nombre de départements qui ont ce motif en premier motif de saisie au sein du (des) département(s).
Tableau 5 : Nombre de départements en fonction du motif principal de saisie Premier motif de saisie du département Nombre de départements
concernés
Infiltration hémorragique 35
Abcès non spécifiques à localisation unique 11
Sclérose musculaire 11
Altérations et anomalies : souillures d'origine digestive 8
Arthrite unique 5
Infiltration séreuse du tissu conjonctif 5
Péritonite fibreuse 4
Abcès non spécifiques à localisations multiples 1
Arthrites multiples 1
Myosite éosinophilique 1
Tuberculose généralisée 1
Total général 83
C. Facteurs influençant le taux de saisies des gros bovins de 2016 à 2019 La variable explicative « année » n’était pas significativement associée au TGS (p-value > 0,1) d’après l’analyse statistique univariée. En revanche, les variables explicatives « statut de l’abattoir » (public/privé), « tonnage » (fort/moyen/faible), « type d’abattoir » (mono ou multi-espèces) et « département » étaient associés au TGS (p-value < 0,1). Le TGS était plus élevé dans les abattoirs mono-espèces (moyenne = 4,7 %) que dans les multi-espèces (3,5 %), dans les abattoirs privés (4,4 %) que dans les abattoirs publics (3,1 %) et dans les abattoirs de fort tonnage (4,8 %) que dans les abattoirs de moyen et de faible tonnage (respectivement 3,9 et 3,1 %).
L’analyse statistique bivariée a ensuite montré que toutes les variables explicatives testées (celles significativement associées au TGS) étaient corrélées deux à deux (statut, type, tonnage).
Cette corrélation n’a pas rendu possible la mise en place d’un modèle multivarié.
4. Discussion
L’objectif de cette première étude était d’explorer les données disponibles dans le système d’information SI2A et d’analyser les données d’inspection post mortem des gros bovins en abattoir de 2016 à 2019. Le premier objectif était de vérifier la pertinence et la fiabilité des données collectées, et d’évaluer les points forts et les limites à l’exploitation de ces données. Ce travail d’analyse devait également permettre d’identifier des tendances et d’éventuels facteurs influençant les taux et motifs de saisie en abattoir. À partir de ces résultats, cette étude devait aussi permettre d’identifier des pistes d’amélioration pour ce système d’information.
A. Discussion des données et de la méthode a. Forces et faiblesses des données disponibles
Les données sur lesquelles se fondent nos résultats présentent l’avantage de l’exhaustivité.
Les données SI2A utilisées couvrent quatre années et représentent la totalité des saisies réalisées sur les gros bovins dans l’ensemble des abattoirs de France métropolitaine. Ces données concernent plus de 600 000 bovins dans environ 200 établissements. Cette exhaustivité des données, rendue possible grâce à un système national de collecte, est très rare au sein d’études similaires à travers le monde. En effet, même si certaines études utilisent des pas de temps plus longs, les abattoirs considérés dans ces études ne représentent qu’un échantillon d’abattoirs,
souvent volontaires, au sein d’un territoire national. L’absence, a priori, de biais d’échantillonnage permet de considérer les résultats de cette étude comme exacts d’un point de vue statistique.
La fiabilité des données est de plus assurée car ce sont les SVI et donc des agents de l’Etat formés qui ont d’abord constaté les lésions sur les carcasses puis enregistré les saisies dans la base SI2A.
Cependant, ces données ont également des faiblesses qu’il convient d’évoquer. Tout d’abord, l’enregistrement des saisies est réalisé par un être humain ce qui est nécessairement générateur d’erreurs malgré une bonne implication des SVI dans cette saisie. Par exemple, des erreurs d’enregistrement du numéro d’identification de l’animal peuvent survenir et sont difficiles à contrôler a posteriori. Ce numéro d’identification n’a d’ailleurs pas été exploité pour l’analyse des données lors de ce travail. De plus, lors du nettoyage de la base de données SI2A nous avons identifié 3 449 lignes comportant des valeurs erronées ou aberrantes et 1 402 lignes présentant un doublon. Nous n’avons pas pris en compte dans notre analyse ces 4 851 lignes qui représentaient environ 0,3 % du total des lignes initiales. On appelle valeurs erronées ou aberrantes des valeurs que nous estimons impossibles comme par exemple : une saisie partielle ou totale de plus de 800 kg chez un gros bovin ou de plus de 300 kg chez un veau ou encore une saisie totale de moins de 100 kg chez un gros bovin ou de moins de 20 kg chez un veau.
