HAL Id: hal-00895899
https://hal.archives-ouvertes.fr/hal-00895899
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.
Prévision de l’énergie digestible des aliments pour le
porc : Intérêt du dosage des parois végétales par voie
enzymatique
J.M. Perez
To cite this version:
J.M.
PEREZINRA Laboratoire de Recherches
sur l’Elevage
duLapin
BP 27 - 31326 Castanet-Tolosan Cedex
Prévision
de
l’énergie
digestible
des
aliments
pour
le
porc :
Intérêt
du
dosage
des
parois
végétales
par
voie
enzymatique
La
digestibilité
de
l’énergie
conditionne dans
unelarge
mesurela valeur
énergétique
des aliments.
Ainsi,
près
de
90
%
des
variations
de l’«
énergie
nette
porc
» selon
Noblet
et
al
(1989)
sont
expliquées
par
la valeur
enénergie
digestible.
L’efficacité de
l’étape
digestive
dépend
directement des
teneurs
enparois
végétales,
qui
peuvent
être estimées
désormais
par
uneméthode
rapide
de
dosage
mise
aupoint
par
l’INRA. L’intérêt
de
cette
nouvelle méthode
pour
la
prévision
de
la valeur
énergétique
des
régimes
complexes
est
discuté
comparativement
auxautres
techniques d’analyse
des
parois
végétales.
Les
insuffisances,
maintes foissoulignées,
du résiduorganique
de Weende(cellulose brute)
ont conduit à rechercher d’autres indicateurs pour caractériser les
parois
végétales.
L’adapta-tion de la méthode de Van Soest aux alimentsconcentrés notamment par
l’emploi d’amylase
bactérienne
(Giger
et al1979)
et sespossibilités
d’automatisation
(équipement
Fibertec)
ontpermis
dedévelopper
l’utilisation de cetteméthode en alimentation
porcine,
enparticu-lier pour la
prévision
de la valeurénergétique
desmélanges
alimentaires(Perez
et al1984).
Néanmoins, cette méthode est loin d’être
satis-faisante. Les différentes fractions obtenues par
analyse séquentielle
(NDF,
ADF, ADlignine)
necorrespondent
pas à des entitésbiochimiques
- bien définies et par voie de
conséquence
leursignification
nutritionnelle estcomplexe.
Enoutre, la
reproductibilité
dudosage
demeure insuffisantemalgré
lesperfectionnements
suc-cessifs
apportés
à latechnique d’origine.
Ainsi, dans le cadre d’un programme
général
sur la
prévision
de la valeurénergétique
desali-ments du porc, nous avons évalué sur un
nom-bre
conséquent
derégimes complexes
l’intérêt de la nouvelle méthode dedosage
desparois
végétales
par voieenzymatique
mise aupoint
par Carré et Brillouet
(1989)
sur les alimentsdestinés aux volailles. Cette étude constitue un
des
prolongements
du travail initial réalisé sur ce thème en concertation avec les industriels de l’alimentation animale et lesorganismes
dedéveloppement
(Perez
et al1984).
Elle a faitl’objet
d’une action coordonnée entrel’INRA,
l’Institut de RecherchesTechnologiques
Agro-Alimentaires des Céréales
(IRTAC)
et la Direc-tion des IndustriesAgricoles
et Alimentaires(DIAA)
du Ministère del’Agriculture
(Carré
et al1988).
Nous neprésenterons
ici que lesprin-cipaux
résultats en insistantplus
particulière-Résumé
Dans le cadre d’un programme
général
de recherches sur laprévision
de lavaleur
énergétique
des alimentscomposés
destinés au Porc, cette étude avait pourobjet
d’évaluer l’intérêt d’une nouvelle méthoderapide
dedosage
desparois
végétales
par voieenzymatique
mise aupoint
par l’INRA(PAR :
Parois insolublesdans
l’eau).
L’expérimentation
portait
sur un ensemble de 43régimes
complexes,
dont on acherché en
particulier
à diversifier la nature des sources de fibres alimentaires.Les mesures de valeur
énergétique (ED)
ont été réalisées sur des porcs mâlescas-trés
appartenant
à la même gamme depoids
(40
kg environ),
à raison dequatre
animaux parrégime
(172
bilansdigestifs
autotal).
