Livestock Research for Rural Development 31 (7) 2019 Guide for preparation of papers LRRD Newsletter

Citation of this paper

Caractérisation du porc local au Togo et prédiction par barymétrie de son poids vif

K G Somenutse1,2, M K Aziadekey2 et A E Kulo2

1 Institut Togolais de Recherche Agronomique ITRA BP: 1163 Lomé Togo
2 Ecole Supérieure d’Agronomie Université de Lomé ESA / UL 01BP: 1515 Lomé Togo
Auteur correspondant: eddie_som@yahoo.fr

Résumé

La production porcine au Togo est dominée par l’élevage du porc local. Cet élevage de type traditionnel affiche une grande variabilité au sein des exploitations. Or, la connaissance des animaux est importante et celle du poids vif est indispensable pour l’élevage et le commerce. Mais certaines zones sont dépourvues de bascule. Une enquête prospective a été menée au sein de 497 élevages dans les régions Maritime et des Savanes et a permis de sélectionner 250 animaux de 75 élevages pour la collecte des données. Tous ces porcs locaux étaient de petite taille et 98,4% avaient des oreilles dressées. La couleur de la robe variait beaucoup, du blanc (38,8%) au fauve (0,8%). Les poids vifs variaient de 4,0 ± 2,5 kg à deux mois d’âge à 23,8 ± 11,3 kg à plus de 12 mois. Des mesures réalisées sur 8 parties anatomiques ont permis d’établir des modèles parmi lesquels cette équation barymétrique Poids (kg) = (58TP + 6HG + 4LD – 23LT – 1842) /100 (dimensions en cm) avec R2= 0,89 pour estimer le poids vif du porc (en kg).

Mots clés: élevage, hauteur au garrot, longueur dorsale, longueur de la tête, mensuration corporelle, morphométrie, tour de poitrine


Characterization of local pig in Togo and prediction by barymetry of its live weight

Abstract

Pig production in Togo is dominated by local pig farming. This traditional type of livestock farming is characterized by a great variability within farms. It is important to know the animals and their live weight. But some areas do not have a scale. A prospective survey of 497 farms in the Maritime and Savanes regions selected 250 animals from 75 farms for data collection. All the local pigs were small and 98.4% with upright ears. The color of the coat varied greatly from white (38.8%) to fawn (0.8%). The weights ranged from 4.02 ± 2.49 kg at two months of age to 23.8 ± 11.3 kg at over 12 months of age. The measurements carried out on 8 anatomical parts allowed to establish models among which this equation W = (58CC + 6HW + 4DL – 23HL – 1842) /100 (measures in cm) with R2=0.89 to estimate the weight (W in kg) of the pigs.

Keywords: breeding, body measurements, chest circumference, dorsal length, head length, height at withers, live weight


Introduction

La viande porcine est la plus consommée au monde (40,8 %), suivie de celle des bovins et des buffles (28,4 %), puis celle des volailles (25,2 %) (Cirad 2015). Ces dernières années, la production porcine ne cesse de croître dans les pays en développement et principalement en Afrique Sub Saharienne (ASS) (Spore n° 132 2007). Les besoins des animaux dépendent de leur poids vif, souvent mal estimé et peu satisfait en absence de pesée en milieu rural. Aussi, la connaissance du poids vif est indispensable devant les techniques modernes d’élevages et de commerce du bétail (Delate et Babu 1990). L’utilisation des mensurations de certaines parties du corps des animaux pour estimer le poids est connue et appliquée en élevage de porc (Delage et al 1955) et plus largement chez les bovins en Afrique occidentale (Fall et al 1982; Dineur et Thys1986; Planchenault 1987). Par ailleurs, au Togo, peu d’élevages disposent de bascule ou de peson pour déterminer le poids des animaux alors qu’il est indispensable dans le commerce. Une méthode souple et légère pour estimer ce poids s’avère alors indispensable. Il existe une grande diversité d’individus de porcs au Togo avec des origines très diverses sous l’effet des importations et de croisements anarchiques. Ceci se traduit par une diversité d’apparences d’animaux désignés sous le terme de « porc local ». L’élevage du porc local est largement répandu au Togo surtout en milieu rural mais il n’existe pas de référentiel pour sa reconnaissance génétique. Cette étude a visé donc d’une part la description et d’autre part l’établissement d’équations de prédiction du poids vif de ce porc à partir des mensurations. Ainsi, l’objectif de cette étude est de caractériser ce porc et d’estimer son poids à l’aide de modèles basés sur des mesures barymétriques.


