La prédiction de la valeur énergétique des matières premières destinées à l' aviculture

HAL Id: hal-00895898

https://hal.archives-ouvertes.fr/hal-00895898

Submitted on 1 Jan 1990

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of

sci-entific research documents, whether they are

pub-lished or not. The documents may come from

teaching and research institutions in France or

abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est

destinée au dépôt et à la diffusion de documents

scientifiques de niveau recherche, publiés ou non,

émanant des établissements d’enseignement et de

recherche français ou étrangers, des laboratoires

publics ou privés.

La prédiction de la valeur énergétique des matières

premières destinées à l’ aviculture

B. Carré, E. Rozo

To cite this version:

B.

_CARRÉ,

E.

ROZO

INRA Station de Recherches Avicoles

37380

_Nouzilly

(1)

UNICOPfI, Loudéac

_(Côtes

_d!rmor!

La

_prédiction

de la valeur

énergétique

des

matières

premières

destinées

à

l’ aviculture

L’utilisation de la

teneur

en

parois

végétales

insolubles dans l’eau

(PAR)

en

tant

_que

variable

_prédictrice

de la valeur

_{énergétique}

des aliments avicoles

est

un nouveau

_concept

au

même titre

_que

le fut l’introduction du

dosage

de l’amidon

en

nutrition aviaire :

ces

deux

changements,

qui

interviennent

à environ

un

demi-siècle de

distance,

répondent

au

même

besoin

d’adaptation

des

mesures

chimiques

aux

phénomènes digestifs

observés

chez les

_espèces

aviaires.

Le niveau des valeurs

_{énergétiques}

des

ali-ments destinés à l’aviculture est à

_l’origine

d’une

_grande

_part de leur coût. A ce titre, ces

valeurs

exigent

d’être connues avec un

maxi-mum de

_justesse

et de

_précision.

Il existe

plu-sieurs méthodes pour évaluer la valeur

énergé-tique

d’un aliment : 1/ l’évaluation in vivo ; 2/

l’utilisation des tables d’évaluation des matières

_{premières ;}

3/ l’utilisation des for-mules

_{prédictrices}

de la valeur

_{énergétique}

des-tinées soit aux aliments

_complets,

soit aux

matières

_premières.

La

_première

méthode est

probablement

la

_plus

_juste,

mais irréalisable à l’échelle industrielle _compte-tenu du nombre d’échantillons à traiter. Dans la

_pratique

indus-trielle,

les évaluations in vivo ne _peuvent être

appliquées

qu’en

sondage.

L’utilisation des tables d’évaluation des matières

_premières,

souvent mise en

_pratique,

_peut donner

satisfac-tion.

_Cependant,

la seule utilisation des tables

ne _{permet pas} de résoudre le

problème

de la variabilité de la

_qualité

des matières

_premières.

L’application

des

_équations

de

_prédiction

des valeurs

_{énergétiques}

_peut

_pallier

ce dernier

problème.

Nous nous _proposons de

_présenter

ici les travaux

_passés

et récents relatifs à la

pré-diction de la valeur

_{énergétique}

des matières

premières

destinées à l’aviculture. Les

prédic-tions se

_rapportant

aux aliments

complets

sont

présentées

par ailleurs dans un autre article

(Carré 1990).

Le

_système

_{énergétique}

le

_plus

couramment

utilisé en aviculture est celui de

_l’énergie

méta-bolisable

_(EM).

En

_Europe,

la tendance actuelle

est

_d’exprimer

l’EM en

_énergie

métabolisable

apparente

(EMA)

corrigée

pour un bilan azoté

nul

_{(EMAn ;}

Bourdillon et

_{al 1990).}

La

correc-tion pour un bilan azoté nul

_supprime

les varia-tions dues à des niveaux de

_synthèses

protéi-ques différents. Elle

permet

donc d’identifier

plus

clairement les sources de variation des

valeurs

_{énergétiques : après}

correction, il

_n’y

a

guère

que les teneurs et les

_{digestibilités}

des constituants de l’aliment

_{qui puissent}

faire varier les valeurs

_{énergétiques.}

Chez le coq

adulte,

les bilans azotés sont le

_plus

souvent

proches

de zéro : pour ces _animaux, les valeurs

d’EMA et d’EMAn sont donc le

plus

souvent

très voisines.

