Intégration de prix des matières premières dans l’optimisation de la

formulation des aliments complets pour volaille

Par

Paul MALUMBA KAMBA

Travail présenté dans le cadre du Master en Science de gestion (à horaire décalé)

GEHD20M1

Sous la direction du prof. Philippe CHEVALIER

2011
Introduction

La gestion de stock et les prix de matières premières sont au centre des préoccupations des
gestionnaires du supply chain. Ces deux paramètres peuvent affecter les processus de
fabrication lorsque les entreprises disposent des possibilités d’adaptation de leur production.
L’industrie de formulation des aliments pour volailles est l’une des industries qui dispose
d’une telle flexibilité. Les préférences des animaux n’étant pas sujettes à d’importantes
contraintes sensorielles, les formules employées peuvent varier en fonction de prix des
matières premières et des stocks disponible dans les entreprises.

En aviculture, les aliments employés sont majoritairement des produits agricoles et des sous
produits de l’industrie agroalimentaire, dont les prix d’achat sont actuellement soumis à des
fluctuations dues à l’emballement des marchés des produits agricoles. Pour se couvrir des
risques générés par la volatilité de ces prix, les entreprises de formulation des aliments
doivent disposer de moyens d’information et d’action qui leur permettent de prendre des
options limitant les effets néfastes et capitalisant au mieux ces changements.

Tirant parti du développement des connaissances en nutrition animale, de la rationalisation

des pratiques d’élevage et de l’accès à des d’importants moyens de calcul, des logiciels
d’optimisation des aliments ont été développés et commercialisés aux firmes d’élevage. Ces
logiciels peu vulgarisés ne sont détenus que par un nombre restreint des gestionnaires des
unités de formulation des aliments. Une meilleure exploitation des mises à jour des
connaissances scientifiques, concernant les besoins des animaux et la composition des
nouvelles matières premières exige que les gestionnaires des unités de formulation d’aliment
connaissent les fondements des moyens de calcul qu’il utilise, de façon à les adapter aux
changements et à en tirer une meilleure interprétation des résultats.

Dans le présent travail, les approches employées dans la formulation des aliments complets
pour volaille sont présentées (Chapitre 1). Au départ des contraintes nutritionnelles d’une
catégorie de volailles, des caractéristiques des matières premières disponibles et des
informations sur leur prix, une étude de cas de formulation d’un aliment pour volailles
employant le solveur Excel est présentée (Chapitre 2). Les optima obtenus en intégrant les
variations des prix des matières premières sont analysés et les conséquences d’une telle
démarche dans la gestion opérationnelle des industries de formulation des aliments sont
discutées (Chapitre 3).

2
Chapitre 1 : Les approches de formulation des aliments pour volailles

1.1. Problématique de la formulation des aliments pour volailles

Le but de la formulation des aliments est de fournir aux animaux un produit consommable
dont les caractéristiques permettent, dans les conditions d'élevage données, d’obtenir une
production de viande ou d'œufs assurant le bénéfice le plus élevé (Larbier et Leclercq, 1992).
Pour y arriver, il est important de connaître les besoins du consommateur et de lui apporter ce
dont il a réellement besoin, en quantité nécessaire sous une forme adéquate et en temps voulu.

La formulation des aliments consiste à confectionner, à moindre coût, des mélanges appétants
d’aliments, ayant des caractéristiques facilitant leur fabrication, leur manutention et leur
conservation et répondant aux besoins des animaux (entretien, croissance, production,
reproduction) à partir de matières premières disponibles. Elle implique le calcul des
proportions de matières premières à intégrer dans les processus de fabrication afin de
satisfaire les exigences du consommateur et les objectifs de production.

1.2. Différentes approches de formulation conceptuelle des aliments

1.2.1. Les méthodes empiriques de formulation

Ces méthodes sont basées sur l’expérience des formulateurs à proposer un mélange des
ingrédients satisfaisant les besoins de la production, et à réajuster ces proportions en fonction
des performances observées et de l’évolution du marché des matières premières. Les choix
incrémentales qu’elles proposent simplifient la complexité des exigences de formulation en se
focalisant sur un nombre restreint de critère à optimiser.

