Abstract
Afin de limiter le réchauffement climatique à 1,5°C au-dessus des niveaux préindustriels, il est essentiel de réduire l'impact environnemental des ruminants. Le principal gaz à effet de serre émis par les ruminants est le méthane (CH4), qui est produit par la fermentation entérique dans le rumen. La communauté microbienne du rumen dégrade les aliments ingérés par l'animal pour produire plusieurs composés, dont le CH4 et les acides gras volatils (AGV). La manipulation du régime alimentaire des animaux et le développement de composés chimiques modifiant le microbiote du rumen sont les deux principales stratégies d'atténuation étudiées en recherche. Comme les méthodes in vivo pour mesurer le CH4 entérique produit par les ruminants sont coûteuses et difficiles à mettre en place à grande échelle, la modélisation mathématique est une approche utile pour quantifier le CH4. Des modèles mécanistes, représentant les processus biologiques et physiques de la fermentation du rumen dans des conditions dynamiques, et des modèles empiriques, utilisant des données pour représenter ces mécanismes dans des conditions statiques, ont été développés. La caractérisation et l'intégration de l'incertitude dans ces deux types de modèles est cruciale pour évaluer avec précision les stratégies d'atténuation. Par conséquent, L'objectif de cette thèse était d'évaluer l'incertitude des prédictions de CH4 entérique des modèles mécanistes et empiriques. Pour cela, les méthodes d'analyse de sensibilité (AS), qui quantifient l'impact de l'incertitude des entrées sur l'incertitude de la sortie des modèles, et les approches bayésiennes, qui quantifient l'incertitude des entrées et de la sortie des modèles en développant des distributions à priori et en les mettant à jour avec les données, ont été utilisées. La thèse a été divisé en deux tâches : 1) la réalisation d'une AS dynamique sur un modèle mécaniste de la fermentation in vitro du rumen tenant compte de l'effet d'un inhibiteur de CH4 (le bromoform d'Asparagopsis taxiformis (AT)) et 2) l'évaluation de l'incertitude de dix modèles empiriques utilisant des variables liées aux caractéristiques des animaux, à la composition de leur régime alimentaire et à leur production à l'aide d'approches bayésiennes. En outre, une étude, visant à fournir des mises en garde aux modélisateurs sur trois questions de modélisation, a été menée en utilisant des simulations Monte-Carlo et des modèles empiriques. Les résultats de l'AS dynamique ont mis en évidence un changement dans les facteurs influençant la variation de la production de CH4 et d'AGV au cours du temps lorsqu'une dose élevée d'AT est ajoutée dans le régime. De plus, l'AS a révélé que le groupe microbien d'utilisateurs d'hydrogène et la dégradation des fibres étaient les deux principaux facteurs expliquant la variation de la production de CH4 et d'AGV, respectivement, avec une dynamique constante au cours du temps. En outre, l'approche bayésienne mise en œuvre a indiqué qu'un modèle utilisant la matière sèche ingérée (kg/jour), la teneur en extrait d'éther alimentaire (% de la matière sèche) et la digestibilité de la teneur en fibre au détergent neutre alimentaire (%) était le meilleur en termes de justesse et de précision. De plus, la performance des modèles était différente en termes de justesse en fonction du traitement alimentaire étudié. Ce travail propose un cadre pour l'évaluation et l'amélioration de la fiabilité des prédictions de CH4, en traitant leur incertitude, ce qui pourrait conduire à une meilleure évaluation des stratégies d'atténuation des émissions de CH4 entérique des ruminants.