1

/ Problèmes

_spécifiques

des

_équations

destinées

aux

matières

premières

Avant de

_présenter

les

_équations,

il _{n’est pas} inutile de

_rappeler

les difficultés _{propres à} la

prédiction

de la valeur

énergétique

des matières

_premières.

Ces difficultés sont en effet

Résumé

-Cet article

_présente

les

_équations

établies par l’INRt1 pour la

prédiction

des valeurs

_{énergétiques}

de 10 _groupes de matières

_premières

destinées à

l’avicul-ture. Il relate aussi les difficultés

généralement

rencontrées lors de

l’établisse-ment de telles

_équations.

Ces difficultés

_expliquent

l’évolution des

_techniques

uti-lisées _pour établir les

_équations

de

_prédiction.

Cette évolution se traduit _par la mise au

_point

_{d’équations}

de

_plus

en

_plus

rationnelles et de moins en moins

La faible marge de

variation des critères

analytiques

souvent rencontrée à l’intérieur des groupes d’échantillons

expérimentaux

étudiés

_représente

une

difficulté

majeure

pour

l’établissement des

équations

de

prédiction.

beaucoup plus

nombreuses _que dans le cas des

aliments

_complets

_{(Carré 1990).}

Elles sont à

l’origine

des

_techniques

utilisées pour les

pré-dictions. Certaines

_équations

_possèdent

une

logique

sous-jacente

qu’il

est utile de connaître

pour deux raisons : cette connaissance permet,

d’une

_part

de choisir

_{l’équation adéquate}

à

cha-que

problème,

d’autre part d’utiliser tout le

potentiel

des

_équations.

En

effet,

l’introduction d’une rationalité

_biologique

dans

l’établisse-ment des

_équations

_permet d’en faire de

_plus

en

plus

des outils modulables et non

_plus

des outils

_{spécialisés}

_qui

ne seraient

applicables

que dans des domaines très restreints.

Les difficultés rencontrées lors de

l’établisse-ment des

_{prédictions appliquées}

aux matières

premières

sont dues : 1/ aux variations

éven-tuelles de leurs EM en fonction de leur taux

d’incorporation

dans les

_{régimes ;}

2/ aux varia-bilités de leurs EM

induites,

dans certains cas,

par les variabilités des

digestibilités

de leurs

constituants ; 3/ à la faible _marge de variation des critères

_analytiques,

souvent rencontrée

parmi

les échantillons

_{expérimentaux}

d’un même type.

1.i

/ Effet du

taux

_{d’incorporation}

des matières

_premières

dans

les

_régimes

Une

_prédiction

correcte _suppose de

_disposer

de valeurs

_{énergétiques}

mesurées in vivo d’une manière correcte. La détermination in vivo peut

s’avérer difficile si la matière

_première

est _peu

appétante

ou si sa valeur

_{énergétique}

varie en

fonction du taux

_{d’incorporation,}

ces deux

défauts étant d’ailleurs souvent liés.

L’additi-vité des valeurs

_{énergétiques}

devrait être

systé-matiquement

vérifiée. En

_effet,

_par

_exemple,

des

_réponses

non-linéaires ont été observées

avec les farines de viande

_(Lessire

et al

₁₉₈₅₎

et

les

_graisses

_(Shannon

_1971, Mateos et Sell 1980, Wiseman et Lessire 1987a, de Groote et al

1987).

Des

_équations

ont donc été

_proposées,

reliant la valeur

_{énergétique}

et le taux

d’incor-poration

pour les farines de viande

(Lessire

et

al

₁₉₈₅₎

et les matières grasses

(Wiseman

et

Lessire

_1987b).

Ces dernières sont

probable-ment les

_produits

dont il est le

_plus

difficile de

prédire

la valeur

_{énergétique.}

En

effet,

de

nom-breux facteurs peuvent faire varier leur valeur

énergétique : âge

des animaux,

composition

en

acides gras,

acidité,

degré d’oxydation,

taux

d’incorporation,

etc.

_Huyghebaert

et al

₍₁₉₈₈₎

et

_Janssen

₍₁₉₈₅₎

ont ainsi

_proposé

des

équa-tions basées sur des

_paramètres

_chimiques

(composition

en acides _{gras, pourcentage} de

lipides

non

_polaires,

indice

_d’iode)

_pour un

taux

_{d’incorporation}

de 10 %.