De plus, les enregistrements des saisies ne sont parfois pas complètement harmonisés. En effet, on observe parfois une hétérogénéité des saisies d’un abattoir à l’autre. Par exemple, concernant le motif de saisie : « Altérations et anomalies : souillures d’origine digestive » on observe que 41 abattoirs n’ont jamais notifié de saisie pour ce motif au cours des quatre ans d’étude. Cela indique généralement que le SVI a pris l’habitude de ne pas enregistrer dans SI2A ces saisies, du fait qu’elles sont dans la plupart des cas à la charge de l’abatteur et non de l’éleveur et ne nécessitent donc pas d’émission d’un certificat de saisie.
Enfin, concernant les informations enregistrées dans le système SI2A, nous avons observé que certaines, pourtant capitales pour l’exploitation statistique et la valorisation des données, sont absentes. Ainsi, comme SI2A ne contient pas d’information sur les animaux pour lesquels aucune saisie n’a été réalisée, nous avons dû utiliser les données du système DIFFAGA afin de déterminer le nombre d’animaux dans la population de référence, qui sert de dénominateur à ce calcul.
Cependant, DIFFAGA n’étant pas une base de données de la DGAl, ces deux bases ne sont pas directement mises en lien et sont indépendamment renseignées. Ce système en « tuyau d’orgue » rend difficiles les mises en relation de bases de données différentes. La politique de collecte et de gestion des données au niveau du Ministère manque de transversalité et de communication. Dans le cas présent par exemple, la dénomination d’un même abattoir n’était pas harmonisée entre la base SI2A et la base DIFFAGA, obligeant à des vérifications et des corrections longues et fastidieuses.
Concernant la base de données DIFFAGA, une autre limite est que l’information est indiquée par abattoir et non par animal, comme dans la base SI2A. Cette base comporte uniquement le nombre ainsi que le poids de tous les animaux abattus mensuellement dans chaque abattoir, sans information supplémentaire sur ces animaux. Cette information se trouve au sein d’une troisième base de données, la Base de Données Nationale d’Identification (BDNI). La BDNI devait être la base de référence dans cette étude pour déterminer le nombre d’animaux abattus et leurs caractéristiques (sexe, âge, race, élevage(s) de provenance…). Nous n’avons malheureusement pas eu la possibilité de l’utiliser dans le cadre de cette thèse car les données n’ont pas pu nous être transmises.
b. Choix de la méthode
Concernant la population de l’étude, nous avons fait le choix de nous concentrer sur les gros bovins abattus en France métropolitaine. Le retrait des départements d’Outre-Mer a été motivé par l’observation préalable de la base DIFFAGA qui ne contient pas les informations pour tous les départements d’Outre-Mer. Concernant les veaux, leur retrait a été motivé par la volonté de former un groupe d’étude homogène pour ce premier travail exploratoire, les pathologies du jeune étant différentes de celles de l’adulte.
Le champ d’études couvre la période allant de janvier 2016 à décembre 2019. L’année 2015, année de mise en place de SI2A dans les abattoirs de bovins et d’équins, a été retirée pour tenir compte du temps d’adaptation nécessaire à toute mise en place d’un nouveau système d’information.
Dans la méthode appliquée pour cette étude, le nettoyage des données a permis d’assurer la fiabilité des données. Comme pour tout jeu de données, des erreurs d’enregistrement peuvent survenir lors de la saisie et le nettoyage des données est une étape clé et indispensable du traitement d’une telle base. Nous avons par exemple retiré les lignes vides ou les résultats aberrants qui auraient pu influencer par la suite nos statistiques.
B. Interprétation des résultats obtenus a. Taux des saisies et taux des motifs
La comparaison entre nos résultats et ceux d’autres études de la littérature doit prendre en compte les différences dans les matériels et les méthodes utilisés. L’étude la plus importante en nombre d’animaux inclus dans l’analyse est celle réalisée en Suisse sur 3 750 805 animaux abattus (Vial et Reist, 2014). Cela reste très inférieur aux 12 296 628 animaux abattus dans notre étude.