Les entreprises qui basent leurs démarches de formulation sur l’expérience et la modification
intuitives des formules ont tendance à percevoir la volatilité des prix des matières premières,
comme une menace sur la rentabilité de leurs productions et ne saisissent pas souvent les
opportunités qu’elle peut offrir en termes d’avantage concurrentiel. La prise en compte tardive
et implicite des critères d’efficience financières dans ces méthodes conduit au rejet d’un
nombre important de résultats de calcul et rend aléatoire l’adoption d’une formule optimale.

3
1.2.2. Méthodes algébriques simples

Pour exploiter au maximum les données scientifiques et satisfaire aux critères de décision
impliqués dans le choix des matières premières à incorporer dans une ration, les formulateurs
des aliments ont en premier lieu appliqué les méthodes algébriques, fondée sur la résolution
des d’équations linéaires à fonctions objectives implicites.

La prise en compte à posteriori de la fonction objective (minimisation de coût) ne permet pas

d’affirmer avec certitude si la solution algébrique proposée est celle qui garantit le meilleur
rapport qualité/prix. En outre, ces approches ne prennent généralement pas en charge les
objectifs divers poursuivis dans la formulation des aliments tels que la protection de
l’environnement, la limitation de perte des nutriments pouvant générer d’importantes
excrétions de composants nocifs et d’autres paramètres techniques.

1.2.3. La formulation à moindre coût et les techniques employés

Pour exploiter au maximum les données scientifiques et satisfaire aux nombreux critères de
décision impliqués dans le choix des matières premières à incorporer dans une ration, la
formulation conceptuelle recourt aujourd'hui aux techniques de formulation à moindre coût,
tirant parti de la résolution des problèmes formalisés sous forme de programmation linéaire.

L’utilisation de la programmation linéaire dans la formulation des aliments pour bétails

introduite par Brigham (1959) et Jewel (1959), a conduit au, avec le développement de
l’informatique, à la conception des logiciels (Ultramix livestock rationing ; Farm works
software, etc cité par Munford, 1995) de formulation des aliments pour bétails. L’acquisition
de licence d’utilisation de ces logiciels n’est pas à la portée de nombreuses petites et
moyennes entreprises, ce qui ne facilite pas la vulgarisation de ces outils.

Quand bien même l’utilisation des logiciels est facilitée par des interfaces interactives, leur
présentation de type « boîte noire » et la complexité de leur fonctionnement sont un frein à
leur adaptation aux nouveaux paradigmes des industries agroalimentaires. La pertinence des
résultats que ces outils fournissent dépend des informations qu’ils contiennent, et qui ne
peuvent être modifiées que si les praticiens disposent, outre des notions de nutrition, des
connaissances de base dans la formalisation des problèmes par programmation linéaire.

4
1.3. Formalisation d’un problème de formulation par programmation linéaire

Soit à formuler un aliment complet de croissance au départ des ingrédients (Mi) disponibles
dans le marché et dont la composition (Yij) en nutriments (Yj) et les prix (pi) unitaires sont
connus. Le mélange des ingrédients retenu devant satisfaire à des recommandations définies.
Le programme défini s’écrit comme suit :

M in im is e r ( C m   i
Pi X i )

sous contraintes

Nutritionnelles

n n

i  1
Y ij X i  Y j max ; i  1
Y ij X i  Y j min

D’incorporation et d’enchaînement

 X i  L i max ;  X i  L i min

De masse et de non négativité

 i
X i  Q

Cm : coût minimisé ; Yji : concentration du nutriment j dans l’ingrédient i ; Xi : proportion

retenue de l’ingrédient i dans la ration formulée ; Li : quantité limite d’incorporation de
l’ingrédient i ; Q : masse unitaire acceptable dans le mélange à formuler ; Pi : prix unitaire de
l’ingrédient Xi, traduisant son degré de disponibilité dans le marché.

La présentation détaillée de l’utilisation de la programmation linéaire dans la formulation des

aliments est présenté dans les articles de Brigham (1959) et Jewel (1959). Les problèmes
récents posés quant à l’application de cette approche sont détaillés dans les publications de
Jean dit Bailleul (2001), de Castrodeza et al. (2005) et de Pathumnakul et al. (2011).