Pour les farines de viande utilisées à des niveaux

_{d’incorporation}

de 10 à 20

%,

Lessire

et

_Leclercq

₍₁₉₈₃₎

ont

_proposé

une

_équation

utilisant les cendres et les matières grasses. Far-rell

₍₁₉₈₀₎

a obtenu une

_équation

basée sur les

deux mêmes

_{paramètres ;}

_cependant,

les valeurs

énergétiques

prédites

sont très infé-rieures à celles de

_{l’équation}

de Lessire et

Leclercq (1983)

du

fait,

sans

doute,

des niveaux

élevés

_{d’incorporation (50}

_%)

de la matière

pre-mière. Ces deux études ont été faites sur _coqs

adultes.

Pour de nombreuses matières

_premières

que les

glucosinolates

(colza

de type «

simple

zéro »),

l’acide

_{médicagénique (luzerne)}

ou les

arabino-xylanes

solubles

_(seigle),

on _peut

s’at-tendre à observer des effets non linéaires. Il en

est ainsi du

_seigle

chez le

_poussin

_(Mc

Auliffe

et Mc Ginnis

_1971).

Il est donc conseillé de s’en

tenir, pour la mesure in vivo de l’EM de ces

matières

_premières,

à des taux

_{d’incorporation}

proches

de ceux utilisés couramment. Pour les faibles taux

_{d’incorporation,}

il est nécessaire

d’augmenter

le nombre des mesures in vivo

afin de maintenir une

_précision

correcte,

puis-que la

précision

diminue en même

_temps

_que

le taux

_{d’incorporation. Compte-tenu}

des diffi-cultés des mesures in vivo, on

_risque

donc

d’aboutir à des

_équations

dont la

_précision

est

un _peu

décevante,

comme celle relative aux

tourteaux de colza

_(Lessire

et Conan, communi-cation

_personnelle)

_rapportée

dans le tableau 1.

1.

2

/ Variabilité de la

_{digestibilité}

des constituants

des

matières

_premières

Si la

faible

_précision

de

_{l’équation}

relative

aux tourteaux de colza est sans doute liée en

partie

à la variabilité des mesures in vivo, il est

probable

qu’elle

est

_également

due à la varia-tion de la

_{digestibilité}

des

_protéines

d’un échantillon à l’autre. La même

_explication

peut

être

_proposée

_pour les corrélations médiocres observées avec le

_pois

entre

_paramètres

analyti-ques et valeurs

énergétiques

(Lessire

et al

1980).

En

effet,

les

_{digestibilités}

de l’amidon et

des

_protéines

de

_pois

cru sont très variables d’un échantillon à l’autre

_(Conan

et Carré

1989).

Pour les

_{légumineuses,}

il serait

beau-coup

plus

efficace d’établir les

équations

à

par-tir d’échantillons

granulés,

car les traitements

technologiques

tendent à réduire fortement

cette variabilité en ramenant les

_{digestibilités}

vers des valeurs

plafonds.

Pour

prédire

la

varia-bilité de la

_{digestibilité}

des acides

_aminés,

des méthodes ont été

_envisagées,

mais leurs

recom-mandations demeurent limitées

_{(Papadopoulos}

1985).

1.

3

/ Variation étroite des

_compositions

des échantillons

_{expérimentaux}

La troisième raison pour

laquelle

il est

diffi-cile d’établir des

_équations

pour les matières

premières

tient aux limites étroites des

varia-tions des

_{prédicteurs analytiques}

à l’intérieur des échantillons étudiés. Il en résulte souvent

un faible coefficient de

corrélation,

des

équa-tions d’allure

_empirique

et des domaines

d’ap-plication

limités. De

_plus,

les

_paramètres

analy-tiques

sont très souvent corrélés. Leur nombre doit donc être limité pour éviter la

redondance,

ce

_qui

empêche

de

prendre

en

_compte

l’ensem-ble des facteurs de variation.

2

/

_Propositions

de

_quelques

_solutions

Parmi les trois sources de difficultés que

nous venons de

_présenter,

c’est

probablement

la dernière

_qui

est la

_{plus classiquement}

ren-contrée et

_qui

est bien souvent le

_principal

fac-teur limitant. Les

_{« quelques}

solutions

_»

pré-sentées ici ne _{concerneront que} ce dernier

pro-blème relatif à la faible variabilité des

composi-tions à l’intérieur des échantillons étudiés.

