HAL Id: hal-00896051https://hal.archives-ouvertes.fr/hal-00896051

Submitted on 1 Jan 1993

HAL is a multi-disciplinary open accessarchive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come fromteaching and research institutions in France orabroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, estdestinée au dépôt et à la diffusion de documentsscientifiques de niveau recherche, publiés ou non,émanant des établissements d’enseignement et derecherche français ou étrangers, des laboratoirespublics ou privés.

Description de la base de données ”LASCAR”, un outilpour l’étude des carrières des vaches laitières

J-B. Coulon, Françoise Lescourret, B. Faye, E. Landais, J-L. Troccon, L.Pérochon

To cite this version:J-B. Coulon, Françoise Lescourret, B. Faye, E. Landais, J-L. Troccon, et al.. Description de la basede données ”LASCAR”, un outil pour l’étude des carrières des vaches laitières. INRA ProductionsAnimales, Paris: INRA, 1993, 6 (2), pp.151-160. �hal-00896051�

J-B. COULON, Françoise LESCOURRET*B. FAYE* E. LANDAIS*

J-L. TROCCON* L. PÉROCHON*

INRA Laboratoire Adaptation desHerbivores aux Milieux

Theix, 63122 St-Genès-Champanelle* INRA Laboratoire d EcopathologieTheix, 63122 St-Genès-Champanelle** INRA Unité SAD Versailles-Dijon-Mirecourt

Route de St-Cyr 78026 Versailles Cedex

*.** INRA Station de Recherches sur la

Vache Laitière 35590 St-Gilles

Description de labase de données"LASCAR",un outil pour l’étudedes carrières desvaches laitières

Si de très nombreux travaux expérimen-taux ont été consacrés aux facteurs de varia-tion de la production laitière à court terme (1à 3 mois) ou même à l’échelle d’une lactationcomplète (Broster et Broster 1984), les étudesentreprises sur de longues périodes sontbeaucoup plus rares (Wiktorsson 1979,Coulon et al 1990). Pourtant, elles ont permisde mettre en évidence des effets cumulatifs,dégressifs ou compensateurs des facteurs devariation (en particulier alimentaires) quipeuvent modifier sensiblement les conclu-sions tirées des observations réalisées sur des

périodes de courte durée. Par ailleurs, le cloi-sonnement des disciplines et/ou la durée limi-tée des périodes expérimentales conduisent leplus souvent à négliger, dans l’étude des per-formances de production, l’effet de phéno-mènes passés ou concomittants exprimés pardes performances d’un autre ordre. Ainsi, lesrésultats de reproduction et de pathologiesont-ils rarement intégrés parmi les facteurspotentiellement explicatifs de la productionlaitière. Réciproquement, une partie desétudes d’épidémiologie vétérinaire ne prendpas en compte les caractères de productivitédes animaux (Dohoo et al 1982-1983,Enevoldsen et al 1991). Pourtant, quelquestravaux ont démontré l’effet notable des fac-teurs sanitaires sur la production laitière(Lucey et al 1986) et leurs interrelations avecla reproduction (Coulon et al 1989) ou àl’inverse les conséquences pathologiques des

hauts niveaux de production (Barnouin etKaraman 1986). A ce titre, les études d’écopa-thologie, qui prennent en compte à la fois lesparamètres de l’environnement biologique,physique, voire humain et économique, sus-ceptibles d’induire des troubles sanitaireschez les animaux d’élevage, permettent d’étu-dier les relations entre les différents types deperformances (Ganière et al 1991).

