Description

Ce projet de thèse vise à améliorer la durabilité des systèmes d’élevage en développant des approches innovantes pour évaluer et protéger la santé et le bien‑être des veaux dans des conditions commerciales réelles. En mobilisant les outils du digital farming, le doctorant analysera les comportements, les signaux acoustiques (notamment la toux via des modèles d’IA) et les données issues de capteurs physiologiques tels que les accéléromètres et les bolus ruminal.

L’objectif central est d’identifier des indicateurs précoces, non invasifs et fiables de la santé et du bien‑être, permettant de détecter la douleur, l’inconfort, la maladie ou au contraire la résilience. En reliant ces indicateurs aux trajectoires de santé observées sur le terrain, le projet contribuera à développer des stratégies de gestion plus respectueuses du bien‑être, tout en réduisant l’usage des antibiotiques et en renforçant la durabilité environnementale et sanitaire des élevages bovins. Inscrit dans une étude longitudinale multi‑pays sur des veaux naturellement infectés, ce travail permettra de capturer la complexité réelle des systèmes d’élevage et d’orienter des solutions concrètes pour une production plus responsable.

Compétences requises

Le/la candidat(e) idéal(e) possède une formation solide en sciences animales, biologie, éthologie ou disciplines associées, avec un intérêt marqué pour le bien‑être animal et les approches innovantes d’élevage numérique. Curieux(se), rigoureux(se) et capable de travailler dans des environnements expérimentaux comme en élevage commercial, il/elle apprécie l’analyse de données complexes et l’intégration de méthodes multidisciplinaires (comportement, acoustique, capteurs physiologiques, santé). Une sensibilité aux enjeux de durabilité et d’éthique en production animale est essentielle, ainsi qu’une capacité à collaborer au sein d’un consortium international. Solides connaissances en bien‑être animal, éthologie, physiologie ou santé des ruminants. Expérience ou intérêt pour les technologies d’élevage numérique (accéléromètres, bolus ruminal, microphones). Compétences en analyse de données, statistiques, ou modélisation (R, Python, ou équivalent). Capacité à travailler avec des données comportementales et acoustiques. Compréhension des approches multidisciplinaires (santé, microbiote, comportement, environnement). Aptitude au travail en équipe internationale et à la communication scientifique (écrit/oral). Autonomie, sens critique, organisation et motivation pour mener un suivi longitudinal en élevage. Maîtrise de l’anglais scientifique.

Bibliographie

1. Mach N. The forecasting power of the mucin-microbiome interplay in livestock respiratory diseases. Veterinary Quarterly. 2024;44:1–18. https://doi.org/10.1080/01652176.2024.2340003.

2. Mach N, Baranowski E, Nouvel LX, Citti C. The Airway Pathobiome in Complex Respiratory Diseases: A Perspective in Domestic Animals. Front Cell Infect Microbiol. 2021;11. https://doi.org/10.3389/fcimb.2021.583600.

3. Enríquez DH, Ungerfeld R, Quintans G, Guidoni AL, Hötzel MJ. The effects of alternative weaning methods on behaviour in beef calves. Livest Sci. 2010;128:20–7. https://doi.org/10.1016/j.livsci.2009.10.007.

4. Meale SJ, Li S, Azevedo P, Derakhshani H, Plaizier JC, Khafipour E, et al. Development of Ruminal and Fecal Microbiomes Are Affected by Weaning But Not Weaning Strategy in Dairy Calves. Front Microbiol. 2016;7. https://doi.org/10.3389/fmicb.2016.00582.

5. Loberg JM, Hernandez CE, Thierfelder T, Jensen MB, Berg C, Lidfors L. Weaning and separation in two steps-A way to decrease stress in dairy calves suckled by foster cows. Appl Anim Behav Sci. 2008;111:222–34. https://doi.org/10.1016/j.applanim.2007.06.011.

6. Taylor JD, Fulton RW, Lehenbauer TW, Step DL, Confer AW. The epidemiology of bovine respiratory disease: What is the evidence for predisposing factors? Can Vet J. 2010;51:1095–102.

7. Timsit E, Workentine M, Schryvers AB, Holman DB, van der Meer F, Alexander TW. Evolution of the nasopharyngeal microbiota of beef cattle from weaning to 40 days after arrival at a feedlot. Vet Microbiol. 2016;187:75–81. https://doi.org/10.1016/j.vetmic.2016.03.020.