De plus, notre échantillon d’étude correspond à l’intégralité des abattoirs de bovins de France métropolitaine, contrairement à la plupart des études qui ne s’intéressent aux données d’un ou deux abattoirs seulement (Mellau et al., 2011 ; Yibar et al., 2015 ; Tembo et Nonga, 2015 ; Molla et al., 2020).
• Taux de saisies
Sur la période étudiée, le taux global de saisies (TGS) était de 5,0 %. Cela apparait particulièrement élevé au regard des résultats d’autres études indiquant des TGS de 3,5 % en France (Dupuy et al., 2014), 2 % aux Etats-Unis (White et Moore, 2009), 1,36 % en Turquie (Yibar et al., 2015), 0,8 % en Tanzanie (Tembo et Nonga, 2015) et 0,23 % en Ethiopie (Molla et al., 2020).
Cependant, on remarque que si on retire les données de 2016 qui sont anormalement plus élevées que les autres années, on obtient un taux de 4,0 % qui se rapproche donc des données de la publication française (Dupuy et al., 2014).
Cette différence peut s’expliquer majoritairement par la différence des systèmes et pratiques de saisie entre les pays selon les lésions observées. Pour une même lésion, les saisies peuvent être différentes en fonction du contexte et sont par exemple généralement plus rares dans les pays en voie de développement pour un même type de lésion. Pour cette raison, le TGS observé dans notre étude se rapproche de celui de l’étude française de Dupuy et al. (2014) mais est plus élevé que celui
obtenu dans d’autres études, notamment en Tanzanie (Tembo et Nonga, 2015) et en Ethiopie (Molla et al., 2020).
La différence observée peut également s’expliquer par l’échantillon d’abattoirs sélectionnés dans ces études, dont l’inclusion se fait davantage sur le volontariat qu’à la suite d’un tirage aléatoire. Ces services vétérinaires volontaires sont souvent des équipes plus impliquées et qui ont le temps de participer à de telles études. Cela génère un biais d’échantillonnage qui limite l’intérêt de comparer nos résultats. Enfin, dans l’étude éthiopienne, il est précisé par les auteurs que le faible nombre de saisies est dû à des considérations économiques et qu’aucune carcasse n’a été saisie dans sa totalité car cela engendrerait des pertes économiques trop importantes (Molla et al., 2020). Ce constat peut vraisemblablement être extrapolé à d’autres pays au contexte économique très limitant.
Le taux de saisies partielles (TSP) sur la période d’étude était de 4,3 % et le taux de saisies totales (TST) de 0,7 %. Le TST est assez similaire à certaines études de la bibliographie : 0,67 % et 0,7 % en France (Dupuy et al., 2013 ; Dupuy et al., 2014), 0,4 à 0,8 % au Canada (Alton et al., 2010) et 0,5 % aux Etats-Unis (Amirpour Haredasht et al., 2018) mais pas toutes : 0,16 % et 0,26 % en Suisse (Vial et Reist, 2014 ; Vial et al., 2015), 0,11 et 0,05 % pour la Tanzanie (Mellau et al., 2011 ; Tembo et Nonga, 2015) et 0 % en Ethiopie (Molla et al., 2020).
Il est normal d’observer un TSP plus élevé qu’un TST car les saisies partielles concernent généralement des lésions liées à des processus chroniques (arthrite, abcès…) et sont donc bien plus souvent présentes à l’abattoir que les processus toujours actifs au moment de l’abattage (septicémie…) qui engendrent eux des saisies totales.
En comparant les différentes années d’étude, le TSP était bien plus élevé en 2016 qu’au cours des trois autres années. L’année 2015 étant celle du déploiement de SI2A, on pourrait formuler l’hypothèse que 2016 a été l’année d’une forte implication des SVI et d’une bonne appropriation de l’outil ce qui aurait fait augmenter le nombre de saisies enregistrées. Puis, en 2017, une interface de SI2A, spécifique pour les abats, a été créée. Avant, il était possible d’enregistrer des saisies sur les carcasses et des saisies sur les abats en IPM2 dans la même interface. Le changement de système pourrait avoir engendré ces différences que l’on observe.
