TECHNA, Expert Nutrition & Santé au service des filières de production agricole depuis plus de 50 ans, s’appuie sur une expertise technique forte et innovante, et un large réseau de filiales à l’international pour répondre aux enjeux techniques, économiques et environnementaux de ses clients partenaires. 

Rejoindre TECHNA, c’est l’engagement dans un projet entrepreneurial collectif ambitieux !

C’est aussi participer aux grands défis de nourrir les hommes en préservant les ressources naturelles, lutter contre le changement climatique par des solutions techniques appliquées aux productions animales.

Description du poste

Techna France Nutrition, firme de services du Groupe TECHNA, développe ses activités en France et à l’étranger au service des industriels de la nutrition animale. Constituée d’experts multi-espèces, nous apportons des solutions adaptées et innovantes. 

Une politique de ressources humaines dynamique, en lien avec les écoles au travers de stages, VIE, projets d’entreprise, nous aide à accroître nos compétences et à définir la nutrition de demain.

Contexte du stage :

Le démarrage des poulets de chair (premiers jours de vie) est une phase clé de leur cycle de production. La qualité de l’ambiance (température, hygrométrie, vitesse d’air, qualité de l’air, etc.) impacte directement leur bien-être, leur croissance, et les performances zootechniques globales.

Dans un contexte de transition vers une aviculture plus performante, durable et respectueuse du bien-être animal, le groupe TECHNA souhaite approfondir la compréhension du lien entre les conditions de démarrage et les performances des lots.

Établir des modèles de prédiction des performances zootechniques des poulets de chair (GMQ, IC, taux de mortalité, homogénéité…) en fonction des paramètres relevés au démarrage dans les bâtiments d’élevage.

Missions du stage : 

• Analyse bibliographique sur les effets de l’ambiance au démarrage sur les performances des poulets.

• Exploration de bases de données issues du suivi terrain (conditions d’ambiance, performances, données zootechniques).

• Traitement et structuration des données (qualité, normalisation, complétion…).

• Développement de modèles statistiques et/ou d’apprentissage automatique (régressions, arbres de décision, réseaux de neurones…).

• Évaluation et interprétation des modèles : importance des variables, robustesse, pistes d’optimisation.

• Proposition d’indicateurs ou d’outils d’aide à la décision pour les éleveurs ou techniciens.