Pour accroître laprécision
des résultatsanalytiques
et laportée
deséquations
deprédiction,
les alimentsexpéri-mentaux ont fait
l’objet
dedosages
répétés
dansplusieurs
laboratoires.Sur la base des critères
classiques
de sélection deséquations (écart-type résiduel,
R
2
),
les modèles deprédiction
mettant enjeu
la variable PARapparaissent
dans l’ensemble lesplus précis. Cependant,
ils neprésentent
pasd’avantage
décisif parrapport aux modèles de
prévision
incluant la cellulose brute ou les résidusparié-taux selon Van Soest.
Si on combine les erreurs liées aux modèles
(ETR)
et les erreurs associées auxanalyses
(SLAB),
leséquations
avec PAR s’avèrenttoujours préférables
à celles utilisant les autres indicateurs deparois.
Les meilleurs modèles faisant intervenir PAR aboutissent à des
équations
depré-vision de
l’énergie digestible
dont l’incertitude totale(équation
+analyses)
Les mesures de
valeur
énergétique
(172
bilansdigestifs)
ont été
réalisées
sur43
régimes
complexes
incluantdes
sourcesde
parois
végétales
trèsdiversifiées.
ment sur les mérites
respectifs
des différentscritères de
parois
et sur l’incidence de lavaria-bilité
analytique
sur laprécision
des modèlesde
prévision
de la valeurénergétique.
1
/ Conditions
Expérimentales
Des
précisions
sur les méthodes utiliséessont fournies par Perez et al
(1984).
Lesmodali-tés
expérimentales
peuvent
être résumées enquatre
points
essentiels(voir encadré).
2
/
Comparaison
des
teneurs
en
parois
et
enNDF
Les
parois
végétales
insolubles(PAR)
sontcensées
représenter
la totalité des constituantsorganiques
desparois
insolubles dans l’eau descellules
végétales :
lacellulose,
les hémicellu-loses et les substancespectiques
insolubles dansl’eau,
lalignine
et lesprotéines
constitu-tives des
parois
cellulaires.Comparativement
au résidu insoluble
enzymatique
(méthode
PAR),
le résidu NDF selon Van Soestsous-estime fortement la teneur en
parois
végétales
(de
l’ordre de 4points
en moyenne -figure 1).
Cette différence
provient
essentiellement de la solubilisation de lamajeure partie
dessubs-tances
pectiques
et d’une fraction des hémicel-luloses par la solution NDS(détergent neutre)
dans la méthodepréconisée
par Van Soest(Riquet
et Tollier1981).
Defait,
l’écart leplus
important
entre les deux méthodes(8 points)
s’observeprécisément
avec unrégime
renfer-mant 20 % depulpes d’agrumes.
La relationgénérale
associant, pour les rationsétudiées,
ces deux critères
s’exprime
ainsi :PAR
MS)
= 1.09 NDF(% MS)
+ 2.99(r
= 0.95, ETR = 1.3, n= 43).
1 - Cette
étude
aporté
sur un ensemble de 43régimes
complexes
formulés
àpartir
d’une
série de 20 matièrespremières.
Nousavons
cherché enparticulier
àdiversifier les
sources
de parois
végé-tales : son de
blé, pulpes
d’agrumes,
pellicules
desoja,
tourteaude
pépins
deraisins,
pulpes de
betteraves
etcoques
de tournesol.2 - Notre
objectif
de formulationprévoyait
desvariations
decomposition
suffisamment
larges
pour ne
pas
restreindre lechamp
d’application
deséquations
obtenues,
tout en restant dans deslimites
proches
desconditions
pratiques
(tableau
1).
En outre, nous avons fait en sorte de rendreaussi
indépendantes
quepossible
les différentescaractéristiques
analytiques
desrégimes
demanière à faciliter
ultérieurement
l’interprétation
des
régressions
multiples.
3 - Les
mesures
de
digestibilité
ontété
réaliséesen cages
individuellessuivant
la méthode
habi-tuelle
utilisée à l’INRA.
Autotal,
172
bilansdigestifs
ont étéeffectués
sur des
porcs
mâles
castrê5’de 40
kg
depoids
vif
environ,à raison
dequatre animaux
parrégime.
4 - Pour accroître la
précision
des résultatsanalytiques
et laportée
deséquations
deprédiction
de la valeurénergétique,
les alimentsexpérimentaux
ont étéanalysés
dans
plusieurs
laboratoires.Dix laboratoires au total ont
participé
à la chaîned’analyse. Ainsi, les dosages
ont étérépétés
7 fois pour lescendres
et lacellulose
brute,
6 fois pourl’azote,
4 fois pour l’amidon(Ewers)
et leslipides (sans hydrolyse)
et 2 fois pour les sucres totaux. Les constituantspariétaux
selon Van Soest ont étédéterminés
dansdeux laboratoires
après
harmonisation
desprocédures (Giger
etal
1979,
1987).