L’étude conjointe des différentes perfor-mances de la vache laitière sur le long termenous paraît donc potentiellement fructueuse.La carrière d’un animal domestique peutêtre définie comme l’enchaînement des événe-ments individuels qui permettent de caracté-riser sa vie sur le plan de la croissance, de laproduction, de la reproduction et de la santé,de sa naissance à sa mort ou à sa réforme(Lasseur et Landais 1992). Elle peut être vuecomme la résultante d’interactions complexesentre les caractéristiques propres de l’animal(essentiellement génétiques) et celles rela-tives à son environnement (milieu d’élevageet mode d’élevage). Un travail engagé dans cesens sur la vache laitière a mis en évidence lavariabilité individuelle des performances àl’échelle de la lactation et de la carrière etsuggéré l’existence de types de carrières par-ticuliers liés entre autres à la race des ani-maux et à leur alimentation (Coulon et al1990). Ces différentes hypothèses doiventcependant être vérifiées et précisées sur unegamme plus large de situations et avec deseffectifs plus élevés. Un programme derecherche a donc été élaboré dans ce senspour décrire correctement le déroulement dela carrière d’une vache laitière et ses princi-paux facteurs de variation, et mettre en évi-dence des indicateurs précoces de sa durée etde ses caractéristiques. Des retombées inté-ressantes peuvent être attendues en termesde recommandations techniques pour laconduite des troupeaux et la gestion des car-rières des animaux (politique de réforme et derenouvellement, choix du matériel génétique).

Le centre INRA de Clermont-Fd-Theixoffre une opportunité exceptionnelle de tra-vail sur les carrières des animaux. Il existe eneffet un nombre considérable de données

Résumé ——————————————————————————

Dans l’objectif d’étudier la carrière des vaches laitières (à partir du premier vêlage),une base de données relationnelle, baptisée LASCAR, a été élaborée. Elle a étéalimentée à partir d’enregistrements réalisés au cours des 20 dernières années dansles troupeaux laitiers des 3 domaines expérimentaux du centre INRA de Clermont-Fd-Theix. Elle est composée de 10 tables décrivant les caractéristiques génétiques etde la période d’élevage des animaux, les performances individuelles à différenteséchelles de temps (production et composition du lait, poids vif, troubles sanitaires,événements liés à la reproduction), et quelques facteurs de variation de cesperformances (conduite alimentaire, climat). Elle regroupe 3851 lactationsprovenant de 1179 carrières. Ses données ont fait l’objet d’un contrôle de cohérenceexhaustif. Différentes démarches d’étude de la carrière à partir de cette base sontprésentées.

Définition et intérêts d’une base de donnéesLes bases de, données sont des structures d’archivage informatisées permettant un accès souple etjjjm!j! (Williams 1986,:Udomprasert et Williamson 1990). Leurs fonctions les rèhdent!!a!!!! dans:, des 1)roarammes de recherché exploratoi re m ulti-objectif s!!!rnar!J!:!ssM8s! nombre:u.seS. et:de nature divorse. ’’ !!:!!!!!!!!t,à:réalisàtion technique d’une bàsé!:de données doit être précédée de trois étapes de conceoiori ’’

élaboration d’un &dquo;dictionnaire données&dquo; (liste des donnéss nécessaires), modélisation ’’

des données (représentation sémantique de l’information requi,se!:,à un niveau purerhent ::,abstrait, qui ne préjuge doiic.pas d chvix techniques , conception technique (traduction du modèlecomr>te de choix techniques par exemple construction d’un schéma relationnel) :;:!:Ràllàhd:l 986)! Ces étapes peuvènt:,,ètee menées à bien grâce à,dee. méthodes:dë conception de ’’

système d’information toiles: ctue MERISE (Tardieu et al 1983). La traduction d’un modèle conceptuel ’’

en schéma de base de données est pilotée par Un ensemble, de,,règleà qui la rendent triviale., Le ’’

!N!!M!M!!!!! ensemble cie:tàbles qui sont des côtteotioiis de types de données ’’

sl!rnentafres (par, exemple :. numéro d’iden tif,i,dation. race. date de réforme ...). Les liens entre tables!!!SB! 1:>Ihtérrogation de la basé à partir de leurs clonnëes communes., Enfin, dans desbases de données servant des projets de:! recherche exploratoire, la connaissance de grands :’principes relatifs aux futurs !trajtëmenté des données peut influencer utileme.rit le. modèle conceptuel ’’et sa traduction en schérna.de:base de données (Lescourret etal 1992).L’attention apportée â,ta conception, qui nécessite un dialogue constant avec les futurs, utilisateurs de ::

la’base, gararitit un! bonne nn!itris! du !y!t!rn! d’lt!fc!rm!tlans !ddnriéas,; besrainsj c#ui pc!vient ’’

de ccrwâteuses orre,ur,,s,,(v 0, lu,mes utilisés, donné es ti oh:ihtro! d uites > 1978). Le modèle,!S:!sep!M!! peut être présenté sous forme gra phique est,une image fid>ele de l’état du système ’,’utile en phase d.exploitation dé: la base. Par ailleurs, une base de données garantit une forte!SS!!!t’S! tëà rèqlet que !doivent suivre les données pour être cohérentes avec la réalité ’’

