Contribution au développement d'un outil de suivi en temps réel de la santé des vaches laitières à partir du traitement de l'information spectrale du lait.

Abstract

Dans un contexte d’intensification de la production laitière où la santé des vaches est un levier clé pour la durabilité des exploitations, les données issues de la spectrométrie moyen infrarouge à transformée de Fourier (FT-MIR) du lait, restent actuellement sous-valorisées. Ce travail de fin d’études vise à développer un outil de suivi en temps réel de la santé des vaches laitières à partir du traitement de l’information spectrale du lait. L’étude cible huit pathologies fréquentes dans les élevages de bovins laitiers: mammite, métrite puerpérale, endométrite, rétention placentaire, acétonémie, hypocalcémie, acidose et déplacement de l’abomasum. Ce travail s’inscrit dans le cadre du projet Holicow (Interreg NWE), qui développe des clusters via des méthodes non-supervisées autour de six thématiques: stress thermique, transformation du lait, environnement, production, bien-être et fertilité. Au total, 46 clusters ont été créés où chaque observation a une probabilité d’appartenance à ces clusters comprise entre 0 et 1. L’objectif de ce travail est d’isoler ceux liés à la santé. Pour ce faire, 28 bases de données (BD) provenant d’anciennes expérimentations ont été fusionnées, regroupant ainsi 47 627 enregistrements. Elles contiennent 147 biomarqueurs mesurés ou observés, 30 pathologies (variables qualitatives) et les spectres infrarouges du lait associés. Plusieurs approches ont été utilisées pour interpréter les clusters. Un dendrogramme basé sur la corrélation de Spearman a classé les clusters selon les biomarqueurs. L’utilisation de modèles additifs généralisés (GAM) a permis de modéliser la dynamique entre les biomarqueurs et les clusters. Une matrice de correspondance entre les pathologies étudiées et les biomarqueurs disponibles dans la BD a été créée à partir de la littérature. Ces modèles GAM et cette matrice de correspondance ont été croisés, permettant d’identifier les clusters qui représentent le mieux chaque pathologie. Finalement, un test de Kruskal-Wallis a permis de relier les clusters aux diagnostics de la BD. Ce test de Kruskal-Wallis a été appliqué une deuxième fois sur une autre BD indépendante contenant 4 397 enregistrements, afin de confirmer l’interprétation des clusters. Au total, douze clusters ont été associés à l’état de santé des vaches laitières. Les clusters 16, 19, 34, 38 et 40 ont été associés à la mammite, les clusters 17, 27, 31 et 33, à l’acétonémie/désordre métabolique et, les clusters 17, 27, 31, 33 et 36, à la métrite puerpérale. Le cluster 41 a été mis en évidence pour l’endométrite, et le cluster 22 pour l’acidose. Les seuils de détection ont été calibrés sur les données du contrôle laitier wallon. L’outil de détection repose sur la combinaison des clusters mis en avant pour chaque pathologie. Les performances sont variables: les taux de faux-négatifs et de faux-positifs sont respectivement de 40,9% et 49,2% pour la mammite, 42,9% et 16,5% pour la métrite puerpérale et 33,3% et 26,6% pour l’acétonémie/désordre métabolique. Ce travail met en évidence le potentiel des données FT-MIR individuelles pour la détection de pathologies et constitue une première contribution à la conception d’un outil d’alerte pour la santé des vaches laitières. La création d’une BD avec des diagnostics de pathologies de plus grande taille, ainsi que la validation en ferme pilote, permettront de valider l’interprétation pathologique des clusters effectuée dans cette étude, mais aussi, d’étudier leur comportement longitudinal et d’affiner les seuils de détection.