Les
parois
végétales
insolubles dans l’eau(PAR)
ont été dosées à l’INRA(Toulouse-Auzeville)
selon la méthodedécrite
par Carré et Brillouet(1989)
et normalisée par LAF’NOR(1989).
Sonprincipe
consiste en une solubilisation de l’amidon parempesage
etdégradation
parune
alpha-amylase
thermostable(Termamyl) ;
lesprotéines
sont ensuite solubilisées par une solu-tion dedétergent
etdégradées
à l’aide d’uneprotéase
(pronase) ;
puis,
leslipides
sontsolubilisés
3
/ Valeur
prédictrice
des
critères
de
parois
Les
régressions
linéairessimples
du CUDapparent de
l’énergie (CUDE)
desrégimes
surles différents indicateurs de
parois
sont rappor-tées dans le tableau 2. On constate que les variables PAR, NDF, ADF et cellulose brutefournissent,
dansl’ensemble,
deséquations
dont laprécision
est très voisine.L’équation
faisant intervenir PAR
présente
le coefficient devariation résiduel
(CVr)
leplus
faible(2 %).
Ce critèreexplique
à lui seul 84 % des variationsdu CUDE, alors
qu’à l’opposé,
lalignine
n’ex-plique
que la moitié de la variance.Le
pouvoir
prédicteur
d’un critère ne selimite pas à la valeur du coefficient de corréla-tion et/ou de
l’écart-type
résiduel. Ainsi,l’ana-lyse
détaillée(non
rapportée
ici)
des écarts auxrégressions
simples
précédentes
conduit àpri-vilégier
parmi
les indicateurs de « fibres » ceuxqui
prennent en compteplus complètement
lesparois
végétales (PAR
ouNDF).
Eneffet,
les cri-tères cellulose brute(Weende)
et ADF(Van
Soest)
entraînent des biaisimportants
dans laprédiction
du CUDE(et
de la valeurénergéti-que)
desrégimes complexes
pour des valeurs élevées(surestimation
del’ED)
ou faibles(sous-estimation de
l’ED)
du rapportparois totales/
fraction
lignocellulose :
cas des aliments riches en son de blé(régime 7)
ou en coques desoja
(régime 5)
parexemple.
Pour l’ensemble des 43
régimes,
l’effetdépressif
de la cellulose brute(CB)
sur ladiges-tibilité de
l’énergie correspond
à un taux de diminution moyen de 1,7point
(sb
= 0,13)
parpoint
supplémentaire
de CB dans la matièresèche. Ce taux se révèle intermédiaire entre les valeurs extrêmes
rapportées
antérieurement(Henry
et Perez1983)
avec les alimentssim-ples :
3points
environ pour les sources riches en hémicelluloses(issues
demeunerie)
et 1point
pour les matièrespremières
à fortepro-portion
delignocellulose
dans lesparois
(graines
etsous-produits
delégumineuses).
Onretrouve
précisément
ces valeurs dans notre étude avec lesrégimes
renfermant despropor-tions croissantes de son de blé
(18
et 36%)
oude coques de
soja
(12
et24 %).
Cette absence de relationgénérale
étroite entre le CUD del’énergie
et la teneur en cellulose bruteexpli-que les discordances entre les auteurs dans l’estimation de la
pente
de la droite derégres-sion CUDE = a - b CB pour les
régimes
com-plexes (Drennan
etMaguire
1970, Schiemannet al 1971,
King
et Taverner 1975, Schneider etKirchgessner
1977,Just
1982, Noblet et al1989).
Dans ce cas eneffet,
la valeur(b)
et laprécision (sb)
du coefficient derégression
sonttrès
dépendantes
de la nature et de la diversité des matièrespremières
composant
lesrégimes
expérimentaux.
Ces résultats traduisent le faitL’analyse
des
écartsaux
équations
de
régression
conduit
àprivilégier
parmi
lesindicateurs
de fibresceux
qui
prennent
encompte
plus
complètement
les
parois
végétales
que la cellulose brute est, comme la
lignocellu-lose au
détergent
acide(ADF),
undescripteur
incomplet
et nonreprésentatif
desparois
cellu-laires
végétales.
Ilsindiquent
donc les limitesimportantes
de ce type de critère pour laprévi-sion de la valeur
énergétique
desmélanges
ali-mentaires.
