Il est bien connu qu'il peut y avoir des variations significatives des valeurs nutritionnelles entre les lots de matières premières (MR), même au sein d'une même famille/variété de plantes. Ces différences peuvent être dues à la zone géographique où sont cultivées les plantes, aux conditions météorologiques pendant la croissance et la récolte, ainsi qu'aux conditions de stockage et à la variété utilisée. Le traitement post-récolte et les méthodes de transformation ont également un impact sur la qualité et la valeur nutritionnelle des matières premières telles que les farines et les drêches de distillerie. Le défi pour les nutritionnistes et les formulateurs d'aliments pour animaux est de disposer d'un moyen fiable de surveiller et de contrôler la qualité des matières premières. Ainsi, elles peuvent être utilisées avec précision dans les formulations d'aliments, ce qui permet d'atteindre les objectifs de performance des animaux de la manière la plus efficace possible en limitant les coûts d'alimentation. De nouveaux outils permettent de relier la réflectance proche infrarouge (NIR) et les résultats de laboratoire à un logiciel de formulation afin de construire une matrice de matières premières plus précise et de créer des formulations d'aliments pour animaux précises et efficaces.
Toutes les données présentées dans cet article sont extraites de l'écosystème NIR d'Adisseo appelé Precise Nutrition Evaluation (PNE).
Traditionnellement, la caractérisation des matières premières est réalisée par chimie humide. Ces méthodes peuvent être appliquées à une série de paramètres, avec plus ou moins d'essais, en fonction des besoins et, surtout, du budget.
Bien que l'analyse chimique soit fiable et précise, elle présente certains inconvénients :
Aujourd'hui, les outils d'analyse NIR sont facilement accessibles aux usines d'aliments pour animaux. Cette méthode est parfaitement adaptée pour compléter et soutenir les plans de contrôle de qualité standard qui utilisent la chimie humide, car elle permet de cocher plusieurs cases pour le nutritionniste :
Un des avantages de l'analyse NIR est qu'il est possible de réaliser des prédictions, sur le même spectre, pour des analyses peu demandées ou impossibles à réaliser en chimie humide. C'est le cas de la digestibilité des acides aminés et de l'énergie, ou de la détermination du phosphore phytique. Cet aspect est particulièrement intéressant, car pour certaines matières premières, l'utilisation de valeurs de tables ou d'équations prédictives peut ne pas représenter la réalité.
Par exemple, il n'y a pas de bonne corrélation entre la lysine totale 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 lysine totale n'est pas très précise.
Données NIR d'Adisseo 2021-2022
Pour un tourteau de soja à 2,9 de lysine totale, le coefficient de digestibilité peut varier de 75,6% à 97,1%.
Pour 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 R² sont très faibles). Ainsi, la détermination du potentiel de phosphore libéré par une phytase peut s'avérer difficile.
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 montrant la variation de différentes mesures de la lysine et du phosphore dans la farine de soja (SBM) et les DDGS de maïs.
SBM 46 | Lysine totale (g/100g) | SID Lysine (%) | Lysine digestible (g/100g) | P total (g/100g) | P phytique (g/100g) |
---|---|---|---|---|---|
N | 97,498 | 97,498 | 97,498 | 95,202 | 95,202 |
Moyenne | 2.92 | 86.17 | 2.52 | 0.63 | 0.43 |
SD | 0.08 | 2.55 | 0.11 | 0.05 | 0.04 |
CV % | 2.7 | 3.0 | 4.3 | 8.5 | 10.4 |
Maïs DDGS | Lysine totale (g/100g) | SID Lysine (%) | Lysine digestible (g/100g) | P total (g/100g) | P phytique (g/100g) |
---|---|---|---|---|---|
N | 11,667 | 11,667 | 11,667 | 11,246 | 11,246 |
Moyenne | 0.83 | 66.92 | 0.56 | 0.82 | 0.33 |
SD | 0.06 | 7.86 | 0.10 | 0.06 | 0.08 |
CV % | 7.7 | 11.7 | 17.5 | 7.6 | 23.8 |
Données NIR d'Adisseo, 2021-2022
Pour ces raisons, Adisseo a développé son propre écosystème NIR appelé
Évaluation précise de la nutrition (PNE). Le système intègre des étalonnages basés non seulement sur des analyses chimiques courantes, mais aussi sur des tests de digestibilité in vivo - sur des poulets de chair en croissance pour l'énergie et sur des coqs cætomisés pour la digestibilité des acides aminés.
