Dynamiques d'usage des promoteurs de croissance en élevage : perspectives internationales hors UE
Bibliographic record
Abstract
La croissance démographique mondiale accentue la pression sur la production alimentaire, ce qui pousse à envisager l’usage de promoteurs de croissance en élevage pour améliorer la disponibilité des protéines animales. Cette thèse analyse les pratiques et réglementations internationales, mettant en lumière des divergences entre approche scientifique du risque et principe de précaution. Le JECFA joue un rôle central en orientant les politiques nationales, tandis que l’Union européenne interdit ces substances pour protéger la santé des consommateurs, suscitant des accusations de protectionnisme. À l’inverse, des pays comme les États-Unis, le Canada ou le Brésil autorisent certaines molécules sous conditions strictes, ce qui crée des tensions commerciales. Malgré ces cadres réglementaires, des incertitudes persistent concernant les résidus, les effets cumulés et la vulnérabilité de certaines populations. Ce débat illustre un dilemme majeur : concilier sécurité alimentaire, innovation, bien-être animal et compétitivité économique dans un contexte de négociations et d’évolution technologique permanente. Nos travaux visaient à collecter et analyser les informations disponibles sur l’usage des promoteurs de croissance en élevage à l’échelle mondiale, afin d’enrichir les données du Laboratoire de Références français (le LABERCA, Oniris VetAgroBio) et de mieux comprendre les pratiques et cadres réglementaires associés. Une revue bibliographique a caractérisé les molécules utilisées, leur mode d’action, leur intérêt zootechnique et les conclusions européennes ou internationales de l’évaluation du risque associé. Parallèlement, nous avons comparé les réglementations de grands pays producteurs d’animaux de production. Ceci nous a permis d’identifier les préparations vétérinaires commercialement disponibles, les espèces cibles, les posologies et voies d’administration. Nos investigations ont montré des écarts significatifs entre les textes réglementaires et la réalité des pratiques soulignant tout l’intérêt de dispositifs de contrôle et de surveillance efficaces.
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 | 0.009 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".