Type de document : synthèse scientifique publiée dans Biological Reviews
Auteurs : Montalcini, C.M., Driver, C.C. and Mendl, M.T.
Résumé en français (traduction) : Pertinence des rétroactions entre l’état et le comportement pour le bien-être des animaux
Le comportement et l’état d’un animal, y compris sa santé et son état affectif, sont dynamiques et étroitement liés, s’influençant mutuellement au fil du temps. Bien qu’ils soient tous deux importants pour le bien-être de l’animal, leur dynamique a fait l’objet de peu de recherches dans le cadre des études sur le bien-être. Nous visons ici à (i) passer en revue les preuves de rétroactions entre l’état et le comportement qui pourraient avoir des conséquences bénéfiques ou néfastes pour le bien-être des animaux d’élevage ; (ii) proposer des moyens d’utiliser la compréhension de ces rétroactions pour améliorer le bien-être ; et (iii) fournir des conseils pratiques. Nous incluons comme variables d’état toutes les caractéristiques susceptibles d’influencer les coûts et les bénéfices des actions comportementales d’un animal, y compris les caractéristiques individuelles et les aspects de son environnement social. Nous trouvons des preuves de l’existence de boucles de rétroaction positives entre l’état et le comportement chez diverses espèces de bétail, ce qui suggère que ces boucles pourraient être courantes dans les exploitations agricoles et avoir des implications importantes en termes de bien-être, notamment en entraînant des comportements anormaux et des états affectifs négatifs persistants. Nous suggérons (i) d’estimer les boucles de rétroaction intra-individuelles afin d’extraire les caractéristiques individuelles permettant d’étudier les différences de bien-être ; (ii) d’identifier les scénarios dans lesquels le changement accéléré par les rétroactions positives pousse un animal (ou un groupe d’animaux) vers un nouvel état, également appelé point de basculement ; et (iii) de générer des boucles de rétroaction positives afin de susciter et de maintenir des états affectifs positifs. Nous terminons en encourageant l’utilisation de modèles dynamiques qui intègrent des données longitudinales sur le comportement et l’état des animaux afin de permettre l’exploration de leur dynamique, et nous fournissons un guide pratique avec un code R annoté à l’appui. Étant donné que les principes et les idées discutés ici s’appliquent à tous les animaux sous la garde de l’homme, cette approche pourrait ouvrir de nouvelles perspectives pour améliorer le bien-être de tous les animaux en captivité.
Résumé en anglais (original) : An animal’s behaviour and its state, including its health and affective state, are dynamic and tightly coupled, influencing each other over time. Although both are relevant to the animal’s welfare, there has been limited research on their dynamics in welfare studies. Here we aim to: (i) review evidence for feedbacks between state and behaviour that could have beneficial or detrimental consequences for farm animal welfare; (ii) propose ways in which an understanding of such feedbacks could be used to enhance welfare; and (iii) provide practical guidance. We include as state variables any features that could influence the costs and benefits of an animal’s behavioural actions, including individual characteristics and aspects of its social environment. We find evidence supporting positive state–behaviour feedback loops in various livestock species, suggesting that these loops could be common in farm settings and have significant welfare implications, such as leading to abnormal behaviours and persistent negative affective states. We suggest (i) estimating within-individual feedback loops to extract individual characteristics for studying differences in welfare; (ii) identifying scenarios where change accelerated by positive feedbacks pushes an animal (or a group of animals) to a new state, also called tipping points; and (iii) generating positive feedback loops to elicit and maintain positive affective states. We end by encouraging use of dynamic models that integrate longitudinal data on animals’ behaviour and state to enable exploration of their dynamics, and we provide a practical guide with annotated R code for support. Since the principles and ideas discussed here are relevant to any animals under human care, this approach could foster new perspectives for improving the welfare of all captive animals.
