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
enparois
végétales
insolubles dans l’eau
(PAR)
entant
que
variable
prédictrice
de la valeur
énergétique
des aliments avicoles
est
un nouveauconcept
aumême titre
que
le fut l’introduction du
dosage
de l’amidon
ennutrition aviaire :
cesdeux
changements,
qui
interviennent
à environ
undemi-siècle de
distance,
répondent
aumême
besoin
d’adaptation
des
mesureschimiques
auxphénomènes digestifs
observés
chez les
espèces
aviaires.
Le niveau des valeurs
énergétiques
desali-ments destinés à l’aviculture est à
l’origine
d’unegrande
part de leur coût. A ce titre, cesvaleurs
exigent
d’être connues avec unmaxi-mum de
justesse
et deprécision.
Il existeplu-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-mulesprédictrices
de la valeurénergétique
des-tinées soit aux alimentscomplets,
soit auxmatières
premières.
Lapremière
méthode estprobablement
laplus
juste,
mais irréalisable à l’échelle industrielle compte-tenu du nombre d’échantillons à traiter. Dans lapratique
indus-trielle,
les évaluations in vivo ne peuvent êtreappliquées
qu’en
sondage.
L’utilisation des tables d’évaluation des matièrespremières,
souvent mise en
pratique,
peut donnersatisfac-tion.
Cependant,
la seule utilisation des tablesne permet pas de résoudre le
problème
de la variabilité de laqualité
des matièrespremières.
L’application
deséquations
deprédiction
des valeursénergétiques
peutpallier
ce dernierproblème.
Nous nous proposons deprésenter
ici les travaux
passés
et récents relatifs à lapré-diction de la valeur
énergétique
des matièrespremières
destinées à l’aviculture. Lesprédic-tions se
rapportant
aux alimentscomplets
sontprésentées
par ailleurs dans un autre article(Carré 1990).
Le
système
énergétique
leplus
courammentutilisé en aviculture est celui de
l’énergie
méta-bolisable(EM).
EnEurope,
la tendance actuelleest
d’exprimer
l’EM enénergie
métabolisableapparente
(EMA)
corrigée
pour un bilan azoténul
(EMAn ;
Bourdillon etal 1990).
Lacorrec-tion pour un bilan azoté nul
supprime
les varia-tions dues à des niveaux desynthèses
protéi-ques différents. Elle
permet
donc d’identifierplus
clairement les sources de variation desvaleurs
énergétiques : après
correction, iln’y
aguère
que les teneurs et lesdigestibilités
des constituants de l’alimentqui puissent
faire varier les valeursénergétiques.
Chez le coqadulte,
les bilans azotés sont leplus
souventproches
de zéro : pour ces animaux, les valeursd’EMA et d’EMAn sont donc le
plus
souventtrès voisines.
1
/ Problèmes
spécifiques
des
équations
destinées
aux
matières
premières
Avant de
présenter
leséquations,
il n’est pas inutile derappeler
les difficultés propres à laprédiction
de la valeurénergétique
des matièrespremières.
Ces difficultés sont en effetRésumé
-Cet article
présente
leséquations
établies par l’INRt1 pour laprédiction
des valeursénergétiques
de 10 groupes de matièrespremières
destinées àl’avicul-ture. Il relate aussi les difficultés
généralement
rencontrées lors del’établisse-ment de telles
équations.
Ces difficultésexpliquent
l’évolution destechniques
uti-lisées pour établir leséquations
deprédiction.
Cette évolution se traduit par la mise aupoint
d’équations
deplus
enplus
rationnelles et de moins en moinsLa faible marge de
variation des critères
analytiques
souvent rencontrée à l’intérieur des groupes d’échantillonsexpérimentaux
étudiés
représente
unedifficulté
majeure
pourl’établissement des
équations
de
prédiction.
beaucoup plus
nombreuses que dans le cas desaliments
complets
(Carré 1990).
Elles sont àl’origine
destechniques
utilisées pour lespré-dictions. Certaines
équations
possèdent
unelogique
sous-jacente
qu’il
est utile de connaîtrepour deux raisons : cette connaissance permet,
d’une
part
de choisirl’équation adéquate
àcha-que
problème,
d’autre part d’utiliser tout lepotentiel
deséquations.
Eneffet,
l’introduction d’une rationalitébiologique
dansl’établisse-ment des
équations
permet d’en faire deplus
en
plus
des outils modulables et nonplus
des outilsspécialisés
qui
ne seraientapplicables
que dans des domaines très restreints.
