Elevage de précision en systèmes d’élevage peu intensifiés

National audienceDespite the strong constraints which apply to extensive livestock farming systems (large herds, large surface areas, pasture-based feeding and eventually low animal productivity), original solutions of precision farming can be developed. Precision farming can especially rely on the individual electronic identification systems (RFID) to recognize or locate the animals. Depending on the utilization of RFID-readers (either stationary or portable devices, held by an operator or carried by a male), it is possible to produce inventories, sorting operations or estrus detection. Animal behavior is most difficult to control at pasture, since the strategic placement of attraction points (water sources, salt blocks, and supplements) can prove insufficient to control the spatial distribution of the grazing pressure in a context of strong pastoral and environmental objectives. In situations where either traditional fences or shepherding cannot be implemented, virtual fences, which are based on a specific behavioral education of the animals, could contribute to a sustainable utilization of rangeland areas. In extensive livestock systems, precision farming does not apply at the individual scale, but implies adjusting management practices to virtual groups of animals sharing the same characteristics, such groups being made and unmade by efficient sorting devices. The utilization of automated herd-monitoring systems based on individual information produces a great amount of data. Whatever the type of sensor used, the data collected must be stored in an information system, then analyzed with appropriate methods (algorithms, statistics...) in order to be translated into decision-support indicators or into actions implemented by machines (sorting gate, weighing, feed distribution). As an alternative to individual monitoring, a parsimonious utilization of sensors can suffice to give alerts (intrusion, predator attack, exit from a given geographical area); the amount of data produced is thus minimized. Further research is needed to propose appropriate methods for data analysis and decision rules, based upon animal behavior modeling. In extensive farming systems, the farmer plays an essential role; when large herds and surface areas are involved, electronic devices and decision-support systems are to be considered as specific aids to be integrated in a larger management strategy. Especially, the farmer has to decide which animals to monitor, where to locate the sensors/readers or virtual fences, and when to implement precision farming, i.e. which are the critical periods. At the moment, commercial solutions for devices and software lack the versatility needed to apply to extensive systems.Les fortes contraintes d’élevage dans les systèmes peu intensifiés (grands troupeaux, larges surfaces, alimentation au pâturage, voire faible productivité par animal) laissent tout de même entrevoir des formes originales d’élevage de précision. Cet élevage de précision peut notamment s’appuyer sur l’identification électronique des animaux qui permet de les reconnaitre et de les localiser. Selon que les lecteurs d’identifiants sont utilisés manuellement, à poste fixe, ou portés par un mâle, il est possible de réaliser, respectivement, des inventaires, des opérations automatisées de tri ou la détection des femelles en chaleurs. C’est au pâturage que la maîtrise du comportement des animaux est la plus délicate car un positionnement judicieux de points d’attraction des animaux (abreuvement, pierres à sel, complémentation) ne suffit pas toujours à maîtriser la répartition de la pression de pâturage pour répondre aux objectifs pastoraux et environnementaux. Dans les situations où la pose de clôtures fixes n’est pas possible ou pas souhaitable et que le gardiennage n’est pas envisageable, les clôtures virtuelles, basées sur un apprentissage comportemental spécifique des animaux, pourraient constituer une aide précieuse à l’utilisation durable des parcours. Dans ces systèmes d’élevage, la précision visée ne se situe pas à l’échelle des individus mais plutôt sur des conduites ajustées à des lots virtuels d’animaux homogènes, qui sont séparés et regroupés grâce à des dispositifs de tri efficaces. L’utilisation de systèmes automatisés de suivi du troupeau où chaque animal est identifié génère une grande quantité de données. Quels que soient les capteurs utilisés, les données recueillies doivent être stockées dans un système d’information et traitées avec des méthodes d’analyse adaptées (algorithmes, statistiques…) pour être ensuite transformées en indicateurs d’aide à la décision ou en action exécutée par des automates (porte de tri, pesées, distributions d’aliments). En alternative à des suivis individuels, une utilisation parcimonieuse des capteurs peut être envisagée pour délivrer des alertes (intrusion, attaque de prédateur, sortie d’une zone géographique définie) ; la quantité de données produites est alors minimisée. Un travail de recherche important reste à mener pour proposer des méthodes d’analyse des données et des règles de décisions pertinentes, basées sur une modélisation du comportement animal. Dans les systèmes d’élevage peu intensifiés, la place de l’éleveur est essentielle car au sein d’un grand troupeau et face à de larges surfaces de parcours les dispositifs électroniques sont à envisager comme des aides spécifiques, à intégrer dans une stratégie de conduite plus large. Notamment, il s’agit pour l’éleveur de choisir quels animaux équiper et où positionner des capteurs, relais ou clôtures virtuelles, et à choisir de le faire aux périodes critiques. Actuellement l’offre matérielle et logicielle est freinée par le manque de souplesse des solutions proposées