Lorsqu'un troupeau comporte plusieurs milliers de tètes, il n'est pas toujours facile de pouvoir suivre médicalement chaque bête afin de déceler des maladies qui peuvent non seulement causer la mort de l'animal, mais aussi contaminer ses pairs.

Aider les éleveurs à surveiller leur bétail

Ilan Arbel, entrepreneur israélien et mathématicien de formation, apprend un jour que le rendement des éleveurs de bétail est généralement très faible, parce que de nombreux veaux ne survivent pas après leur première année.

 La raison ? Il est presque impossible pour les éleveurs de grandes exploitations de surveiller l'état de santé de chaque animal et d'intervenir lorsqu'ils tombent malades. 

Ilan Arbel, entrepreneur israélien et mathématicien de formation, s'est donc entouré d'autres scientifiques (mathématiciens, informaticiens, vétérinaires, etc.), dans le cadre de la start-up CattleSense, fondée pour l'occasion, afin de développer un dispositif qui résoudrait ce problème.

Le taux de survie des veaux passe de 50 à 80%

Après plusieurs années de recherche, l'équipe de CattleSense a créé un collier qui incorpore GPS, accéléromètre et gyroscope. Le principe ? Le collier récolte des informations sur l'état de santé des bêtes et les envoie via une connexion satellite à un ordinateur qui les traite. 

C'est là que les mathématiques entrent en jeu. Toutes les données sont analysées et comparées via des algorithmes statistiques à des données correspondant à un animal sain. Il est ainsi plus facile de détecter des anomalies (contaminations, infections, etc.). 

L'algorithme en question fait intervenir analyse spectrale temps/fréquence (décomposition de Fourier, ondelettes), et apprentissage automatique (machine learning) type réseau neuronal, qui consiste à entraîner un ordinateur à reconnaître certaines structures dans des données.

Ce procédé s'est avéré réellement performant, puisqu'il a permis d'accroître le taux de survie des veaux, passant de 50% à 80%. La société CattleSens recherche des partenaires en France pour s'implanter dans le paysage agricole français.