5
1.4. Principe algorithmique de résolution d’un programme de formulation

Un algorithme particulièrement important en programmation linéaire est celui de Simplexe,

développé par Dantzig en 1947 (Rennard et., 2009). Compte tenu qu'une infinité de solutions
techniques est envisageable pour associer les matières premières et que c'est la solution de
l'optimum économique qui est recherchée, l’algorithme de simplexe procède par itération en
tirant partie de la notion mathématique de convexité, qui dépasse le cadre de notre étude.
L'algorithme de Simplexe offre les avantages d'arriver à l'optimum après un nombre limité
d'itérations et offre l'avantage de systématiser les calculs à l'aide des tables. Il introduit une
logique de calcul et se prête à l’automatisation; d’où son large emploi dans l'industrie et en
gestion (Rennard et al, 2009).

La mise en œuvre manuelle de la méthode de Simplexe reste néanmoins fastidieuse et conduit

à des erreurs dues à des approximations à plusieurs niveaux de calcul. Ainsi, son utilisation
dans la pratique de la formulation recourt à des logiciels d’optimisation. Les plus populaires
de ces logiciels sont le solveur d’Excel, les langages de programmation AMPL, AIMMS,
GAMS, LINGO, etc. (Taha, 2007).

De ces outils, le solveur qui est une macro commande du logiciel Excell demeure l’outil le
plus accessible à des nombreux praticiens, notamment grâce à la large diffusion de ce logiciel
et du fait qu’il n’exige pas de rudiment en programmation. AMPL et, AIMMS, pouvant, deux
outils pouvant conduire à une création des interfaces personnalisées et facilitant le traitement
des problèmes vastes, nécessitent l’apprentissage d’une codification particulière.

6
Chapitre 2 : Etude du cas de l’intégration des prix des matières premières

dans une démarche d’optimisation d’un aliment pour poules pondeuses

En vue d’élucider la démarche d’intégration des prix des matières premières dans
l’optimisation des formules alimentaires, nous avons considéré le cas de la formulation d’un
aliment pour une poule pondeuse de 20 à 45 semaines. Ce chapitre présente les contraintes
nutritionnelles considérées, les matières premières et leurs contraintes d’incorporation, ainsi
que les bases de données de leurs caractéristiques et prix historiques.

2.1. Les contraintes nutritionnelles employées

En aviculture, les aliments sont souvent formulés en fonction de l’âge de l’animal et tenant
compte d’un nombre important des critères de qualité à optimiser. Ces aliments sont
considérés comme étant complets lorsque leur formulation permet qu'ils soient administrés
seuls, dans le but d'entretenir les animaux ou leurs productions sans exiger un autre aliment
que l'eau. Le tableau 1 présente les exigences nutritionnelles de l’aliment complet à formuler.

Tableau 1 : Les contraintes nutritionnelles fixées dans le programme

Contraintes Minimal Maximal
EM/Kg 2750,0
Humidité (%) 14,0
Protéines brute (%) 16,0 18,5
Fibres brutes (cellulose) (%) 3,5 6,0
Matière -grasse totale (%) 5,0 9,0
Amidon (%) 32,0
Calcium (g/Kg) 30,0 37,5
Sodium (g/Kg) 1,4 5,0
Chlore (g/Kg) 1,4 5,0
Acides linoléiques (g/Kg) C18:2 15,0
Méthionine (g/Kg). 3,6
Lysine (g/Kg) 7,0
Vitamine A (1000 UI/Kg) 10,0
Vitamine E (mg/Kg) 15,0
Vitamine K (mg/Kg) 2,0

Ces contraintes nutritionnelles sont inspirées des recommandations de la DSM, une

multinationale active dans les domaines de la santé, de la nutrition et des matériaux.

7
2.2. Les matières premières employées

Selon leur nature et le mode de leur obtention, les matières premières employées dans
l’alimentation de volailles peuvent être classés en sept groupes :

Les céréales : Constituants de base de l’alimentation des volailles et riche en amidon, leur
utilisation n’est limitée que par la nécessité de maintenir l’équilibre énergie-protéines. L’on
trouve dans cette catégorie le maïs, le blé, l’orge, le riz, le seigle, le triticale et le sorgho.

