Fourrages algériens: 2. Modèles de prédiction de l’ingestion

R Chabaca et C Chibani

Ecole Nationale Supérieure Agronomique, Département de Zootechnie, 16200 El Harrach, Alger
bea_dram@yahoo.fr

Résumé

Dans une étude antérieure, nous avons proposé des régressions pour prédire la valeur nutritionnelle des fourrages algériens à partir de leur composition chimique. Dans le présent travail, nous complétons cette étude par l’analyse de l’ingestion (MSI) chez les ovins. Plusieurs points apparaissent : l’ovin local ingère en plus forte quantité les fourrages de qualité médiocre que l’ovin élevé dans les pays du Nord (44g contre 36 pour la paille). En moyenne, les composants chimiques et la digestibilité sont moins fortement reliés (R² de 0,30 à 0,50) à l’ingestibilité des fourrages algériens, comparativement aux données de la littérature. En revanche, ils expliquent entre 64 et 72 % des variations du niveau alimentaire (NA) qui lui-même explique 85% de la MSI. Il a été donc possible pour prédire la MSI de proposer une procédure en deux étapes : le calcul du niveau alimentaire par application de l’une des deux équations selon que l’on a dosé la cellulose brute (CB) ou l’acid detergent fiber (ADF):

NA= - 0,0267ADF+0,0289 MAT+1,9092 (R² = 0,72; ETR = 0,24; P = 0,000)

NA = - 0,0196 CB + 0,0314 MAT+ 1,6246 (R²= 0,64; ETR = 0,28; p=0,001)

Puis de reporter la valeur du NA trouvée dans l’une des deux équations pour prédire la MSI :

MSI=31,9649NA+0,5249MAT+0,4853CB-8,1314 (R² = 0,89; ETR = 4,9 ; P = 0,000)

MSI=35,20NA+0,246MAT+0,546ADF-11,856 (R² = 0,89; ETR = 4,8 ; P = 0,000)

La méthode appliquée à tous les fourrages disponibles a permis de fournir, un tableau complet de la valeur alimentaire des fourrages algériens récoltés en vert. La précision est excellente, elle pourrait être encore améliorée par l’augmentation de la taille de l’échantillon source.

Mots clés: Algérie, estimation de l’ingestion, modèles de prédiction, niveau alimentaire, ovins

Algerian forages: 2. Predictive models of intake

Abstract

In a previous study, we proposed regressions to predict the nutritional value of Algerian forages from their chemical composition. In this work, we complete this study by analysis of the dry matter intake (DMI) in sheep. Several points emerge: the local sheep ingests greater quantities of forages with low quality than sheep raised in the Northern countries (44 versus 36 for straw). On average, the chemical constituents and digestibility are less strongly related (R² from 0, 30 to 0,50) to Algerian forage intake, compared to literature data. However, they explain between 64 and 72% of variations of feeding level (NA), which itself explains 85 % of variation of dry matter intake. It was therefore possible to propose a two-stage procedure to predict the dry matter intake : first, to calculate the feeding level (NA) by applying one of two equations depending on whether one has determined the crude fiber (CF) or acid detergent fiber (ADF):
 

NA=-0, 0267ADF+0, 0289 CP+1, 9092 (R² = 0, 72; ETR = 0, 24; P = 0,000)

NA=-0, 0196CF+0, 0314 CP+1, 6246 (R²=0, 64; ETR=0, 28; p=0,001)

Then, to use the value of feeding level (NA) found in one of two equations for predicting DMI:

DMI=31,9649NA+0,5249CP+0,4853CF-8,1314 (R² = 0,89; ETR = 4,9; P = 0,000)

DMI=35,20NA+0,246CP+0,546ADF-11,856 (R² = 0,89; ETR = 4,8; P = 0,000)

The method applied to all fodder available made it possible to provide, a complete table of the food value of the Algerian green forage. The precision is excellent; it could be still improved by the increase of the size sample source. 