Une bonne caractérisation des matières premières utilisées pour formuler les aliments pour animaux constitue la première étape du processus de formulation des aliments pour animaux. Cependant, c'est une erreur de se fier uniquement aux données des logiciels de formulation d'aliments pour animaux, sans en savoir plus 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 définies comme une "boîte noire" : quelque chose de confidentiel, de mystérieux et de crucial pour l'entreprise. Les formulations d'aliments pour animaux dépendent largement 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 fastidieuse pour le formulateur ou le nutritionniste. Il y aura de nombreux résultats analytiques provenant de multiples laboratoires (chimiques & NIR), qu'ils doivent transformer en valeurs nutritionnelles pouvant être utilisées pour formuler des aliments pour animaux. La fréquence et le mode de mise à jour de ces bases de données sont propres à chaque entreprise.
Pour aider ses clients, Adisseo a développé un nouvel outil - Adict, l'outil de calcul Adisseo - qui comble le fossé existant entre les résultats analytiques et le programme de formulation. Très facilement et très rapidement, l'outil intègre les résultats analytiques des clients et les utilise pour créer une nouvelle matrice d'ingrédients, basée sur la qualité réelle des matières premières reçues par l'usine.
Toutes les valeurs nutritives utilisées pour formuler les aliments ne peuvent pas être analysées et nombre d'entre elles doivent être calculées. L'outil inclut ces calculs pour chaque nutriment sans résultats analytiques, en utilisant les équations du système Feedipedia (https://www.feedipedia.org/). Lorsqu'un paramètre inclus dans l'équation est analysé par un laboratoire, il incorpore cette valeur analysée dans l'équation pour calculer la valeur nutritive. Ceci est très important car cela signifie que le calcul donne un résultat qui tient compte de la qualité réelle de l'ingrédient.
Adict est unique en ce sens qu'il peut être relié à l'outil NIR d'Adisseo (PNE) - en quelques clics, il est capable d'importer les valeurs prédites par PNE. Si les clients ont l'habitude de distinguer les matières premières en fonction de leur origine ou de leur fournisseur, il est possible d'ajouter des filtres à la demande, ce qui leur permet de spécifier les résultats analytiques à importer, afin d'obtenir une matrice plus précise et plus exacte.
L'image ci-dessous résume le processus global
Dans le contexte d'une offre et de prix très serrés au niveau mondial, le contrôle précis des caractéristiques des matières premières reçues par les usines d'aliments pour animaux est devenu une nécessité plutôt qu'une option. La 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 des animaux tout en réalisant des économies sur les coûts des aliments. 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 à base de maïs - SBM - 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
Dig. | Méthionine
Dig. | Cystine
Dig. | M+C
Dig. | Thréonine
Dig. | Tryptophane
Dig. | Valine
Dig. |
---|---|---|---|---|---|---|---|
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 |
Quartile 1 | 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 |
Quartile 3 | 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 |
SBM | Lysine
Dig. | Méthionine
Dig. | Cystine
Dig. | M+C
Dig. | Thréonine
Dig. | Tryptophane
Dig. | Valine
Dig. |
---|---|---|---|---|---|---|---|
N | 32.918 | 32.918 | 32.918 | 32.918 | 32.918 | 32.918 | 32.918 |
Moyenne | 2.54 | 0.57 | 0.52 | 1.09 | 1.55 | 0.58 | 1.93 |
Min | 2.00 | 0.36 | 0.26 | 0.63 | 1.10 | 0.40 | 1.28 |
Quartile 1 | 2.48 | 0.55 | 0.50 | 1.05 | 1.52 | 0.56 | 1.89 |
Médiane | 2.54 | 0.56 | 0.52 | 1.08 | 1.55 | 0.57 | 1.94 |
