Abstract : Fiber is defined by the method applied for its analysis: crude fiber (CB), neutral detergent fiber (NDF), acid detergent fiber (ADF), acid detergent lignin (ADL), insoluble and soluble fiber (FI and FS). These methods of analysis are long and expensive whereas it is important to know the fiber level of a raw material before formulation rations. The purpose of this study is to define equations to predict the different fiber levels (NDF, ADF, ADL, FI and FS) of raw materials used in animal feeding. A total of 276 samples representing 40 different raw materials was analysed for fiber levels and chemical constituents (moisture, protein, fat, starch, sugars, CB, minerals). Statistical analysis of the data was performed thanks to the software R. Raw materials have been divided into 3 groups: the rich in fiber, the rich in protein and the rich in energy. For each group, correlations have been calculated to select relevant models of linear regression. These models have been performed for each raw material and the best model according to the higher ratio performance deviance (RPD) was chosen like equation to predict the fiber level of the raw material. The results of this study show it is possible to predict NDF, ADF and FI for most of the raw materials, but it is difficult for ADL and FS. However, chosen equations are not strong due to the low number of samples by raw material. So, this study ended by the development of a statistical program which performs new equations with additional data in the future.
Résumé : Les fibres sont analysées en chimie par plusieurs critères : cellulose brute (CB), neutral detergent fiber (NDF), acid detergent fiber (ADF), acid detergent lignin (ADL), fibres insolubles (FI) et solubles (FS). Les méthodes de dosage sont longues et coûteuses alors qu’il est nécessaire de connaître leurs valeurs pour formuler les aliments. L’objectif de ce stage est de trouver des équations de prédiction des critères NDF, ADF, ADL, FI et FS pour les matières premières (MP) utilisées en nutrition animale. 276 échantillons de 40 MP différentes ont été collectés et analysés pour les critères fibreux et les constituants chimiques (humidité, protéines, matières grasses, amidon, sucres, CB, minéraux). Les statistiques sont réalisées à l’aide du logiciel R. 3 classes de MP sont établies : les riches en fibres, en protéines et en énergie. Pour chaque groupe, les corrélations sont calculées afin d’identifier les modèles de régression linéaire les plus pertinents. Ils sont ensuite réalisés pour chaque MP et le ratio performance deviance (RPD) est calculé. L’équation de prédiction d’un critère pour une matière première est choisie en prenant celle ayant le RPD le plus élevé. Les résultats de l’étude montre qu’il est possible de prédire NDF, ADF et FI pour la plupart des MP, concernant ADL et FS les performances sont faibles. Cependant, la robustesse des équations est à améliorer du fait du faible nombre d’échantillons par MP. Cette étude s’est terminée par l’élaboration d’un programme statistique permettant de définir de nouvelles équations à partir de données additionnelles.