:et, le !qb’ t &dquo;f 1 s il ixes sont ou bien cantenues dans le schéma de l’à base, ou bien facilementde Manipulation de Donnèes:,,(L,M:D) des Systèmes de Gestion deS!esijS!jB!ss6!! Un point crucial est la facilité et la rapidité de l’accès: à, l’inforrnation ’’

qui dépendent au moins. autant dé 1la, p1é1rti,petice de la structure mise en place que de la puissance ’’

des LMD. Enfin, l’analyse exoloratoi!re de données nécessite des tableaux de données nombreux etrépondant à des critères dé.: sélection variés. Il faut par ailleurs revenir en.:permanence aux données. ’’

Cette démarche est: g!!àndèffient facilitée par 1’utîlisation d’une basede données retationnelle. Celle-ci ’!

,.garantit une: bonne ind:êpendance entre données et traitements, au contraire d’un ensemble de ’’

!mM!S!a!!

concernant à la fois les caractéristiques origi-nelles des animaux, leur croissance dans lejeune âge, leurs performances de production,leur santé et leur reproduction au cours deleurs lactations successives, ainsi que lescauses de leur réforme. Sur les troupeaux lai-tiers des 3 domaines expérimentaux dépen-dant du Centre (Theix, Orcival et Marcenat),ces données ont pour la plupart été relevéessystématiquement et saisies en grande partiesur support informatique selon un cadre iden-tique depuis pratiquement 20 ans. Pour facili-ter la réalisation des objectifs poursuivis, il aété décidé de les organiser au préalable dansune base de données. La définition et les inté-rêts de ce type de structuration sont précisésen encadré. Cette base a été baptisée LASCAR(LAit, Santé, CArrières, Reproduction). Elleest un exemple de structuration de donnéesadaptée à un projet scientifique. C’est une basenon évolutive fortement orientée vers le traite-ment des données.

L’objectif de cet article est de présenter lastructure et le contenu de cette base et d’évo-quer les grandes lignes de son utilisation.

Choix et définition des variables

Les variables retenues décrivent :

- les performances zootechniques (produc-tion et composition du lait, poids vif), mesurées

à l’échelle de la lactation (taux butyreux etprotéique) et/ou de la semaine de lactation(lait, poids vif) ;

- certaines caractéristiques individuelles del’alimentation. En l’absence, pour les 2/3 deslactations concernées, de données informati-sées concernant les quantités de fourragesingérées et les bilans nutritifs (qui auraientété d’un intérêt certain), seules les quantitésde concentrés ingérées à l’échelle hebdomadai-re ont été retenues. Le niveau des apportsénergétiques et azotés en début de lactation(semaines 1 à 8 et 9 à 16) a été estimé indivi-duellement à partir des protocoles concernantles expériences pour lesquelles les vachesavaient été utilisées. Une échelle à troisniveaux (bas, moyen et haut, par rapport auxrecommandations de l’INRA) a été jugée suffi-sante. Le niveau moyen a été affecté auxvaches non expérimentales ;

- les événements subis par les vachesdurant leur carrière: troubles sanitaires, pra-tiques prophylactiques individuelles, événe-ments liés à la reproduction (inséminations,vêlages, caractéristiques du veau), tarisse-ments, réforme ;

- des attributs invariables à l’échelle de lacarrière, et déterminés à son début: race, des-cripteurs de la parenté et indicateur de lavaleur génétique (index laitier du père

(Institut de l’Elevage-INRA 1992a et b)), etcertaines caractéristiques de la période d’éle-vage des animaux (poids, inséminations...) ;

- le climat des domaines expérimentaux,sous la forme de quelques descripteursannuels, élaborés à partir des données journa-lières de la banque de données climatiquesINRA.

