Améliorer la détection des maladies des vaches laitières grâce à l’IA?

Il serait maintenant possible, avec l’intelligence artificielle (IA), d’estimer la prévalence de l’acidose ruminale subclinique sur les fermes laitières du Québec à partir d’échantillons de lait ou de détecter précocement la pneumonie chez les veaux laitiers. C’est du moins ce que démontrent des études menées par des chercheurs de l’Université Laval en collaboration avec le Centre collégial de transfert de technologie Agrinova et Lactanet. 

Acidose ruminale subclinique
Bien que courante chez les vaches laitières, l’acidose ruminale subclinique est une maladie difficile à détecter. Elle est aussi coûteuse pour l’éleveur en raison des nombreux problèmes qui en découlent : baisse de production de lait, diminution de l’efficacité alimentaire, troubles digestifs, mobilité difficile, augmentation des risques de mortalité et réforme prématurée. L’acidose ruminale subclinique survient lorsque le pH ruminal de la vache se maintient sous un seuil de 5,8 pendant plus de 5 heures par jour. 

Pour mettre au point leur outil de détection, les chercheurs ont d’abord administré par voie orale à 110 vaches de 12 fermes des bolus ruminaux. Ces capteurs de la dimension d’un gros marqueur de 13,2 sur 3,5 cm leur ont permis de suivre, pendant 150 jours, ce qui se passe en temps réel dans le rumen des vaches : son activité, sa température et son pH. Parallèlement, ils ont analysé des échantillons de lait chez Lactanet à l’aide de la spectroscopie infrarouge à transformée de Fourier. 

En combinant ensuite les informations provenant des échantillons de lait aux données des bolus, ils ont construit un modèle d'IA permettant de détecter de façon non-invasive la présence d’acidose chez les vaches laitières.

« Nos résultats montrent qu’il est possible, avec ce modèle, de détecter l’acidose ruminale subclinique avec une précision autour de 70 % à partir des échantillons de lait, explique Éric Paquet, professeur agrégé au Département de sciences animales de l’Université Laval. En raison de ce degré de précision, cet outil pourrait donc être utilisé pour identifier non pas les vaches atteintes, mais les fermes aux prises avec ce problème ».

« Avant d’aller de l’avant, souligne Débora Santschi, agronome et directrice générale adjointe par intérim chez Lactanet, une étude à plus grande échelle devra toutefois être réalisée pour valider si les résultats s’appliquent effectivement dans situations variables et variées à travers le Québec ».

Pneumonie
La pneumonie chez les veaux est une autre maladie fréquente qui peut engendrer des pertes économiques considérables pour les fermes laitières. D’où l’intérêt de la détecter le plus tôt possible pour diminuer l’utilisation d’antibiotiques, notamment. 

Dans ce but, les chercheurs de l’Université Laval ont recueilli des données sur cinq fermes laitières commerciales à l’aide de distributeurs automatiques de lactoremplaceur et d’accéléromètres. Les distributeurs automatiques leur ont permis de suivre la consommation journalière de lactoremplaceur des veaux, leur vitesse de consommation et le nombre de visites à l’appareil, tandis que les accéléromètres, qui sont de petits capteurs attachés aux veaux, leur ont révélé le nombre de périodes de repos prises par les veaux chaque jour et la durée de ces périodes.

Les chercheurs ont pu constater que les données des accéléromètres étaient plus prometteuses pour la détection précoce de la pneumonie, mais qu’en les combinant aux données des distributeurs automatiques de lactoremplaceur, ils pouvaient obtenir une meilleure précision de détection (entre 60 à 77 %). « Un seul modèle d’IA ne pourra pas être utilisé sur toutes les fermes, indique le professeur Paquet. Il faudra en développer un pour chaque ferme afin de s’adapter à la régie de chacune d’elles ».

Pour lire d’autres contenus du CRAAQ, cliquez ici.

Pour lire d’autres articles sur les bovins laitiers, consultez notre section en cliquant ici.
 

Ce texte a été publié originalement dans Le Bulletin des agriculteurs en janvier 2026.

Lire le billet précédent