Système d’alimentation de précision des truies en lactation par modélisation et machine learning

L'utilisation des ressources alimentaires est au cœur des enjeux de durabilité de l'élevage porcin. Cette thèse présente les différentes étapes de construction d'un système d'aide à la décision pour l'alimentation individualisée et en temps réel des truies en lactation, suivies de son évaluation en élevage. Sa construction s'appuie sur une approche de modélisation des besoins nutritionnels à l'échelle de l'individu, combinée à différentes approches d'apprentissage par machine learning, pour la prédiction des paramètres nécessaires au calculs des besoins. L'utilisation du système en temps réel s'appuie sur des données sur la truie et sa portée, aujourd'hui accessibles à haut débit en élevage. Les besoins nutritionnels pour la production de lait peuvent être prédits par des algorithmes d'apprentissage supervisés, à partir d'un nombre restreint d'attributs.Concernant la consommation alimentaire, facteur important pour la détermination de la composition de la ration, la méthode de prédiction proposée s'appuie sur un apprentissage non-supervisé par clustering de données collectées en temps réel en élevage à l’aide d’un automate de distribution. Testé en élevages, ce dispositif permet d'atteindre des performances zootechniques très proches des systèmes d'alimentation conventionnels, tout en réduisant significativement les apports de protéines, l’excrétion d’azote et de phosphore et le coût alimentaire et en améliorant la couverture des besoins nutritionnels à l'échelle individuelle.