Key words: Algeria, feeding level, prediction intake, prediction models, sheep

Introduction

Depuis plus d’un siècle, avec le début de l’industrialisation de l’élevage, une attention toute particulière est sans cesse donnée à la connaissance des facteurs qui déterminent sa rentabilité (Crampton 1957). Parmi ces facteurs, la quantité de matière sèche ingérée (QMSI), vecteur des quantités d’éléments nutritifs absorbés par le ruminant lorsqu’il reçoit un fourrage à volonté est le plus important, elle détermine les performances que l’animal peut réaliser (Demarquilly et al 1981 ; Mc Meniman et al 2009). Sa connaissance est indispensable notamment pour les femelles en lactation (Faverdin 1992 ; Ellis et al 2006) afin d’établir des rations à moindre coût, adaptées aux besoins des animaux. Par ailleurs dans les pays du Sud, la QMSI est souvent le facteur limitant des productions (Assoumaya et al 2007). Elle dépend de deux paramètres : d’une part, de la capacité d’ingestion (CI) de l’animal et d’autre part, de l’ingestibilité du fourrage (IF). Plus que pour l’étude de la digestion, la mesure directement sur l’animal de la QMSI est longue, coûteuse et nécessite une grande quantité de fourrage ce qui limite sa détermination en routine (Karsli et Russel 2002). Sa prédiction par des méthodes indirectes plus faciles et moins coûteuses à mettre en œuvre est l’outil développé depuis quelques décennies par les chercheurs. Globalement, ces méthodes sont les mêmes que celles préconisées pour prédire la digestibilité de la matière organique (du fait d’une relation étroite entre dMO et QMSI): chimique, biologique (digestibilité in vitro,  sachets en nylon, gaz test) et physique (spectrométrie infra rouge). Elles consistent à quantifier les principales variables qui régulent la prise alimentaire chez l’animal que l’on tente d’ajuster à des modèles mathématiques (Journet et al 1965 ; Faverdin 1992 ; Dulphy et Demarquilly 1994 ; Pittroff et Kothmann 2001, Mc Meniman et al 2009).

Lønne Ingvartsen (1994) a dénombré 31 variables liées à l’animal ; parmi les plus utilisées : l’espèce, la catégorie animale, le sexe,  la race, le poids vif, l’âge, l’état de gestation, le numéro et le stade de lactation, le niveau de performances, naissances simples ou multiples, l’état de santé de l’animal ; il a également dénombré 30 variables liées aux caractéristiques du fourrage parmi lesquelles : l’âge de la plante, la composition chimique, la digestibilité, les profils de dégradation dans le rumen, le taux de passage, la forme physique du fourrage, la nature et la qualité de la conservation, la palatabilité, la teneur en matière sèche. Des facteurs de gestion du système d’élevage tels que, le temps d'accès à la nourriture, le mode et la fréquence de distribution de l’aliment, l’utilisation d’additifs alimentaires sont également retenus tout comme des facteurs environnementaux : la photopériode et la température. Par ailleurs, depuis une décennie, d’autres variables liées à la protection de l’environnement comme le rejet de C0₂ ou de CH₄ par le ruminant suscitent de l’intérêt (Yearsley et al 2001 ; Sauvant et Giger-Reverdin 2009). Il est clair que la QMSI déterminée dans les conditions des pays du Nord ne peut être transférée sans précautions préalables dans les pays du Sud. En Algérie, où l’élevage se modernise, aucun modèle de prédiction de l’ingestibilité des fourrages n’est établi. Ce travail a pour objectif, dans le prolongement d’un travail antérieur (Chibani et al 2010) de proposer à partir des données disponibles(composition chimique, digestibilité de la matière organique et le niveau alimentaire) des modèles de prédiction des quantités ingérées de fourrages algériens.

Méthodes de travail 

Des 71 fourrages disponibles rassemblant 371 essais (Chibani et al 2010) dont nous disposions, nous avons regroupé ceux qui étaient renseignés sur l’analyse fourragère classique : matière sèche (MS) ; matières minérales (MM) ; cellulose brute (CB) et matières azotées totales MAT ; composition de la paroi : NDF (neutral detergent fibre) ADF (acid detergent fibre ); digestibilité de la matière organique (dMO en%), niveau alimentaire (NA) et quantités de matière sèche ingérés (QMSI en g/kg p^0.75). Seuls 16 fourrages rassemblaient l’ensemble de ces informations (6 fourrages verts ; 6 foins et 4 pailles dont 2 traitées à l’urée ou à l’ammoniac). Les QMSI et le NA qui en découlaient étaient les facteurs limitants du nombre de données disponibles. Toutes les analyses et mesures ont été effectuées à l’Institut National Agronomique d’Alger de 1976 à 2007. La composition chimique est mesurée selon l’AOAC (1975) ; la dMO par la méthode de la récolte totale des fèces, (Charlet-Levy 1969) pendant 10 jours, sur 4 ovins mâles entiers de race Ouled djellal âgés de 18 à 24 mois et pesant entre 45 et 58kg. L’ingestion est mesurée pendant 6 à 8 semaines (à la suite de la période de mesure de la digestibilité) sur 6 sujets de mêmes caractéristiques que précédemment, après une période d’adaptation au régime de 2 semaines. Les rations ont été distribuées deux fois par jour, ad libitum en observant un refus de 15 % du distribué. La paille non traitée est distribuée complémentée de 100g de concentré du commerce dosant 14 % de MAT. L’eau est laissée à volonté. Avant la mise en expérience, les animaux ont subi un déparasitage. Pour éviter les grosses chaleurs, les expériences ont eu lieu du mois d’octobre au mois de juin (température dans l’atelier de mesure comprise entre 15 et 26°C).