Les difficultés rencontrées lors de
l’établisse-ment des
prédictions appliquées
aux matièrespremières
sont dues : 1/ aux variationséven-tuelles de leurs EM en fonction de leur taux
d’incorporation
dans lesrégimes ;
2/ aux varia-bilités de leurs EMinduites,
dans certains cas,par les variabilités des
digestibilités
de leursconstituants ; 3/ à la faible marge de variation des critères
analytiques,
souvent rencontréeparmi
les échantillonsexpérimentaux
d’un même type.1.i
/ Effet du
taux
d’incorporation
des matières
premières
dans
les
régimes
Une
prédiction
correcte suppose dedisposer
de valeursénergétiques
mesurées in vivo d’une manière correcte. La détermination in vivo peuts’avérer difficile si la matière
première
est peuappétante
ou si sa valeurénergétique
varie enfonction du taux
d’incorporation,
ces deuxdéfauts étant d’ailleurs souvent liés.
L’additi-vité des valeurs
énergétiques
devrait êtresysté-matiquement
vérifiée. Eneffet,
parexemple,
desréponses
non-linéaires ont été observéesavec les farines de viande
(Lessire
et al1985)
etles
graisses
(Shannon
1971, Mateos et Sell 1980, Wiseman et Lessire 1987a, de Groote et al1987).
Deséquations
ont donc étéproposées,
reliant la valeurénergétique
et le tauxd’incor-poration
pour les farines de viande(Lessire
etal
1985)
et les matières grasses(Wiseman
etLessire
1987b).
Ces dernières sontprobable-ment les
produits
dont il est leplus
difficile deprédire
la valeurénergétique.
Eneffet,
denom-breux facteurs peuvent faire varier leur valeur
énergétique : âge
des animaux,composition
enacides gras,
acidité,
degré d’oxydation,
tauxd’incorporation,
etc.Huyghebaert
et al(1988)
et
Janssen
(1985)
ont ainsiproposé
deséqua-tions basées sur des
paramètres
chimiques
(composition
en acides gras, pourcentage delipides
nonpolaires,
indiced’iode)
pour untaux
d’incorporation
de 10 %.Pour les farines de viande utilisées à des niveaux
d’incorporation
de 10 à 20%,
Lessireet
Leclercq
(1983)
ontproposé
uneéquation
utilisant les cendres et les matières grasses. Far-rell
(1980)
a obtenu uneéquation
basée sur lesdeux mêmes
paramètres ;
cependant,
les valeursénergétiques
prédites
sont très infé-rieures à celles del’équation
de Lessire etLeclercq (1983)
dufait,
sansdoute,
des niveauxélevés
d’incorporation (50
%)
de la matièrepre-mière. Ces deux études ont été faites sur coqs
adultes.
Pour de nombreuses matières
premières
que les
glucosinolates
(colza
de type «simple
zéro »),
l’acidemédicagénique (luzerne)
ou lesarabino-xylanes
solubles(seigle),
on peuts’at-tendre à observer des effets non linéaires. Il en
est ainsi du
seigle
chez lepoussin
(Mc
Auliffeet Mc Ginnis
1971).
Il est donc conseillé de s’entenir, pour la mesure in vivo de l’EM de ces
matières
premières,
à des tauxd’incorporation
proches
de ceux utilisés couramment. Pour les faibles tauxd’incorporation,
il est nécessaired’augmenter
le nombre des mesures in vivoafin de maintenir une
précision
correcte,puis-que la
précision
diminue en mêmetemps
quele taux
d’incorporation. Compte-tenu
des diffi-cultés des mesures in vivo, onrisque
doncd’aboutir à des
équations
dont laprécision
estun peu
décevante,
comme celle relative auxtourteaux de colza
(Lessire
et Conan, communi-cationpersonnelle)
rapportée
dans le tableau 1.1.
2
/ Variabilité de la
digestibilité
des constituants
des
matières
premières
Si la
faible
précision
del’équation
relativeaux tourteaux de colza est sans doute liée en
partie
à la variabilité des mesures in vivo, il estprobable
qu’elle
estégalement
due à la varia-tion de ladigestibilité
desprotéines
d’un échantillon à l’autre. La mêmeexplication
peutêtre
proposée
pour les corrélations médiocres observées avec lepois
entreparamètres
analyti-ques et valeursénergétiques
(Lessire
et al1980).