Par ailleurs, parmi les variables décrivantles conduites d’élevage (modalité du pâturage,type de stabulation ...), seules les bornes despériodes de pâturage et de récolte des four-rages ont été retenues pour figurer dans labase. Les autres variables ont été décritesdans un document d’accompagnement retra-çant les principaux événements qui ont mar-qué la vie des domaines pendant la périoded’étude (Pérochon 1990).

La production laitière, les poids vifs, lestroubles sanitaires, les événements liés à lareproduction et les caractéristiques de la réfor-me constituent les &dquo;performances&dquo; étudiées.Les attributs invariables à l’échelle de la car-rière et déterminés à son début, les pratiques(conduites d’élevage, pratiques alimentaires etsanitaires) et le climat constituent les facteursde variation de ces performances.

Le dictionnaire des données et la liste descontraintes suivies par ces données (parexemple: une vache a appartenu à un seuldomaine durant sa carrière) ont été établissimultanément. Les périodes d’étude et lescaractéristiques des animaux retenus ont étéchoisies en fonction des disponibilités offertespar chacun des domaines. Les périodes d’étudecouvrent les campagnes 1968-1988 pour lesdomaines de Marcenat et de Theix, et les cam-pagnes 1980-1991 pour le domaine d’Orcival.Ont été retenues les vaches ayant réalisé dansun même domaine une succession ininterrom-pue de lactations de la première mise basjusqu’à la réforme, ainsi que 89 carrières tron-quées par la fin de la période d’étude. Lesvaches fistulées (domaine de Theix) ont étéexclues.1179 vaches ayant réalisé 3851 lacta-tions ont ainsi été retenues (tableau 1).

Organisation de LASCARLe modèle conceptuel de LASCAR (figure 1)

a été décrit par ailleurs (Lescourret et al 1992).Il a été traduit en un ensemble de 10 tables,présentées au tableau 2.

Les tables VACHE, LACTATION et SEM-LACT (respectivement 1179, 3851 et 182678

enregistrements) réunissent les mesuresuniques, à l’échelle de la carrière, de la lacta-tion et de la semaine de lactation respective-ment. Les tables INS (5122 enregistrements)et SUBIT (6129 enregistrements) décrivent lesévénements relatifs aux inséminations et auxévénements sanitaires respectivement. Latable TYPEVEN (81 enregistrements) décrit leregroupement des événements sanitairesobservés en grands types (par exemple, lesévénements &dquo;boiterie&dquo;, &dquo;cerise&dquo;, &dquo;amputationd’onglon&dquo; et &dquo;limace&dquo; sont regroupés dans letype &dquo;boiterie&dquo;). La table VEAU (3922 enregis-tements) contient les caractéristiques desveaux nés des vaches de VACHE. La table

TAUREAU (147 enregistrements) contient lesnuméros et les index laitiers des pères desvaches de VACHE, s’ils sont indexés (base1992). La table CLIMPATUR (54 enregistre-ments) comprend, pour chaque domaine, lesbornes des périodes de pâturage pour chacunedes campagnes incluses dans sa périoded’étude, et la liste des paramètres climatiquescaractérisant ces campagnes. Enfin, la tableDOMAINE (2 enregistrements) contient lesdates moyennes de début et de fin des périodesde récolte du foin et de l’ensilage. Au total labase contient environ 1,5 millions de données.

La structure des tables est adaptée à desbesoins spécifiques en traitements de données.

Ainsi, le besoin de disposer à la fois du tempscalendaire et du temps physiologique (rang etsemaines de lactation) pour les événements etles mesures subis par les vaches a conduit àintroduire les deux types de temps dans la plu-part des tables. De même, des productions lai-tières totales et des coefficients de persistancede la lactation, susceptibles d’être fréquem-ment requis, ont été calculés à partir des don-nées de la table SEMLACT, et introduits dansla table LACTATION. Dans ces deux cas, on aamendé la traduction brute du modèle concep-tuel en introduisant dans quelques tables desredondances nécessaires (données ne pouvantêtre obtenues par ailleurs que par un calculfastidieux à partir de la base).