Utilisation des données 

Les données recueillies ont fait l’objet de calculs de modèles linéaires simples ou multiples, répondant à l’écriture :

Yij_{1, 2} = µ + ai1 + ai2 + ai3 + eij ;

Où :

Yij : est la valeur prédite : (QMSI)

ai : variables explicatives : composants chimiques (CC) des fourrages, dMO et NA;

eij : l’erreur résiduelle du modèle.

Les calculs sont effectués avec le logiciel S-PLUS, 4-5 ^e Edition (1998).

Les modèles les plus intéressants (R² et précision satisfaisants) sont utilisés pour calculer l’ingestibilité des fourrages de notre base de données (Chibani et al 2010). Puis, à ces fourrages est appliqué le système des unités d’encombrement développé par Dulphy et al 1987 et Dulphy et Demarquilly 1994 pour mieux les caractériser. La démarche est résumée par la Figure 1.

Figure 1. Organigramme de calcul des composants de l’ingestibilité des fourrages

MSIM: matière sèche ingérée mouton; VEM: valeur d’encombrement mouton; MSIB: matière sèche ingérée bovin; MSIV: matière sèche ingérée vache; VEB: valeur d’encombrement bovin; VEV: valeur d’encombrement vache

Résultats 

Composition chimique, ingestibilité et niveau alimentaire

Les 16 fourrages testés sont de nature très diverse (fourrages verts, foins, pailles traitées ou non). De ce fait, une grande dispersion des valeurs de la composition chimique est observée. Pour la MS et les MAT les teneurs minimales et maximales sont respectivement de 12 et 94 % et de 4 et 20 % (Tableau 1). L’étude des quartiles montre que 25 % des fourrages testés (4 fourrages) ont une teneur en MAT inférieure ou égale à 10,5 % et 75 % (12 fourrages), une teneur comprise entre 10,6 et 20,0 %. La nature des fourrages étudiés avec deux tiers de foins et de paille, est représentative des fourrages consommés par le bétail dans le pays. De même, elle est globalement en ligne tant sur le plan de la composition chimique (NDF et MAT), moyenne respective de 59 et 13 %, contre 59 et 15 % pour la base de donnée (Chibani et al 2010) de laquelle les fourrages étudiés ont été extraits, que de la dMO : 64 % contre 66 % respectivement. La QMSI passe d’un facteur 1 pour la paille de blé non traitée (44 g/kg P0,75) à un facteur de 2,16 (95 g/kg P0,75) pour le bersim cycle 1 (30 cm) vert. La moyenne de l’échantillon est de 60g/kg P0,75. Bien que la taille de notre échantillon soit trop faible pour une comparaison robuste, sur la base des valeurs de Demarquilly et al 1981, la QMSI de fourrages verts ingérée par nos moutons est en moyenne plus faible que celle observée en France (69 g contre 74 g/kg P0,75) similaire pour le foin (58 g) et supérieure pour la paille, 44 g contre 36 g/kg P0,75. Nos moutons indigènes consommeraient par kg P0,75 plus de fourrages de qualité médiocre que ceux des pays européens (Demarquilly et Andrieu 1992).

Le NA varie de 0,85 (paille de blé non traitée) à 2,36 (bersim, cycle 1 (30 cm) vert) logiquement en liaison avec la QMSI (Tableau 1). La paille de blé ou d’orge distribuée seule, ne couvrirait donc pas les besoins d’entretien du mouton standard de 50 kg. Mais traitée à l’urée ou à l’ammoniac, elle génère un NA de 1,12 en moyenne, valeur comparable à celle d’un foin de vesce-avoine traditionnel (1,16).

Equations de prédiction de l’ingestibilité

En combinant les variables explicatives, 23 équations ont pu être établies, elles apparaissent dans le Tableau 2.

Une première série de régressions simples (1 à 6), utilise comme variable explicative de la QMSI, chaque composant chimique dosé des fourrages. Le R² et la précision (jugée par l’écart type résiduel) s’établissent en moyenne respectivement à 0,32 (0 avec les MM à 0,49 avec les MAT) et à 11,1 g/kgP^0,75 de MS (9,7 avec les MAT à 13,2 avec les MM). La dMO n’est pas meilleure comme variable explicative, R² = 0,40 ; précision de 10,5 g. La part expliquée des variations de la QMSI par la teneur en MS des fourrages est élevée, 32 % (Tableau 2) presque identique à celle de NDF (31 %) et proche de celle de la CB (36 %).