2.

1

/

Les

_équations

basées

sur

la

digestibilité

des

constituants

alimentaires

La

_prise

en _compte de la

_{digestibilité}

des

constituants de l’aliment est

_probablement

une

voie efficace _pour résoudre le

_problème

que

nous venons

_{d’évoquer (Titus}

1955,

Janssen

1976, Hartel

_1979).

Elle conduit à des

_équations

moins sensibles aux limites de variation des

paramètres.

Un

_exemple

de cette

_approche

est

la Table

_européenne

des matières

_premières

pour volailles

(1986).

Dans cet

_esprit,

Hartel

(1979)

a recommandé d’utiliser la

digestibilité

de l’amidon et des sucres

plutôt

_que celle de

l’extractif non azoté.

L’ inconvénient de la démarche basée sur les

digestibilités

est de devoir mesurer in vivo

l’uti-lisation

_digestive

de 6

_paramètres

_(les

_lipides,

les

_protéines,

l’amidon,

les sucres, les fibres et

l’énergie)

pour établir les

équations

linéaires. Les

_équations

basées sur la

digestibilité

des

nutriments sont donc

efficaces,

mais leur éta-blissement

_{expérimental}

_prend

_beaucoup

de

temps.

2.

2

/

Les

_équations

basées

sur

plusieurs

_groupes

de

matières

_premières

Une alternative peut consister à

_appliquer

le calcul des droites de

_régression

à un ensemble

de _types de matières

_premières

de

_façon

à

dis-poser d’un

large

domaine de variation des

para-mètres

_analytiques,

et d’un

_{plus grand}

nombre de données.

_Cependant,

cette

_approche

a été

une

approche

efficace avec les

_paramètres

utili-sés habituellement. Par

_exemple,

le

système

[Protéines

brutes,

extrait

éthéré,

amidon,

sucres]

ne tient pas

compte

des

polysaccha-rides solubles non

_{amylacés (PSNA)}

et des acides

_{organiques. Or,}

les

_{polysaccharides}

solu-bles non

amylacés

sont

_{probablement digérés}

chez le _coq

_(Carré

et al

₁₉₉₀₎

et devraient donc être

_pris

en _compte avec les autres

_composants

digestibles,

surtout

_quand

leur teneur varie

notablement,

comme cela a été observé

_parmi

les céréales et leurs

_{sous-produits (Nyman}

et al

1984) ;

ces auteurs ont, en

effet,

observé que cette fraction

_{représentait}

_{respectivement}

0

%,

0,5 %, 0,5 %, 1,4 %, 3,8 %

et

3,9 %

de la matière sèche des

_grains

entiers de maïs,

sor-gho,

riz,

blé,

seigle

et orge. Saini et

_Henry

(1989)

ont abouti à des valeurs similaires : 1,8 % et 3,6 %

d’arabinoxylanes

solubles dans le blé et le

_seigle.

Les acides

_organiques

sont aussi des

consti-tuants

_présents

en

_quantité

appréciable

dans

certaines matières

_premières.

Par

_exemple,

le

procédé

humide de

_production

des

corn-glu-ten-feeds

_peut

conduire à la

_présence

d’acides

organiques

en

quantité

non

_{négligeable.}

D’après

Bolton et Dewar

₍₁₉₆₂

et

_1965),

ces

acides

_organiques

sont métabolisables. Ils

doi-vent donc être

_pris

en

_compte

_pour évaluer

l’énergie

métabolisable des matières

_premières

qui

en renferment.

L’extractif non

_azoté,

la cellulose brute et la fibre au

détergent

neutre

_(NDF)

_pourraient

esti-mer directement ou indirectement ces

consti-tuants

_(PSNA

et acides

_organiques).

Malheu-reusement, pour les oiseaux, ces critères

analy-tiques

ne recouvrent _pas de

_concept

nutrition-nel très

_précis.

En

effet,

la

_{digestibilité}

de l’ex-tractif non azoté

_dépend

des

_proportions

res-pectives

de l’amidon et des hémicelluloses.

Quant

à la cellulose brute et au NDF, ils ne

représentent

qu’une partie

variable des

_parois

insolubles non

_{digestibles (Carré}

et

_Leclercq

1985, Carré et Brillouet 1986, Carré et

_{al 1990).}

Le

_paramètre

PAR

_(parois

_végétales

insolu-bles dans

l’eau ;

tableau

₂₎

_peut

indirectement tenir

_compte

de cette fraction

_(acides

organi-ques et

_{polysaccharides}

non

_{amylacés solubles)}

sans introduire le biais d’une

signification

nutrionnelle

_imprécise.

