Les technologies numériques en élevage : de la mesure à l’évaluation comportementale du bien-être de chaque animal
Open Access
- 23 December 2025
- journal article
- Published by Universite de Bordeaux in INRAE Productions Animales
- Vol. 38 (4) , 8324
Abstract
Le bien-être des animaux est une notion difficile à définir car se référant à un phénomène complexe, intrinsèquement liée à la perception qu’a l’individu de son environnement. Ne pouvant être mesuré directement, le bien-être est évalué à partir de la détermination et la quantification d’indicateurs spécifiques. Ces indicateurs, dont les variations sont associées à différents états de bien-être, doivent être combinés en fonction du contexte d’évaluation. Le comportement animal, reconnu comme une des clés pour l’évaluation du bien-être, peut changer face aux variations de l’environnement d’élevage, telles que l’accès au pâturage, influençant à la fois la routine et la dynamique de l’occupation de l’espace des animaux. L'analyse de ces changements comportementaux permet de définir de nouveaux indicateurs, facilitant l’évaluation de l’impact positif ou négatif de ces modifications environnementales sur le bien-être des animaux. L’intégration des technologies de capteurs, de modèles mathématiques et de l’intelligence artificielle ouvre de nouvelles perspectives pour un suivi longitudinal des activités, des dynamiques spatiales et d’autres paramètres d’intérêt tout au long du cycle de vie des animaux. Par exemple, les algorithmes de classification supervisée ont permis d’associer les données brutes fournies par des capteurs aux comportements d’intérêt, tandis que les algorithmes non supervisés devraient révéler de nouveaux indicateurs en lien avec le bien-être des animaux. Cet article met en lumière les opportunités offertes par les technologies numériques émergentes. Nous nous concentrons sur l’évaluation comportementale et son rôle crucial dans l’évaluation du bien-être, en présentant trois études de cas : 1) pour distinguer les problèmes liés à la santé, au stress thermique et à la reproduction chez les vaches laitières, 2) pour prévoir la boiterie chez la vache laitière et 3) pour étudier des émotions chez les porcs. Enfin, nous soulignons l’importance d’une collaboration interdisciplinaire étroite entre éthologistes, physiologistes, mathématicien(ne)s et informaticien(ne)s pour favoriser le développement de ce domaine émergent que nous désignons sous le terme d’« éthologie numérique ».Keywords
This publication has 52 references indexed in Scilit:
- Animal board invited review: Improving animal health and welfare in the transition of livestock farming systems: Towards social acceptability and sustainabilityAnimal, 2024
- Measuring dairy cow welfare with real-time sensor-based data and farm records: a concept studyAnimal, 2023
- Animal board invited review: Quantification of resilience in farm animalsAnimal, 2023
- Computational Ethology: Short Review of Current Sensors and Artificial Intelligence Based Methods2023
- Discriminating pathological, reproductive or stress conditions in cows using machine learning on sensor-based activity dataComputers and Electronics in Agriculture, 2022
- Assessing animal welfare: a triangulation of preference, judgement bias and other candidate welfare indicatorsAnimal Behaviour, 2022
- Predicting livestock behaviour using accelerometers: A systematic review of processing techniques for ruminant behaviour prediction from raw accelerometer dataComputers and Electronics in Agriculture, 2022
- Development of a methodological framework for a robust prediction of the main behaviours of dairy cows using a combination of machine learning algorithms on accelerometer dataComputers and Electronics in Agriculture, 2020
- Image analysis to refine measurements of dairy cow behaviour from a real-time location systemBiosystems Engineering, 2018
- Vocalization of farm animals as a measure of welfareApplied Animal Behaviour Science, 2004