Mots-Clés

machine learning données de capteurs modélisation de maladies respiratoires médecine de précision systèmes d’aide à la décision

Description

Équipe et encadrement

• Encadrants et contact : Sébastien Picault (INRAE), Christine Largouët (Institut Agro), sebastien.picault@inrae.fr, christine.largouet@irisa.fr
• L’accueil sera assuré par l’équipe Dynamo, UMR 1300 BIOEPAR (INRAE, Oniris), Nantes  
• Le stagiaire sera amené à interagir avec des chercheurs des équipes LACODAM (IRISA, Rennes) et ImmunoCare (BIOEPAR, Nantes)
• Période du stage : 5 à 6 mois, début de janvier à avril 2024 selon calendrier de la formation
• Mots-clefs : machine learning, données de capteurs, modélisation de maladies respiratoires, médecine de précision, systèmes d’aide à la décision

Contexte scientifique et enjeux

Les maladies respiratoires des bovins (Bovine Respiratory Disease, BRD) pèsent lourdement sur le secteur de l’élevage, tout particulièrement sur les engraisseurs spécialisés où ils sont le premier trouble de santé en importance. Ces maladies multifactorielles sont difficiles à détecter et leur traitement entraîne de fortes consommations d’antibiotiques. Nous avons élaboré des modèles mécanistes (mathématiques) qui rendent compte de l’évolution des BRD, de leur détection à partir de signes cliniques et des stratégies de maîtrise, mais le paramétrage de ces modèles à partir de situations concrètes observées en temps réel est un challenge.

Le projet SEPTIME (financé par l’institut Carnot « France Futur Élevage ») vise à concevoir des outils d’aide à la décision pour la détection et le traitement des BRD. Il s’appuie sur des expériences de terrain qui mobilisent 9 élevages bovins dans la région nantaise.

Une première phase de terrain (2023) a permis de recueillir des données de capteurs (colliers accéléromètres, caméras, micros, paramètres environnementaux) ainsi que des observations cliniques, physiologiques, étiologiques (identification des agents pathogènes) et thérapeutiques.

L’objectif visé durant l’année 2024 est de caractériser de façon automatique l’état de santé des lots de bovins à partir de capteurs commerciaux peu invasifs (colliers accéléromètres), pour alimenter un modèle mécaniste de BRD et identifier les scénarios de maîtrise les plus pertinents.

L’objectif de ce stage est donc de proposer et de mettre en œuvre des méthodes d’apprentissage pertinentes pour détecter l’occurrence de BRD à partir des données de colliers, d’en évaluer l’efficacité, et de traduire ces prédictions en termes de scénarios utilisables par un modèle mécaniste. Dans la mesure du possible, les méthodes retenues devront fournir des résultats intelligibles afin de faciliter les interactions avec les éleveurs et les vétérinaires.

Travail demandé

1. Étude bibliographique sur les méthodes d’apprentissage mobilisées en élevage de précision

2. Formation à l’utilisation des modèles mécanistes dans le logiciel open source EMULSION avec un focus sur les modèles BRD

3. Analyse descriptive des données de terrain recueillies en 2023, identification de la granularité temporelle la plus adaptée, comparaison des données de capteurs aux autres informations recueillies

4. Mise en œuvre de méthodes d’apprentissage visant à prédire l’occurrence des BRD à partir des données de colliers, comparaison de leur efficacité

5. Prédiction du nombre d’animaux touchés dans un lot dans une logique d’intégration aux modèles BRD et à un outil d’aide à la décision

6. Intégration effective de ces méthodes dans un workflow de recueil des données, production de scénarios pour les modèles, lancement des simulations et recommandation des stratégies de maîtrise les plus pertinentes dans les élevages participant à l’expérimentation en 2024 (en collaboration avec une ingénieure d’étude de l’équipe DYNAMO).

Compétences requises

• Niveau M2 informatique/bioinformatique/data science ou équivalent
• Bonne connaissance des principales méthodes d’apprentissage automatique
• Bonne connaissance des méthodes statistiques (statistiques descriptives, modèles statistiques)
• Intérêt pour l’épidémiologie, le bien-être animal et la maîtrise des maladies ainsi que pour un contexte de travail interdisciplinaire
• Être force de proposition sur les méthodes à employer et au regard des caractéristiques des données disponibles
• Capacités de travail en équipe
• Capacités rédactionnelles, lecture d’articles scientifiques en anglais

Indemnités de stage : OUI (réglementaire)

Pour candidater :

Envoyer CV + lettre de motivation à : sebastien.picault@inrae.fr, christine.largouet@irisa.fr