Type de document : Revue scientifique publiée dans Animals
Auteur : Suresh Neethirajan
Résumé en français (traduction) : Reconnaissance des états affectifs chez les animaux d’élevage – Approches par l’intelligence artificielle
Les animaux d’élevage, dont le nombre dépasse 70 milliards dans le monde, sont de plus en plus élevés dans des exploitations intensives à grande échelle. Le public et les scientifiques étant de plus en plus conscients que les animaux d’élevage souffrent et présentent des états affectifs tels que la peur, la frustration et la détresse, il est urgent de mettre au point des méthodes efficaces et précises pour contrôler leur bien-être. À l’heure actuelle, il n’existe pas de « points de référence » scientifiquement validés pour quantifier les états émotionnels (affectifs) transitoires des animaux d’élevage, ni de mesures établies du bien-être, mais uniquement des indicateurs de mal-être, tels que les blessures, la douleur et la peur. Les approches conventionnelles de surveillance du bien-être du bétail prennent du temps, interrompent les processus d’élevage et impliquent des jugements subjectifs. Les données des capteurs biométriques, rendues possibles par l’intelligence artificielle, sont une solution intelligente émergente pour surveiller le bétail de manière non intrusive, mais leur potentiel pour quantifier les états affectifs et les solutions innovantes pour leur application doivent encore être réalisés. Cette revue présente des méthodes innovantes de collecte de données sur les émotions des animaux de ferme, qui peuvent être utilisées pour entraîner des modèles d’intelligence artificielle afin de classer, quantifier et prédire les états affectifs des porcs et des vaches. En étendant cela au niveau du groupe, l’analyse des réseaux sociaux peut être appliquée pour modéliser la dynamique et la contagion émotionnelle entre les animaux. Enfin, les « jumeaux numériques » d’animaux capables de simuler et de prévoir leurs états affectifs et leur comportement en temps réel sont une possibilité à court terme.
Résumé en anglais (original) : Farm animals, numbering over 70 billion worldwide, are increasingly managed in large-scale, intensive farms. With both public awareness and scientific evidence growing that farm animals experience suffering, as well as affective states such as fear, frustration and distress, there is an urgent need to develop efficient and accurate methods for monitoring their welfare. At present, there are not scientifically validated ‘benchmarks’ for quantifying transient emotional (affective) states in farm animals, and no established measures of good welfare, only indicators of poor welfare, such as injury, pain and fear. Conventional approaches to monitoring livestock welfare are time-consuming, interrupt farming processes and involve subjective judgments. Biometric sensor data enabled by artificial intelligence is an emerging smart solution to unobtrusively monitoring livestock, but its potential for quantifying affective states and ground-breaking solutions in their application are yet to be realized. This review provides innovative methods for collecting big data on farm animal emotions, which can be used to train artificial intelligence models to classify, quantify and predict affective states in individual pigs and cows. Extending this to the group level, social network analysis can be applied to model emotional dynamics and contagion among animals. Finally, ‘digital twins’ of animals capable of simulating and predicting their affective states and behaviour in real time are a near-term possibility.