A
l’inverse,
l’inconvénient des critèresglo-baux PAR et NDF réside dans leur
inaptitude
àrefléter
l’hétérogénéité
decomposition
parié-tale des
régimes complexes.
A cetégard,
il fautsouligner
les différencesspécifiques
entre les volailles et les porcs. Pour ces derniers eneffet,
il faut tenir compte non seulement du taux de
parois,
mais aussi dudegré
variable dedégra-dation des différentes fractions
pariétales.
Celaexplique
legain
deprécision
faible pour la pré-vision de la valeurénergétique (et
duCUDE)
dePAR
comparativement
au NDF Dans le mêmesens, si on constate
logiquement
quel’équation
reliant le CUDE au NDF surestime les
régimes
riches en substances
pectiques (par
exemple,
lerégime
8 renfermant 20 % depulpes
d’agrumes)
car cescomposés
ne sont paspris
en compte dans le résidu NDF de Van Soest, on
observe en revanche que la relation
générale
CUDE = f
(PAR)
sous- estime l’utilisation diges-tive del’énergie
de ces mêmesrégimes,
en rai-son d’uneplus
fortedigestibilité
du « résiduinsoluble
enzymatique » comparativement
auxautres
régimes
moins pourvus en substancespectiques
trèsdigestibles
chez le Porc !La relation linéaire décroissante
(figure 2)
entre le CUDE et la teneur enparois
(PAR),
indique
un taux de diminution moyen de 0,9point
(sb
=0,06)
parpoint
supplémentaire
deparois
dans la matière sèche. Le tauxcorres-pondant
est de 1point
(sb
=0,07)
pour lerésidu NDF en conformité avec les résultats
bibliographiques (0,8
à 1,2point
selonKing
etTaverner 1975,
Henry
1977, Noblet et al1989).
Il convient de noter la
plus grande
homogé-néité
(et
la meilleureprécision
intra-essai)
desestimations de ces coefficients de
régression
comparativement
aux valeursrapportées
pourla cellulose brute. Cela reflète le rôle
primordial
des teneurs enparois
totales comme facteurexplicatif
des variations de ladigestibilité
del’énergie.
En
fait,
le taux de diminution du CUDE varieaussi, mais dans une moindre mesure
seule-ment, en fonction de la
composition
desparois
elles-mêmes en raison des différencesd’utilisa-tion
digestive
des diverses fractionspariétales,
comme nous l’avons
évoqué
précédemment.
Ainsi,
d’après
nos résultats(tableau 3),
lacom-binaison des différentes fractions
pariétales
améliore laprécision
des modèles deprédiction
de ladigestibilité
del’énergie
desmélanges
ali-mentaires, ce
qui
corrobore d’autresobserva-tions
(Nehring
et Uhlemann 1972, Schneider etKirchgessner 1977).
L’association des variablesde Van Soest
(NDF-ADF)
explique
dans notre étude 86 % des variations du CUDE. Ensépa-rant la fraction
lignocellulose
en ces deuxcom-posantes, on améliore encore
significativement
la
précision (89
% de la varianceexpliquée
parrapport
à 83 % avec le NDFseul).
De la même
façon,
en combinant le critère PAR avec un indicateurd’indigestibilité
desparois,
en l’occurrence lalignine
audétergent
acide
(ADL),
on aboutit à uneéquation
trèspré-cise
(CV
résiduel < 1,7%)
qui
explique
90 % desvariations de
digestibilité
del’énergie.
Cetamalgame
entre la méthode PAR et le schéma de Van Soestpeut
surprendre.
Mais, onpour-rait très bien
envisager
d’affiner ledosage
enzy-matique
desparois,
pour sonapplication
spéci-fique
en alimentationporcine,
en lecomplétant
par une dernière
étape
incluant un traitementapproprié
du résidu final par l’acidesulfurique
concentré. Les avantages a
priori
d’une telledémarche au
plan
nutritionnel ne doivent pasfaire
perdre
de vue lesrisques
analytiques
d’une telle
procédure séquentielle plus
com-plexe
avec lesconséquences
éventuelles sur lafiabilité et la
reproductibilité
de la méthode(cf.
Van Soest
!).
Une autrepossibilité
réside dans la détermination directe des teneurs enlignines
encomplément
de l’estimation desparois
totales
(PAR).
Lasignification
et les limites des méthodes dedosage
du résiduligneux
ont étédiscutées en détail par ailleurs
(Giger 1985).