En

effet,

le

_paramètre

PAR rend

_compte

de la totalité des constituants

pariétaux indigestibles

chez les oiseaux

_(Carré

1990).

On

_peut

alors être tenté de l’utiliser dans des

_équations

réunissant

_plusieurs

groupes de

matières

_premières

_(Carré

et al

_1988).

L’exemple

des

_produits

céréaliers. Un

exem-ple, présenté

dans le tableau 1, illustre cette

démarche.

On a calculé deux

_équations

de

_régression

multiple

utilisant le

_paramètre

PAR, à

_partir

de l’ensemble de 6

_{corn-gluten-feeds}

et 6 sons de

blé. Les corrélations entre

_prédicteurs

sont fai-bles

_(R

_Z

<

0,21)

et non

significatives.

L’EMA est

prédite

avec une

précision

très correcte

(R

2

=

0,96 ;

écart-type

résiduel =

matière

_sèche).

Aucun biais

_{n’apparaît}

selon le

type de matière

_première.

La meilleure

équa-tion utilisant des

_{prédicteurs plus}

usuels

_(EMA

= _{3639 - 167,5}

CB)

est nettement moins

effi-cace

(R

Z

= 0,90 ;

_écart-type

résiduel = _{100 kcal/}

kg MS).

Le cas des

protéagineux

non

_amylacés.

Plus

compliquée

est

_{l’application d’équations}

com-munes à

_plusieurs

_groupes de matière

_première

dont certains constituants sont de

_{digestibilité}

très variable. Dans ce cas, il est nécessaire d’in-troduire un facteur correcteur dans

_{l’équation,}

adapté

aux niveaux de

digestion spécifiques

à

chaque

groupe de matières

premières.

Cette

approche

a été effectuée sur un ensemble de 4

groupes de matières

premières, qui

consistaient

en tourteaux de

_soja,

tournesol et colza

_(0),

et

farines de luzerne. Les facteurs correcteurs

spé-cifiques

à

_chaque

_groupe ont été calculés à l’aide

_{d’équations théoriques,}

et à l’aide de la

mesure de la

digestibilité

des

protéines

d’un

seul échantillon de

_chaque

_{groupe. Pour} la mise au

_point

de

_{l’équation [EM}

= f

(PB,

Lip,

ENA,,,], l’équivalence

suivante est

_appliquée

à chacun des 4 échantillons mesurés pour la

digestibilité

de leurs

_{protéines :}

EMA =

d x _42,85 x PB + _81,96 x

_Lip.

+ e x

_ENA,,,

avec d =

digestibilité

des

_protéines

PB = % de

protéine

brute 42,85 = EMAn de

protéines

digérées

à 100 % 81,96 = coefficient des

lipides

de

_{l’équation}

CEE

_(tableau

_4).

Lip.

= % de

_lipide

mesuré sans extraction acide

ENA

P

,,

= _{100 - PB -}

Lip. -

Cendres - PAR

e = _inconnue

La moyenne

(25,58)

des 4 chiffres e sert à construire

_{l’équation :}

EMA

_{= p x PB}

_{+ 81,96 x Lip.}

+ _{25,58 x}

_ENA

_PAR

On obtient une valeur _{p pour tous} les

échan-tillons de

_chaque

groupe et une valeur

_pi

_pour

la moyenne par groupe. On calcule ensuite la

régression

linéaire

_multiple

à l’aide des varia-bles

_(p,

x

_PB),

_(Lip)

et

_(ENA

_I’AR

₎

_pour aboutir à

l’équation

1

_(tableau

_3).

L’équation

[EM

= f

(EB,

PB,

_PAR)]

a été

construite à l’aide de

l’équation

théorique

Tl

(tableau

4)

décrite par ailleurs

(Carré

et al

1984). Les

valeurs

_EB

_PIR

_apparaissant

dans cette

équation

théorique

ont _{été mesurées pour} cha-que groupe sur des

_parois

_végétales

isolées

(soja,

tournesol et colza non

_{décortiqués,}

luzernes : 4197, 4689, 4575, 4628

_kcal/kg).