En associant ADF, CB, MAT, MM, MS et dMO dans des régressions multiples, nous obtenons une deuxième série d’équations (9 à 15). Le R² moyen est de 0,52 (0,40 à 0,61) et la précision est améliorée passant de 11,1 à 9,9 g de MS/kgP^0,75. L’association ADF x MAT est légèrement plus efficace (+6 %) que CB x MAT. La lignine est en effet fondamentalement le principal obstacle à l’ingestibilité des fourrages.

A contrario de la composition chimique, le NA (équation 8) explique à lui seul 85 % des variations de la QMSI, la précision remontant à 5,3 g de MS/kgP^0,75. Cet excellent résultat est cependant logique, le NA est déterminé par la QMSI. Prédit à partir de la composition chimique, il fournit trois équations (24 ; 25 et 26) :

NA= - 0,0267ADF+0,0289MAT+1,9092 ( R² = 0,72; ETR = 0,24; P = 0,000) (24)

NA= - 0,0067MS+0,0442MAT+1,2889 ( R²= 0,83; ETR = 0,19; p=0,000) (25)

NA = - 0,0196 CB+0,0314 MAT+ 1,6246 (R²= 0,64; ETR = 0,27; p=0,001) (26)

Le NA ainsi calculé, lorsqu’il est associé aux variables explicatives des équations 1 à 6, donne une troisième série d’équations (16 à 23) dont le R² moyen est de 0,88; la précision passe de 10,4g à 4,9 g de MS/kgP^0,75. Cette dernière valeur compte parmi les meilleures rencontrées dans la littérature.

Généralisation pour le calcul de l’ingestibilité des fourrages algériens

La démarche de prédiction de la MSI : calcul du NA (équation 24) report dans l’équation 21 a été appliquée aux fourrages dont la composition chimique et la valeur nutritionnelle avaient été précédemment étudiées (Chibani et al 2010). Le choix des équations  24 et 21 est dicté par les variables (MAT et ADF) moins entachées d’incertitudes que la MS ou les MM. Les MM dosées peuvent être en effet souillées par de la terre ou du sable au cours de la récolte ce qui est fréquent en Algérie. Quant à la MS, influencée par l’humidité de l’air, elle n’est pas une variable fiable dans les conditions d’exploitation des fourrages algériens.

 Le système d’unité d’encombrement développé par Dulphy et al 1987 et Dulphy et Demarquilly 1994 a été appliqué à nos fourrages pour mieux les décrire. Les résultats apparaissent dans le Tableau 3 et l’analyse descriptive des fourrages retenus en Tableau 4.

L’analyse descriptive des fourrages retenus apparaît dans le Tableau 4.

Pour l’ensemble des 65 fourrages verts, le NA a varié de 1,07 à 1,90. Il est en moyenne de 1,5. 75 % des animaux ont été à un NA supérieur ou égal à 1,25 lorsque les fourrages ont été distribués à volonté. La VEM a varié entre 0,98 (luzerne, cycle 5 végétatif) et 1,55 (sorgho grain pâteux et avoine grain vitreux), et la capacité d’ingestion du mouton Ouled djellal standard de 50 kg a varié entre 0,91 kg de MS (sorgho, grain pâteux) et 1,44 (luzerne, cycle 5 végétatif). Pour les mêmes fourrages, elle a varié entre 6,2 et 8,6 kg de MS pour le bovin (400 kg) et entre 13,7 et 17 kg de MS pour la vache produisant 25 kg de lait à 4 % au 4^ème mois de gestation.

Les 5 catégories de fourrages (graminées, luzerne, céréales fourragères, fourrages composés et trèfle d’Alexandrie) de notre recueil de fourrages (NF) ont leur correspondance dans la table INRA (1978) (TI). Une analyse comparative montre que la QMSIM relevée dans la TI est plus élevée pour les graminées (fétuque élevée et ray-grass Italien) : 71 g contre 63 g de MS/kgP^0,75 (+11 %). Cette différence s’accentue pour la luzerne, 81 g contre 69 (+15 %) et pour le trèfle d’Alexandrie, également 80 g versus 70 g. Nous retrouvons l’observation faite plus haut selon laquelle, le mouton amélioré des pays du Nord, a une capacité d’ingestion plus élevée pour les fourrages de bonne qualité.

En revanche, pour les céréales fourragères, dont la teneur en CB est respectivement de 29 et 31 % pour la TI et pour NF (+7 %) et celle en MAT comparable (10,7 contre 10,4), la QMSIM de la TI est de 52 g contre 54 g/kgP^0,75 pour NF. Nos moutons valoriseraient probablement mieux les fourrages riches en CB

Discussion 

Validité et analyse des modèles de prédiction

Ainsi, la dMO explique 50 à 70 % de la QMSI pour les fourrages français (Demarquilly et al 1981) contre 40 % dans ce travail ; l’addition de la CB n’améliore ni le R² ni la précision qui reste faible : 10,9 g de MS/kgP^0,75 (Tableau 2). En revanche, dans ce travail, le NA seul explique 85 % des variations de la MSI (Tableau 2).  Un test de validité de la méthode a été réalisé sur 4 fourrages méditerranéens référencés dans la littérature, 1 fort(80 g/kgP^0,75)° tiré de Alibes et Tisserand (1990), 1 faible(45 g/kgP^0,75), représente la moyenne de 18 pailles étudiées par Chabaca (2004),et 1 moyen(60 g/kgP^0,75) tirés des tables INRA 1978 (fourrages méditerranéens). Les résultats apparaissent dans le Tableau 5.

