Pig data: analyse de la filière porcine en Suisse

Jusqu'à présent, les Big Data ont eu peu d'impact sur la production porcine en Suisse. Ce projet explore les moyens d'utiliser les méthodes Big Data pour rendre l'élevage de porcs en Suisse plus efficace et améliorer la santé et le bien-être des animaux en utilisant des données provenant de l'ensemble de la chaîne de production porcine.

  • Portrait / description du projet (projet de recherche terminé)

    Dropdown Icon

    Des partenaires importants de tous les secteurs de la production porcine (agriculteurs, vétérinaires, organismes de commercialisation, producteurs d’aliments et abattoirs) ont collaboré à ce projet et mis leurs données à disposition. Celles-ci englobaient des données sur la santé, la production, la reproduction et la nutrition, ainsi que des statistiques de mortalité, des dossiers vétérinaires et des données sur le transport, la qualité des carcasses et les conditions météorologiques. Le groupe de recherche interdisciplinaire a développé une banque de données afin de rassembler ces données hétérogènes. Des méthodes ont été conçues et mises en œuvre pour le transport, le chargement, le nettoyage, le traitement et l’analyse des données. Les analyses visaient avant tout à apporter des réponses aux questions de recherche jugées essentielles par les partenaires du secteur de la production porcine pour résoudre les problèmes de production. Les résultats de l’analyse ont été communiqués de manière régulière aux partenaires du secteur de la production porcine qui ont évalué les résultats et fourni des éléments permettant d’améliorer à la fois la compréhension des données et les résultats des analyses.

  • Contexte

    Dropdown Icon

    Les méthodes conventionnelles ne suffisent plus à traiter de grands volumes de données. Leur exploitation nécessite donc de nouvelles techniques. Le domaine de l’élevage ne les a pas encore appliquées, alors qu’elles seraient d’un grand intérêt dans la production porcine en Suisse. Celle-ci se distingue des systèmes de production intensive dans d’autres pays européens par sa structure complexe et morcelée. Des données sur la santé des animaux sont produites à tous les échelons. Elles n’ont toutefois jusqu’ici pas été utilisées de manière globale. Mises en forme et évaluées de manière adéquate, ces informations permettront de mettre en évidence de nouveaux liens, causes et facteurs de risque de maladies et/ou d’une production moins performante pourront être mis en évidence et d’identifier les meilleures stratégies de lutte.

  • Objectif

    Dropdown Icon

    L'objectif premier du projet était de développer de nouvelles méthodes afin de mieux comprendre et d’optimiser la structure et la complexité du réseau de production et d’élevage porcins en Suisse. Pour atteindre cet objectif, le projet visait à:

    1. démontrer la possibilité de créer de nouvelles informations utiles et précieuses en combinant plusieurs ensembles de données disparates provenant d’une chaîne d’approvisionnement complète
    2. établir des relations de confiance entre les chercheurs du projet et les collecteurs de données dans un système de production porcine suisse complet afin qu’ils se sentent suffisamment à l’aise pour partager leurs données et les résultats des analyses de données les uns avec les autres
    3. traiter et regrouper les différents ensembles de données provenant d’une chaîne d’approvisionnement porcine dans une seule base de données appropriée aux analyses de données
    4. utiliser des méthodes existantes ou développer de nouvelles méthodes permettant d’analyser les données afin de produire de nouvelles informations utiles et appréciées par les partenaires de la chaîne d’approvisionnement porcine dans le cadre du projet
    5. mener à bien un projet de recherche impliquant des chercheurs de différentes disciplines n’ayant jamais travaillé ensemble auparavant
  • Importance / Application