Les liens entre tables sont établis lors del’interrogation, par des &dquo;jointures&dquo; basées surleurs champs communs. Ainsi, les tables LAC-TATION, SUBIT, INS, SEMLACT et VEAUpossèdent en commun les champs &dquo;numéro devache&dquo; et &dquo;numéro de lactation&dquo; qui permettentd’associer, dans un tableau de sortie portanten ligne des lactations, des caractéristiques deproduction, de santé et de reproduction.

Cette base, installée sur le serveur duCentre de Theix, est gérée par le SGBDRelationnel ORACLE. Elle peut être interro-gée à l’aide du langage SQL (Structured QueryLanguage), le langage standard d’interrogationdes bases de données relationnelles, qui estassez proche du langage naturel. Compte tenudes configurations locales, de la simplicité dumodèle et de l’indexation des tables, les tempsd’exécution sont courts malgré des nombresd’enregistrements parfois importants. Parexemple, l’obtention de la liste des numéros devache associés à une variable prenant lavaleur 1 en cas de survenue d’un au moins destroubles sanitaires parmi une liste de 6 pen-dant la première lactation, et 0 sinon, deman-de seulement 25 secondes sur le serveur ducentre de Theix. L’obtention d’une série denuméros de vache associés à des caractéris-

tiques initiales de ces animaux (race, cam-pagne de naissance, poids à un an, index lai-tier du père), de leur première lactation (âgeau premier vêlage, production initiale, quanti-té moyenne de lait produite par jour), et deleur carrière (durée, rang de lactation de sor-tie, type et cause de réforme), nécessite seule-ment 60 secondes. Cette requête met en jeu lestables VACHE, LACTATION et TAUREAU etimpose des conditions de tri relatives aunuméro de lactation, à l’existence d’un indexlaitier renseigné et au fait que la carrière soitcomplète. Elle fait appel à 14 des variables deces tables.

Validation de LASCAR

Pour augmenter la fiabilité d’une base, ondoit s’assurer que les données qu’elle contientrespectent des règles de cohérence. Ces règlespeuvent concerner :

1) une seule variable (domaine d’occurence).Par exemple, le poids vif des animaux dans latable SEMLACT doit être compris entre 400 et900 kg.

2) plusieurs variables d’une même table.Dans la table LACTATION, la variable &dquo;pro-duction des 4è, 5è et 6è jours de lactation&dquo; nedoit pas être renseignée si la lactation duremoins de 6 jours.

3) plusieurs variables dans des tables diffé-rentes. Par exemple la variable &dquo;type d’induc-tion&dquo; de la table LACTATION ne peut pasprendre la valeur 1 si la durée de gestationcalculée à partir de la date d’insémination pré-sumée fécondante (variables &dquo;date&dquo; et &dquo;résul-tat&dquo; de la table INS) et de la date de vêlage(variable &dquo;date de début&dquo; de la table LACTA-TION) est inférieure à 240 jours ; il s’agit alorsd’un avortement, et la variable &dquo;type d’induc-tion&dquo; prend la valeur 0. Les règles de cohéren-ce concernent aussi les données &dquo;élaborées&dquo; dela base (c’est à dire construites à partir de don-nées brutes de la base). Ainsi, la variable&dquo;durée de production&dquo; de la table LACTATIONdoit être égale à la différence entre lesvariables &dquo;date de début de lactation&dquo; et &dquo;datede tarissement&dquo; de la même table, ou, enl’absence de tarissement, entre les 2 variables&dquo;date de début de lactation&dquo; relatives à 2 rangsde lactation successifs, ou, pour la dernièrelactation et en l’absence de tarissement, à ladifférence entre les variables &dquo;date de début delactation&dquo; de la table LACTATION et &dquo;date desortie&dquo; de la table VACHE.

