilisée : la classification de variables. Les données de 71 taurillons du projet
européen ProSafeBeef ont été organisées en 3 jeux de données caractérisant respectivement les performances animales (36 variables), les qualités
sensorielles (29 variables) et la valeur nutritionnelle des viandes (32 variables). Par la construction de 5 index synthétiques pour chaque élément
du triptyque (combinaisons linéaires d’un sous-ensemble de variables constituant un pool homogène), la méthode a permis de supprimer
l’information redondante et ainsi de réduire l’information des 97 variables en 15 index synthétiques. Un second regroupement de variables a
ensuite été réalisé sur ces 15 index synthétiques afin de mettre en évidence les proximités entre les 3 jeux de données.
L’analyse a montré qu’il n’existe pas d’opposition entre efficience animale et valeur nutritionnelle des viandes. Il est donc possible d’obtenir
des animaux efficients (c’est-à-dire avec de meilleurs gains de poids et d’efficacité alimentaire) associant des carcasses à haute valeur bouchère
(correspondant à un meilleur développement musculaire) et des viandes relativement riches en acides gras polyinsaturés. En revanche,
l‘efficience alimentaire et le développement musculaire sont apparus négativement corrélés avec les qualités sensorielles des viandes (notamment
la tendreté et l’appréciation globale).
La classification de variables est une méthode d’analyse de données fréquemment employée dans certains domaines mais elle n’avait jamais
été utilisée en sciences animales. D’après les résultats obtenus, cette approche pourrait s’avérer être un outil efficace pour intégrer différents
concepts dans un pilotage optimisé de l’élevage pour les productions animales.
Fichier principal
3331_ellies_nouvelle_approche_methodologique_pilotage_conduite_elevage_{45943DCB-3813-4BFA-A6FA-EEEB0C5B003C}.pdf (662.46 Ko)
Télécharger le fichier
| Origine | Accord explicite pour ce dépôt |
|---|
Loading...