Eneffet,
lesdigestibilités
de l’amidon etdes
protéines
depois
cru sont très variables d’un échantillon à l’autre(Conan
et Carré1989).
Pour leslégumineuses,
il seraitbeau-coup
plus
efficace d’établir leséquations
àpar-tir d’échantillons
granulés,
car les traitementstechnologiques
tendent à réduire fortementcette variabilité en ramenant les
digestibilités
vers des valeurs
plafonds.
Pourprédire
lavaria-bilité de la
digestibilité
des acidesaminés,
des méthodes ont étéenvisagées,
mais leursrecom-mandations demeurent limitées
(Papadopoulos
1985).
1.
3
/ Variation étroite des
compositions
des échantillons
expérimentaux
La troisième raison pour
laquelle
il estdiffi-cile d’établir des
équations
pour les matièrespremières
tient aux limites étroites desvaria-tions des
prédicteurs analytiques
à l’intérieur des échantillons étudiés. Il en résulte souventun faible coefficient de
corrélation,
deséqua-tions d’allure
empirique
et des domainesd’ap-plication
limités. Deplus,
lesparamètres
analy-tiques
sont très souvent corrélés. Leur nombre doit donc être limité pour éviter laredondance,
ce
qui
empêche
deprendre
encompte
l’ensem-ble des facteurs de variation.
2
/
Propositions
de
quelques
solutions
Parmi les trois sources de difficultés que
nous venons de
présenter,
c’estprobablement
la dernière
qui
est laplus classiquement
ren-contrée et
qui
est bien souvent leprincipal
fac-teur limitant. Les
« quelques
solutions»
pré-sentées ici ne concerneront que ce dernierpro-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
Laprise
en compte de ladigestibilité
desconstituants de l’aliment est
probablement
unevoie efficace pour résoudre le
problème
quenous venons
d’évoquer (Titus
1955,Janssen
1976, Hartel1979).
Elle conduit à deséquations
moins sensibles aux limites de variation desparamètres.
Unexemple
de cetteapproche
estla Table
européenne
des matièrespremières
pour volailles
(1986).
Dans cetesprit,
Hartel(1979)
a recommandé d’utiliser ladigestibilité
de l’amidon et des sucres
plutôt
que celle del’extractif non azoté.
L’ inconvénient de la démarche basée sur les
digestibilités
est de devoir mesurer in vivol’uti-lisation
digestive
de 6paramètres
(les
lipides,
les
protéines,
l’amidon,
les sucres, les fibres etl’énergie)
pour établir leséquations
linéaires. Leséquations
basées sur ladigestibilité
desnutriments sont donc
efficaces,
mais leur éta-blissementexpérimental
prend
beaucoup
detemps.
2.
2
/
Les
équations
basées
sur
plusieurs
groupes
de
matières
premières
Une alternative peut consister à
appliquer
le calcul des droites derégression
à un ensemblede types de matières
premières
defaçon
àdis-poser d’un
large
domaine de variation despara-mètres
analytiques,
et d’unplus grand
nombre de données.Cependant,
cetteapproche
a étéune
approche
efficace avec lesparamètres
utili-sés habituellement. Par
exemple,
lesystème
[Protéines
brutes,
extraitéthéré,
amidon,
sucres]
ne tient pascompte
despolysaccha-rides solubles non
amylacés (PSNA)
et des acidesorganiques. Or,
lespolysaccharides
solu-bles nonamylacés
sontprobablement digérés
chez le coq
(Carré
et al1990)
et devraient donc êtrepris
en compte avec les autrescomposants
digestibles,
surtoutquand
leur teneur varienotablement,
comme cela a été observéparmi
les céréales et leurssous-produits (Nyman
et al1984) ;
ces auteurs ont, eneffet,
observé que cette fractionreprésentait
respectivement
0%,
0,5 %, 0,5 %, 1,4 %, 3,8 %
et3,9 %
de la matière sèche desgrains
entiers de maïs,sor-gho,
riz,blé,
seigle
et orge. Saini etHenry
(1989)
ont abouti à des valeurs similaires : 1,8 % et 3,6 %d’arabinoxylanes
solubles dans le blé et leseigle.
Les acides
organiques
sont aussi desconsti-tuants
présents
enquantité
appréciable
danscertaines matières
premières.
Parexemple,
leprocédé
humide deproduction
descorn-glu-ten-feeds
peut
conduire à laprésence
d’acidesorganiques
enquantité
nonnégligeable.
