Vers une meilleure compréhension de la variabilité entre pondeuses : Classification selon les trajectoires de ponte

L’étude et la compréhension de la variabilité interindividuelle chez la poule pondeuse sont essentielles pour sélectionner des individus et/ou adapter les pratiques d’élevage, en particulier les stratégies nutritionnelles. Cette étude propose une méthode de regroupement (clustering) non supervisé d’individus selon la similarité des cinétiques de ponte, appliquée à une base de données décrivant les trajectoires individuelles de ponte (n=976) à l’aide de quatre variables mesurées sur 8 séries consécutives de 35 jours : le taux de ponte, le nombre de séries, l’heure de ponte moyenne et l’écart-type de l’heure de ponte. La méthode de classification non supervisée employée est la méthode k-means multivariée car elle permet de considérer simultanément les quatre variables du jeu de données. Le nombre de clusters a été fixé à 5 afin de conserver un nombre restreint de clusters. Le premier cluster représente le groupe le plus important (n=536), les individus de ce groupe présentent un bon taux de ponte jusqu’à 50 semaines d’âge ainsi qu’une bonne persistance de ponte. Le deuxième cluster regroupe des animaux avec une persistance de ponte plus courte caractérisée par un décalage de l’heure de ponte plus important ainsi qu’une baisse de la durée des séries (n=311). Enfin, les animaux présentant des taux de ponte fortement dégradés sont regroupés dans trois clusters se différenciant principalement par leur taux de ponte : i) un taux de ponte élevé en début de ponte avant de chuter aux alentours de 50 semaines d’âge (n=70), ii) un taux de ponte continuellement décroissant sur la carrière des animaux (n=33) et iii) un taux de ponte croissant sur la première partie de la carrière puis décroissant sur la deuxième (n=26). La méthode de classification présentée ici constitue une nouvelle approche pour identifier des groupes homogènes d’individus, dans une perspective d’aide à la sélection génétique. Les données générées dans cette étude pourraient également être mobilisées pour des approches de modélisation à l’échelle du troupeau.