Matériel et méthodes

Matériel

Zone de l’étude

Le Togo compte cinq régions administratives. La collecte des données a été réalisée dans deux régions notamment la Région Maritime au Sud et la Région des Savanes dans le nord du pays (Figure 1). La Région Maritime dispose d’une végétation dense et jouit d’un climat subéquatorial à deux saisons de pluies dont la première couvre de mars à juillet et la seconde de septembre à novembre. La Région Maritime est composée de huit préfectures et couvre 6 100 km² avec une population de 2 600 000 habitants. La Région des Savanes compte cinq préfectures et couvre une superficie de 8 600 km² avec un paysage de savane. Elle jouit d’un climat soudanien avec une seule saison de pluies de mai à octobre et compte 660 000 habitants (DGSCN 2010; DSID 2014).

Figure 1. Carte du Togo et des deux régions de l’étude

Matériel de l’étude et échantillonnage

La démarche d’enquête préalable est basée sur les directives de la FAO (2012). Le matériel animal est constitué des porcs reconnus de race locale au sein des élevages. Les données ont été collectées sur un couple de reproducteurs et au moins deux porcelets de la dernière portée de ce couple. Une enquête prospective a été menée dans 497 élevages puis 75 ont été retenus (avec 250 porcs) selon un tri sélectif décroissant basé sur onze critères, dont les quatre principaux étaient: i) - au moins 5 ans d’activités en élevage de porc local; ii) - existence d’une porcherie; iii) – effectif minimum de dix têtes et; iv) - adhésion de l’exploitant aux objectifs de l’étude. Au total, il y avait 158 têtes en région maritime et 92 têtes en région des savanes.

Un mètre ruban flexible de 150 cm de long et de précision 1 mm a été utilisé pour les mensurations. La pesée a été faite à l’aide d’un peson à ressort (marque Salter®) de 100 kg de capacité et de précision 200 grammes.

Méthodes de collecte

La collecte des données a été réalisée suivant les procédures de Ayalew et al (2004). Les animaux ont été maintenus en position debout sur quatre pattes pour effectuer les mensurations et ensuite une contention dans un sac de jute a permis les pesées. Les mensurations et les pesées ont été réalisées par le même opérateur dans tous les élevages pour limiter les différences techniques. Les données collectées ont été enregistrées sur des fiches portant l’identification de l’élevage et les coordonnées de géolocalisation. Les mensurations ont porté sur la Longueur du dos (LD), la hauteur au garrot (HG), le tour de poitrine (TP), la longueur de la tête (LT), la longueur des oreilles (LoO), la largeur des oreilles (LaO), la distance entre oreilles (DO) et la hauteur des onglons des pattes antérieures (HoPa) (Figure 2).

Figure 2. Différentes zones anatomiques de mensurations réalisées
Traitement et analyses statistiques des données

Les données ont été enregistrées sous le tableur Excel. Les animaux ont été regroupés en quatre classes d’âge comme suit: i) - avant sevrage (moins de 3mois), ii) - phase de croissance (3 à 6 mois inclus), iii) - stade d’exploitation (plus de 6 mois exclus à 12 mois inclus) et iv) - les porcs de plus d’un an. Les données ont été traitées avec le logiciel SPSS IBM V20. Les équations linéaires simples ont été établies pour chaque variable suivant les classes d’âge. Les équations linéaires multiples ont été établies pour toutes les variables et se présentent sous la forme: P = α0+ α1M1+ α2M2+…. +αnMn.

Les distances de Mahalanobis et de Cook ont été calculées pour la sélection des meilleurs modèles. Les équations de prédictions représentatives retenues prennent en compte le coefficient de corrélation de Pearson (≥ 70%) et le coefficient de détermination R2. La classification hiérarchique ascendante a été établie pour chaque variable puis pour toutes les variables regroupées afin d’identifier et de faire ressortir les différents groupes morphométriques d’animaux existants suivant les variables.