4
/
Les
modèles de
prévision
de la valeur
énergétique
D’une
façon générale
parmi
les indicateurs deparois,
le critère PAR s’avèretoujours
leplus
performant
dans les modèles deprévision
de lavaleur en
énergie
digestible
(ED)
desrégimes.
Le résidu NDF est
également
préférable
à la cel-lulose brute.Dans le tableau 4, nous
présentons
leséqua-tions à 2 facteurs
qui
se sont révélées lesplus
intéressantes. Elles associentl’énergie
brute, oules
lipides,
avec un indicateur deparois.
L’équation
1 laplus
précise (ETR
= 78kcal/kg
MS)
combinel’énergie
brute(EB)
et PAR. Cesdeux variables
expliquent
ensemble 84 % de lavariation de
l’énergie
digestible
desrégimes.
L’analyse
des résidus de larégression
montre que cetteéquation
a toutefois l’inconvénient desurestimer la valeur
énergétique
desrégimes
riches enlignine.
Dans le mêmetableau,
sontrassemblées
également
les meilleureséquations
à 3 facteurs. Nous avons écarté les
équations
supé-Sur
la base
des critèresclassiques
de
sélection deséquations,
les différentsindicateurs
deparois
conduisent
à desmodèles de
prédiction
de
précision
assezcomparable.
rieur à 80
kcal/kg
MS et pouralléger
laprésen-tation, seuls les coefficients de
régression
desprincipales
équations
sontprécisés.
Apartir
du modèle à 2 facteurs associant EB(ou
leslipides)
et un indicateur deparois,
les variablessupplémentaires
lesplus
intéressantes sont lalignine
et lescendres,
et dans une moindre mesure l’amidon et lesprotéines
brutes.L’équation
9(EB,
PAR,Lignine)
estparticuliè-rement
précise
(ETR
= 56kcal/kg MS)
et avectrois facteurs seulement elle
explique
92 % desvariations de la valeur
énergétique.
Le tableau 5 fournit les
équations
derégres-sion à 4 variables
explicatives.
Nous n’avonsretenu que les
équations
danslesquelles
les variables avaient une contributionsignificative
par
rapport
aux modèlesprécédents
à 3 fac-teurs, et dont lesécarts-types
résiduels étaientinférieurs à 65
kcal/kg
MS. Aucuneéquation
à4 facteurs ne s’avère
plus
précise
quel’équation
n° 9
(EB,
PAR,Lignine).
Leséquations
lesplus
performantes
avec PAR(25,
27, 30,35)
incluentEB
(ou
leslipides),
les cendres(ou
l’amidon)
etles
protéines
brutes. Leséquations
26(Lipides,
MAT,
Amidon,
Sucres)
et 33(Lipides,
CB,Cen-dres,
MAT)
sont les meilleureséquations
fai-sant intervenir les critèresclassiques d’analyse.
Nous avons
essayé
d’améliorer encore lapré-diction en utilisant des modèles à 5 facteurs.
Dans ces
conditions,
les variablessupplémen-taires
présentent
leplus
souvent descoeffi-cients non
significatifs.
5
/
Les
meilleures
équations
de
prédiction
Le classement
précédent
(tableaux
4 et5)
est baséuniquement
sur les erreurs liées aumodèle
(ETR,
R
2
J
.
Il est sensiblement modifié sil’on tient
compte
également
de l’incidence deserreurs
analytiques
sur laprécision
deséqua-tions.
L’influence de la variabilité
analytique
sur laprécision
des modèles deprévision
de la valeurénergétique
a été discutée par Fisher(1982)
et Alderman(1985).
Pourjuger
de l’intérêt d’un modèle deprédiction,
il est nécessaired’esti-mer son « incertitude totale
» (STOT)
qui
est larésultante de l’incertitude de
l’ajustement
des donnéesexpérimentales (variation
résiduelle du modèleproposé
ouETR)
et de l’incertitude liée aux erreursanalytiques
(SLAB).
Cetteder-nière se calcule à
partir
des valeurs derepro-ductibilité
(écarts-types inter-laboratoires)
desdosages
(tableau
6).
Les valeurs dereproducti-bilité
(s,) adoptées
pour les critèresclassiques
d’analyse
tiennent compte des données des chaînes BIPEA(Sauvant
et Schmidt1984),
complétées
par les résultats des différents cir-cuitsanalytiques
réalisés sur les alimentsdesti-nés aux porcs et aux volailles
(Fisher
1983,Perez et al 1984, Cooke 1987,
Morgan
et al 1987, Carré et al 1988, Noblet et al1989).
