Modélisation et inférence des déplacements d'animaux : analyse du modèle de Cucker-Smale stochastique et application sur des données d'élevage

Modeling and inference of animal movements: analysis of the stochastic Cucker-Smale model and application to livestock data

• Auteur / Autrice : Agathe Leveque
• Direction : Bertrand Cloez
• Type : Projet de thèse
• Discipline(s) : Statistiques et Sciences des Données
• Date : Inscription en doctorat le 01/09/2025
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École Doctorale Information, Structures, Systèmes
• Partenaire(s) de recherche : Laboratoire : MISTEA - Mathématiques, Informatique et STatistique pour l'Environnement et l'Agronomie

Mots clés

Mots clés libres

Bien-être animal

Pastoralisme

Élevage numérique

Système de particules en interaction

Inférence de modèles latents

Processus de Markov

Latent model inference

Interacting particle system

Digital livestock

Markov processes

Pastoralism

Animal welfare

Résumé

L'objectif de cette thèse est d'insérer dans les modèles de Cucker-Smale une part d'aléatoire ainsi que les influences de l'environnement sur les comportement des animaux, avec par exemple la prise en compte des ressources fourragères ou du relief. Le but est en particulier d'identifier dans ce contexte de nouveaux critères de formation de troupeaux (flocking). À partir de ces modèles, des algorithmes statistiques pour l'analyse des trajectoires seront développés, notamment pour répondre au défi de la dépendance des trajectoires d'animaux d'un même troupeau, les algorithmes existants supposant généralement l'indépendance des données. Ces outils et modèles seront développés et appliqués à des jeux de données réels, dont le jeu de données du projet P@astor-all de ruminants (chèvres et brebis) sur plusieurs années, en ciblant des problématiques actuelles pour l'élevage et le pastoralisme

The aim of this thesis is to incorporate randomness into Cucker-Smale models, as well as environmental influences on animal behavior, such as forage resources and relief. In particular, the objective is to identify new flocking criteria in this context. Based on these models, statistical algorithms for path analysis will be developed, in particular to tackle the challenge of the dependence of animal paths within the same herd, as existing algorithms generally assume data independence. These tools and models will be developed and applied to real datasets, including the P@astor-all project dataset of ruminants (goats and ewes) over several years, targeting current issues for breeding and pastoralism.