La vérification de ces règles a été assurée àdifférentes étapes de l’élaboration de la base.Dans un premier temps, les fichiers originelsont fait l’objet de vérifications manuelles et/ouinformatiques, suivies de corrections éven-tuelles. Les valeurs aberrantes des taux pro-téique et butyreux annuels ont ainsi été détec-tées. Dans un second temps, après l’alimenta-tion de la base, 127 requêtes en langage SQLont été lancées pour vérifier la cohérence desdonnées. Les erreurs détectées ont été corri-gées soit immédiatement (par exemple élimi-nation des doublons) ou après retour aux don-nées de base, voire expertise des utilisateurs.Cette dernière phase a nécessité environ 3semaines de travail à 2 personnes, ce qui n’estpas considérable compte tenu de la quantité dedonnées et de la sécurité garantie pour l’utili-sation ultérieure.

Utilisation de LASCAR

La répartition des principaux types de don-nées par domaine est précisée au tableau 1, etla plage de variation de certaines d’entres ellesà la figure 2. Cette plage apparaît très éten-due. Ainsi, 611 vaches ont réalisé au moins 3lactations (soit 56 %) et 176 au moins 6 (soit16 %). Au cours de ces lactations, la productionlaitière totale a varié de 0 à 14528 kg (5032 kgen moyenne). 76 % de ces productions ont étécomprises entre 3000 et 7000 kg. Les poids aupremier vêlage ont été compris entre 400 et700 kg.

Compte tenu de ces caractéristiques, LAS-CAR nous paraît pouvoir répondre à l’objectifd’étude des carrières des vaches laitières.Cependant, une difficulté majeure réside dansle choix d’échelles de temps différentes pour

appréhender correctement des performancesaussi dissemblables qu’une production laitière,une variation de poids vif ou un intervalleentre 2 vêlages. L’échelle de la lactationsemble être un bon compromis pour l’étudeconjointe de ces différentes performances. Acette échelle, un premier travail consiste àanalyser chacune de ces performances (élabo-ration de profils sanitaires, de production, dereproduction...) et leurs interrelations (associa-tion santé-reproduction, santé-production...). ).Ensuite, l’étude de la carrière peut se conce-voir de différentes manières (figure 3) :

- La carrière peut être vue comme unensemble de trajectoires correspondant chacu-ne à une catégorie de performance (productionlaitière, reproduction, santé, variation depoids). L’objectif est de définir des types detrajectoires pour chaque catégorie de perfor-mance et de préciser l’existence éventuelled’associations privilégiées entre les types detrajectoire de 2 catégories de performance. Unexemple théorique de cette démarche mettanten jeu 2 catégories de performance (production

laitière et troubles sanitaires) est présenté surla figure 3a.

- La carrière peut être considérée comme unenchaînement d’états définis à l’échelle d’unelactation par l’ensemble des performances(Coulon et al 1989). L’objectif est d’analyser cetenchaînement (figure 3b).

- Enfin, on peut choisir a priori des descrip-teurs synthétiques de la carrière (poids au pre-mier vêlage, production moyenne par jour devie productive, nombre moyen d’inséminationspar lactation, etc...), et définir des types de car-rières à partir de ces descripteurs, comme celaa déjà été entrepris chez la brebis (Lasseur etLandais 1992).

Parallèlement, LASCAR peut permettrel’étude de problèmes importants se situant àune échelle de temps réduite (par exemple :effet à court terme des principaux troublessanitaires sur la production laitière). Parailleurs des questions plus marginales peuventaussi être abordées (par exemple : analyse dela variation des heures de vêlage ou du poidsdes veaux).

Références bibliographiques

Barnouin J., Karaman Z., 1986. Enquêteécopathologique continue : 9. Influence du niveau deproduction sur la pathologie de la vache laitière.Ann. Rech. Vét., 17, 331-346.

Broster W.H., Broster V.J., 1984. Reviews of theprogress of dairy science : long-term effects of planeof nutrition on the performance of the dairy cow. J.Dairy Res., 51, 149-196.

Coulon J.B., Landais E., Garel J.P., 1989. Pathologieet productivité de la vache laitière : interrelations àl’échelle de la lactation. Ann. Rech. Vét., 20, 443-459.

Coulon J.B., Landais E., Garel J.P., 1990.Alimentation, pathologie et productivité de la vachelaitière : interrelations à l’échelle de la carrière.Ann. Rech. Vét., 21, 33-47.

Dohoo I.R., Martin S.W., Meek A.M., SandalsW.C.D., 1982-1983. Disease, production and cullingin holstein-friesian cows. I. The data. Prev. Vet.Med., 1, 321-334.