Résultats

Echantillon

Sur la base des onze critères prédéfinis, il a été retenu 75 élevages pour la collecte des données. Ces élevages sont au nombre de 51 dans la Région Maritime (68%) et 24 dans la Région des Savanes. L’enquête a porté sur 250 sujets dont 158 dans la Maritime (63,2%) et 92 dans les Savanes (36,8%). L’âge des animaux varie de quelques jours à 6 ans (72 mois). L’on retrouve 10,4% d’animaux avant sevrage (26 de moins de 2 mois), 22,4% en phase de croissance (56 de 3 à 6 mois), 33,6% au stade d’exploitation (84 de 7 à 12 mois) et 33,6% de porcs de plus d’un an (84).

Caractéristiques généraux des animaux

La robe présente cinq couleurs différentes uniformes ou mélangées à divers degrés de couverture. Il s’agit de robes blanches (38,8%); de robes noires (30,4%); de robes pie noires (27,6%); de robes grises (2,4%) et de robes fauves (0,8%). Les oreilles étaient dressées chez 98,4% des animaux.

Paramètres de caractérisation

Cette étude ressort un faible poids adulte moyen de 23,8 ± 11,3 kg (7 – 73 kg) à plus d’un an d’âge dont 25,8 ± 12,7 kg (7 – 73 kg) à 2 ans d’âge et plus. La longueur du dos était de 61,5±12,6 cm (39 – 89 cm), la hauteur au garrot était de 43,1±8,6 cm (30 – 60 cm) et le tour de poitrine se situait à 62,0±12,8 cm (38 – 91 cm). La tête était petite avec une longueur moyenne de 23,9±3,3 cm (16 – 31 cm). Elle portait des oreilles très peu développées qui mesuraient 8,5±1,5 cm (6 – 12 cm) de longueur, de largeur 6,0±1,4 cm (5 – 11 cm) et écartées de 7,5±1,2 cm (5 – 10 cm).

Les données moyennes sont enregistrées au Tableau 1 avec précision des extrêmes.

Tableau 1. Variation du poids et des mensurations en fonction des classes d’âge
Paramètre Age Moyenne
globale
< 2 mois 3 à 6 mois 7 à 12 mois ˃ 12 mois
Effectif 26 56 84 84 250
Poids (kg) µ±e.t. 4,0±2,5 8,5±5,7 15,8±8,04 23,8±11,3 15,6±10,9
LD (cm) µ±e.t. 35,2±9,1 48,4±11,2 61,5±12,6 70,8±12,3 58,9±16,5
HG (cm) µ±e.t. 26,9±6,78 34,8±7,1 43,1±8,6 49,8±7,1 41,8±10,7
TP (cm) µ±e.t. 35,9±9,4 47,5±11,8 62,0±12,8 72,9±13,8 59,7±17,6
LT (cm) µ±e.t. 15,1±3,3 19,4±3,8 23,9±3,3 27,2±3,4 23,1±5,3
LoO (cm) µ±e.t. 5,6±1,6 7,3±2,0 8,5±1,5 9,8±2,3 8,4±2,3
LaO (cm) µ±e.t. 5,3±1,6 6,8±1,6 6,0±1,4 8,7±1,8 7,7±1,7
DO (cm) µ±e.t. 5,2±0,9 6,5±1,1 7,5±1,2 8,5±1,4 7,4±1,6
HoPa (cm) µ±e.t. 1,3±0,4 1,9±0,49 2,3±0,5 2,7±0,5 2,3±0,69

L’analyse individuelle des paramètres a permis de les regrouper en quatre catégories:

Figure 3. Evolution des variables par ordre de grandeur

Pour chaque variable, la classification hiérarchique a permis d’avoir des regroupements suivant les mensurations. Quatre classes ont été identifiées pour chaque variable. Il s’agit des animaux de très petite taille (43,1%), des animaux de petite taille (36,5%) des animaux de taille moyenne (17,4%) et les animaux considérés de grande taille (3,0%) (Tableau 2).