Les protéagineux : Dans ce groupe on trouve des graines riches en protéines et en matières
grasses parmi les quelles les légumineuses tel que le soja, le pois, l’arachide, la luzerne, le
tournesol et le colza occupent une place de choix.

Les sous-produits de l’industrie céréalière : Issues de la fabrication des farines des céréales,
on trouve dans cette catégorie le son de blé, le blé cassé, le remoulage de blé et les issus du riz
et de maïs. Avec des nouveaux sous produits des céréales tels que les glutens de blé, de corn
gluten feed et du DDGS émergent.

Les tourteaux : Sous-produits de l’industrie d’extraction d’huiles végétales, ils sont pauvres
en matières grasses, surtout lorsqu’ils proviennent d’un procédé d’extraction par solvant. Ils
renferment des proportions élevées de protéines qui font tout leur intérêt. Ces protéines sont
de valeur inégale selon l’espèce végétale d’origine. On trouve dans cette catégorie le tourteau
de soja, le tourteau de colza, le tourteau de tournesol, le tourteau palmiste.

Les huiles et graisses végétales : Elles apportent les acides gras et de l’énergie
métabolisable. Ces huiles participent également à la structuration des mélanges et diminuent
des émissions des poussières. Elles ont donc, par delà leurs fonctions nutritionnelles, des
aptitudes fonctionnelles. Selon les régions on emploie de l’huile de palme, de tournesol, de
colza, d’arachide et de soja.

Farine d’origine animale : Les farines d’origine animale comprennent l’ensemble des sous-
produits des industries de la viande, du poisson et du lait. On trouve principalement dans cette
catégorie des farines de poisson qui ont d’excellentes teneurs en matières azotées et sont
recherchées pour leur haute teneur en acides aminés essentiels et en contenu minéral.

Les concentrés minéraux, acides aminés et vitamines de biosynthèse : En vue de palier à

des carences probables des éléments minéraux, des acides aminés et des vitamines dans les

8
matières premières traditionnelles, l’industrie de formulation des aliments recourent à des
additifs concentrés en ces éléments. Il s’agit soit des roches et sels minérales comme le
calcaire, le phosphate bi calcique, le sel de chlorure de sodium ou encore des acides aminés et
vitamines de biosynthèse. L’ajout de ces concentrés dans la formulation est fort limité et peut
se faire sous forme de pré mélanges déjà formulés.

2.3. Base des données des caractéristiques des matières premières

Pour la présente étude, nous avons sélectionné 21 matières premières (tableau 2). La
restriction à ces 21 matières premières a été imposée par la disponibilité des informations sur
leurs compositions et par l’accessibilité aux données historiques de leur prix ou indices de
prix. Les compositions mentionnées dans le tableau 2 sont celles décrites par Sauvent et al.
(2002) dans leurs tables de composition et de la valeur nutritive des matières premières
destinées aux animaux d’élevage.

9
 Tableau 2 Composition des matières premières employées (Sauvant et al. 2002)
Maïs Blé Orge Riz Remou- Son Luzerne Pois Soja Graine Tourteau Tourteau Farine Huile Huile Huile L- DL- Calcaire Phosph Sel de
tendre lage de blé 17-18% Entier de de soja de colza de De de De lysine méthionine cuisine
de blé pellet Colza 48 poisson tournesol colza HCl bicalcique
tendre toastée 65 palme hydraté
Variables X1 X2 X2 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21

EM/Kg 3350 2980 2610 3490 2390 1680 1030 2490 3380 3390 2280 1460 3220 7970 9100 9100 3350 4630 0 0 0

Humidité (%) 14 13,2 13,3 12,6 12,1 12,9 9,4 13,6 11,4 8,8 12,2 11,3 8,3 0 0 0 0,5 0 3 0

Protéines brute (%) 8,1 10,5 10,1 8 14,9 14,8 15,8 20,7 35,2 19,1 45,3 33,7 65,3 0 0 0 956 600 0 0 0

Fibres brutes (%) 2,2 2,2 4,6 0,5 4,9 9,2 26,7 5,2 5,6 8,2 6 12,4 0 0 0 0 0 0 0 0 0

Matière -grasse (%) 3,7 1,5 1,8 1,2 3,5 3,4 2,5 1 19,2 42 1,9 2,3 8,9 1000 0 0 0 0 0 0 0