La valeur attribuée au facteur A de

_{l’équation}

théorique (Carré

et al

₁₉₈₄₎

a été calculée comme inconnue de

l’équation

_T&dquo;

les valeurs

des autres variables de

T,

provenant des

mesures

_{expérimentales}

effectuées sur le

_soja.

Cette valeur A étant

fixée,

le coefficient Bi de

PB a été calculé pour

chaque

groupe comme

inconnue de cette même

_équation

_théorique.

On calcule ensuite la

_régression

linéaire

multi-ple

avec les variables

_{(EB’’), (EB}

_PAH

_i

x

_PAR),

(Bi x PB). L’adjonction

de

_l’exposant

1,1 à EB

permet d’éliminer la constante de

_{l’équation}

expérimentale,

ce

_qui

nous met en conforma-tion

_plus

étroite avec

_{l’équation}

_théorique.

L’équation

obtenue

₍₂₎

est

_présentée

en tableau 3.

L’équation

[EM

=

f

_(Lip.,

Cendres,

Parois)]

a

été obtenue à l’aide de

_{l’équation}

_théorique

_T

_Z

(tableau 4)

décrite _par ailleurs

_{(Carré 1990).}

Les

_prédictions

_(tableau

₃₎

ne

présentent

_pas

de biais en fonction des _{groupes. Les écarts} les

plus

importants

sont observés avec les colzas et

luzernes,

responsables

des

_écart-types

résiduels

(ETR)

relativement

_importants

_{( !}

100

_kcal/kg

La

plupart

des

équations

basées sur

le

_paramètre

PAR

présentent

une

bonne

sécurité _pour les

_applications

« hors norme ».

entre les variances résiduelles et la variance de la _moyenne des EM

_{expérimentales}

sont

_plus

élevés _que lors de

_prévisions

_portant sur des

régimes

complets

ou des

_produits

céréaliers.

Ceci

_{indique qu’il}

existait une variabilité

impor-tante de la

_{digestibilité}

des nutriments

(proba-blement les

_protéines)

à l’intérieur même des

groupes, variabilité

qui, évidemment,

n’a pu

être

_prédite

à l’aide des critères utilisés. Seule

une méthode

_capable

de

_prédire

la

_{digestibilité}

des

_{protéines pourrait}

encore améliorer la

pré-cision des

_{prédictions appliquées}

aux

protéagi-neux non

amylacés.

Les

_équations

du tableau 3

_présentent

un net

progrès

par rapport à la

_plupart

des

_équations

rapportées jusqu’à présent

sur ces _types de

matière

_première.

En

_effet,

elles rendent

compte de la variabilité de la totalité des

nutri-ments

_{(protéines, lipides}

et

_glucides),

directe-ment ou

indirectement,

ce

_qui

leur confère une

bonne sécurité _pour les

applications

« hors

norme ». L’autre avantage concerne le

_large

domaine

_{d’application}

des

_équations,

utilisa-bles

_jusqu’à

des taux

_respectifs

de

_lipides

et de

parois

de 6 et 56 % /MS.

L’équation (2)

peut

même être étendue à des taux de

_lipides

large-ment

_supérieurs

à 6 %. De

_plus,

il est

_probable

que

l’équation (2)

est

également applicable

aux

tourteaux de colza et tournesol

_{dépelliculés}

en

substituant le facteur

_b

_s

à

_b!

ou

_b

_c

_.

Les 3

_équations

données au tableau 3

s’appa-rentent à des

_équations

_théoriques

en

_s’y

conformant

plus

ou moins étroitement.

L’équa-tion

₍₁₎

est du _type CEE

_{(tableau 4)}

et

_présente

des coefficients

_qui

ne _{sont pas trop}

éloignés

de coefficients

_théoriques

attendus.

_{L’équation}

(2)

s’apparente

à

_{l’équation théorique}

T,

(tableau

4)

avec un coefficient A

_aligné

sur

celui du

_soja,

et surestimé _pour les autres

matières

_{premières ;}

cette surestimation est

compensée

par une valeur

_négative

du

Références

_{bibliographiques}

AFNOR 1989. Aliments des animaux. Détermination de la teneur en _{parois végétales} insolubles dans l’eau : Norme _{expérimentale} NF V 18 111. AFNOR, Paris. BOLTON W., DEWAR W.A., 1962. The _absorption of

lac-tate _by the fowl. _Proceedings of the 12th World’s _Poultry

Congress, 10-18 _august, 1962, Sydney. p 117-119. Austra-lian Branch of WP.S.A., North-Sydney.