Tableau 2. Proportions des animaux suivant les classes d’appartenance des variables
Variables Classe I (%) Classe II (%) Classe III (%) Classe IV (%)
LD 13,7 43,1 32,3 10,9
HG 48,0 37,9 12,5 1,6
TP 10,5 45,6 42,7 1,2
LT 50,8 41,1 7,7 0,4
LoO 52,4 35,5 10,5 1,6
LaO 97,6 0,4 1,6 0,4
DO 23,8 45,6 30,2 0,4
HoPa 48,0 43,1 1,6 7,3

Lorsque l’analyse porte sur toutes les variables, plus de la moitié des animaux est regroupée dans la classe des animaux de très petite taille. Les mensurations des parties ont fait ressortir deux individus hors types (0,80) (Figure 4).

L’analyse des mensurations semble afficher une variabilité suivant le sexe et en fonction des régions. Les individus de la région des Savanes paraissent un peu plus grands et plus lourds que ceux de la région maritime et les femelles plus que les mâles mais pas de manière significative (Tableau 3).

Tableau 3. Mensurations suivant le sexe et la région (µ ± e.t)
Maritime Savanes
Mâles Femelles Mâles Femelles
Variable Effectif 57 101 48 44
LD (cm) 54,4 ± 16,2 56,1 ± 15,4 62,1 ±16,8 68,2 ± 15,4
HG (cm) 38,8 ± 10,5 40,4 ± 10,9 44,1 ± 10,1 46,5 ± 9,03
TP (cm) 54,7 ± 19,1 58,1 ± 16,7 62,2 ± 18,1 67,1 ± 15,1
LT (cm) 21,6 ± 5,60 22,7 ± 5,12 23,5 ± 5,04 23,4 ± 4,59
LoO (cm) 7,78 ± 2,57 8,21 ± 2,40 8,72 ± 2,02 9,09 ± 1,74
LaO (cm) 6,86 ± 1,86 7,14 ± 1,74 8,50 ± 1,72 9,01 ± 1,54
DO (cm) 6,98 ± 1,63 7,36 ± 1,62 7,50 ± 1,57 7,80 ± 1,47
HoPa (cm) 2,05 ± 0,62 2,22 ± 0,68 2,38 ± 0,57 2,47 ± 0,54
Poids (kg) 12,8 ± 11,3 14,3 ± 10,4 17,6 ± 11,3 20,1 ± 9,91
Equations de prédiction du poids

Pour chaque classe d’âge, l’on peut établir 129 équations de prédiction du poids. Le coefficient de détermination R2 lié à chaque équation a permis de dégager trois catégories de précision de ces équations. La première catégorie regroupe les équations peu précises ayant un R2 qui varie de 0,60 à 0,69; la seconde catégorie comporte des équations dont le R2 varie de 0,70 à 0,79 et la dernière catégorie regroupe les équations dont le R2 ˃ 0,80 (Tableau 4).

Tableau 4. Les coefficients de corrélation entre les différentes variables et le poids
Classe d’âge LD HG TP LT LoO LaO DO HoPa
0 à 2 mois 0,84 0,92 0,93 0,89 0,77 0,74 0,79 0,81
3 à 6 mois 0,89 0,82 0,91 0,76 0,86 0,75 0,48 0,71
7 à 12 mois 0,92 0,79 0,95 0,86 0,61 0,73 0,68 0,67
Plus de 12 mois 0,77 0,84 0,93 0,81 0,61 0,60 0,69 0,59
Ensemble 0,88 0,87 0,94 0,86 0,76 0,75 0,79 0,79


Figure 4. Arbre de classification des animaux suivant les huit variables

Les équations prenant en compte toutes les variables sont plus précises pour la première et la troisième classe d’âge. (Tableau 3). Le Tour de Poitrine (TP) contribue mieux dans la prédiction du poids dans toutes les classes d’âge puis suivent la longueur du dos (LD), la hauteur au garrot (HG) et la longueur de la tête (LT) (p˂0,001). Les variables LoO, LaO et DO contribuent pour la prédiction du poids de manière similaire sauf pour la classe d’âge de 3 à 6 mois (Tableau 5). Ainsi, on obtient la formule Poids (kg) = (58TP + 6HG + 4LD – 23LoT – 1842) /100. Ces équations sont valables pour les deux régions étudiées.

