Impacts économiques et environnementaux d'une mise à jour des recommandations en protéines et en acides aminés chez la vache laitière en contexte canadien et choix du modèle de formulation

L'alimentation protéique des vaches laitières à un coût important pour l'entreprise laitière, autant sur le plan économique qu'environnemental. De plus, les unités de base de la formulation protéique ont aussi changé passant de la protéine brute pour utiliser les acides aminés plus récemment, tout en gardant le concept de protéine métabolisable. Les objectifs généraux de cette thèse étaient de : 1) déterminer si un changement dans l'alimentation protéique des bovins laitiers peut réduire l'empreinte environnementale, tout en maintenant ou améliorant les revenus nets de l'entreprise laitière canadienne; 2) évaluer comment les différences de structure des principaux modèles de formulation disponibles peuvent affecter leur capacité à prédire la production de protéine du lait sur les fermes commerciales québécoises. Le premier projet consistait à évaluer le potentiel d'un système d'alimentation basé uniquement sur les acides aminés, avec une efficacité d'utilisation variable, au lieu du système basé sur les protéines métabolisables actuellement utilisé. Les résultats ont démontré certains avantages économiques avec un gain potentiel sur les revenus nets de la ferme de 0 à 9 % selon la région et le contexte de la ferme. Combiné à cela, on a aussi observé un maintien ou même une réduction de l'empreinte environnementale par une réduction potentielle du bilan azoté de 0 à 7 % et une réduction des gaz à effet de serre de 0 à 4 %. Pour être sûr qu'un changement de l'alimentation protéique soit valable, il faut déterminer si les modèles existants sont capables de bien prédire la production de la protéine du lait, et par conséquent l'utilisation de la protéine, directement sur les fermes commerciales québécoises. La première phase du second projet consistait à évaluer les prédictions de la protéine du lait sur des fermes québécoises avec 4 modèles de formulation couramment utilisés lorsque l'information collectée était contrôlée. Les résultats ont montré que le modèle scandinave NorFor avait la meilleure capacité de prédiction avec un coefficient de concordance de corrélation (CCC) de 0,82 suivi par le Cornell Net Carbohydrate and Protein System (CNCPS) avec 0,76, le National Research Council. (NRC) 2001 et Institut National de la Recherche Agronomique (INRA) 2018 avec 0,75 chacun. Avec tous les modèles, les animaux avec des rations à plus haute teneur en énergie avaient des estimations plus élevées que pour les animaux avec des rations à plus faible teneur énergétique. De plus, avec tous les modèles, les animaux en début de lactation avaient des sous-estimations plus importantes que ceux plus avancés en lactation. La seconde phase de ce projet consistait à évaluer les effets potentiels des incertitudes de mesures à la ferme sur la prédiction de la production de la protéine du lait. Elle a démontré que, pour ces 4 modèles, l'estimation de la consommation volontaire de matière sèche, le poids vif et la composition des fourrages étaient les facteurs les plus à risque de créer des erreurs sur la prédiction de production de la protéine du lait. Finalement, pour valider les performances en contexte réel d'application, le dernier projet comparait encore les performances de prédiction de la protéine du lait, mais cette fois-ci avec des données provenant de la base de contrôle laitier de Lactanet. La qualité de l'information recueillies était alors non contrôlée, et ainsi plus à risque d'erreur, ce qui pouvait avoir un impact négatif sur les prédictions. Dans ce contexte, le modèle scandinave avait toujours les meilleures prédictions avec une CCC de 0,76. Cependant cette fois-ci, le modèle INRA 2018 avait les deuxièmes meilleures prédictions avec une CCC de 0,75, suivis du NRC 2001 avec 0,70 et finalement le CNCPS avec 0,62. Les prédictions moins précises de ce projet sont liées à la qualité diminuée de l'information disponible, mais aussi à l'absence de certaines données, qui étaient collectées dans le précédent projet. Finalement, on peut conclure que lorsque l'information nécessaire au bon fonctionnement de chacun des modèles est disponible, ils performent en moyenne de façon adéquate, malgré un certain avantage pour le modèle NorFor. Entre 4 et 38% de l'erreur de prédiction sont au niveau des troupeaux et une adaptation à ce niveau par les conseillers est donc nécessaire.

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.