Gérer la variabilité des matières premières

Il est bien connu que les valeurs nutritionnelles peuvent varier considérablement d'un lot de matières premières (MP) à l'autre, même au sein d'une même famille ou variété végétale. Ces différences peuvent s'expliquer par la zone géographique où les cultures sont produites, les conditions météorologiques pendant la croissance et la récolte, ainsi que par les conditions de stockage et la variété utilisée. Les traitements post-récolte et les méthodes de transformation ont également une incidence sur la qualité et la valeur nutritionnelle de matières telles que les farines et les drêches de distillerie. Le défi pour les nutritionnistes et les formulateurs d'aliments pour animaux consiste à disposer d'un moyen fiable de surveiller et de contrôler la qualité des matières premières. Cela leur permet de les utiliser avec précision dans les formulations d'aliments, afin d'atteindre les objectifs de performance animale aussi efficacement que possible tout en limitant les coûts d'alimentation. De nouveaux outils permettent de relier les résultats de la réflectance dans le proche infrarouge (NIR) et les analyses de laboratoire à des logiciels de formulation afin de construire une matrice de matières premières plus précise, ainsi que de créer des formulations d'aliments précises et efficaces.

Toutes les données présentées dans cet article sont issues de l'écosystème NIR d'Adisseo, baptisé « Precise Nutrition Evaluation » (PNE).

Contexte

Traditionnellement, la caractérisation des matières premières s'effectue par des méthodes de chimie humide. Ces méthodes permettent d'analyser toute une série de paramètres, dont le nombre varie en fonction des besoins et, surtout, du budget disponible.

Bien que l'analyse chimique soit fiable et précise, elle présente certains inconvénients :

• Cela revient relativement cher lorsqu'il y a beaucoup d'échantillons et/ou de paramètres à analyser. Surtout si certains paramètres doivent être multipliés, par exemple pour calculer la teneur totale en acides aminés et/ou en phosphore, etc.
• Cela nécessite un temps d'analyse relativement long (de plusieurs jours à plusieurs semaines)
• Cela nécessite l'utilisation de réactifs et de matériel en quantités importantes

De nos jours, les outils d'analyse NIR sont facilement accessibles aux fabricants d'aliments pour animaux. Cette méthode est parfaitement adaptée pour compléter et soutenir les plans de contrôle qualité standard qui recourent à la chimie humide, car elle répond à plusieurs critères pour le nutritionniste :

• Une analyse rapide et précise : le résultat est disponible en quelques minutes
• De nombreuses possibilités d'analyse à un coût très faible
• Analyse non destructive – l'échantillon peut être réutilisé après l'analyse
• Peu de consommables et aucun réactif ne sont nécessaires – le coût réside dans l'investissement initial
• Simple et sûr à utiliser

L'un des avantages de l'analyse NIR réside dans le fait qu'il est possible d'effectuer, à partir d'un même spectre, des prévisions pour des analyses qui ne sont généralement pas demandées ou qui sont impossibles à réaliser par chimie humide. C'est le cas notamment de la digestibilité des acides aminés et de l'énergie, ou encore de la détermination du phosphore phytique. Cet aspect est particulièrement intéressant, car pour certaines matières premières, l'utilisation de valeurs tabulaires ou d'équations prédictives peut ne pas refléter la réalité.

Par exemple, il n'existe pas de bonne corrélation entre la teneur totale en lysine et la digestibilité de la lysine (coefficient SID) dans la farine de soja (SBM) ou les DDGS de maïs (cDDGS) (voir les deux graphiques ci-dessous). Cela signifie que l'estimation de la lysine digestible à partir de la teneur totale en lysine n'est pas très précise.

Données NIR d'Adisseo 2021-2022

Pour une farine de soja contenant 2,9 % de lysine totale, le coefficient de digestibilité peut varier de 75,6 % à 97,1 %.

En ce qui concerne le phosphore, il n'est pas possible de prédire la teneur en phosphore phytique à partir de la détermination du phosphore total, comme le montrent les graphiques ci-dessous (les coefficients R² sont très faibles). Il peut donc s'avérer difficile de déterminer la quantité de phosphore susceptible d'être libérée par une phytase.

Les graphiques ci-dessous montrent qu'il n'y a pas de corrélation.

Données NIR d'Adisseo 2021-2022

Les tableaux ci-dessous illustrent ces difficultés en présentant les variations observées dans différentes mesures de la teneur en lysine et en phosphore de la farine de soja (SBM) et des drêches de maïs (DDGS).

