Données zootechniques de veaux laitiers non destinés au renouvellement
Bibliographic record
Abstract
Le projet CASDAR VALOVBIO (Améliorer la VALOrisation des Veaux en BIO : accompagner les éleveurs bio dans la mise en place de systèmes innovants et rémunérateurs pour valoriser les bovins non destinés au renouvellement) est mené par la FNAB (Fédération Nationale d’Agriculture Biologique) entre 2024 et 2027. La première action de ce projet consiste à rassembler les savoirs et les données disponibles sur la valorisation des veaux laitiers surnuméraires afin de créer des références techniques et de pouvoir outiller les conseillers dans l’accompagnement des éleveurs. Les données collectées et traitées dans le cadre de ce projet concernent des veaux laitiers surnuméraires élevés dans des fermes de l’Ouest (Mayenne, Maine et Loire) et du Nord-Est (Nord, Pas de Calais, Aisne, Ardennes, Vosges). Elles ont été produites dans le cadre de deux études sur la valorisation de veaux laitiers non destinés au renouvellement : VALOMALEBIO (Pays de la Loire - https://www.biopaysdelaloire.fr/valomale-valorisation-des-males-en-agriculture-biologique/) et PREVEAU (Hauts-de-France). Les données de suivi (races, sexe, dates de naissance, sevrage, abattage, pesées, traitements sanitaires, etc.) ont été collectées par les partenaires des projets (réseau CAB - Coordinnation AgroBiologistes des pays de la Loire, CRAPAL - Conservatoire des races animales en Pays de la Loire, Bio en Haut de France) et synthétisées par les animateurs respectifs des groupes VALOMALEBIO et PREVEAU. D’autre part, 20 entretiens semi-directifs (autorisation Adéquacy 674 – utilisation de Sygade pour la conservation des données d’entretien : enquête n° 1f01f5ac-31eb-6764-a517-5b0e7d56b0d6) ont été réalisés entre avril et mai 2025, auprès de 20 éleveurs valorisant des veaux laitiers en veaux gras ou en bœufs herbagers, en partenariat ou sur la ferme de naissance, en bio ou en conventionnel. 18 d’entre eux appartenaient aux deux groupes susmentionnés (12 en Pays de la Loire, 6 en Hauts de France), complétés par un éleveur des Ardennes et un ingénieur de l’unité de recherche INRAE ASTER à Mirecourt, qui ont transmis les données de leurs fermes. Ces entretiens ont permis de recueillir les pratiques d’élevage et de les associer aux animaux. Ces bases de données permettent d’établir des liens entre les pratiques d’élevage (choix de races, modes de phase lactée, âge au sevrage, conduite en engraissement) et les performances zootechniques des animaux (croissances, abattages). Tous les animaux n’ont pas des données complètes : - Certaines fermes ne pesaient pas leurs animaux : leurs animaux ont seulement des données d’abattage - Certains animaux n’étaient, à date, pas sevrés, d’autres ont été vendus en veaux gras : ils ont des données de croissance en phase lactée uniquement. - Certains animaux en engraissement n’étaient pas encore abattus : ils ont des données de croissance en phase lactée et engraissement, mais pas de données d’abattage. De ce fait, trois typologies ont été établies (phase lactée, engraissement, conduite globale), basées sur les trois bases de données référencées. Afin de garantir l’anonymisation des données, le nom de chaque ferme a été remplacé par un code.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".