Dans notre cas, compte tenu de la variabilité des conditions d’exploitation des fourrages en Algérie d’une année à l’autre, d’une maîtrise insuffisante des techniques de confection des foins et d’un nombre faible d’espèces fourragères exploitées, l’utilisation d’un échantillon de fourrage composite était justifiée. D’autres auteurs l’on fait avec succès notamment Dulphy et al (1999) avec un échantillon composé de 16 fourrages verts ; 19 ensilages d'herbes ; 14 foins et 2 pailles de céréale. Le R² et la précision ont été respectivement de 0,75 et de 5,2 g de MS/kgP^0,75.

Nos résultats montrent que, la part de la QMSI expliquée par la composition chimique est globalement faible comparée à celle observée dans la littérature. Elle est de 50 % pour la MAT qui dans ce travail est la meilleure variable explicative de la QMSI. La CB, l’ADF, la dMO et la MS n’expliquent qu’entre 30 et 40 %. Les MM et la MS ne sont pas des variables communément utilisées par les auteurs pour prédire la QMSI. Les MM dosées peuvent être en effet souillées par de la terre ou du sable au cours de la récolte (Meissner et Paulsmeier 1995) ce qui est fréquent en Algérie. Quant à la MS, influencée par l’humidité de l’air, elle n’est pas une variable fiable dans les conditions d’exploitation des fourrages algériens.

Comme on pouvait s’y attendre, la dMO et la QMSI des fourrages évoluent dans le même sens. Aussi, elles sont impactées toutes les deux négativement lorsque le taux de CB augmente dans la plante et inversement pour les MAT. Ainsi, la dMO explique 50 à 70 % de la QMSI pour les fourrages français (Demarquilly et al 1981) contre 40 % dans ce travail ; l’addition de la CB n’améliore ni le R² ni la précision qui reste faible : 10,9 g de MS/kgP^0,75 (Tableau 2). Cette contribution plus faible de la dMO pour expliquer les variations de la QMSI pourrait se comprendre par le fait que, si la QMSI progresse effectivement avec la dMO, elle n’augmente plus lorsque la dMO dépasse 70 % (Demarquilly et al 1981, Demarquilly et Andrieu 1992) ; or dans notre échantillon, 7 fourrages sur 16 (44 %) présentent une dMO supérieure à 70 %. De même, des raisons de variations de palatabilité entre fourrages, pourraient expliquer des différences importantes de MSI pour une même dMO (Baumont et al 2000). D’autre part, dans la mesure où les fourrages riches en CB sont mieux digérés par nos moutons que ceux des pays du Nord (Bennour 1990 ; Chabaca 2004), la présence de la CB comme variable explicative dans nos modèles pourraient les affaiblir comparativement aux modèles français par exemple. La précision de nos modèles bâtis à partir de la composition chimique est en moyenne plus faible : 10,4 g de MSI/kgP^0,75 contre, pour les fourrages verts : 4,8 ; 5,7 ; 5,8 et 5,0 g respectivement pour la dMO, la CB, les MAT et l’association MAT x CB et 6,9 ; 6,6 ; 7,0 et 6,3 g/kgP^0,75 pour les fourrages secs français (Demarquilly et al 1981).

Enfin, le caractère composite de notre échantillon avec la présence en son sein, d’espèces différentes de fourrages verts, de fourrages secs et de paille pourrait générer des liaisons plus faibles entre QMSI, composition chimique et la dMO ; on sait par exemple que l’ingestion du foin est moins liée à la composition chimique que celle du fourrage vert (Faverdin 1992). De même, on sait que, chaque fourrage se caractérise par une courbe d’ingestibilité qui lui est propre, la meilleure prédiction de la QMSI serait donc obtenue lorsqu’elle est faite par espèce de fourrage (Dulphy et al 1990 ; INRA 2007).

Cependant, des résultats du même ordre de grandeur que les nôtres, parfois plus faibles sont rencontrés dans la littérature. Ainsi, Golding et al (1976) ; Andueza et al (2004) rapportent des R² variant entre 0,40 et 0,17, lorsque NDF, ADF et les MAT sont utilisés comme variables explicatives et des précisions de l’ordre de 10 g de MS/kgP^0,75.

