Thématique : Elevage de précision / IA

BeBoP : Evaluer le bien-être des taurillons : des indicateurs revus pour gagner en faisabilité sans perdre en fiabilité

Agathe Cheype, Béatrice Mounaix, Jérôme Manceau, Vincent Gauthier, Quentin Delahaye, Claire Dugue, Laure-Anne Merle, Xavier Boivin

Publié en 2025

Etude validant 14 indicateurs de bien-être des taurillons, globalement fiables et utilisables en routine malgré certaines limites d’observation directe. Un outil vidéo basé sur le Deep Learning montre des performances prometteuses pour automatiser et fiabiliser les mesures comportementales.

Types de document : Article scientifique

Catégories d'animaux : Bovins

Accéder à la source

Behavioural adaptations of livestock to environmental stressors: implications for welfare and productivity

Oke OE, Eletu TA, Akosile OA, Fasasi LO, Adeniji OE, Ojedokun MZ, Oni AI

Publié en 2025

Synthèse analysant les adaptations comportementales du bétail associées aux facteurs de stress environnementaux et soulignant l’importance d’outils d’évaluation et de stratégies de gestion ciblées pour améliorer le bien-être animal.

Types de document : Revue scientifique / Synthèse

Catégories d'animaux : Bovins, Caprins, Ovins, Porcins, Volailles

Accéder à la source

Research and innovation perspectives: poultry welfare in 2050

Shawna L. Weimer, Elena Myhre, Anne-Marie Neeteson-van Nieuwenhoven, Rodolfo Arreaga, Kate Barger, Ruth C. Newberry, Katy J. Tarrant, Gregory S. Fraley

Publié en 2025

Lettre, publiée dans Poultry Science, présentant les principales conclusions des discussions mondiales menées par l’Alliance internationale pour le bien-être de la volaille (IPWA) sur l’avenir du bien-être avicole à l’horizon 2050. Issues de plus de 200 participants, ces réflexions portent notamment sur le logement et la gestion, les mesures du bien-être positif, la nutrition, l’intelligence artificielle et la durabilité des systèmes de production.

Types de document : Article technique

Catégories d'animaux : Volailles

Accéder à la source

Using deep learning models to decode emotional states in horses

Phelipon, R., Lansade, L. & Razzaq, M.

Publié en 2025

Article scientifique présentant la méthodologie ayant permis de développer deux modèles d’apprentissage profond qui s’avèrent capables d’identifier les émotions de chevaux de selle sur la base d’images de la tête et du corps.

Types de document : Article scientifique

Catégories d'animaux : Équins

Accéder à la source

Advancements in machine learning applications in poultry farming: a literature review

Naeem M, Jia Z, Wang J, Poudel S, Manjankattil S, Adhikari Y, Bailey M, Bourassa D

Publié en 2025

Revue qui met en évidence le potentiel de l’apprentissage automatique pour optimiser la production avicole, améliorer le bien-être animal et détecter précocement les maladies grâce à des outils prédictifs et de surveillance avancés. Elle souligne toutefois des défis liés à la qualité des données, à l’interprétation des modèles et à leur intégration pratique.

Types de document : Revue scientifique / Synthèse

Catégories d'animaux : Volailles

Accéder à la source

Systematic Review of Acoustic Monitoring in Livestock Farming: Vocalization Patterns and Sound Source Analysis

Ramos Niño JN, Sousa FCd, Oliveira CEA, Coelho ALdF, Hernandez RO, Barbari M.

Publié en 2025

Revue systématique montrant que les sons environnementaux et les vocalisations animales sont des indicateurs prometteurs et non invasifs du bien-être en élevage. Malgré des avancées technologiques, des défis persistent quant à la standardisation, la validation physiologique et l’application en conditions réelles.

Types de document : Revue scientifique / Synthèse

Catégories d'animaux : Bovins, Porcins, Volailles

Accéder à la source