Pourle critère PAR, nous avons fixé à 6 % la valeur du coefficient de variation
(CV)
inter-labora-toires, ce
qui
correspond
à la valeur maximumenregistrée
par Carré et Brillouet(1989),
le CV moyen obtenu dans cette étude(11
alimentsanalysés
dans 7laboratoires)
étant de 4 %.Dans ces
conditions,
le classement deséqua-tions
(tableau 6)
àpartir
du cumul desincerti-tudes liées au modèle et aux
analyses
conduit àprivilégier
les modèles incluant la variablePAR : sur les
quinze
meilleureséquations,
dix font intervenir ce critère. Parmi l’ensemble deséquations
à 5facteurs,
seules troiséquations
(40,
41,47)
s’avèrent un peuplus précises
queles
équations
lesplus performantes
à 4 fac-teurs. Elles ont l’inconvénient de faireappel
à 5variables
explicatives
et le faiblegain
depréci-sion obtenu ne
justifie
pas le coûtanalytique
supplémentaire qu’elles
entraînent. Leséqua-tions 25
(Lipides,
PAR,Cendres,
MAT)
et 30(EB,
PAR,Cendres,
MAT)
sontparticulièrement
intéressantes, car elles mettent en
jeu
éner-gétiques
», EB(ou
leslipides)
et PAR, avec deuxautres
paramètres
(MAT
etcendres)
dont la détermination est de toutefaçon
indispensable
pour
l’appréciation
générale
de laqualité
del’aliment.
Comme le montrent des données
complé-mentaires sur la
digestibilité
des constituantspariétaux (non
rapportées
ici)
etl’analyse
des résidus desrégressions,
cetype
d’équation
uti-lisant PAR comme seule
caractéristique
desparois
auracependant
tendance à surestimer la valeurénergétique
desrégimes
à fortes teneursen
parois
indigestibles (notamment
riches enlignine)
et à sous-estimer celle des aliments renfermant desproportions importantes
d’hé-micelluloses. Les écarts entre les valeurs EDprédites
et les valeurs mesurées sont illustréssur la
figure
3 pourl’équation
25.Par
ailleurs,
il est intéressant de remarquersur le tableau 6, que certaines
équations parmi
les meilleures dans le classement
précédent
se trouvent dévaluées dès lorsqu’elles
comportentdes
caractéristiques
analytiques
dont la repro-ductibilité est mauvaise. Il en est ainsi del’équation
9 incluant lalignine
et del’équation
26 incluant les sucres.
Enfin,
il convient denuancer l’intérêt des
équations
faisant interve-nir le critèrePAR,
dans la mesure où larepro-ductibilité de ce nouveau type
d’analyse
estencore difficile à cerner. Un calcul de
simula-tion faisant varier le CV inter de ce critère
mon-tre néanmoins que
l’équation
25(Lipides,
PAR,Cendres,
MAT)
demeure encore intéressante parrapport
àl’équation
laplus performante
(n°
33)
utilisant les critèresclassiques d’analyse
(Lipides,
CB,Cendres,
MAT),
si le CV inter-laboratoires de PAR nedépasse
pas 8 %.Conclusions
1 - Sur la base des critères
classiques
de sélection deséquations (écart-type
résiduel,
R’),
les modèles de
prédiction
de la valeurénergéti-que mettant en
jeu
la variable PAR(Parois
inso-lubles dans
l’eau)
apparaissent
dans l’ensembleSi on combine les
erreurs liées aux
modèles et
les
erreurs liées aux
analyses,
leséquations
avec lavariable
PAR(Parois
insolubles
dans
l’eau)
s’avèrent ttoujours préférables
à celles mettant en
jeu
les autresméthodes de
dosage
des constituants
les
plus précis. Cependant,
ils neprésentent
pas
d’avantage
décisif parrapport
aux modèlesde
prévision
incluant la cellulose brute ou lesrésidus
pariétaux
selon Van Soest.2 - Si on combine les erreurs liées aux
modèles
(ETR)
et les erreurs associées auxana-lyses
(SLAB),
leséquations
avec PAR s’avèrenttoujours
préférables
à celles utilisant les autres indicateurs deparois.
