Abstract :
[fr] Au regard du contexte climatique actuel, tous les secteurs, y compris l’agriculture, doivent œuvrer pour réduire leurs émissions de gaz à effet de serre (GES) dans l’intérêt commun. Le méthane (CH4) est l’un des GES majeur et représente une part importante des émissions attribuées au secteur agricole. En effet, ce gaz est notamment naturellement produit lors du processus de digestion des ruminants. Supprimer cette production entérique de CH4 de la part des bovins n’est physiologiquement pas envisageable mais des leviers d’action permettent d’impacter son niveau d’émission comme: l’alimentation donnée aux animaux, la gestion du troupeau ou la sélection génétique des individus les plus efficients. Cependant un point crucial dans cette démarche est de pouvoir quantifier ces émissions de CH4 à grande échelle de façon individuelle. Les méthodes de mesures existantes (chambres respiratoires, méthode du gaz traceur SF6, etc.) sont souvent lourdes à mettre en œuvre et difficiles ou impossibles à appliquer à de larges populations d’individus. Disposer d’un proxy pour estimer aisément ces émissions présente un grand intérêt.
Les travaux détaillés dans cette thèse de doctorat sont consacrés au développement d’équations visant à estimer les émissions journalières et individuelles de CH4 à partir de spectres moyen infrarouge (FT-MIR) de lait. En effet, d’un point de vue métabolique, des mécanismes de fermentation ruminale vont influencer à la fois les émissions de CH4 et la composition du lait notamment au niveau de la matière grasse. Le spectre FT-MIR de lait reflète la composition chimique du lait qui est déjà prélevé et analysé en routine dans le cadre du paiement du lait et du contrôle laitier.
Après l’établissement d’une première relation (n = 77) confirmant la pertinence d’établir un lien entre le spectre FT-MIR du lait et les émissions de CH4 des vaches laitières, diverses étapes ont permis d’améliorer et d’affiner le modèle de prédiction.
Par la suite, le stade de lactation des animaux a été tenu en compte dans un nouveau modèle prédictif (n = 446) via une modification spectrale. En effet, les variations de mobilisation des ressources corporelles des animaux au fil de la lactation impactent fortement l’origine des acides gras du lait et donc également la relation entre le spectre FT-MIR du lait et les émissions de CH4. Cette adaptation a permis d’obtenir des prédictions d’émissions de CH4 cohérentes d’un point de vue zootechnique au fil de la lactation
L’ajout de nouvelles données de référence présentant une spécificité zootechnique (race, stade de lactation, ration alimentaire, etc.) mal représentée au préalable dans le jeu de calibration a permis d’améliorer la qualité du modèle prédictif ainsi que son potentiel d’application (n = 532). L’acquisition de telles données a été possible via la mise en œuvre d’essais expérimentaux ciblant des régimes alimentaires ou des animaux spécifiques, mais également via le biais de collaborations internationales. Ceci a permis de mettre en évidence l’importance de couvrir la variabilité locale avant d’appliquer le modèle afin de garantir la pertinence de la prédiction obtenue.
Les premières versions de l’équation de prédiction ont été développées sur base de valeurs de référence de CH4 obtenues grâce à la méthode utilisant le SF6 comme gaz traceur. Afin de confirmer les résultats obtenus, une nouvelle équation a été développée, basée cette fois uniquement sur des mesures de CH4 obtenues en chambres respiratoires. Cette technique est en effet reconnue comme le « gold standard » pour mesurer le CH4 émis par les bovins. Ces données ont été récoltées par des équipes de recherche européennes et elles ont pu être mises en commun par le biais de collaborations. Cependant elles n’avaient pas été collectées dans le but de développer une telle équation et ne présentaient donc pas une gamme de variabilité idéale dans cette optique. Malgré cela, grâce au nombre conséquent de données collectées (n = 584), les résultats statistiques obtenus ont montré une tendance sensiblement similaire aux précédents résultats et ont donc permis de confirmer le potentiel du spectre FT-MIR de lait comme proxy pour estimer les émissions de CH4 à grand échelle.
La tentative de validation externe de l’équation de prédiction basée sur les données SF6 par les données collectées en chambres respiratoires (et vice versa) n’a pas donné de résultats satisfaisants. Les données de référence des modèles respectifs provenaient de pays, de races, de régimes alimentaires, etc. différents donc les jeux de données de calibration ne couvraient pas les informations des jeux de données utilisés comme validation. Après avoir considéré et écarté à ce stade la nécessité de modifier les valeurs CH4 de référence pour tenir compte d’un potentiel biais dû à la méthode de référence entre les mesures SF6 et les chambres respiratoires, de nouvelles équations combinant l’ensemble des données disponibles (méthode du traceur SF6 et chambres respiratoires) ont été développées (n = 1089).
Enfin, toujours dans un but d’améliorer la qualité des prédictions obtenues, des données phénotypiques pertinentes et aisément disponibles en routine ont été ajoutées au spectre FT-MIR de lait comme valeurs prédictives. Le modèle présentant les meilleures performances statistiques est actuellement celui basé sur les 1089 données de références et qui tient en compte également du stade de lactation, de la production laitière, de la race et de la parité des animaux (R² et erreur standard de cross-validation de respectivement 0.68 et 57 g de CH4/jour).
Les modèles développés offrent un grand potentiel d’application de par leur facilité d’obtenir des estimations des émissions de CH4 à grand échelle. Avant de pouvoir envisager de les utiliser de façon concrète, leurs performances devront être validées sur le terrain et les conditions d’applicabilité permettant d’assurer la pertinence des prédictions obtenues doivent encore être bien définies.
