Comment savoir si un complément nutritionnel apporte un bénéfice à son troupeau laitier?

Données d’élevage

Evaluer rapidement l'impact d'un changement est parfois compliqué lorsque le nombre de vaches est faible. Par exemple, si un troupeau de 100 vaches ayant une incidence de 12% de non-délivrances commence à mettre en œuvre un programme qui est sensé contribuer à réduire ce taux de 20% (en moyenne), les données du troupeau devraient montrer 2,4 cas de moins par an (en moyenne). En supposant que le troupeau ait des vêlages étalés sur l’année, il faudrait environ cinq mois (en moyenne) avant qu'un seul cas de moins ne soit détecté. Nous ajoutons (en moyenne) parce que les systèmes biologiques qui régissent la production laitière et la santé animale suivent des lois de probabilité, ce qui signifie que les changements de production et les modèles de comportement ne se produisent pas toujours comme prévu sur le papier.

Peu importe la taille du troupeau, d'autres facteurs compliquent la tâche consistant à effectuer une évaluation significative du produit dans son propre élevage. Par exemple, les écarts de productivité et en santé animale causés par la variation des conditions météorologiques d'une année sur l'autre, et les réserves sur l'exactitude de données anciennes et récentes, peuvent réduire la pertinence d’une analyse cherchant à définir la valeur d'un produit si elle est réalisée une seule fois.

Il devient encore plus difficile d’évaluer l’impact positif d'un complément nutritionnel si les bénéfices attendus sont du même ordre de grandeur que la variabilité quotidienne des données de production ou de comportements, tels que le rendement en lait ou l’ingestion. Cela ne veut pas dire que les bénéfices obtenus avec le produit soient négligeables, mais plutôt que la variabilité quotidienne réelle des données peut être substantielle et les masquer. Par exemple, les mesures de matière sèche d'un ensilage de maïs semblent faciles, mais il a été démontré que les résultats peuvent varier de 5 à 10% d'un jour à l'autre sur la même ferme (Weiss et St-Pierre, 2012).

Articles de recherche

Il arrive que des essais rapides en élevage fournissent des données de faible qualité ou peu concluantes pour toutes les raisons citées ci-dessus. C’est la raison pour laquelle il est fréquent de s’appuyer sur des recherches publiées, afin de mieux évaluer la valeur d'un produit ou d'un concept, et la façon dont il est bénéficiable au troupeau.

Les recherches et les données publiées doivent toutefois être pertinentes et s'appliquer vraiment à la situation actuelle: est-ce que le produit utilisé dans telle recherche est le même que celui disponible chez le distributeur? Le produit a t-il été distribué à la même dose et dans des situations comparables? Combien d'études concluent à la même observation?

Au-delà de ces questions fondamentales, l'évaluation des articles scientifiques est complexe et les idées reçues sur la recherche sont fréquentes, notamment en ce qui concerne l'interprétation des résultats. Voici quelques-unes des idées reçues les plus courantes:

• "Seule la recherche locale compte": la validité de cette affirmation dépend du sujet étudié. Par exemple, si nous évaluons la valeur nutritionnelle d'un type de culture, cela dépendra probablement de caractéristiques intrinsèques à chaque région: sol, climat, pratiques agronomiques, ration de base, etc. Afin d'obtenir des estimations précises des effets de cette culture, il est donc nécessaire d'envisager des évaluations à l'échelle régionale. En revanche, les facteurs intrinsèques à la physiologie ou à la nutrition animale sont moins susceptibles d’être modifiés selon si l’évaluation est locale ou à plus large échelle: c’est le cas quand on évalue l’efficacité d’un tampon ruminal ou d’un produit anionique.
• "Les essais menés dans les fermes expérimentales sont de meilleure qualité que les essais terrain": là encore, la validité de cette hypothèse dépend d'un certain nombre de facteurs. Par exemple, il n'est pas toujours possible d'obtenir des données significatives dans une ferme expérimentale en raison sa petite taille, même si l’environnement est très contrôlé. Les paramètres qui nécessitent un grand nombre d'animaux pour être étudiés avec un degré de précision acceptable (tels que les critères de reproduction) ne peuvent être étudiés que dans des conditions réelles et donc dans les exploitations. En effet, des essais multi-sites bien organisés et bien suivis impliquant des fermes commerciales fournissent un modèle expérimental solide, sous-utilisé par l'industrie de la nutrition animale de nos jours.
• "P doit être inférieur à 0,05": en termes d’analyse statistique, "p" indique dans quelle mesure une différence entre les résultats de deux ou plusieurs groupes est le fruit du hasard ou pas. p= 0,05 signifie qu'il y a 5% de chances que la différence soit due au hasard. Plus p est proche de 0, moins il est probable que la différence soit arbitraire et plus la différence entre les groupes est probablement due au traitement appliqué. Dans quelle mesure p = 0,04 est-il différent de p = 0,06 pour conclure de façon fiable sur l'efficacité d'un produit? p < 0,05 est un seuil conventionnel, mais par exemple pour les ruminants, l’EFSA (Autorité européenne de sécurité des aliment) utilise p < 0,10 comme seuil de confiance pour les essais d'efficacité soumis dans le cadre de l’enregistrement d’un additif alimentaire.

Évaluer et évaluer

En résumé, comment savoir si un complément nutritionnel apporte un bénéfice à son troupeau laitier?

1. Regarder ses résultats avec le plus de détails possibles, mais se méfier des limites de ses propres données d’élevage.
2. Effectuer une recherche minutieuse sur le produit en étudiant tous les documents et articles de recherche publiés disponibles, et en évaluant la validité et la pertinence des résultats quantitatif et qualitatif de ces articles.

Contactez-nous pour en savoir plus sur les recherches approfondies visant à évaluer les bénéfices d’OmniGen et Animate, et comment Phibro peut vous aider à analyser vos données d’élevage.

Références

• Weiss, B., and St-Pierre, N. 2012. Trying to Make Sense of Feed Composition Data: Within Farm Variation. In: Proceedings the Mid-South Ruminant Nutrition Conference, 33-44. Grapevine, Texas, USA.
• EFSA FEEDAP Panel. 2018. Guidance on the assessment of the efficacy of feed additives. EFSA Journal 16: 5274.