Tableau 5. Variation de R2 en fonction des classes d’âge
0 – 2 mois 3 – 6 mois 7 – 12 mois ˃ 12 mois Global
Une variable Min 0,51 0,23 0,32 0,057 0,32
Max 0,86 0,82 0,91 0,87 0,89
Deux variables Min 0,61 0,33 0,53 0,36 0,61
Max 0,89 0,87 0,92 0,88 0,88
Trois variables Min 0,72 0,78 0,84 0,62 0,78
Max 0,93 0,87 0,92 0,89 0,89
Quatre variables Min 0,87 0,79 0,82 0,75 0,81
Max 0,91 0,87 0,92 0,89 0,89
Cinq variables Min 0,89 0,85 0,92 0,88 0,89
Max 0,92 0,90 0,92 0,90 0,89
Six variables Min 0,91 0,87 0,92 0,88 0,89
Max 0,92 0,90 0,92 0,90 0,89
Sept variables Min 0,92 0,90 0,92 0,88 0,89
Max 0,93 0,90 0,92 0,90 0,89
Huit variables Min 0,92 0,90 0,92 0,89 0,89
Max 0,93 0,90 0,92 0,90 0,89
Neuf variables Unique 0,93 0,90 0,92 0,90 0,90


Discussion

Echantillon

Au Togo, le Recensement National Agricole (2011 – 2014) fait ressortir que 97% de la population font l’agriculture et 70% des ménages agricoles associent l’élevage à l’agriculture. Dans les deux zones d’étude, il est ressorti que plus de 60% des producteurs dans la région Maritime et 86% dans la région des Savanes associent l’élevage à l’agriculture. Ce recensement a établi que les porcs représentent 14% du bétail (123 512 têtes) élevé dans les ménages au sein de la Région Maritime contre 34% dans la Région des Savanes (314 079 têtes) (DSID 2014).

Paramètres de caractérisation

En milieu rural, plusieurs croisements ont été réalisés dans le but d’améliorer les performances. Ces croisements se sont manifestés par les diversités des formats et de couleurs observées sur le terrain (Mbaga et al 2005). Il ressort donc que le porc local en Afrique est génétiquement de petite taille et de faible poids même dans de bonnes conditions (El-Sawalhy et al 2016).

L’élevage traditionnel ou paysan de porc se caractérise par une minimisation des intrants et des investissements; l’alimentation et la conduite demeurent hasardeuses (Bastianelli et al 2006). D’autres auteurs ont montré que l’amélioration des conditions d’élevage qui procure un bien-être permettrait à l’animal d’exprimer au mieux ses potentiels (Dourmad 2010; Dourmad et al 2010; Paboeuf et al 2010). Toutefois, plusieurs auteurs ont confirmé que cet élevage contribue à l’amélioration de la production de viande malgré la croissance faible du porc (Hall et Bradley 1995; Muir et al 2008; Ollivier 2009). Le faible poids reste une caractéristique génétique de la race indigène d’où les croisements avec des races importées au sein des élevages pour améliorer le format. Il a été observé cinq couleurs de la robe qui sont les conséquences des croisements intervenus à divers degrés de métissages.