Amidon (%) 64,1 60,5 52,2 75,9 37,8 19,8 0 44,6 0 0 0 0 0 0 0 0 0 0 0 0

Calcium (g/Kg) 0,4 0,7 0,7 0,1 1,2 1,4 19,7 1,1 3,2 4,7 3,4 8,3 38,5 0 0 0 0 0 350 280 0

Phosphore (g/Kg) 2,6 2 2,6 2 7,1 9,9 2,4 4 5,3 6,6 6,2 11,4 25,2 0 0 0 0 0 0,2 180 0

Potassium (g/Kg) 3,2 4 4,8 14,9 9,1 12,3 22,8 9,8 18,4 7,8 21,1 12,3 9,7 0 0 0 0 0 0 0 0

Sodium (g/Kg) 0,04 0,1 0,1 0,2 0,1 0,1 0,2 0,1 0,8 0,2 0,3 0,4 11,3 0 0 0 0 0 0 0 370

Chlore (g/Kg) 0,5 0,9 1,1 0,1 0,8 0,9 6 0,8 0,5 0,9 0,5 0,7 17,7 0 0 0 10 0 0 0 600

Cuivre (mg/Kg) 2 5 9 2 14 17 5 7 34 3 18 7 7 0 0 0 0 0 0 0 0

Fer (mg/Kg) 32 47 158 16 116 143 312 92 143 216 283 172 351 0 0 0 0 0 0 0 0

Acides linoléiques 17,3 6,3 55,4 35,9 15,7 15,6 2,4 10,2 97 81,8 7,4 3,8 1,5 9,9 64,9 20,5 0 0 0 0 0
(g/Kg)
Méthionine (g/Kg). 1,7 1,7 1,7 1,9 2,3 2,3 2,2 2 5,3 4,2 6,4 6,9 16,3 0 0 0 0 990 0 0 0

Lysine (g/Kg) 2,7 3,1 3,8 3 5,9 5,8 7,2 15 21,8 11,9 27,8 18 46,4 0 0 0 798 0 0 0 0

Vitamine A (1000 0,83 0,01 0,2 0 0 0,03 55 0,04 0 0 0 0 0 130 0 200 0 0 0 0 0

UI/Kg)
Vitamine E (mg/Kg) 17 15 16 9 54 18 122 4 36 117 4 14 5 95 625 219 0 0 0 0 0

Vitamine K (mg/Kg) 0,31 0 0 0 0 0,8 20 0,79 0 0 0 0 0 0 0 2 0 0 0 0 0

216 215 193 367 160 148 164 211 289 394 333 220 1320 697 874 672 1750 3510 50 385 60
Eur/tonne) sept 2010

10
2.4. Les contraintes d’incorporation

Certaines matières premières peuvent avoir des effets délétères sur la santé animale ou sur une
propriété de la formulation lorsque leurs seuils d’incorporation dans la formule ne respectent
pas certaines limites. Conformément aux recommandations de l’INRA et de la DSM nous
avons considéré les seuils d’incorporation mentionnés dans le tableau 3. Etant donné le
manque de compromis sur ces seuils d’incorporation, les limites d’incorporation peuvent
variées d’une organisation à l’autre.

Tableau 3 : seuils d’incorporation des matières premières

Seuils d’incorporation des matières premières en %
Matières premières Limite inférieure Limite supérieure
Grain de maïs 20 40
Grain de blé 0 40
Pois 0 10
Soja 0 8
Grain de colza 0 8
Farine de poisson 0 3,5
Huile de tournesol 0 4
Huile de colza 0 4
Sel de chlorure de sodium 0,1 1

2.5. Les prix des matières premières sélectionnées

En vue d’étudier l’intégration de prix des matières premières dans la démarche d’optimisation
de la formulation des aliments pour volaille et d’en tirer des leçons sur la gestion de la
logistique d’approvisionnement des entreprises de formulation nous avons créé une base de
donnée des prix historiques des 21 matières premières sélectionnées dans cette étude. Les
prix mentionnés dans le tableau 4 reposent sur le suivi mensuels des cotations de ces matières
premières en France, publiées mensuellement dans :
- Le tableau de bord de prix des aliments publié par « Coop de France », une organisation
professionnelle unitaire de la coopération agricole en France.
- La base de données de l’Institut National de la Statistique et des Etudes Economiques
(INSEE) sur les prix et indices de prix des produits et des moyens de production agricoles ;
- La base de données « feedbase » : accessible sur [Link] [Link]?

