WAIT4

L’amélioration du bien-être animal est un élément clé de la durabilité des systèmes de production animale. La transition agroécologique de ces systèmes aura des impacts majeurs sur le bien-être des animaux, avec des effets positifs attendus, mais aussi des vulnérabilités spécifiques. Pour favoriser une transition agroécologique des systèmes d’élevage qui permette de garantir le bien-être animal, il est indispensable de développer de nouveaux outils d'évaluation du bien-être animal et d’aide à la décision. Les stratégies d’amélioration dépendent de la compréhension et de l'évaluation précise des dimensions physiologiques et comportementales du bien-être animal, mais aussi de la perception que chaque animal a de son environnement.

Le projet WAIT4 exploitera les nouvelles opportunités offertes par les technologies numériques pour mesurer les différentes composantes du bien-être animal en temps réel, et mettra en œuvre de nouvelles approches en intelligence artificielle pour intégrer les grands volumes de données hétérogènes collectées grâce à ces équipements. Pour cela, le projet est organisé en 5 axes de travail :

• tester et développer des équipements et des capteurs pour évaluer les comportements des animaux, leurs constantes physiologiques et leurs émotions ;
• développer des algorithmes d'intelligence artificielle pour intégrer ces données hétérogènes en nature et temporalité, et pour extraire les indicateurs pertinents (proxys) du bien-être animal ;
• assurer un suivi en temps réel des variations de ces proxys chez différentes espèces (porcs, petits et gros ruminants) élevées en intérieur ou extérieur (pâturage), en système conventionnel ou alternatif (agriculture biologique, agropastoralisme), et dans des contextes environnementaux contrastés (aléas climatiques tropicaux ou métropolitains) ;
• identifier des signaux d'alerte (déviations précoces) des changements de bien-être et de santé ;
• développer un dialogue visant à l’acculturation entre scientifiques de compétences différentes (de l'éthologie à la science des données) et avec les porteurs d’enjeux, pour faciliter l’appropriation et la diffusion des résultats.

L’ambition du projet est d’aller au-delà des approches traditionnelles de l’étude du bien-être animal en adoptant une approche holistique permettant de mieux prendre en compte les différentes composantes du bien-être animal et leurs interactions dans un contexte de transition agroécologique des systèmes d’élevage sous contrainte du changement climatique. Il permettra la production de nouvelles connaissances et l’élaboration de proxys pour mieux mesurer le bien-être animal pour chaque animal au sein de son groupe, ceci pour des périodes allant de quelques jours à quelques mois, mais aussi jusqu’aux effets des saisons dans une perspective d’agroécologie, pour aboutir à la conception d’outils visant à mesurer et améliorer le bien-être animal. Les résultats permettront notamment de proposer des pratiques d’élevage (individuelles ou de groupe), de raffiner les grilles d’évaluation du bien-être animal, et d’aider à la définition de schémas de sélection pour accélérer la transition agroécologique.

Le projet WAIT4 regroupe un consortium constitué d'instituts français de recherche et d'enseignement (INRAE, CEA, INRIA/Univ Rennes 1, INSA), un living lab (LIT Ouesterel) et une TPE (AIHERD). Cette diversité d’acteurs représente des compétences en électrochimie, physiologie, éthologie, agriculture de précision, science des données et fouille de données.

Thèses

Sarah Mauny (INRAE, UMR 0791 – MoSAR) : DigitWelfare - Une approche de modélisation hybride pour caractériser les profils d'activité des chèvres laitières associés au bien-être.

Adèle Denis ( INRAE, UMR 1348 PEGASE) : Détection automatisée et analyse des comportements entre porcelets à l'aide l'intelligence artificielle.

Joseph Allyndrée (INRAE, UMR 1300 – Bioepar : Développement de méthodes de caractérisation du comportement et des interactions sociales des bovins : évaluation de la santé et du bien-être dans le cadre de la transition agro-écologique.

Lucie Lepetit (Inria, LACODAM) : Approche de Data Mining pour la découverte automatique de comportements d'animaux d'élevage au regard du bien-être animal.

Sacha Germain (Inria) : Détection et explications du comportement individuel et collectif des individus au sein d’un groupe pour estimer leur bien-être.

Vincent Elouan (INSA, DM2L) : Apprentissage auto-supervisé sur des graphes hétérogènes : contribution à l’analyse des comportements et des dynamiques sociales des animaux.

Postdoctorats

Lucile Riaboff (INRAE, GenPhySe) : Utilisation d’accéléromètres et de méthodes d’intelligence artificielle pour l’évaluation du bien-être des ovins au paturage.

Mathile Valenchon (INRAE, Mosar) : Comportements de chèvres laitières dans un milieu enrichi : signature comportementale associée à un meilleur bien-être grâce aux données issues des capteurs et leur analyse par machine learning.

Alessio Ragno (INSA, DM2L) : Caractérisation des activités animales et de leurs interactions sociales à l'aide de réseaux de neurones sur graphes interprétables.

Caroline Xavier (INRAE, PEGASE) : Effet du stress thermique sur la synchronisation des rythmes circadiens des métabolismes et des comportements chez le porc.