Jeu de données Tjotta d’accéléromètres pour la surveillance de la mise bas

Pourquoi l’heure de la naissance compte à la ferme

Pour les éleveurs de moutons, les heures auxquelles naissent les agneaux peuvent faire la différence entre des animaux en bonne santé et des pertes déchirantes. Pour autant, surveiller chaque brebis en permanence est presque impossible, surtout dans les grandes exploitations où la main‑d’œuvre vieillit. Cette étude présente un nouveau jeu de données riche provenant d’étables norvégiennes qui capture les micro‑mouvements des brebis gestantes à l’aide de capteurs de mouvement montés sur collier, offrant une voie vers des alertes automatisées lorsque la mise bas approche.

Des inquiétudes liées à la mise bas à la surveillance intelligente

Les moutons en Norvège et au Portugal mettent généralement bas une fois par an, lors de saisons étroitement planifiées qui coïncident avec la pousse des pâturages et la demande saisonnière en viande. Malgré ce calendrier soigné, de nombreux agneaux meurent encore avant d’atteindre le pâturage, souvent parce que des complications lors de la naissance ne sont pas repérées assez vite. Les éleveurs savent qu’intervenir au bon moment peut sauver l’agneau et sa mère, mais une surveillance constante jour et nuit est éreintante et coûteuse. Les auteurs soutiennent que de simples dispositifs portables, déjà utilisés dans d’autres espèces d’élevage, pourraient aider à combler cette lacune pour les moutons en signalant lorsque le comportement d’une brebis adopte les schémas qui précèdent la mise bas.

Comment colliers et caméras ont observé les brebis

Pour constituer une base fiable pour de tels outils, l’équipe a surveillé étroitement 61 brebis principalement de race Norwegian White dans une ferme expérimentale du nord de la Norvège. Chaque brebis portait un collier robuste contenant un petit capteur de mouvement qui mesurait les déplacements selon trois axes et enregistrait aussi la température 20 fois par seconde. Les animaux vivaient dans des cases individuelles avec nourriture, eau et sol standards, et étaient déplacés dans l’aire expérimentale environ une semaine avant la date prévue de mise bas. Parallèlement, une passerelle fixée au plafond récupérait les données des colliers et les envoyait sur Internet, tandis que plusieurs caméras vidéo enregistraient en continu chaque case afin de fournir un registre exact de chaque naissance.

Transformer la vie à l’étable en données exploitables

En l’espace d’un mois seulement, de la fin avril à la fin mai 2024, le système a capturé plus de cinquante millions d’enregistrements bruts issus des colliers pendant que les brebis vaquaient à leurs activités quotidiennes et mettaient au monde 113 agneaux. Après élimination des entrées incomplètes et des pannes évidentes des capteurs, le jeu de données final contenait près d’un milliard de mesures haute fréquence liées à des animaux individuels et à des événements de mise bas précis. Les chercheurs ont organisé les fichiers par boucle d’oreille et par collier, et ajouté des tableaux avec des informations de contexte telles que l’âge de chaque brebis, son historique de mises bas, la taille de la portée et si une assistance a été nécessaire lors de la naissance. Des notes manuscrites du personnel expérimenté et des vidéos relues attentivement ont été utilisées ensemble pour déterminer l’heure exacte de chaque mise bas et pour vérifier la qualité des enregistrements.

Ce que révèlent les motifs de mouvement

Des exemples de tracés pour une brebis montrent comment les mouvements verticals, latéraux et avant‑arrière captés par le capteur évoluent à l’approche de la mise bas. Des histogrammes des données illustrent la fréquence des différentes intensités de mouvement, tandis que des séries temporelles affichent des pics d’activité et des périodes plus calmes sur des heures et des jours. Les auteurs expliquent que les fréquents va‑et‑vient entre la station debout et la position couchée, longtemps reconnus par les éleveurs comme un signe que la mise bas est proche, sont clairement visibles dans ces traces de mouvement. Ils discutent aussi de questions pratiques, comme des colliers parfois mis à l’envers et corrigés ensuite par de simples ajustements mathématiques, ainsi que des défis statistiques tels que le déséquilibre entre types de comportements que les futurs concepteurs de modèles devront gérer.

Forces, limites et usages futurs

Parce que les enregistrements ont été faits en intérieur, dans des conditions d’étable contrôlées, le jeu de données ne reflète pas complètement le comportement des moutons en pâturage ouvert, où ils se déplacent davantage, paissent librement et réagissent aux prédateurs et aux conditions météorologiques. Les différences de race, d’âge et de gabarit influent aussi sur l’amplitude des mouvements, ce qui signifie que les modèles informatiques devront tenir compte de ces facteurs pour éviter de confondre de «lents» avec des animaux en détresse. Néanmoins, les auteurs insistent sur le fait que les données restent volontairement non poliées : aucun outlier n’a été supprimé au‑delà des enregistrements manifestement défaillants, et les valeurs manquantes n’ont pas été imputées, conservant ainsi une vision réaliste de ce que produisent des capteurs agricoles en conditions réelles.

Ce que cela signifie pour l’élevage de tous les jours

Pour les non‑spécialistes, l’idée principale est que ce travail n’offre pas encore une «alerte de mise bas» prête à l’emploi, mais plutôt la matière première nécessaire pour en construire une. En partageant un jeu de données ouvert, soigneusement documenté et liant des enregistrements de mouvement détaillés à des temps de mise bas confirmés, les chercheurs fournissent aux ingénieurs, data scientists et experts du bien‑être animal un point de départ commun pour concevoir et tester des algorithmes. Avec le temps, de tels outils pourraient surveiller discrètement les brebis gestantes via de simples colliers, n’alerter les éleveurs que lorsque la naissance commence à mal se dérouler. Cela pourrait sauver des agneaux et leurs mères, réduire le stress et la charge de travail des éleveurs, et rendre la mise bas saisonnière un peu moins vigilante toute la nuit.

Citation: Goncalves, P., Nyamuryekung’e, S., Corrente, G. et al. Tjotta accelerometer monitored lambing dataset. Sci Data 13, 426 (2026). https://doi.org/10.1038/s41597-026-06660-2

Mots-clés: bien‑être des moutons, capteurs portables, détection de la mise bas, élevage de précision, données d’accéléromètre