Débora_Santschi_1
Revue Le producteur de lait québécoisVolume Numéro 14 octobre 2020
Débora SantschiPh.D., agr.

PROFILab dans le lait de réservoir: ce qui s'en vient

PROFILab dans le lait de réservoir: ce qui s'en vient
Partage

En collaboration avec Daniel Warner, professionnel de recherche en analyse de données, Innovation et développement, Lactanet

Depuis février 2020, le profil d’acide gras du lait de réservoir est disponible pour les producteurs de lait du Québec. Jetons un coup d’oeil sur ce qui s’en vient…

Le profil en acides gras du réservoir s’est avéré très utile pour plusieurs producteurs afin d’optimiser l’alimentation et la régie du troupeau, ou pour mieux comprendre le métabolisme des vaches et les performances. Notre compréhension de ce nouvel indicateur sera de plus en plus précise avec l’utilisation, et il deviendra sans aucun doute très intéressant d’utiliser le profil d’acides gras pour prévoir un changement dans les composants, avant que le gras ou la protéine changent.

À titre d’exemple, la Figure 2 présente le profil d’un troupeau à l’été 2019, où on remarque les changements importants quant au profil d’acides gras en juillet et aout. Le premier changement en début juillet est dû à une mobilisation de réserves corporelles après un bris d’équipement lié à l’alimentation. Le deuxième changement, qui survient le 5 aout, a un impact majeur sur le profil d’acides gras, mais sans influencer le gras et la protéine. Un peu plus tard, en aout, la même ampleur de changement que celui de juillet, mais cette fois-ci pour une durée plus prolongée, amène un chamboulement des composants et une chute du taux de protéine, qui prendra plusieurs semaines à se rétablir. Est-ce que PROFILab nous aurait permis d’éviter cette chute? Possiblement, ou du moins l’atténuer.
FIGURE 2 : EXEMPLE D’ALERTES EN COURS DE DÉVELOPPEMENT, LIÉES À DES CHANGEMENTS DANS LE PROFIL D’ACIDES GRAS

Dans les projets très prochains : émettre une alerte quand le profil d’acides gras change, pour permettre au producteur et ses intervenants de réagir plus rapidement et prévenir ces impacts désastreux, en utilisant aussi de nouvelles et puissantes techniques analytiques, comme l’apprentissage automatique. 

Également dans la mire : prédire l’efficience alimentaire et la production de méthane des vaches en lactation, et identifier les biomarqueurs confirmant les troupeaux de vaches nourries à l’herbe. À suivre… 

À lire aussi : 

7