En revanche, dans ce travail, le NA seul explique 85 % des variations de la MSI (Tableau 2). Cette valeur est élevée au regard de celles inventoriées dans la littérature pour des variables explicatives diverses (Lønne Ingvartsen 1994), néanmoins, pas surprenante. En effet, le NA est calculé à partir de la MSI et de la dMO directement mesurées sur l’animal. Le NA est intéressant en ce sens qu’il intègre la dMO qui varie peu avec les espèces et les races de ruminants à intérêt zootechnique ; la capacité d’ingestion des animaux, plus variable et enfin, l’expression P^0,75 qui intègre une fonction allométrique qui favorise les comparaisons et les transpositions de la MSI, mesurée sur moutons, à d’autres espèces de ruminants. Le NA intègre donc, l’essentiel des mécanismes qui déterminent la prise alimentaire chez l’animal.

Pour prédire la QMSI, le NA estimé par les équations 24 ou 26, est reporté dans l’équation 23 ou 21, (selon que l’on dispose de la CB ou de l’ADF). Le NA ne présenterait cependant aucun intérêt dans un modèle de prédiction s’il fallait le mesurer sur l’animal, c’est pourquoi l’intérêt était de le prédire par la CB, l’ADF associés aux MAT, facilement obtenus par des méthodes de routine. Les équations 25 et 26 montrent que les MAT contribuent davantage à l’établissement du NA que la CB, ce résultat était perceptible dans les équations 1 et 2.

L’association de la MS aux MAT, améliore R² de 13 % et la précision de 21 %. Les raisons de l’efficacité de la MS dans l’établissement des modèles de prédiction dans le cadre algérien ont été expliquées plus haut. Une amélioration de la gestion des récoltes fourragères en Algérie pourraient fragiliser l’équation 25 bien que meilleure. Aussi, nous préconisons l’emploi de l’équation 24 ou 26 selon que l’on a dosé la CB ou l'ADF.

Un test de validité de la méthode a été réalisé sur 4 fourrages méditerranéens référencés dans la littérature, 1 fort(80 g/kgP^0,75°) tiré de Alibes et Tisserand (1990), 1 faible(45 g/kgP^0,75), représente la moyenne de 18 pailles étudiées par Chabaca (2004), 1 fort et 1 moyen(60 g/kgP^0,75) tirés des tables INRA (1978) (fourrages méditerranéens). Les résultats apparaissent dans le Tableau 5. 

La précision obtenue pour la prédiction de la QMSI de fourrages très communément utilisés en Algérie est excellente (écart moyen de seulement 3 g/kgP^0,75) aussi bien pour la paille que pour les fourrages verts. Elle pourrait être améliorée par l’utilisation de la variable ADF, lorsqu’elle a pu être dosée ; cette précision devrait être également augmentée avec l’amélioration à venir de la taille de l’échantillon.

L’utilisation du NA semble être plus appropriée pour des animaux bons « valorisateurs » de la CB. On comprendrait du même coup que pour mieux valoriser les fourrages méditerranéens, il faut se focaliser plutôt sur l’amélioration de l’ingestibilité que sur celle de la digestibilité. Assoumaya et al 2007, étaient arrivés à la même conclusion pour les fourrages tropicaux.

Application du système français d’unités d’encombrement

Le système des Unités d’Encombrement (UE) a pour objectif d’exprimer et de prévoir à la fois l’ingestibilité des aliments (quantité de MS ingérée, mesurée sur un animal standard et exprimée en g/kg P°^,75) et la capacité d’ingestion des ruminants domestiques. Le fourrage de référence (INRA 1978) a une valeur d’encombrement (VE) de 1 unité. En ce sens, il est bâti sur le même principe que les systèmes nutritionnels (Dulphy et al 1987). Notre travail tant en terme de référent aliment ou animal est compatible pour l’ovin avec le système d’UE.

L’INRA (1978) l’a utilisé en l’état pour décrire l’ingestibilité des fourrages méditerranéens. De même, Alibes et Tisserand (1990) l’ont envisagé pour leur table de valeur alimentaire des fourrages méditerranéens. Néanmoins, le système, surestimerait pour l’ovin algérien la VE des fourrages riches en parois. Par ailleurs, la typologie des bovins exploités en Algérie (1,5 millions de têtes) est complexe. Un transfert de l’UEM au bovin (référent génisse de 400 kg) par le modèle : QMSIB = 22,4 + 0,969 QMSIM et aux vaches (vache produisant 25 litres de lait) par le modèle : QMSIV = 78,0 + 0,826 QMSIM (Dulphy et al 1987, Dulphy et Demarquilly 1994) pourrait buter sur l’animal référent qui ne se reconnaîtrait que dans 20 % de la population bovine algérienne. En effet cette dernière est composée de 60 % de races locales très rustiques (mâle 400-450 kg ; femelles 300-350 kg), 20 % d’animaux croisés de façon anarchique avec des races françaises notamment et 20 % de bovins dits modernes (Pie noire, Montbéliarde et Holstein). En effet, des différences importantes d’ingestion d’un même fourrage entre des animaux indigènes bien adaptés au milieu et des animaux importés sont connues (Mould et al 1983 ; Assoumaya et al 2007).