Quartile 3 | 2.60 | 0.58 | 0.54 | 1.12 | 1.59 | 0.60 | 1.98 |
Max | 2.97 | 0.67 | 0.72 | 1.36 | 1.81 | 0.70 | 2.21 |
SD | 0.10 | 0.02 | 0.04 | 0.06 | 0.06 | 0.03 | 0.08 |
CV % | 3.8 | 4.1 | 7.5 | 5.2 | 3.6 | 5.7 | 4.0 |
cDDGS US (N=4252) | Lysine
Dig. | Méthionine
Dig. | Cystine
Dig. | M+C
Dig. | Thréonine
Dig. | Tryptophane
Dig. | Valine
Dig. |
---|---|---|---|---|---|---|---|
N | 4.317 | 4.244 | 4.312 | 4.244 | 4.020 | 4.310 | 4.314 |
Moyenne | 0.57 | 0.50 | 0.36 | 0.86 | 0.93 | 0.19 | 1.25 |
Min | 0.26 | 0.36 | 0.16 | 0.52 | 0.62 | 0.11 | 0.84 |
Quartile 1 | 0.51 | 0.47 | 0.32 | 0.80 | 0.86 | 0.18 | 1.17 |
Médiane | 0.57 | 0.50 | 0.36 | 0.86 | 0.93 | 0.19 | 1.24 |
Quartile 3 | 0.63 | 0.53 | 0.40 | 0.93 | 0.99 | 0.21 | 1.32 |
Max | 0.90 | 0.81 | 0.54 | 1.35 | 1.40 | 0.26 | 1.78 |
SD | 0.09 | 0.04 | 0.06 | 0.09 | 0.10 | 0.02 | 0.1 |
CV % | 15.9 | 8.2 | 15.3 | 10.2 | 10.3 | 11.6 | 9.0 |
À l'aide de ces informations, trois scénarios de matières premières différentes ont été créés dans le programme de formulation des aliments pour animaux :
Scénario 1 Valeurs de la médiane utilisées pour les acides aminés digestibles pour le maïs, cDDGS et SBM
Scénario 2 Valeurs du quartile 1 utilisées pour les acides aminés digestibles pour le maïs, cDDGS et SBM
Scénario 3 Valeurs du quartile 3 utilisées pour les acides aminés digestibles pour le maïs, cDDGS et SBM
Une formulation pour les producteurs de poulets de chair a ensuite été optimisée en fonction des trois scénarios (tous les autres paramètres - prix et disponibilités des matières premières, contraintes nutritionnelles - étaient les mêmes) :
Matières premières | Prix (€/t) | Scénario 1
(Médiane) | Scénario 2
(Quartile 1) | Scénario 3
(Quartile 3) |
---|---|---|---|---|
Maïs | 295 | 56.4 | 56.8 | 56.1 |
Farine de soja 48 | 605 | 30.7 | 30.8 | 30.5 |
Maïs DDGS | 435 | 5.6 | 4.9 | 6.2 |
Huile de soja | 1260 | 3.1 | 3.1 | 3.2 |
Phosphate monocalcique | 950 | 1.70 | 1.70 | 1.69 |
Carbonate de calcium | 70 | 0.92 | 0.92 | 0.92 |
Prémélange pour poulets de chair 0,5 | 500 | 0.50 | 0.50 | 0.50 |
Rhodimet® AT88 - Adisseo | 2112 | 0.34 | 0.37 | 0.32 |
L-Lysine HCL 98 | 1450 | 0.25 | 0.29 | 0.25 |
Sel | 100 | 0.24 | 0.23 | 0.22 |
AdiSodium (sulfate de sodium) | 350 | 0.13 | 0.15 | 0.12 |
L-Thréonine 98,5 | 1470 | 0.10 | 0.12 | 0.08 |
L-Valine 96,5 | 5500 | 0.02 | ||
Prix des aliments pour animaux (€/t) | 448.13 | 449.72 | 447.52 | |
Différence de coût par rapport à la moyenne dig aa profil (€/t) | 1.59 | -0.61 |
Nutriments | Unité | Valeur | Valeur | Valeur |
---|---|---|---|---|
Poids | % | 100 | 100 | 100 |
Matière sèche | % | 87.9 | 87.9 | 87.9 |
Humidité | % | 12.1 | 12.1 | 12.1 |
Protéines brutes | % | 20.5 | 20.5 | 20.5 |
Graisse brute | % | 6.3 | 6.2 | 6.4 |
Frêne | % | 5.8 | 5.8 | 5.9 |
Fibre brute | % | 3.5 | 3.5 | 3.5 |
Calcium total | % | 0.85 | 0.85 | 0.85 |
Av. Phosphore Volaille | % | 0.41 | 0.41 | 0.41 |
Sodium | % | 0.16 | 0.16 | 0.16 |
Potassium | % | 0.88 | 0.87 | 0.88 |
Chlore | % | 0.25 | 0.25 | 0.25 |
AMEn Poulets de chair (kcal) | Kcal/kg | 2900 | 2900 | 2900 |
Dig. lysine Volaille | % | 1.12 | 1.12 | 1.12 |
Dig. méthionine Volaille | % | 0.59 | 0.60 | 0.57 |
Dig. meth+cyst Volaille | % | 0.84 | 0.84 | 0.84 |
Dig. thréonine Volaille | % | 0.75 | 0.75 | 0.75 |
Dig. tryptophane Volaille | % | 0.22 | 0.22 | 0.23 |
Dig. valine Volaille | % | 0.85 | 0.84 | 0.87 |
Dans tous ces scénarios, les contraintes nutritionnelles étaient les mêmes pour atteindre le même niveau de performance des poulets de chair. Cependant, l'utilisation de différentes qualités d'ingrédients a eu un impact à la fois sur la composition de la matière première (MR) et sur le coût de l'alimentation.
