Comprendre le bien‑être et santé des veaux en élevage commercial grâce aux approches numériques : comportements, acoustique et capteurs physiologiques // Understanding Calf Health and Welfare in Commercial Farms Through Digital Approaches: Behaviour, Acou

Ce projet de thèse vise à améliorer la durabilité des systèmes d'élevage en développant des approches innovantes pour évaluer et protéger la santé et le bien‑être des veaux dans des conditions commerciales réelles. En mobilisant les outils du digital farming, le doctorant analysera les comportements, les signaux acoustiques (notamment la toux via des modèles d'IA) et les données issues de capteurs physiologiques tels que les accéléromètres et les bolus ruminal.

L'objectif central est d'identifier des indicateurs précoces, non invasifs et fiables de la santé et du bien‑être, permettant de détecter la douleur, l'inconfort, la maladie ou au contraire la résilience. En reliant ces indicateurs aux trajectoires de santé observées sur le terrain, le projet contribuera à développer des stratégies de gestion plus respectueuses du bien‑être, tout en réduisant l'usage des antibiotiques et en renforçant la durabilité environnementale et sanitaire des élevages bovins. Inscrit dans une étude longitudinale multi‑pays sur des veaux naturellement infectés, ce travail permettra de capturer la complexité réelle des systèmes d'élevage et d'orienter des solutions concrètes pour une production plus responsable.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD project aims to enhance the sustainability of cattle production systems by developing innovative approaches to assess and protect calf health and welfare under real commercial conditions. Using precision livestock farming technologies, the student will analyse behavioural patterns, microphone‑based acoustic signals (including AI‑driven cough detection), and physiological sensor data such as accelerometers and ruminal boluses.

The core objective is to identify early, non‑invasive, and reliable health and welfare indicators that reveal pain, discomfort, disease, or resilience. By linking these indicators to real‑world health trajectories, the project will support the development of management strategies that are more welfare‑respectful, reduce antibiotic use, and strengthen the environmental and health sustainability of cattle farming. Embedded in a multi‑country longitudinal study on naturally infected calves, this work captures the true complexity of commercial systems and contributes to practical solutions for more responsible livestock production.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026
WEB : https://sanba.hub.inrae.fr/rubriques-verticales2/nos-actions/projets-exploratoires/neoglys-projet-exploratoire-2026-2027

Programmes de l'Union Européenne de financement de la recherche (ERC, ERASMUS)

Institut National Polytechnique de Toulouse

458 SEVAB - Sciences Ecologiques, Vétérinaires, Agronomiques et Bioingenieries

Le/la candidat(e) idéal(e) possède une formation solide en sciences animales, biologie, éthologie ou disciplines associées, avec un intérêt marqué pour le bien‑être animal et les approches innovantes d'élevage numérique. Curieux(se), rigoureux(se) et capable de travailler dans des environnements expérimentaux comme en élevage commercial, il/elle apprécie l'analyse de données complexes et l'intégration de méthodes multidisciplinaires (comportement, acoustique, capteurs physiologiques, santé). Une sensibilité aux enjeux de durabilité et d'éthique en production animale est essentielle, ainsi qu'une capacité à collaborer au sein d'un consortium international. Solides connaissances en bien‑être animal, éthologie, physiologie ou santé des ruminants. Expérience ou intérêt pour les technologies d'élevage numérique (accéléromètres, bolus ruminal, microphones). Compétences en analyse de données, statistiques, ou modélisation (R, Python, ou équivalent). Capacité à travailler avec des données comportementales et acoustiques. Compréhension des approches multidisciplinaires (santé, microbiote, comportement, environnement). Aptitude au travail en équipe internationale et à la communication scientifique (écrit/oral). Autonomie, sens critique, organisation et motivation pour mener un suivi longitudinal en élevage. Maîtrise de l'anglais scientifique.
The ideal candidate has a strong background in animal science, biology, ethology, or related fields, with a clear interest in animal welfare and innovative digital farming approaches. Curious, rigorous, and comfortable working both in controlled research settings and commercial farms, the candidate enjoys analysing complex datasets and integrating multidisciplinary perspectives (behaviour, acoustics, physiological sensors, health). A genuine motivation for sustainability and ethical livestock production is essential, along with the ability to collaborate within an international consortium. Strong knowledge of animal welfare, ethology, physiology, or ruminant health. Experience or interest in precision livestock technologies (accelerometers, ruminal boluses, microphones). Skills in data analysis, statistics, or modelling (R, Python, or similar). Ability to work with behavioural and acoustic datasets. Understanding of multidisciplinary approaches (health, microbiota, behaviour, environment). Strong teamwork and communication skills within an international research environment. Autonomy, critical thinking, organisational skills, and motivation for longitudinal fieldwork. Proficiency in scientific English.