Données NIR d'Adisseo, 2021-2022

C'est pour ces raisons qu'Adisseo a développé son propre écosystème NIR, baptisé

Évaluation nutritionnelle précise (PNE). Ce système intègre des étalonnages fondés non seulement sur des analyses chimiques courantes, mais aussi sur des tests de digestibilité in vivo – réalisés sur des poulets de chair en croissance pour l'énergie et sur des coqs cécotomisés pour la digestibilité des acides aminés.

Passer à l'action

Une bonne caractérisation des matières premières utilisées pour élaborer les aliments pour animaux constitue la première étape du processus de formulation. Cependant, ce serait une erreur de se fier uniquement aux données fournies par les logiciels de formulation, sans en savoir davantage sur la qualité et la variabilité des matières premières utilisées.

Les valeurs des matières premières utilisées dans chaque programme de formulation d'aliments pour animaux peuvent être considérées comme une « boîte noire » : un élément confidentiel, mystérieux et crucial pour l'entreprise. Les formulations d'aliments pour animaux dépendent en grande partie de la base de données utilisée par le logiciel de formulation. La mise à jour de ces bases de données est une tâche difficile et chronophage pour le formulateur ou le nutritionniste. Il y aura de nombreux résultats d'analyses provenant de plusieurs laboratoires (analyses chimiques et NIR), qu'ils doivent transformer en valeurs nutritionnelles pouvant être utilisées pour formuler les aliments pour animaux. La fréquence et la manière dont ces bases de données sont mises à jour sont propres à chaque entreprise.

Adict – un outil qui relie les résultats de l'analyse PNE et des analyses de laboratoire à un logiciel de formulation d'aliments pour animaux

Pour aider ses clients, Adisseo a développé un nouvel outil – Adict, l'outil de calcul d'Adisseo – qui comble le fossé existant entre les résultats d'analyse et le programme de formulation. De manière très simple et très rapide, cet outil intègre les résultats d'analyse des clients et s'en sert pour créer une nouvelle matrice d'ingrédients, basée sur la qualité réelle des matières premières reçues par l'usine.

Toutes les valeurs nutritionnelles utilisées pour formuler les aliments pour animaux ne peuvent pas être analysées, et bon nombre d'entre elles doivent être calculées. L'outil intègre ces calculs pour chaque nutriment pour lequel on ne dispose pas de résultats d'analyse, en utilisant les équations du système Feedipedia (https://www.feedipedia.org/). Lorsqu'un paramètre inclus dans l'équation est analysé par un laboratoire, l'outil intègre cette valeur analysée dans l'équation pour calculer la valeur nutritionnelle. Ceci est très important car cela signifie que le calcul donne un résultat qui tient compte de la qualité réelle de l'ingrédient.

Adict se distingue par sa capacité à s'interfacer avec l'outil NIR d'Adisseo (PNE) : en quelques clics seulement, il permet d'importer les valeurs prédites par PNE. Si les clients ont l'habitude de classer les matières premières en fonction de leur origine ou de leur fournisseur, il est possible d'ajouter des filtres à la requête, ce qui leur permet de préciser quels résultats d'analyse importer, afin d'obtenir une matrice plus précise et plus fiable.

L'image ci-dessous résume le processus global

PNE + Adict : la solution d'Adisseo pour optimiser les coûts d'alimentation et maintenir les performances des animaux

Dans un contexte d'offre très restreinte et de prix élevés à l'échelle mondiale, le suivi précis des caractéristiques des matières premières réceptionnées à l'usine d'aliments pour animaux est devenu une nécessité plutôt qu'une simple option. Une caractérisation précise des matières premières disponibles à l'usine nécessite un suivi détaillé des marges de sécurité nutritionnelles afin d'atteindre les objectifs de croissance animale tout en réalisant des économies sur les coûts d'alimentation. Dans cet exemple concret, un nutritionniste souhaite estimer une marge de sécurité pour les acides aminés (lysine, méthionine, thréonine, tryptophane et valine) dans un régime alimentaire à base de maïs, de farine de tourteau de soja (SBM) et de cDDGS. Le maïs est d'origine argentine, le soja d'origine brésilienne et les DDGS d'origine nord-américaine. Les tableaux et graphiques ci-dessous montrent la variabilité de ces matières premières sur la période 2021-2022. (Données PNE)