D'une part, une différence dans le profil de digestibilité des acides aminés, qui peut être perçue comme faible ou négligeable, a un impact important sur la composition de la MR et le coût de l'aliment. 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 (environ +10/15%), et parfois l'utilisation d'acides aminés supplémentaires (pour la L-valine dans cet exemple). Les changements dans l'inclusion de macro-ingrédients (maïs, cDDGS, SBM, etc.) ne sont pas si importants ; cependant, ensemble, toutes ces adaptations ont un effet considérable sur le coût de l'alimentation.
D'autre part, lorsque le profil des acides aminés digestibles est meilleur, des économies sont réalisées et la composition des matières premières est adaptée pour répondre aux contraintes nutritionnelles de l'aliment. Dans le scénario 3, des niveaux plus faibles d'acides aminés synthétiques sont utilisés, par rapport au scénario 1, car les matières premières elles-mêmes contribuent à une plus grande quantité.
Une autre façon d'exprimer l'impact des différents scénarios sur les valeurs nutritionnelles des aliments pour animaux consiste à calculer quelles seraient les valeurs des aliments pour animaux si la composition était optimisée avec les valeurs médianes, mais que les valeurs des matières premières étaient modifiées.
Dans le tableau ci-dessous, les valeurs attendues des aliments optimisés avec le scénario 1 sont surlignées en bleu.
Lorsque la même composition de MR est conservée, mais avec l'utilisation des valeurs de MR du Quartile 1, la teneur finale en acides aminés digestibles de l'aliment est plus faible que prévu. Par exemple, 2,1 % de la lysine digestible (0,02 pt) est perdue, ce qui réduit les performances des poulets de chair sur le terrain.
Lorsque les valeurs du Quartile 3 RM sont utilisées, certains nutriments sont "gaspillés" car la digestibilité finale des acides aminés est supérieure à ce qui est nécessaire pour une performance optimale des poulets de chair.
Nutriments | Unité | Valeurs attendues | Avec des valeurs du quartile 1 | Avec des valeurs du quartile 3 | |||
---|---|---|---|---|---|---|---|
Valeurs d'alimentation | Taux d'évolution (%) | Valeurs d'alimentation | Taux d'évolution (%) | ||||
Dig. lysine Volaille | % | 1.12 | 1.10 | -2.1 | 1.15 | 2.4 | |
Dig. méthionine Volaille | % | 0.59 | 0.58 | -1.5 | 0.60 | 1.5 | |
Dig. meth+cyst Volaille | % | 0.84 | 0.82 | -2.4 | 0.86 | 2.4 | |
Dig. thréonine Volaille | % | 0.75 | 0.73 | -2.5 | 0.77 | 2.6 | |
Dig. tryptophane Volaille | % | 0.22 | 0.21 | -3.2 | 0.23 | 4.8 | |
Dig. valine Volaille | % | 0.84 | 0.82 | -3.0 | 0.86 | 2.5 |
La solution PNE+Adict d'Adisseo aide les formulateurs et les nutritionnistes à améliorer la formulation de leurs aliments, grâce à une meilleure connaissance de la qualité et de la variabilité des matières premières. Tous ces résultats renforcent la nécessité d'un processus de contrôle qualité approprié pour évaluer les véritables nutriments présents dans les différentes matières premières utilisées dans la formulation des aliments pour animaux. De plus, la recherche d'outils appropriés permettant d'utiliser simplement les résultats de l'information NIR dans la formulation quotidienne pourrait être un véritable atout pour gérer les coûts des aliments tout en préservant les performances des animaux.
PNE et Adict sont les outils d'Adisseo qui aident les nutritionnistes et les formulateurs à atteindre leurs objectifs.
Les noms de produits et leur disponibilité peuvent varier selon les régions. Pour plus d’informations, veuillez contacter votre représentant local Adisseo.
Veuillez saisir votre adresse électronique pour accéder à l'ensemble du contenu et au téléchargement en une seule fois.
Les noms de produits et leur disponibilité peuvent varier selon les régions. Pour plus d’informations, veuillez contacter votre représentant local Adisseo.
Vous êtes dans la région Europe