Méthodes d'apprentissage automatique informées par des modèles mécanistes pour la prévision des valeurs nutritionnelles et des performances animales en contextes variés

L'alimentation animale repose aujourd'hui sur des modèles mécanistes qui décrivent d'une part les valeurs nutritives des aliments et d'autre part, les processus biologiques de digestion, de métabolisme et de production. Bien que ces modèles constituent des références reconnues, leur capacité à prendre en compte la diversité croissante des ressources alimentaires, des caractéristiques des animaux, des pratiques d'élevage et des objectifs de durabilité demeure limitée. L'objectif de cette thèse est de développer de nouvelles approches d'apprentissage automatique informées par des modèles mécanistes afin d'améliorer l'estimation des valeurs nutritionnelles des aliments et la prédiction des performances animales dans des systèmes d'élevage variés. École doctorale : Sciences et Technologies de l'Information et de la Communication Direction : Vincent GUIGUE Financement : ANR