Maïs	Lysine   Creuse.	Méthionine   Creuse.	Cystine   Creuse.	M+C   Creuse.	Thréonine   Creuse.	tryptophane   Creuse.	Valine   Creuse.
N	21.588	21.588	21.588	21.588	21.588	21.588	21.585
Moyenne	0.19	0.15	0.13	0.28	0.22	0.06	0.32
Min	0.14	0.12	0.10	0.22	0.15	0.04	0.25
1er quartile	0.18	0.14	0.13	0.27	0.21	0.06	0.31
Médiane	0.19	0.15	0.13	0.28	0.22	0.06	0.32
3e quartile	0.20	0.15	0.14	0.29	0.23	0.06	0.32
Max	0.28	0.20	0.21	0.40	0.31	0.11	0.49
SD	0.01	0.01	0.01	0.02	0.02	0.00	0.02
CV %	5.7	4.6	7.6	5.5	7.1	7.9	5.6

À partir de ces informations, trois scénarios différents concernant les matières premières ont été élaborés dans le programme de formulation des aliments pour animaux :

Scénario 1: Valeurs de la médiane utilisées pour les acides aminés digestibles du maïs, des cDDGS et de la farine de tourteau de soja
Scénario 2: Valeurs du premier quartile utilisées pour les acides aminés digestibles du maïs, des cDDGS et de la farine de tourteau de soja
Scénario 3: Valeurs du troisième quartile utilisées pour les acides aminés digestibles du maïs, des cDDGS et de la farine de tourteau de soja

Une formulation destinée aux éleveurs de poulets de chair a ensuite été optimisée en fonction des trois scénarios (tous les autres paramètres – prix et disponibilité des matières premières, contraintes nutritionnelles – étant identiques) :

Dans tous ces scénarios, les contraintes nutritionnelles étaient identiques, l'objectif étant d'obtenir le même niveau de performance chez les poulets de chair. Cependant, l'utilisation d'ingrédients de différentes qualités a eu une incidence tant sur la composition des matières premières (MP) que sur le coût de l'alimentation.

D'une part, une différence dans le profil de digestibilité des acides aminés, qui pourrait être perçue comme faible ou négligeable, a un impact important sur la composition de la matière première et le coût de l'alimentation. Dans le cas du scénario 2, un profil de digestibilité des acides aminés plus faible nécessite une utilisation plus importante d'acides aminés synthétiques dans le régime alimentaire (environ +10 à 15 %), et parfois l'ajout d'acides aminés supplémentaires est nécessaire (pour la L-valine dans cet exemple). Les modifications apportées à l'incorporation des macro-ingrédients (maïs, cDDGS, tourteau de soja, etc.) ne sont pas si importantes ; cependant, prises dans leur ensemble, toutes ces adaptations ont un effet considérable sur le coût de l'alimentation.

D'autre part, lorsque le profil en acides aminés digestibles est meilleur, cela permet de réaliser des économies, et la composition des matières premières est adaptée pour répondre aux contraintes nutritionnelles de l'aliment. Dans le scénario 3, on utilise des quantités d'acides aminés synthétiques moins importantes que dans le scénario 1, car les matières premières elles-mêmes en apportent une plus grande quantité.

Une autre façon d'illustrer l'impact des différents scénarios sur les valeurs nutritionnelles des aliments pour animaux consiste à calculer quelles seraient ces valeurs si la composition était optimisée à partir des valeurs médianes, mais que les valeurs des matières premières étaient modifiées.

Dans le tableau ci-dessous, les valeurs attendues pour l'alimentation optimisée selon le scénario 1 sont surlignées en bleu.

Lorsque la composition en matières premières reste inchangée, mais que l'on utilise les valeurs du premier quartile, la teneur finale en acides aminés digestibles de l'aliment s'avère inférieure aux prévisions. Par exemple, on observe une perte de 2,1 % de lysine digestible (0,02 point), ce qui entraînera une baisse des performances des poulets de chair en élevage.

Lorsque l'on utilise les valeurs de RM du 3e quartile, certains nutriments sont « gaspillés », car la digestibilité finale des acides aminés est supérieure aux besoins nécessaires pour obtenir un rendement optimal chez les poulets de chair.

Conclusion

Les noms de produits et leur disponibilité peuvent varier selon les régions. Pour plus d’informations, veuillez contacter votre représentant local Adisseo.