3 - Les meilleurs modèles faisant intervenir PAR aboutissent à des
équations
deprévision
del’énergie digestible
dont l’incertitude totale(équation
+analyses)
n’excède pas 75 kcal parkg
de matière sèche.L’équation
25(Lipides,
PAR,
Cendres,
MAT)
s’avère laplus
intéres-sante.
4 - Le choix des meilleurs
prédicteurs
étantconditionné dans une
large
mesure par lapré-cision
analytique,
des études de trèsgrande
ampleur
sont encore nécessaires pour mieuxpréciser
lareproductibilité
de laprocédure
enzymatique
PARcomparativement
aux autrestechniques
d’analyse
desparois
végétales,
et confirmer ainsi l’intérêt de cette nouvelle méthoderapide
dedosage
des fibres pour laprévision
de la valeurénergétique
des aliments destinés au Porc.Remerciements
Cette étude a fait l’objet d’une convention de recherches entre l’INRA, la Direction des Industries
Agricoles
et Alimentaires(DIAA)
et l’Institut de Recherches Agro-alimentaires des Céréales(IRTAC).
Elle a bénéficié du soutien financier du Ministère del’Agriculture (DGAL).
Nous adressons nos remerciements à Muriel
Ségura
(INRA- Toulouse)
pour le dosage des paroisvégétales
par voie enzymatique, ainsi qu’auxdiffé-rents laboratoires ayant participé aux
analyses
chimi-ques des aliments expérimentaux dans la première
phase
de ce programme(INRA-St
Gilles, INA-PG,Sanders,
Guyomarc’h,
ITCF, CCPA, UCAAB, UFAC etle Service de la réhression des fraudes de Rennes).
Références
bibliographiques
A1 NOR, it>is:>. iBlimenls des ilnil11i1ux. U(,lulll1ination de la teneur en parois végétales insolubles dans l’eau. Norme expérimentale NF V 18 111. AFNOR, Paris. ALDERMAN G., 1985. Prediction of the energy value of
compound feeds. In : Haresign W., Cole D.J.A. (ed.),
Recent advances in animal nutrition, 3-52. Butterworths,
London.
CARRE B., BRILLOUET J.M., 1989. Determination of water-insoluble cell walls in feeds : interlaboratory study.
J. Assoc. Off. Anal. Chem., 72, 463-467.
CARRE B., PEREZ J.M., LEBAS F., 1988. Mesure des fibres végétales dans les aliments pour animaux. Compte rendu final, Convention de recherches DIAA/IRTAC n&dquo;
86/02. Institut de Recherches Technologiques
Agro-Alimentaires des Céréales, Paris.
COOKE B.C., 1987. The impact of declaration of the
metabolizable energy (ME) value of poultry feeds. In :
Haresign W, Cole D.J.A. (ed.), Recent advances in animal
nutrition, 19 - 26 . Butterworths, London.
DRENNAN P., MAGUIRE M.F, 1970. Prédiction of the
digestible and metabolisable energy content of pig diets
from their fibre content. Ir. J. Agric. Res., 9, 197-202.
FISHER C., 1982. Energy values of poultry compound
feeds. Occasional publication n° 2. ARC Poultry Research Centre, Roslin, 109 p.
FISHER C., 1983. Report on a ring-test to evaluate the
proposed EEC equation for the declaration of ME values,
poultry. Occasional publication n&dquo; 3. ARC Poultry Research Centre, Roslin, 34 p.
GIGER S., 1985. Revue sur les méthodes de dosage de la
lignine utilisées en alimentation animale. Ann. Zootech.,
34, 85-122.
GIGER S., SAUVANT D., DORLEANS M., MORAND-FEHR P., 1979. Détermination semi-automatique des
con-stituants membranaires des aliments concentrés par la méthode de Van Soest. 30th Annual Meeting of the
EAAP, Harrogate, England, July 1979. Commission on
Animal Feeding, N3.5.
GIGER S., THIVEND P., SAUVANT D., DORLEANS M., JOURNAIX P., 1987. Etude de l’influence préalable de différentes enzymes amylolytiques sur la teneur en résidu NDF d’aliments du bétail. Ann. Zootech., 36, 39-48.
HENRY Y., 1977. Prédiction of energy values of feeds for swine from fiber content. In: Fonnesbeck P.V, Harris
L.E., Kearl L.C. (ed.), Proc. 1st Int. Symp. Feed Composi-tion, Animal Nutrient Requirements and
Computeriza-tion of Diets, Logan, 11-16 July 1976, 270-281. Utah State Univ.