D’après
Bolton et Dewar(1962
et1965),
cesacides
organiques
sont métabolisables. Ilsdoi-vent donc être
pris
encompte
pour évaluerl’énergie
métabolisable des matièrespremières
qui
en renferment.L’extractif non
azoté,
la cellulose brute et la fibre audétergent
neutre(NDF)
pourraient
esti-mer directement ou indirectement ces
consti-tuants
(PSNA
et acidesorganiques).
Malheu-reusement, pour les oiseaux, ces critèresanaly-tiques
ne recouvrent pas deconcept
nutrition-nel trèsprécis.
Eneffet,
ladigestibilité
de l’ex-tractif non azotédépend
desproportions
res-pectives
de l’amidon et des hémicelluloses.Quant
à la cellulose brute et au NDF, ils nereprésentent
qu’une partie
variable desparois
insolubles nondigestibles (Carré
etLeclercq
1985, Carré et Brillouet 1986, Carré et
al 1990).
Le
paramètre
PAR(parois
végétales
insolu-bles dansl’eau ;
tableau2)
peut
indirectement tenircompte
de cette fraction(acides
organi-ques et
polysaccharides
nonamylacés solubles)
sans introduire le biais d’unesignification
nutrionnelle
imprécise.
Eneffet,
leparamètre
PAR rendcompte
de la totalité des constituantspariétaux indigestibles
chez les oiseaux(Carré
1990).
Onpeut
alors être tenté de l’utiliser dans deséquations
réunissantplusieurs
groupes dematières
premières
(Carré
et al1988).
L’exemple
desproduits
céréaliers. Unexem-ple, présenté
dans le tableau 1, illustre cettedémarche.
On a calculé deux
équations
derégression
multiple
utilisant leparamètre
PAR, àpartir
de l’ensemble de 6corn-gluten-feeds
et 6 sons deblé. Les corrélations entre
prédicteurs
sont fai-bles(R
Z
<0,21)
et nonsignificatives.
L’EMA estprédite
avec uneprécision
très correcte(R
2
=0,96 ;
écart-type
résiduel =matière
sèche).
Aucun biaisn’apparaît
selon letype de matière
première.
La meilleureéqua-tion utilisant des
prédicteurs plus
usuels(EMA
= 3639 - 167,5
CB)
est nettement moinseffi-cace
(R
Z
= 0,90 ;écart-type
résiduel = 100 kcal/kg MS).
Le cas des
protéagineux
nonamylacés.
Pluscompliquée
estl’application d’équations
com-munes àplusieurs
groupes de matièrepremière
dont certains constituants sont dedigestibilité
très variable. Dans ce cas, il est nécessaire d’in-troduire un facteur correcteur dansl’équation,
adapté
aux niveaux dedigestion spécifiques
àchaque
groupe de matièrespremières.
Cetteapproche
a été effectuée sur un ensemble de 4groupes de matières
premières, qui
consistaienten tourteaux de
soja,
tournesol et colza(0),
etfarines de luzerne. Les facteurs correcteurs
spé-cifiques
àchaque
groupe ont été calculés à l’aided’équations théoriques,
et à l’aide de lamesure de la
digestibilité
desprotéines
d’unseul échantillon de
chaque
groupe. Pour la mise aupoint
del’équation [EM
= f(PB,
Lip,
ENA,,,], l’équivalence
suivante estappliquée
à chacun des 4 échantillons mesurés pour ladigestibilité
de leursprotéines :
EMA =d x 42,85 x PB + 81,96 x
Lip.
+ e xENA,,,
avec d =
digestibilité
desprotéines
PB = % deprotéine
brute 42,85 = EMAn deprotéines
digérées
à 100 % 81,96 = coefficient deslipides
del’équation
CEE(tableau
4).
Lip.
= % delipide
mesuré sans extraction acideENA
P
,,
= 100 - PB -Lip. -
Cendres - PARe = inconnue
La moyenne
(25,58)
des 4 chiffres e sert à construirel’équation :
EMA
= p x PB
+ 81,96 x Lip.
+ 25,58 xENA
PAR
On obtient une valeur p pour tous les
échan-tillons de
chaque
groupe et une valeurpi
pourla moyenne par groupe. On calcule ensuite la
régression
linéairemultiple
à l’aide des varia-bles(p,
xPB),
(Lip)
et(ENA
I’AR
)
pour aboutir àl’équation
1(tableau
3).
