Thèse Comprendre le Bienêtre et Santé des Veaux en Élevage Commercial Grâce aux Approches Numériques Comportements Acoustique et Capteurs Physiologiques H/F - Doctorat.Gouv.Fr

Établissement : Institut National Polytechnique de Toulouse
École doctorale : SEVAB - Sciences Ecologiques, Vétérinaires, Agronomiques et Bioingenieries
Laboratoire de recherche : IHAP - Laboratoire Interactions Hôtes-Agents Pathogènes
Direction de la thèse : Nuria MACH ORCID 0000000280016314
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-31T23:59:59

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 bienêtre 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 bienêtre, 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 bienêtre, tout en réduisant l'usage des antibiotiques et en renforçant la durabilité environnementale et sanitaire des élevages bovins. Inscrit dans une étude longitudinale multipays 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.

Respiratory and digestive disorders, including the Bovine Respiratory and Digestive Complex (BRDC), are among the leading health challenges affecting calves worldwide. Beyond their clinical and economic impact, these conditions profoundly influence animal welfare, as they are associated with pain, discomfort, reduced vitality, impaired feeding behaviour, and long recovery periods. Yet, welfare consequences remain insufficiently documented, especially under real commercial conditions where animals face simultaneous infectious, nutritional, environmental, and social stressors.

Traditional research has focused primarily on pathogens or clinical symptoms, often overlooking how calves experience disease and how early behavioural or physiological changes may signal compromised welfare. At the same time, the emergence of the holobiont perspective-considering the animal and its microbiota as an integrated biological system-has revealed that respiratory and digestive microbiomes play key roles in immune development, stress responses, and resilience. Disturbances in these microbial ecosystems can exacerbate discomfort, alter feeding and resting patterns, and influence the animal's overall wellbeing.

However, most existing studies are conducted in controlled experimental settings that fail to capture the complexity of commercial farms, where microbial exposure, environmental pressures, and management practices interact continuously. To develop sustainable and ethically responsible production systems, it is now essential to understand how calves' welfare is affected by respiratory and digestive problems in realworld conditions, and how microbial, physiological, and behavioural indicators can be integrated to detect suffering or resilience early.

This thesis is embedded in a multicountry, multiinstitution longitudinal project following naturally infected calves. By combining microbiome profiling, clinical monitoring, and highresolution behavioural and physiological data, it aims to generate an integrated understanding of how respiratory and digestive disturbances shape welfare trajectories. This knowledge is crucial for designing earlywarning indicators, reducing antibiotic use, and promoting more sustainable and welfarerespectful cattle production systems.

1. Identify early, noninvasive indicators of calf welfare
Develop behavioural, acoustic, and physiological markers that reliably signal pain, discomfort, disease onset, or resilience in commercial farming conditions.

2. Analyse behavioural patterns associated with health and welfare trajectories
Use continuous behavioural monitoring (e.g., activity, posture, social interactions) to characterise how calves respond to respiratory and digestive challenges.

3. Develop AIbased acoustic models for welfare assessment
Process and classify microphone data-particularly coughs and distressrelated vocalisations-using machine learning to detect early signs of illness or compromised welfare.

4. Integrate digital sensor data into welfare phenotyping
Combine information from accelerometers, ruminal boluses, and other precision livestock farming tools to build multidimensional welfare profiles.

5. Link welfare indicators to sustainable production outcomes
Evaluate how early welfare signals relate to antibiotic use, growth performance, resilience, and overall sustainability of cattle production systems.

6. Contribute to decisionsupport tools for farmers
Translate research findings into practical, fieldready indicators that help farmers monitor welfare, intervene earlier, and improve the sustainability and ethical standards of their operations.

The project is anchored in a largescale, longitudinal field study conducted in an industrial farm in Lleida, Spain, which houses over 10,000 animals and offers exceptional infrastructure for scientific monitoring. With automated feeders, methanetracking systems, robust containment facilities for animals up to 700 kg, onsite laboratories, and secure sample storage, this environment enables continuous, highquality data collection under authentic commercial conditions. Such a setting provides the foundation for an integrated methodological framework that follows calves across their entire production cycle.

The first methodological pillar focuses on behavioral and welfare monitoring, combining continuous digital tracking with expertbased assessments. Automated sensors-including accelerometers and ruminal boluses-capture activity, rumination, and physiological patterns, while environmental microphones and AIdriven acoustic models detect coughs and vocal signatures linked to infection or emotional states. These realtime data streams are complemented by structured welfare evaluations such as Qualitative Behavioural Assessment, social interaction scoring, and behavioral tests. Together, they allow early identification of subtle deviations from speciestypical behavior that may signal systemic stress or the onset of respiratory or digestive disease.

Le/la candidat(e) idéal(e) possède une formation solide en sciences animales, biologie, éthologie ou disciplines associées, avec un intérêt marqué pour le bienêtre 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 bienêtre 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.