L’imagerie 3D pour optimiser l’alimentation des bovins d’engraissement

La technologie d’imagerie en trois dimensions (3D), sûre et facile à mettre en œuvre, donne de bons résultats pour l’estimation de la composition chimique du corps et de la carcasse des bovins en croissance.

Connaître la composition chimique des animaux de rente est utile pour estimer précisément leurs besoins alimentaires et le moment idéal de l’abattage. Adapter leur régime en conséquence permet d’améliorer leur efficience alimentaire et contribue ainsi à renforcer la rentabilité des élevages.

La méthode de référence utilisée pour quantifier les éléments chimiques constituant l’organisme des animaux nécessite de les abattre afin de prélever certains tissus en vue de les analyser. C’est une méthode coûteuse, qui gaspille de la viande comestible, et qui ne peut être mise en œuvre qu’à un seul moment du cycle de vie de l’animal. Elle est donc réservée à des travaux de recherche scientifique.

Il existe également des méthodes d’estimation visuelles ou par palpation. Par exemple, la CH-TAX, permettant d’estimer la charnure et la couverture graisseuse. Enfin, il est aussi possible d’avoir recours à des technologies d’imagerie, comme l’imagerie par ultrasons ou rayons X. Ces dernières ne sont toutefois pas encore utilisées à grande échelle en raison de leurs limites (précision, coûts, mesures de sécurité).

L’imagerie 3D : une méthode non invasive, sûre et facile à mettre en oeuvre

Dans ce contexte, le développement rapide de la technologie d’imagerie 3D offre de nouvelles perspectives. Cette méthode non invasive est sûre et facile à mettre en œuvre puisqu’elle ne nécessite pas de contact direct avec les animaux. L’imagerie 3D a déjà été employée avec succès chez la vache laitière pour mesurer certains paramètres morphologiques. En revanche, son utilisation pour l’estimation de la composition du corps et de la carcasse n’a pas encore été testée chez les bovins en croissance.

Le but de cette étude était de calibrer et de mesurer la précision de l’imagerie 3D pour déterminer la composition chimique du corps et de la carcasse de taurillons issus de croisements (mères Brown Swiss croisées avec pères Angus, Limousin ou Simmental).

Les images 3D de 100 taurillons ont été enregistrées à Posieux en 2020-2021, soit au cours de leur croissance (de 75 à 520 kg de poids vif et de 34 à 306 kg de poids de carcasse), soit au poids d’abattage (517 kg de poids vif et 289 kg de poids de carcasse), correspondant au poids d’abattage usuel pratiqué en Suisse. Des mesures morphologiques linéaires, de circonférences, de surfaces et de volumes ont été recueillies à partir des images 3D des animaux juste avant l’abattage.

Ces mesures ont été utilisées pour élaborer des équations prédictives des masses ou proportions d’eau, de lipides, de protéines, de minéraux et d’énergie dans le corps et la carcasse des animaux, qui ont été parallèlement déterminées au moyen de la méthode de référence directement après abattage.

Une technologie prometteuse qu’il reste à valider

L’imagerie 3D a permis d’estimer précisément les phénotypes d’intérêt tels que le poids vif, le poids et le rendement de carcasse, ainsi que la composition chimique du corps et de la carcasse.

Lorsque les traits morphologiques mesurés grâce à l’imagerie 3D ont été ajoutés au poids vif dans les équations prédictives, la précision pour l’estimation de la composition du corps et de la carcasse a été systématiquement améliorée par rapport au poids vif seul, et était comparable à celle obtenue à partir du poids vif et de la classification CH-TAX de la carcasse.

La présente étude constitue une première étape dans le développement de l’imagerie 3D pour l’estimation non invasive de la composition du corps et de la carcasse chez le bovin vivant. Les résultats doivent désormais être confirmés à partir de nouvelles études. La mise en œuvre pratique à la ferme ou à l’abattoir nécessite également d’autres développements. Si elle est validée et déployée sur les exploitations dans une démarche d’agriculture de précision, cette technologie donnerait accès à des données utiles pour améliorer l’efficience et la rentabilité des élevages.