Le système des UE conviendrait en Algérie, pour les ovins (20 millions de têtes) dont deux races, Ouled djellal et le Rembi (femelles 55-60 kg et mâles 80-90 kg), représentent 80 % des effectifs et pour les bovins modernes et éventuellement les bovins croisés. Pour ces derniers, la vache référence de 17 kg de lait de la première version du système des UE (Dulphy et al 1987) serait peut être plus adéquate. Le passage QMSIM à MSIV 17 kg de lait (à 4 % au 4^ème mois de lactation) est obtenu par l’équation : MSIV₁₇ = 79+0,584 QMSIM.

Conclusion

• L’utilisation de la composition chimique pour prédire directement l’ingestion chez l’ovin n’est pas satisfaisante en termes de précision. La variable de prédiction la plus intéressante est le niveau alimentaire. Ceci nous a conduit pour prédire la quantité de matière sèche ingérée par le mouton, d’établir deux équations l’une pour estimer le niveau alimentaire par le biais de la composition chimique, l’autre combinant composition chimique et niveau alimentaire pour calculer l’ingestion des fourrages. La précision obtenue est satisfaisante. La méthode appliquée à tous les fourrages disponibles a permis de fournir enfin, un tableau complet de la valeur alimentaire des fourrages algériens récoltés en vert. La précision est excellente, elle pourrait être encore améliorée par l’augmentation de la taille de l’échantillon.

Références bibliographiques

Alibes X et Tisserand J L 1990 Tableau de la valeur alimentaire pour le ruminant des fourrages et sous-produits d’origine méditerranéenne. Option méditerranéenne, Série B : études et recherche 4 :152p http://ressources.ciheam.org/om/pdf/b04/91605001.pdf

Andueza D, Munoz F et Baumont R 2004 Prévision de l’ingestibilité de la paille chez le mouton à partir de critères physiques et de la composition chimique. Rencontres Recherches Ruminants 11: 262 http://www.inst-elevage.asso.fr/html28/IMG/pdf/2004_alimentation_06_Andueza.pdf

AOAC 1975 Official Methods of Analysis.12th Edition. Association of Official Analytical Chemists. AOAC Washington.D.C

Assoumaya C, Sauvant D et Archimède H 2007 Etude comparative de l’ingestion et de la gigestion des fourrages tropicaux et tempérés. INRA Production Animale 20 (5): 383-392. http://granit.jouy.inra.fr/productions-animales/2007/Prod_Anim_2007_20_5_03.pdf

Baumont R, Prache S, Meuret M and Morand-Fehr P 2000 How forage characteristics influence behaviour and intake in small ruminants: a review. Livestock Production Science Volume 64, Issues 1 :15-28.

Bennour M 1990 Valeur alimentaire chez le mouton de la paille de blé, comparaison avec la paille française. Mémoire d’ingénieur Université de Tizou Ouzou, Algérie, 62p.

Chabaca R 2004 Valeur azotée chez ovis ariès des pailles de triticum durum traitées à l’ammoniac : facteur déterminants. Thèse de Doctorat d’état Institut National Agronomique El Harrach 176p.

Charlet-Levy G 1969 Method for determination of digestibility coefficients of feed for ruminant. Commission on animal nutrition; report 1: 33 p

Chibani C, Chabaca R et Boulberhane D 2010 Fourrages algériens : 1. Composition chimique et modèles de prédiction de la valeur énergétique et azotée   http://www.lrrd.org/lrrd22/8/chab22153.htm

Crampton E W 1957 Interrelation between digestible nutrient and energy content, voluntary dry matter intake and the overall feeding value of forages. Journal of Animal Science16: 546-552 http://jas.fass.org/cgi/reprint/16/3/546

Demarquilly C et Andrieu J 1992 Composition chimique, digestibilité et ingestibilité des fourrages européens exploités en vert. INRA Production Animale 5 (3) :213-221 http://granit.jouy.inra.fr/productions-animales/1992/Prod_Anim_1992_5_3_06.pdf

Demarquilly C, Andrieu J and Weiss Ph 1981 L’ingestibilité des fourrages verts et des foins et sa prévision In Prévision de la valeur nutritive des aliments des ruminants Edition INRA Versailles France