Au niveau des taux de saisies par mois, la baisse du TSP après le premier trimestre et l’augmentation au même moment du TST peut s’expliquer par la saisonnalité. En effet, c’est en été, lorsque le bétail est au champ, qu’une grande part des infections/infestations débute. Arrivent alors à l’abattoir une part plus importante d’animaux présentant des processus aigus conduisant à une augmentation des saisies totales. À l’inverse, en hiver, le bétail est enfermé en bâtiments ce qui favorise la mise en place et le maintien de pathologies plus chroniques conduisant à des saisies partielles. De plus, on pourrait ajouter qu’il est plus aisé de traiter les animaux lorsqu’ils sont en bâtiment que lorsqu’ils sont à l’extérieur. Néanmoins les variations précitées n’ont été que visuellement observées ; ces hypothèses mériteraient d’être statistiquement testées.
L’analyse des taux de saisie par département et par abattoir montre une importante diversité. Les taux par département ou par abattoir pour certains motifs sont parfois extrêmes et se distinguent fortement de la moyenne nationale. Le contexte local est vraisemblablement à prendre en compte pour expliquer cette diversité. Par exemple, le département de la Seine-et-Marne présente un TGS de 13,8 %, très élevé par rapport à la moyenne nationale. Ce département ne compte que deux abattoirs privés dont l’un n’a abattu que 103 gros bovins et notifié que neuf saisies de gros bovins en quatre ans. Le second abattoir présente un nombre plus cohérent de saisies, cependant 82 % des saisies ont pour motif « Sclérose musculaire iatrogène ». Parmi ces saisies, seul 1 % des cas
est associé à un autre motif de saisie. Le motif « Sclérose musculaire iatrogène » a une part, parmi les saisies nationales, de 14,9 %. Il apparait donc ici qu’un seul motif a fait augmenter le TGS du département. Cet exemple montre comment l’analyse de la situation par abattoir permet d’expliquer les taux de saisie du département. Il est donc tout aussi important d’exploiter les données à l’échelle d’un département ou d’un abattoir que d’observer les tendances nationales.
• Motifs de saisies
Comme pour les taux de saisies, la part respective des motifs de saisies ou leur prévalence observée dans cette étude est difficilement comparable avec les données de la littérature. En effet, les motifs utilisés dans les publications sont différents d’une étude à l’autre et sont parfois regroupés.
De plus, les taux respectifs des motifs de saisies sont largement influencés par le contexte sanitaire et épidémiologique de la zone géographique d’approvisionnement de l’abattoir. Par exemple, le premier motif de saisie identifié aux Etats-Unis est la leucose bovine enzootique, maladie dont la France est officiellement indemne depuis 1999.
Les trois motifs les plus fréquents dans notre étude, tous types de saisies confondus, sont « Abcès non spécifique à localisation unique » (19,6 % des animaux saisis), « Infiltration hémorragique » (18,2 %) et « Sclérose musculaire » (14,9 %). Les abcès apparaissent également souvent comme les motifs principaux de saisie dans les autres études consultées (Alton et al., 2010 ; Mellau et al., 2011 ; Dupuy et al., 2014 ; Vial et Reist, 2014 ; Molla et al., 2020). La plupart des études se concentrent cependant sur les motifs générant des saisies totales. La comparaison avec nos pourcentages globaux qui regroupent saisies partielles et saisies totales est donc limitée. Il aurait fallu également calculer la part et la prévalence des motifs pour les saisies totales ainsi que pour les saisies partielles, ce qui n’a pas pu être réalisé par manque de temps.
b. Facteurs influençant le taux de saisies
Nous avons montré que le type (mono-espèce / multi-espèce), le statut (public / privé), le tonnage et le département de l’abattoir avaient une influence sur le TGS de l’abattoir et que, de plus, tous ces facteurs étaient corrélés deux à deux entre eux.
La typologie des abattoirs français permet d’expliquer ces corrélations : par exemple, les abattoirs publics sont majoritairement multi-espèces et de faible tonnage avec une zone d’approvisionnement locale. Ils perdurent généralement par la volonté d’élus souhaitant préserver des solutions d’abattage de proximité pour toutes les catégories d’animaux élevés localement. À ce titre, il est intéressant de remarquer que le territoire français est souvent marqué géographiquement par des spécialisations dans certains types de production (vache laitière, vache allaitante). À l’inverse, les abattoirs privés sont principalement des abattoirs industriels spécialisés dans l’abattage d’une espèce animale voire parfois d’une catégorie d’animaux, avec un tonnage souvent important et une zone d’approvisionnement étendue. On peut ainsi émettre l’hypothèse raisonnable que ces différents animaux seront sujets à des motifs de saisie différents, ce qui expliquent que ces types d’abattoirs différents présentent des taux de saisies différents.