BOLTON W. DEWAR W.A., 1965, The digestibility of acetic, propionic and _butyric acids _by the fowl. Brit.

Poultry Sci., 6, 103-105.

BOURDILLON A., CARRÉ B., CONAN L., FRANCESCH M., FUENTES _M., HUYGHEBAERT G., JANSSEN

W.M.M.A., LECLERCQ B., LESSIRE M., McNAB _J., RIG-ONI M., WISEMAN J., 1990. European reference method of in vivo détermination of metabolisable energy in

poultry : reproducibility, effect of age, comparaison with

predicted values, Brit. _Poultry Sci.., in _{the press.}

CARRÉ B., 1990. _Predicting the dietary energy value of

poultry feeds. Feedstuff evaluation, Wiseman J. and Cole

D.J.A. editors p. 283-300. Bulterworths, London.

CARRÉ B., BRILLOUET _J.M., 1986. Yield and

composi-tion of cell wall residues isolated from various feedstuffs used for non-ruminant farm animals. _J. Sci. Food Agric.,

37, 341-351.

CARRÉ B., BRILLOUET _J.M., 1989. Determination of water-insoluble cell walls in feeds : _{interlaboratory study.}

J. Ass. Off. _Analyt. Chem., 72, 463-467.

CARRÉ B., LECLERCQ B., 1985. _Digestion of

polysac-charides, protein and _{lipids by} adult cockerels fed on

diets containing a _pectic cell wall material from white

lupin (Lupinu.s albus L.) cotylédon. Brit. _J. Nutr., 54, 669-680.

CARRÉ B., PREVOTEL B., LECLERCQ B., 1984. Cell wall

content as a _predictor of metabolizable energy value of

poultry feedingstuffs. Brit. _Poultry Sci., 25, 561-572.

CARRÉ B., PEREZ _J.M., LEBAS E, 1988. Mesure des fibres végétales dans les aliments pour animaux. Institut de Recherches _{Technologiques Agro-alimentaires} des

Céréales, Paris.

CARRÉ B., DEROUET _{L., LECLERCQ B.,} 1990. Digesti-bility of cell wall polysaccharides from wheat (bran or

whole _{grain), soybean} and white _lupin meal in cockerels, Muscovy ducks and rats. _Poultry Sci., in the _press. CONAN L., CARRE B., 1989. Effeci of _autoclaving on

metabolizable energy value of smooth pea seed (Pisum

sativum) in _{growing chicks,} Anim. Feed Sci. Technol.,

26, 337-345.

DAll31?R K.H.. 1975. _Enzyme inhibilion by polyphenols of

sorghum grain and malt. J. Sci. Food. _Agric., 26, 1399-1411.

DE CROOTE G., KETELS E., HUYGHEBAERT G., 1987.

The energy evaluation of fats in _poultry diets : new

devel-opments. Proceedings of the 6’&dquo; European Symposium on

Poultry Nutrition, 11-15 october 1987, Konigslutter, F R

Germany, p. C21-C30. German branch of the W.P.S.A., Celle.

FARRELL _D.J., 1980. Thé _rapid method of measuring the metabolizable energy of feedstuffs. Feedstuffs, november 3, 24-25.

FISHER C., MC NAB J.M., 1987. ’l’echniques for

deter-mining the metabolizable energy (ME) content of _poultry feeds. Recent advances in animal nutrition - 1987,

Hare-sign, W. and _{Cole, D.J.A.} editors. p. 3-18. Butterworths,

London. HAK T

EL H., 1979. Methods to calctilate the energy of

mixed

feeds.

_Proceedings of the 2&dquo;‘’ _European Sympo-sium on _{Poultry Nutrition,} 8-11 octobre 1979, Beekber-gen, the Netherlands. p. 6-13. Kan C.A. and Simons,

P.C.M. editors. Dutch branch of the W.P.S.A., Spelderholt

Institute for _Poultry Research, Beekbergen, the Nether-lands.

HUYGHEBAERT G., DE MIJNTER G., DE GROOTE G.,

1988. The metabolizable energy (AME!) of fats for broi-lers in relation to their chemical composition. Anim. Feed Sci. Technol., 20, 45-58.

