Quels défis au développement de la production porcine en agriculture biologique en France ?
Notice bibliographique
Résumé
La production porcine française en AB est très diversifiée de par ses élevages, notamment en termes de taille avec de nombreux ateliers à faibles effectifs ; de par la commercialisation des produits, avec une filière longue bien implantée dans le grand ouest de la France, et des filières courtes plus territorialisées ; et de par la multiplicité de ses acteurs spécifiques à l’AB ou mixtes. Bien que le nombre de truies certifiées en AB ait doublé entre 2016 et 2021, il ne représente que 1,9 % du cheptel français. Face à ce constat, une étude a été réalisée par le consortium ORIGAMI (INRAE-Métabio) pour comprendre les freins et leviers au développement de cette production. Des entretiens de 21 porteurs de projets ont permis d’identifier 164 freins et 231 leviers. Des analyses en composantes multiples suivies d’une classification ont mis en évidence sept types de freins et six types de leviers en fonction de leur niveau d’organisation (de l’animal au territoire) et du maillon de la filière qu’ils concernent (de l’agrofourniture à la consommation). L’interprétation de ces typologies permet d’identifier des thèmes de recherche pour relever les principaux défis identifiés. Ces thèmes concernent l’acquisition de références techniques spécifiques pour l’AB, la meilleure articulation entre filières et territoires, la promotion des débouchés des produits, mais aussi la formation des acteurs actuels et futurs et la communication auprès du grand public. Ces sujets sont des pistes de réflexion pour la construction de projets transdisciplinaires de recherche ou recherche-action avec les acteurs des filières.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».