8. Gaudino M, Nagamine B, Ducatez MF, Meyer G. Understanding the mechanisms of viral and bacterial coinfections in bovine respiratory disease: a comprehensive literature review of experimental evidence. Vet Res. 2022;53:70. https://doi.org/10.1186/s13567-022-01086-1.

9. Salem E, Dhanasekaran V, Cassard H, Hause B, Maman S, Meyer G, et al. Global Transmission, Spatial Segregation, and Recombination Determine the Long-Term Evolution and Epidemiology of Bovine Coronaviruses. Viruses. 2020;12:534. https://doi.org/10.3390/v12050534.

10. Oliva J, Eichenbaum A, Belin J, Gaudino M, Guillotin J, Alzieu J-P, et al. Serological Evidence of Influenza D Virus Circulation Among Cattle and Small Ruminants in France. Viruses. 2019;11:516. https://doi.org/10.3390/v11060516.

11. Salem E, Hägglund S, Cassard H, Corre T, Näslund K, Foret C, et al. Pathogenesis, Host Innate Immune Response, and Aerosol Transmission of Influenza D Virus in Cattle. J Virol. 2019;93:e01853-18. https://doi.org/10.1128/jvi.01853-18.

12. Gaudino M, Chiapponi C, Moreno A, Zohari S, O’Donovan T, Quinless E, et al. Evolutionary and temporal dynamics of emerging influenza D virus in Europe (2009–22). Virus Evol. 2022;8. https://doi.org/10.1093/ve/veac081.

13. Lion A, Secula A, Rançon C, Boulesteix O, Pinard A, Deslis A, et al. Enhanced Pathogenesis Caused by Influenza D Virus and Mycoplasma bovis Coinfection in Calves: a Disease Severity Linked with Overexpression of IFN-γ as a Key Player of the Enhanced Innate Immune Response in Lungs. Microbiol Spectr. 2021;9. https://doi.org/10.1128/spectrum.01690-21.

14. Gaudino M, Lion A, Sagné E, Nagamine B, Oliva J, Terrier O, et al. The Activation of the RIG-I/MDA5 Signaling Pathway upon Influenza D Virus Infection Impairs the Pulmonary Proinflammatory Response Triggered by Mycoplasma bovis Superinfection. J Virol. 2023;97. https://doi.org/10.1128/jvi.01423-22.

15. Sencio V, Machado MG, Trottein F. The lung–gut axis during viral respiratory infections: the impact of gut dysbiosis on secondary disease outcomes. Mucosal Immunol. 2021;14:296–304. https://doi.org/10.1038/s41385-020-00361-8.

16. Cho Y, Yoon K-J. An overview of calf diarrhea - infectious etiology, diagnosis, and intervention. J Vet Sci. 2014;15:1. https://doi.org/10.4142/jvs.2014.15.1.1.

17. Baillou A, Tomal F, Chaumeil T, Barc C, Levern Y, Sausset A, et al. Characterization of intestinal mononuclear phagocyte subsets in young ruminants at homeostasis and during Cryptosporidium parvum infection. Front Immunol. 2024;15. https://doi.org/10.3389/fimmu.2024.1379798.

18. Budden KF, Gellatly SL, Wood DLA, Cooper MA, Morrison M, Hugenholtz P, et al. Emerging pathogenic links between microbiota and the gut-lung axis. Nat Rev Microbiol. 2017;15:55. https://doi.org/10.1038/nrmicro.2016.142.

19.Mach, N., Monié--Ibanes, M., Sikht, F. Z., Hygonenq, M.-C., Pot, G., Robert, H., Bars, D., Farizon, Y., Richard, E., Nouvel, X., Citti, C., Baranowski, E., Ducatez, M., & Meyer, G. (2025). Decoding the dynamics of calves’ respiratory and gut microbiota: exploring stability, resistance, and individual patterns. Animal Microbiome, 7(1), 126.

20. Pinillos, R. G., Appleby, M. C., Manteca, X., Scott‐Park, F., Smith, C., & Velarde, A. (2016). One Welfare – a platform for improving human and animal welfare. Veterinary Record, 179(16), 412–413. https://doi.org/10.1136/vr.i5470

21. Temple, D., Manteca, X., Velarde, A., & Dalmau, A. (2011). Assessment of animal welfare through behavioural parameters in Iberian pigs in intensive and extensive conditions. Applied Animal Behaviour Science, 131(1–2), 29–39. https://doi.org/10.1016/j.applanim.2011.01.013

Mots clés

Santé et Bien‑être animal , Veaux , Élevage numérique , Comportement , Acoustique, IA