• Réduire le texte

    Réduire le texte
  • Rétablir taille du texte

    Rétablir taille du texte
  • Augmenter le texte

    Augmenter le texte
  • Imprimer

    Imprimer

Exploiter les bases de données pour améliorer la qualité des viandes bovines

L’existence du continuum « pratiques d'élevage des bovins – carcasse – muscle – viande », peut, par l’analyse de métadonnées, permettre une gestion optimale des qualités des produits.

Exploiter les bases de données pour améliorer la qualité des viandes bovines © Mohammed Gagaoua
Mis à jour le 12/09/2018
Publié le 03/05/2018

L'expression « Big data » traduit à la fois l’explosion du nombre de données et métadonnées* disponibles et la capacité à les traiter rapidement. Cela  concerne désormais tous les secteurs d’activité. En sciences animales, la valorisation des bases de données a fait l’objet de peu d’études approfondies en comparaison à d’autres disciplines.

Les propriétés sensorielles de la viande (couleur, tendreté, jutosité, flaveur), mais également les conditions d’élevage des animaux (quand elles sont connues), orientent de plus en plus les préférences et les achats des consommateurs. Un entrepôt de données** de l’INRA caractérisant chaque animal, depuis la phase d’élevage jusqu’aux qualités de la viande (continuum) a été valorisé en appui au projet « Filière Bovins Engraissement Auvergne-Rhône-Alpes », porté par la filière viande bovine régionale amont et aval. L’étude du ce « continuum » est un défi prometteur dans un objectif de pilotage optimal des performances des bovins et de la qualité de leurs produits par les pratiques d'élevage. Plusieurs approches statistiques ont été déployées pour répondre à cet objectif.

La finition est primodiale pour la qualité des  carcasses et des viandes

Dans une première étude, une analyse multivariée (analyse en composantes principales couplée à une méthode de classification k-means) a permis de discriminer différents groupes de bovins à partir de 16 pratiques d’élevage appliquées au cours de la vie de l’animal et durant la période de finition. Dans le cas de l’AOP Maine-Anjou, l’approche ACP-k-means a permis d’identifier 3 classes de pratiques : « herbe », « foin » et « enrubanné ». Ainsi, les vaches âgées avec un type génétique plutôt viande, une finition à l’herbe, une activité physique importante et une bonne aptitude laitière ont les propriétés de carcasses les plus économiquement avantageuses pour les éleveurs. Cette analyse a confirmé que la finition à « l’herbe » influence les propriétés des fibres musculaires aboutissant à des viandes plus rouges, mais avec une tendreté et des teneurs en lipides intramusculaires équivalentes aux types de finition « foin » ou « enrubanné » (Gagaoua et al.,2017a,b ; 2018). Par ailleurs, les proportions des fibres glycolytiques IIX et oxydatives IIA du muscle Longissimus thoracis(faux-filet), étaient respectivement, les plus faibles et plus élevées pour les vaches de la classe « Herbe ». L’approche ACP-k-means, appliquée aux données de la viande produite sous l’appellation AOP Maine-Anjou est proposée pour être généralisée sur d’autres races et types animaux d’élevage français.

Lors d’une seconde étude, 480 jeunes bovins ont été analysés en exploitant 13 variables décrivant la conduite pendant la période de finition. L’utilisation simultanée des arbres de décision, de l’analyse multivariée « ACP-k-means » et de modèles de régression linéaire a permis de mettre en relation les données carcasse(état d’engraissement, %Muscle et %tissus adipeux des carcasses) ;muscle(activité isocitrate déshydrogénase, pH24h, Luminance (L*), teneurs en lipides intramusculaires et collagène total) et période de finition(poids initial à l’entrée en finition, durée de la période de finition, teneur en matière sèche ingérée, % de concentré et % de fourrage). Nous avons ainsi mis en évidence le potentiel de ces données pour une gestion optimale de la qualité finale des viandes (Gagaoua et al.,2018b,c).

L’ensemble de ces analyses de données relatives à différentes phases, de l’animal vivant jusqu’à la viande qui en est issue, permet de proposer aux différents acteurs de la filière des recommandations par une approche d’aide à la décision pour piloter conjointement les propriétés de carcasses et de viande recherchées.

 

*Une métadonnée est une donnée servant à définir ou décrire une autre donnée quel que soit son support (papier ou électronique). Il s'agit de l'information qui permet de retrouver les données stockées. Dans notre cas, les métadonnées les plus courantes sont les informations individuelles sur les animaux, leur pratiques d’élevage, leur date de naissance, poids avant l’abattage, poids des carcasses, poids des muscles ou du gras, la couleur de leur viande, le pH de leur muscle, la tendreté de leur viande... toute information permettant d'identifier et localiser les données voulues à un moment donné (que ce soit à la naissance, pendant l’élevage ou la période de finition, à l’abattage, au laboratoire ou chez le consommateur, en principe tout type d'information stockée).

**L’entrepôt de données, est une base de données dédiée au stockage de l'ensemble des données utilisées dans le cadre de la prise de décision et de l'analyse décisionnelle.

Contact(s)
Contact(s) scientifique(s) :

Département(s) associé(s) :
Physiologie animale et systèmes d’élevage
Centre(s) associé(s) :
Auvergne - Rhône-Alpes

Références

Gagaoua M., Monteils V., Couvreur S. & Picard B. (2017a) Identification of Biomarkers Associated with the Rearing Practices, Carcass Characteristics, and Beef Quality: An Integrative Approach. Journal of Agricultural and Food Chemistry, 65, 8264-78. http://dx.doi.org/10.1021/acs.jafc.7b03239  

Gagaoua M., Picard B., Couvreur S., Le Bec G., Aminot G. & Monteils V. (2017b) Rearing practices and carcass and meat properties: a clustering approach in PDO Maine-Anjou cows. In: Proceedings of the 63rd International Congress of Meat Science and Technology (eds. by Troy D, McDonnell C, Hinds L & Kerry J), pp. 97-8. Wageningen Academic Publishers, Cork, Ireland. http://dx.doi.org/10.3920/978-90-8686-860-5

Gagaoua, M., Monteils, V., Couvreur, S., & Picard, B. (2018a). Mise en relation des pratiques d’élevage avec les propriétés des carcasses et de la viande.Viandes et Produits Carnés.VPC-2018-34-1-4, 1-9.

Gagaoua, M., Picard, B., Soulat, J. & Monteils, V. (2018b). Clustering of sensory eating qualities of beef: consistencies and differences within carcass, muscle, animal characteristics and rearing factors. Livestock Science,214,245-258. DOI: http://dx.doi.org/10.1016/j.livsci.2018.06.011 

Gagaoua, M., Picard, B., & Monteils, V. (2018c). Decision tree, a learning tool for the prediction of beef tenderness using rearing factors and carcass characteristics. Journal of the Science of Food and Agriculture.In press. http://dx.doi.org/10.1002/jsfa.9301

Gagaoua M., Monteils V. & Picard B. (2018). Chemometrics and supervised learning for cows shear force prediction using the continuum data from farmgate to meat. In: Proceedings of the 64th International Congress of Meat Science and Technology, pp. 1-2,. 12th to 17th August, Melbourne, Australia.

Gagaoua M., Monteils V., J-F. Hocquette, & Picard B. (2018). Understanding of beef tenderness variability based on the continuum data using Chemometrics: A proof-of-concept study. In: Proceedings of the 64th International Congress of Meat Science and Technology, pp. 1-2,. 12th to 17th August, Melbourne, Australia.