Caractérisations barymétriques et prédiction

Cette étude vise l’utilisation des mensurations pour prédire le poids vif car l’emploi d’un pèse-bétail nécessite un véhicule, du personnel, des pistes d’accès et certains aménagements, ce qui est coûteux et peu pratique pour un simple éleveur (Landais 1983). Une solution alternative consiste à utiliser la barymétrie. Les résultats obtenus par certains auteurs sur la barymétrie pour différentes races de porcs montrent un nombre faible de variables utilisées pour les mensurations. Les plus fréquemment citées sont: le tour de poitrine, la longueur du tronc et la hauteur au garrot. Mais quels que soient les types génétiques, le tour de poitrine donne la plus forte corrélation avec le poids vif suivi par la longueur du tronc et la hauteur au garrot (Faarungsang et Chantsawang 1982). Delate et Babu (1990) ont étudié 14 mensurations sur les porcs créoles mais confirment également que c’est le tour de poitrine ou le périmètre thoracique qui explique mieux le poids des porcs. Pour Voisin et al (2011), la prédiction du poids d’un porc en utilisant la simple mesure de son tour de poitrine est plus précise que l’estimation visuelle que les producteurs rencontrés pratiquent pour la vente des animaux. A l’issue des analyses, il est ressorti de notre étude que les quatre mensurations anatomiques (TP, R2=0,88; LD R2=0,84; LT R2= 0,83; HG R2=0,83) sont les variables les plus prédictives avec R2=0,89. Nos résultats sont similaires à ceux de Sahaayaruban et al (1984) et Tahman et al (1983) qui ont travaillé sur les porcs de races locales indiennes, et montrent une très forte corrélation entre le tour de poitrine et le poids (R2 de 0,94). Certains auteurs ont affirmé que même à l’intérieur d’une race, la précision de la relation qui lie le poids vif à la grandeur d’une mensuration corporelle dépend des facteurs intrinsèques dont les principaux sont: le sexe, l’âge et l’état musculaire (Poivey et al 1980; Bulgen et al 1984; Dodo et al 2001).

La comparaison des résultats obtenus avec les différents modèles aux poids réels ne montre pas de différence significative. Les sources d’erreur qui surviennent dans la construction des modèles des mesures barymétriques sont d’une part des erreurs physiques de pesée et de mensuration, et d’autre part des erreurs statistiques puisque chaque animal a une conformation qui lui est propre (Delage et al 1955). Ainsi, les équations sont susceptibles d’une utilisation pratique pour des sujets qui seraient dans un embonpoint acceptable. Des équations qui prennent en compte deux ou trois mensurations les plus étroitement liées au poids vif, permettraient de diminuer sensiblement les erreurs statistiques.


Conclusiones


Références bibliographiques

Ayalew W, van Dorland A and Rowlands J 2004 Design, execution and analysis of the livestock breed survey in Oromiya Regional State, Ethiopia. OADB (Oromiya Agricultural Development Bureau), Addis Ababa, Ethiopia, and ILRI (International Livestock Research Institute), Nairobi, Kenya. 260 pp.

Bastianelli D, Derail L et Klotz S 2006 L’élevage porcin. In L’élevage des monogastriques non herbivores. Mémento de l’agronome. Cirad-Gret. Ministère des affaires étrangères. France. 1487-1527.

Bulgen A, Compère R et Riboux A 1984 Recherche d’une formule barymétrique adaptée aux bovins de type Djakoré des élevages villageois du Sénégal Oriental. Tropicultura, Vol II N° 3 pp 86-90.

Cirad 2015 Pigtrop du 22 01 2017: http://pigtrop.cirad.fr/sp/recursos/enciclopedia/les_porcs_du_monde/les_populations_porcines_en_afrique_de_l_ouest

Delage J, Poly J et Vissac B 1955 Etude de l’efficacité relative des diverses formules de barymétrie applicables aux bovins. Annales de zootechnie Vol III France, pp 219-231.

Delate J J et Babu R 1990 Détermination d’équations barymétriques sur des porcs rustiques en milieu tropical, JRP, n° 22, France, pp 35-42.

DGSCN 2010 Recensement général de la population et de l’habitat. Résultats définitifs détaillés. Vol 2. Caractéristiques démographiques. pp 5 - 18.

Dineur B et Thys E 1986 Les Kapsiki: race taurine de l’extrême-Nord camerounais. I. Introduction et barymétrie. Revue Elev. Méd. vét. Pays trop., 39: 435-442.

Dodo K, Pandey V S et Illiassou M S 2001 Utilisation de la barymétrie pour l’estimation du poids chez le zébu Azawak au Niger, Revue Élev. Méd. vét. Pays trop. 2001, 54 (1): 63-68.

Dourmad J Y 2010 La filière porcine: vers plus de durabilité. 10ème Journée Productions porcines et avicoles, Paris France. 12p.

Dourmad J Y, Canario L, Gilbert H, Merlot E, Quesnel H et Prunier A 2010 Évolution des performances et de la robustesse des animaux en élevage porcin. INRA Prod. Anim. 23,53-64.