Dulphy J P, Baumont R, L'Hotelier L, Demarquilly C, JaillerM, Jamot J and Détour A 1999 Amélioration de la mesure et de la prévision de l'ingestibilité des fourrages chez le mouton par la prise en compte des variations de la capacité d'ingestion à l'aide d'un fourrage témoin. Annales de Zootechnie 48 : 469-476 http://animres.edpsciences.org/index.php?option=com_article&access=standard&Itemid=129&url=/articles/animres/abs/1999/06/Ann.Zootech._0003 424X_1999_48_6_ART0006/Ann.Zootech._0003

Dulphy J P and Demarquilly C 1994 The regulation and prediction of feed intake in ruminants in relation to feed characteristics. Livestock Production Science 39 (1) :1-12

Dulphy J P, Faverdin P, Micol D et Bocquier F 1987 Révision du système des Unités d’Encombrement Bulletin Technique C.R.Z.V Theix, INRA 70 :35-48

Dulphy J P, Jaillet M Jamot J et Bousquet H 1990 Amélioration de la prévision de la alimentaire de certains foins au laboratoire valeur. Fourrages 121: 65-78 http://www.afpf-asso.org/main.php?url=./fourrages/articles/liste/acces.php&num=999

Ellis J L Qiao F and Cant J P 2006 Prediction of dry matter intake throughout lactation in a dynamic model of dairy cow performance. Journal of Dairy Science 89(5):1558-1570  Nouvelle URL : http://download.journals.elsevierhealth.com/pdfs/journals/0022-0302/PIIS002203020672224X.pdf

Faverdin P 1992 Alimentation des vaches laitières : comparaison des différentes méthodes de prédiction des quantités ingérées. INRA Production Animale 5 (4):271-282 http://granit.jouy.inra.fr/productions-animales/1992/Prod_Anim_1992_5_4_05.pdf

Golding E J, Moore J E, Franke D E and Ruelke O C 1976 Formulation of hay-grain diets for ruminants. I. Evaluation of multiple regression equations for predicting of bermudagrass hay quality from laboratory analysis. Journal of Animal Science 42:710-716

http://jas.fass.org/cgi/reprint/42/3/710.pdf

INRA 1978 Alimentation des ruminants. Edition INRA Publications 78000 Versailles ,597p

INRA 2007 Alimentation des bovins, ovins et caprins : Besoin des animaux, valeurs des aliments. Edition Quae, Versailles, France 310p

Journet M, Poutou M et Calomiti S 1965 Appétit de la vache laitière.1. Variations individuelles des quantités ingérées. Annales de Zootechnie 14:5-37. http://animres.edpsciences.org/index.php?option=com_toc&url=/articles/animres/abs/1965/01/contents/contents.html

Karsli A and Russel R J 2002 Prediction of voluntary intake and digestibility of forage based diets from chemical composition and ruminal degradation characteristics. Turkish Journal of veterinary and Animal Science 26:249-255

Lønne Ingvartsen K 1994 Models of voluntary food intake in cattle. Livestock Production Science Volume 39, Issue 1:19-38

McMeniman J P, Defoor P J and Galyean M L 2009 Evaluation of the research council dry matter intake prediction equations and relationships between intake and performance by feedlot cattle Journal of Animal Science 87:1138-1146  http://jas.fass.org/cgi/reprint/88/9/3009

Meissner H H and Paulsmeier D V 1995 Plant compositional constituents affecting between-plant and animal species prediction of forage intake. Journal of Animal Science 73:2447-2457   http://jas.fass.org/cgi/reprint/73/8/2447

Mould F L, Orskov E R and Gauld S A 1983 Associative effects of mixed feeds. 2. The effect of dietary addition of bicarbonate salts on the voluntary intake and digestibility of diets containing various proportions of hay and barley. Animal Feed Science and Technology 10:31-47

Pittroff W and Kothmann M 2001 Quantitative prediction of feed intake in ruminants:  II. Conceptual and mathematical analysis of models for cattle Livestock Production Science Volume 71, Issues 2-3:151-169

Sauvant D and Giger-Reverdin S 2009 Modélisation des interactions digestives et de la production de méthane chez les ruminants. INRA Production Animales 22: 375-384 http://www.inra.fr/productions-animales/IMG/pdf/Prod_Anim_2009_22_5_02.pdf?PHPSESSID=d53d065b2762e3213447a9166b6b5527

S-Plus Statistics 1998 4-5^e edition, Tokyo

Yearsley J, Tolkamp B J and Illius A W 2001 Theoretical development in the study and prediction food intake. Proceedings of the Nutrition Society 60 (1):145-156 http://journals.cambridge.org/action/displayFulltext?type=1&fid=800676&jid=PNS&volumeId=60&issueId=01&aid=800664

Received 20 August 2010; Accepted 15 September 2010; Published 1 October 2010

Go to top