INRA 1989. L’alimentation des animaux monogastriques :

porc, lapin, volailles. INRA, Paris.

JANSSEN W.M.M.A. 1976. Research on the metaboliz-able energy of feedstuffs for _poultry and on the relation between the metabolizable energy and the chemical

com-position, Rapport 121.76 _{Afdeling Voeding, Spelderholt}

Centre for _Poultry Research and Extension, Beekbergen,

The Netherlands.

JANSSEN W.M.M.A. 1985. Prédiction of the energy

con-tent of fats from chemical _{analysis. Proceedings} of the 5&dquo;’

European Symposium on _Poultry Nutrition, 27-31

october, 1985, Ma’ale Hachamisha. Bornstein, S. éditer.

pp. 191 A-191 D. Israel Branch of the W.P.S.A., Jerusalem.

LESSIRE M., 1985. Huiles et tourteaux _{d’oléagineux} dans l’alimentation des volailles. _Aliscope, 7-12.

LESSIRE M., LECLERCQ B., 1983. Metabolizable energy content of meat meal for chicken. Archiv für

Geflügel-kunde, 47, 1-3.

LESSIRE M., SAUVEUR B., GUILLAUME _J., CONAN L., MALLET _S., 1980. Premiers résultats sur la valeur

éner-gétique du pois protéagineux chez le coq et le rat. Indus-tries de l’Alimentation Animale, 337, 47-52.

LESSIRE M., LECLERCQ B., CONAN L., HALLOUIS _J.M.,

1985. A _{methodological study} of the relationship

between the metabolizable energy values of two meat

meals and their level of inclusion in the diet. Poultry Sci., 64, 1721-1728.

MAC AULIFFE T., MC GINNIS _J., 1971. Effect of anti-biotic supplements to diets containing rye on chick

growth. Poultry Sci., 50, 1130-1134.

MATEOS G.G, SELL J.L., 1980. True and apparent

meta-bolizable energy value of fat for laying hens : influence of level of use. _{Poultry Sci.,} 59, 369-373.

NYMAN M., SILJESTROM M., PEDERSEN B., BACH KNUDSEN K.E., ASP N.G., JOHANSSON C.G., EGGUM O., 1984. Dietary fiber content and composition in six cereals at different extraction rates. Cereal Chem., 61, 14-19.

PAPADOPOULOS M.C., 1985. Estimations of amino-acid

digestibility and availability in feedstuffs for poultry.

World’s _Poultry Sci. _J., 41, 64-71.

SAINI H.S., HENRY R.J., 1989. Fractionation and evalu-ation of triticale pentosans : comparison with wheat and

rye. Cereal Chem., 66, 11-14.

SHANNON D.W.F., 1971. The effect of level of intake and free fatty acid content on _{the metabolizable energy value} and net _absorption of tallow by the laying hen. J. Agric. Sci., (Camb), 76, 217-221.

Table _{européenne: European table of energy values for}

poultry feedstuffs 1986 Janssen, W.M.M.A. éditer.

W.P.S.A., Beekbergen, the Netherlands.

TITUS H.W., 1955. The scientific feeding of chickens. 3°°’ édition. The Interstate, Danville, U.S.A.

WISEMAN _J., LESSIRE M., 1987a. Interactions between fats of differing chemical content : apparent metaboliz-able energy values and _apparent fat _{availability,} Brit.

Poultry Sci., 28, 663-676.

WISEMAN _J., LESSIRE M., 1987b. Interactions between fats of _differing chemical content : _{apparent availability}

of _fatty acids. Brit. _Poultry Sci., 28, 677-691.

Summary

Predicting

the

_dietary

_energy value of raw

materials used in

_{poultry production.}

The

_equations

_{developed by}

INRA for

predict-ing

the _energy values of 10 _groups of raw

materials used in

_{poultry production}

are

shown here. Difficulties

_usually

encountered when

_establishing

such

_equations

are

described. These difficulties are at the

_origin

of new methods used for

_calculating

equa-tions. The new

_equations

are less

_empirical

and also less

_specialized.

The use of a

water-insoluble cell-wall

_(WICW)

determination enabled these new

_systems

to be

_developed.

CARRN B. 1990. La

_prediction

de la valeur 6nerg6ti-que des mati6res premibres destin6es 5 1’aviculture.