C. Perspectives et recommandations
a. Pistes d’amélioration concernant la collecte et la mise à disposition des données
Le système SI2A ne fournit pas d’information sur l’ensemble de la population des bovins abattus. Toute étude sur les saisies nécessite donc l’utilisation complémentaire d’autres bases de données (DIFFAGA, BDNI), rendue compliquée par l’hétérogénéité d’identification des abattoirs. Il faudrait donc soit intégrer directement dans SI2A l’information sur les animaux non saisis, soit simplifier le croisement des deux bases par une entrée harmonisée. La première option semble plus complexe car elle ne correspond pas au cadre de conception initial de SI2A, qui ne peut intégrer que les animaux « à problème ». Concernant la seconde option et afin de rendre la jonction entre les deux bases plus simple et plus fiable, il faudrait qu’elles utilisent toutes les deux un identifiant unique pour un même abattoir. La raison sociale et le numéro SIRET changent lors du changement de propriétaire. Le numéro de l’Observatoire National des Abattoirs (ONA) et le numéro d’agrément d’un abattoir sont les numéros les plus fiables pour cela car ils sont attachés aux murs de l’établissement et ne changent pas pour un abattoir donné. SI2A a déjà un champ prévu pour le numéro ONA, cependant ce n’est pas un numéro utilisé par toutes les autres bases de données et par exemple pas par DIFFAGA. Il faudrait donc ajouter comme champ dans SI2A le numéro d’agrément de l’abattoir ou bien dans DIFFAGA le numéro ONA de l’abattoir. Une autre piste pourrait être d’utiliser l’outil actuel de valorisation des données de RESYTAL, dont fait partie SI2A, qu’est DEDAL. Il serait par ailleurs intéressant d’y intégrer directement des données de la BDNI. En effet, la BDNI ainsi ajoutée permettrait de se passer de DIFFAGA, tout en intégrant les données relatives aux caractéristiques des animaux abattus (âge, sexe, race…).
De plus, concernant la collecte des données de saisie, il serait intéressant de mettre en place un dispositif numérique directement utilisable au poste d’IPM2 afin d’enregistrer en direct les saisies.
Cela permettrait un gain de temps pour les équipes et limiterait les erreurs de recopie. Cette option est en cours de déploiement avec « SI2A porc » qui prévoit un « module autonome » utilisable directement au poste d’inspection IPM2. Ce dispositif permet aussi de limiter le nombre de données à enregistrer manuellement puisque les données relatives à la traçabilité et au poids de saisie sont alors transmises informatiquement par l’abatteur. Le cas échéant, afin de limiter les erreurs de recopie et donc les biais, il faudrait permettre, via ce module autonome, un système de récupération de l’identité de l’animal directement sur chaîne (scan d’une étiquette par exemple). Pour cela il faudrait que les SVI disposent de cette identité sous un format numérique.
Améliorer l’ergonomie du système d’enregistrement des saisies faciliterait également l’enregistrement des saisies pour souillures digestives et autres types de souillures. En effet, ces souillures peuvent parfois être très fréquentes et les SVI n’ont alors pas le temps de les enregistrer. Puisque les souillures peuvent être enregistrées par un motif de saisie spécifique, il faut harmoniser cet enregistrement et le rendre obligatoire. Les cadences d’abattage parfois très rapides dans certaines espèces imposent une évolution du système SI2A pour simplifier l’enregistrement et le rendre plus rapide. Des travaux sont actuellement en cours dans ce sens.
Ensuite, certains champs de SI2A, dont celui des motifs de saisie, peuvent être remplis avec des menus déroulants sans lien de cohérence entre les différents champs. Il est par exemple possible
Ensuite, certains champs de SI2A, dont celui des motifs de saisie, peuvent être remplis avec des menus déroulants sans lien de cohérence entre les différents champs. Il est par exemple possible