L’équation
[EM
= f(EB,
PB,PAR)]
a étéconstruite à l’aide de
l’équation
théorique
Tl(tableau
4)
décrite par ailleurs(Carré
et al1984). Les
valeursEB
PIR
apparaissant
dans cetteéquation
théorique
ont été mesurées pour cha-que groupe sur desparois
végétales
isolées(soja,
tournesol et colza nondécortiqués,
luzernes : 4197, 4689, 4575, 4628
kcal/kg).
La valeur attribuée au facteur A del’équation
théorique (Carré
et al1984)
a été calculée comme inconnue del’équation
T&dquo;
les valeursdes autres variables de
T,
provenant desmesures
expérimentales
effectuées sur lesoja.
Cette valeur A étant
fixée,
le coefficient Bi dePB a été calculé pour
chaque
groupe commeinconnue de cette même
équation
théorique.
On calcule ensuite larégression
linéairemulti-ple
avec les variables(EB’’), (EB
PAH
i
xPAR),
(Bi x PB). L’adjonction
del’exposant
1,1 à EBpermet d’éliminer la constante de
l’équation
expérimentale,
cequi
nous met en conforma-tionplus
étroite avecl’équation
théorique.
L’équation
obtenue(2)
estprésentée
en tableau 3.L’équation
[EM
=f
(Lip.,
Cendres,
Parois)]
aété obtenue à l’aide de
l’équation
théorique
T
Z
(tableau 4)
décrite par ailleurs(Carré 1990).
Les
prédictions
(tableau
3)
neprésentent
pasde biais en fonction des groupes. Les écarts les
plus
importants
sont observés avec les colzas etluzernes,
responsables
desécart-types
résiduels(ETR)
relativementimportants
( !
100kcal/kg
La
plupart
deséquations
basées surle
paramètre
PARprésentent
unebonne
sécurité pour lesapplications
« hors norme ».
entre les variances résiduelles et la variance de la moyenne des EM
expérimentales
sontplus
élevés que lors de
prévisions
portant sur desrégimes
complets
ou desproduits
céréaliers.Ceci
indique qu’il
existait une variabilitéimpor-tante de la
digestibilité
des nutriments(proba-blement les
protéines)
à l’intérieur même desgroupes, variabilité
qui, évidemment,
n’a puêtre
prédite
à l’aide des critères utilisés. Seuleune méthode
capable
deprédire
ladigestibilité
des
protéines pourrait
encore améliorer lapré-cision des
prédictions appliquées
auxprotéagi-neux non
amylacés.
Les
équations
du tableau 3présentent
un netprogrès
par rapport à laplupart
deséquations
rapportées jusqu’à présent
sur ces types dematière
première.
Eneffet,
elles rendentcompte de la variabilité de la totalité des
nutri-ments
(protéines, lipides
etglucides),
directe-ment ou
indirectement,
cequi
leur confère unebonne sécurité pour les
applications
« horsnorme ». L’autre avantage concerne le
large
domaine
d’application
deséquations,
utilisa-blesjusqu’à
des tauxrespectifs
delipides
et deparois
de 6 et 56 % /MS.L’équation (2)
peutmême être étendue à des taux de
lipides
large-ment
supérieurs
à 6 %. Deplus,
il estprobable
quel’équation (2)
estégalement applicable
auxtourteaux de colza et tournesol
dépelliculés
ensubstituant le facteur
b
s
àb!
oub
c
.
Les 3
équations
données au tableau 3s’appa-rentent à des
équations
théoriques
ens’y
conformant
plus
ou moins étroitement.L’équa-tion
(1)
est du type CEE(tableau 4)
etprésente
des coefficients
qui
ne sont pas tropéloignés
de coefficients
théoriques
attendus.L’équation
(2)
s’apparente
àl’équation théorique
T,
(tableau
4)
avec un coefficient Aaligné
surcelui du
soja,
et surestimé pour les autresmatières
premières ;
cette surestimation estcompensée
par une valeurnégative
duRéférences
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
thedietary
energy value of rawmaterials used in
poultry production.
The
equations
developed by
INRA forpredict-ing
the energy values of 10 groups of rawmaterials used in
poultry production
areshown here. Difficulties
usually
encountered whenestablishing
suchequations
aredescribed. These difficulties are at the
origin
of new methods used forcalculating
equa-tions. The new
equations
are lessempirical
and also less
specialized.
The use of awater-insoluble cell-wall