    Dropdown Icon

    L’adoption d’approches fondées sur les Big Data par l’industrie porcine suisse est relativement lente, surtout si on la compare aux autres industries et aux autres pays. Il est bien connu que la structure du système de production porcine en Suisse diffère fortement des systèmes de production intensive des autres pays. C’est pourquoi les méthodes mises au point et appliquées ailleurs ne présentaient qu’un intérêt limité pour la Suisse. Il fallait donc créer une nouvelle stratégie d’adoption d’approches fondées sur les Big Data pour l’industrie porcine suisse. Ce projet a démontré qu’il était possible de combiner des données provenant de différents acteurs de la chaîne d’approvisionnement porcine et a aussi clairement établi la capacité de cette approche à générer de nouvelles informations utiles. Le projet «Pig Data» peut être considéré comme une expérience pilote pour l’application d’approches fondées sur les Big Data dans l’industrie porcine suisse. Son succès a permis d’attirer l’attention des principaux intervenants (tels que l’Office fédéral de la sécurité alimentaire et des affaires vétérinaires) sur l’importance de ce sujet et la planification de nouveaux projets en vue d’explorer davantage ce domaine. La preuve en est le soutien officiel d’un nouveau projet qui vise à établir un «centre de compétence et d’information pour la santé des porcs en Suisse», lequel collectera, analysera et publiera les données de santé provenant de différents projets et praticiens du secteur afin d’obtenir un aperçu en temps réel de l’état de santé de la population et de l’occurrence des maladies émergentes et ré-émergentes.

  • Résultats

    Dropdown Icon
    1. Le projet a démontré la possibilité de créer de nouvelles informations utiles et précieuses en combinant plusieurs ensembles de données disparates provenant d’une chaîne d’approvisionnement porcine complète. Les partenaires de la chaîne d’approvisionnement porcine ont signalé que les informations créées pour répondre aux questions essentielles étaient à la fois intéressantes et utiles. De plus, les partenaires de la chaîne d’approvisionnement ont reconnu qu’il aurait été impossible de créer ces informations sans combiner les données provenant de plusieurs fournisseurs de données qui normalement n’auraient pas combiné leurs données.
    2. Le projet a permis d’établir des relations de confiance entre les chercheurs du projet et les membres d’un système de production porcine suisse. Les partenaires de la chaîne d’approvisionnement porcine ont partagé leurs données avec l’équipe de recherche, collaboré avec l’équipe de recherche tout au long du projet, autorisé le partage des résultats d’analyses de leurs données parmi l’ensemble des partenaires de la chaîne d’approvisionnement et approuvé la publication de ces résultats dans des revues scientifiques et lors de conférences scientifiques et industrielles.
    3. L’équipe de recherche est parvenue à constituer une base de données centrale et à mettre au point des méthodes pour nettoyer, traiter et regrouper les différents ensembles de données provenant d’une chaîne d’approvisionnement porcine. Les données nettoyées et regroupées ont été fournies à l’équipe de recherche qui les a utilisées à des fins d’analyse pour répondre aux questions essentielles.
    4. L’équipe de recherche a utilisé des méthodes d’analyse existantes et mis au point de nouvelles méthodes permettant d’analyser les données avec succès afin de créer de nouvelles informations qui ont été appréciées par les partenaires de la chaîne d’approvisionnement dans le cadre du projet. Les nouvelles méthodes ont été mises au point par les étudiants diplômés de l’équipe de recherche et rendues publiques par des publications dans des revues scientifiques.
    5. L’équipe de recherche était très diversifiée, ce qui a constitué un véritable défi pour parvenir à un accord sur les meilleures stratégies de recherche à adopter. Un consensus sur les meilleures approches a pu être obtenu grâce à de fréquentes réunions en ligne et en personne, qui se sont souvent avérées difficiles. L’équipe est toutefois parvenue à coopérer et atteindre ainsi les objectifs du projet.
    6. Le projet a permis de mettre au point de nouvelles méthodes et de créer de nouvelles informations qui ont été approuvées par la communauté scientifique. L’équipe du projet a publié 3 études dans des revues scientifiques (5 sont en cours de rédaction), ainsi que 2 études dans des actes de conférences scientifiques, et a assisté à 9 conférences scientifiques.
  • Titre original

    Dropdown Icon

    PIG DATA: Health Analytics for the Swiss Swine Industry