DSID 2014 Principales caractéristiques de l’Agriculture Togolaise. 4ème Recensement National de l’Agriculture 2011-2014, Vol IV, 165p.

El-Sawalhy A, Nouala S, Mbole-Kariuki M, Osiya S, Aboubacar S et al 2016 Le porc local africain. In «Connaissez vos animaux». Vol 1. UA-BIRA. Nairobi, Kenya. 42 p.

Faarungsang S and Chantsawang S 1982 In Second World congress on Genetics applied to livestock production, Garsi Madrid Spain. pp 505-509.

Fall A, Diop M, Sanford J, Wissocq Y J, Durkin J et Trail J C M 1982 Evaluation des productivités des ovins Djallonké et taurins N’Dama au Centre de recherches zootechniques de Kolda, Sénégal. Rapport de recherche n°3. Addis-Abeba, Ethiopie, Cipea 74 p.

FAO 2012 Réalisation d’enquêtes et de suivi pour les ressources zoogénétiques. Directives FAO: Production et santé animales. Numéro 7. Rome. 170p.

Hall S J and Bradley D G 1995 Conserving livestock breed biodiversity. Trends in ecology & evolution, 10:267–70.

Landais E 1983 Analyse des systèmes d’élevage bovin sédentaire du nord de la Côte d’Ivoire. Tome II. Données zootechniques et conclusions générales. Maisons-Alfort, France, Gerdat-Iemvt, p. 411-431

Mbaga S H, Lymo C M, Kifaro G C and Lekule F P 2005 Phenotypic characterization and production performance of local pig under village settings in the Southern Highland zone, Tanzania. In “Animal genetic resources information”, FAO. Rome Italy, N°37. ISSN 1014 - 2339, pp 83-90.

Muir W M, Wong G K S, Zhang Y, Wang J, Groenen M A M, Crooijmans R P M, Megens H J, Zhang H, Okimoto R, Vereijken A, Jungerius A, Albers G A A, Lawley C T, Delany M E, MacEachern S and Cheng H H 2008 Genome-wide assessment of worldwide chicken SNP genetic diversity indicates significant absence of rare alleles in commercial breeds. Proceedings of the National Academy of Sciences of the United States of America, 105: 17312–7.

Ollivier L 2009 European pig genetic diversity: A mini-review. Animal: an international journal of animal bioscience, 3: 915–24.

Paboeuf F, Gautier M, Cariolet R, Meunier-Salaün M C et Dourmad J Y 2010 Effets des modes de logement et d’alimentation des truies en gestation sur leurs performances zootechniques et leurs comportements. Journées des Recherches Porcines, 42, 1-8.

Planchenault D 1987 Essai d’amélioration génétique des bovins en milieu défavorable. Exemple du ranch de Madina-Diassa au Mali. Thèse Université Pierre et Marie Curie, Paris/Maisons-Alfort, France, Cirad-Iemvt, 307 p.

Poivey J P, Landais E et Seitz J L 1980 Utilisation de la barymétrie chez les races taurines locales de Côte d’Ivoire. Revue Elevage Médecine Vétérinaires des Pays Tropicaux, 33: 311-317.

Sahaayaruban P, Goonewardene L A and Ravindran V 1984 World Review of Animal Production XX, 1. pp 73-78.

SPORE 2007 Porc, des atouts sous la menace. Magasine bimestriel du Centre technique de coopération agricole et rurale (CTA), n° 132 du mois de décembre, p. 11.

Tamhan S S, Bardoloi R K, Bujarbaruah K M and Bardoloi T N 1983 Indian Journal of Animal Science. 53. 1037-1038.

Voisin F, Pagot E, Trotel A, Bolloch J R et Keita A 2011 Utilisation de la barymétrie chez le porc charcutier: Maîtrise de l’antibiothérapie, et tri avant départ à l’abattoir. Congrès de l’Association Française de Médecine Vétérinaire Porcine, Paris, 1-2 décembre 2011, 95p.


Received 25 February 2019; Accepted 24 June 2019; Published 2 July 2019

Go to top