HENRY Y., PEREZ J.M., 1983. Les systèmes d’évaluation
de l’énergie dans l’alimentation du porc (2). Les Dossiers de l’Elevage, 5 (2), 49-64.
JUST A., 1982. The net energy value of balanced diets for
growing pigs. Livest. Prod. Sci., 8, 541-555.
KING R.H., TAVERNER M.R., 1975. Prédiction of the
digestible energy in pig diets from analyses of fibre
con-tents. Anim. Prod., 21, 275-284.
MORGAN C.A., WHITTEMORE C.T., PHILLIPS P.,
CROOKS P., 1987. The prédiction of energy value of
com-pounded pig foods from chemical analysis. Anim. Feed
Sci. Technol., 17, 81-107.
NEHRING K., UHLEMANN H., 1972. Uber den
Futter-wert der Getreidemüllereiprodukte. 4. Die Beziehungen
zwischen Gehalt an Gerüstsubstanzen und
Verdaulich-keit. Arch. Tierernühr., 22, 59-84.
NOBLET J., FORTUNE H., DUBOIS S., HENRY Y., 1989.
Nouvelles bases d’estimation des teneurs en énergie
digestible, métabolisable et nette des aliments pour le porc. INRA, Paris, 106 p.
PEREZ J.M., RAMIHONE R., HENRY Y., 1984. Prédiction de la valeur énergétique des aliments composés destinés
au porc : étude expérimentale. INRA, Paris, 95 p.
RIQUET A.M., TOLLIER M.T., 1981. Détermination des
teneurs en polyosides pariétaux et en lignine des cellules
végétales selon différentes méthodes. II. Signification et
limites d’utilisation de ces méthodes. Lebensm.-Wiss.
Technol., 14, 113-117.
SAUVANT D., SCHMIDT M., 1984. Variations des
résul-tats analytiques et prévision de la valeur énergétique des concentrés et sous-produits pour le ruminant. In : La
prévision de la valeur énergétique des aliments
con-centrés et des sous-produits assimilés, CAAA INA-PG, 13
déc. 1984, H1-H25. ADEPRINA ed., Paris.
SCHNEIDER R., KIRCHGESSNER M., 1977. Zur
Schat-zung der Verdaulichkeit der organischen Substanz von
Schweinefuttermitteln mittels der Gehalte verschiedener Zellcvandfraktionen. Z. Tierphysiol. Tierern5hr.
Futter-mittelk., 39, 211-219.
SCHIEMANN R., NEHRING K., HOFFMANN L., JENTSCH W, CHUDY A., 1971. Energetische
Summary
Prediction of the energy value
of pig
feedsby
enzymatic
cell wallanalysis.
The purpose of this
study performed
incon-nection with the
general
research programmeon
prediction
of the energy value ofcompound
feeds for
pigs
was to estimate theadvantage
ofa new
rapid
enzymatic
method for cell wallanalysis developed by
INRA(WICW:
water-insoluble cellwall).
The
experiment
involved 43complex
dietscontaining
varioustypes
ofdietary
fibres. The feed energy value(DE)
was measured incas-trated male
pigs
of the sameweight
range(about
40kg)
using
four animals per diet(a
total of 172
digestive balances).
With the aimof
increasing
the accuracy of theanalytical
data and theimpact
ofprediction
equations,
theexperimental
feeds underwent severalana-lyses
in various laboratories.Main results :
1 - On the basis of classical criteria for choice of
equations
forprediction
of feed energy value(residual
standarddeviation, R!),
the modelsinvolving
the WICW variable seemedto be the most accurate.
However,
they
did not show a very markedadvantage
relative topre-diction models
involving
crude fibre or cellwall residues
according
to Van Soest.2 - When
combining
the errors related to the models(RSD)
and the errors associated withthe
analyses
(SLAB),
equations
with WICWalways proved
to be better than thoseusing
the other cell wall indicators.
3 - With the best models
using
WICW, the totaluncertainty
ofequations
forprediction
ofdigestible
energy(equation
+analyses)
did not exceed 75 kcal perkg dry
matter.Equation
25(Lipids,
WICW,Ashes,
CrudeProtein)
proved
to be the mostinteresting.
4 - As the choice of the best
predictors
depends
to alarge
extent on the accuracy ofanalysis,
furtherlarge-scale investigations
arerequired
for betterdetermining
thereproduc-tibility
of the WICW method ascompared
toother
techniques
forplant
cell wallanalysis
and confirm its interest forprediction
of the energy value ofpig
feeds.PEREZ J.M., 1990. Provision de