Enevoldsen C., Grohn Y.T., Thysen L, 1991. Soleulcers in dairy cattle : associations with season, cowcharacteristics, disease, and production. J. DairySci., 74, 1284-1298.

Ganière J.P., André-Fontaine G., Drouin P., Faye B.,Madec F., Rosner G., Fourichon C., Wang B., TillonJ.P., 1991. L’écopathologie : une méthode d’approchede la santé en élevage. INRA Prod. Anim., 4, 247-256.

Hall S.A., 1978. Farm animal diseases data banks.Adv. Vet. Sci. Comp. Med., 22, 265-286.

Institut de l’Elevage-INRA, 1992. Résultats descontrôles de descendance des taureaux PrimHolstein. Production laitière, format etconformation. Edition 92/1. Ed. Institut de l’Elevage.

Institut de l’Elevage-INRA, 1992. Résultats descontrôles de descendance des taureaux utilisés surfemelles montbéliardes. Production laitière, formatet conformation. Edition 92/1. Ed. Institut del’Elevage.

Lasseur J., Landais E., 1992. Mieux valoriserl’information contenue dans les carnets d’agnelagepour évaluer des performances et des carrières dereproduction en élevage ovin-viande. INRA Prod.Anim., 5, 43-58.

Lescourret F., Pérochon L., Coulon J.B., Faye B.,Landais E., 1992. Modelling an information systemusing the MERISE method for agricultural research :the example of a database for a study on performancesin dairy cows. Agric. Systems, 38, 149-173.

Lucey S., Rowlands G.J., Russel A.M., 1986. Short-term associations between disease and milk yield ofdairy cows. J. Dairy Res., 53, 7-15.

Pérochon L., 1990. Modélisation par la méthodeMERISE d’un système d’informations zootechniqueset sanitaires à usage scientifique. Mémoire de find’études. INRA-CUST Clermont-Fd.

Rolland C., 1986. Introduction à la conception desystèmes d’information et panorama des méthodesdisponibles. Génie Logiciel, 4, 6-11.

Tardieu H., Rochfeld A., Coletti R., 1983. Laméthode MERISE. Tome 1. Principe et outils. LesEditions d’Organisation, Paris.

Udomprasert P., Williamson N.B., 1990. Thedairychamp program : a computerised recordingsystem for dairy herds. Vet. Rec., 127, 256-262.

Wiktorsson H., 1979. General plane of nutrition fordairy cows. In : Feeding strategy for the highyielding dairy cow, Broster W.H et Swan H. Eds.Granada, St Albans, UK, 148-170.

Williams N.T., 1986. Using database managementsystems in farm management. Farm Manage., 6,183-191.

Remerciements

Nous tenons à remercier l’ensemble des personnels desdomaines de Theix, Orcival et Marcenat qui ont réalisé lacollecte des données, et en particulier, A. Ollier, J. Rouel etJ.P. Garel, ainsi que les personnes des services communs ducentre de Theix qui ont participé à l’informatisation desdonnées (C. Barreyre, P. Champciaux, C. Espinasse, P.L’Hotelier).

Summary

Description of LASCAR, a database for studying theproductive life of the dairy cow.A relational database called LASCAR has beendesigned to study the productive life of dairycows. Data was recorded over the last 20 years inthe 3 experimental dairy farms of INRA!s Centre ofClermont-Fd-Theix. It is composed of 10 tables des-cribing the genetic caracteristics and measure-ments at the heifer period of the animals, indivi-dual performance on different time scales (milkproduction, liveweight, reproductive events,

diseases) and a few factors governing these perfor-mances (nutritional supplies, climate). It contains3851 lactations from 1179 cows. Its data wereexhaustively checked. Different ways of studyingthe productive life from this database are presen-ted.

COULON J-B., LESCOURRET Frangoise, FAYE B.,LANDAIS E., TROCCON J-L., PEROCHON L., 1993.Description de la base de données &dquo;LASCAR&dquo;, un outilpour 1’etude des carrières des vaches laitières. INRAProd. Anim., 6 (2),151-160.