Ces prix ont été comparés et consolidés sur une base mensuelle sous forme de la base de données
présentée dans le tableau 3 couvrant la période allant d’avril 2008 à décembre 2010.

11
Tableau 4 : base de données consolidées des prix mensuels des matières premières employées dans la formulation des aliments pour volailles

M Maïs Blé Orge Riz Remou-l Son de Luzerne Pois Soja Graine Tourteau Tourteau Farine Huile Huile Huile L-lysine DL- Carbonate Phosp. Sel de
age de blé blé 17-18% entier de De de colza de De de De HCl méthionine De bicalcique cuisine
tendre (pellet) toastée Colza soja 48 poisson palme tournesol colza calcium hydraté

P1 P2 P3 P4 P4 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15 P16 P17 P18 P19 P20 P21
déc-10 222 230 211 415 176 168 174 229 362 491 348 225 1267 935 1029 672 1750 3520 50 430 60
213 214 195 376 177 150 171 215 330 436 338 224 1268 816 1020 672 1750 3510 50 430 60
nov-10
209 208 187 361 167 136 170 213 295 402 325 218 1266 716 937 672 1750 3460 50 400 60
oct-10
216 215 193 367 160 148 164 211 290 394 333 220 1320 698 874 672 1750 3510 50 385 60
sept-10
août-10 218 207 189 358 145 150 147 208 287 376 327 209 1420 699 822 672 1750 3570 50 385 60
juil-10 113 103 184 358 111 96 121 160 288 359 289 178 1450 634 730 672 1800 3570 50 390 60
juin-10 140 133 116 374 105 87 131 185 284 329 310 189 1495 659 728 672 1870 3570 50 390 60
144 130 111 375 95 78 123 181 276 313 320 186 1552 652 722 672 1930 3570 50 380 60
mai-10
avr-10 136 121 104 363 75 70 120 162 264 317 311 161 1445 618 687 670 2010 3560 50 320 60
mars-10 125 113 97 392 80 70 120 157 255 305 317 164 1380 614 707 665 2100 3550 50 280 60
févr-10 125 115 99 415 95 79 120 159 248 297 327 186 1335 579 687 660 2100 3540 50 275 60
129 120 104 422 100 89 121 165 247 288 327 183 1266 550 682 655 2100 3440 50 275 60
janv-10
déc-09 129 123 106 411 99 82 120 163 256 285 321 164 1200 537 666 650 1900 4200 50 280 60
nov-09 127 126 107 364 91 82 120 159 242 279 313 150 1100 483 608 645 1550 4000 50 275 60
118 117 103 358 78 60 125 148 236 267 306 136 1005 456 564 640 1490 3227 50 320 60
oct-09
sept-09 113 111 99 386 78 40 129 146 239 259 321 134 995 468 556 635 1450 3220 50 330 60
129 118 108 397 84 67 133 151 283 277 340 140 930 505 581 615 1400 3220 50 350 60
août-09
juil-09 129 118 108 417 80 55 133 151 284 278 345 162 917 455 574 620 1250 3220 50 360 60
juin-09 129 118 108 392 82 58 133 151 317 321 348 185 852 515 661 635 1200 3300 50 400 60
mai-09 142 134 107 392 90 68 132 161 308 324 315 183 858 578 682 655 1200 3470 50 400 60
125 124 104 434 96 77 132 151 282 292 300 181 866 533 632 675 1200 3550 50 500 60
avr-09
128 132 116 455 110 89 136 165 256 276 280 159 860 460 578 695 1200 3650 50 639 60
mars-09
févr-09 135 139 123 454 110 107 139 176 264 289 321 185 855 444 635 710 1200 3900 50 640 60
janv-09 133 141 123 426 104 102 141 168 270 301 310 178 835 417 608 725 1330 4190 50 710 60
170 191 175 408 100 90 158 153 230 284 310 159 830 366 591 730 1500 3580 50 950 60
déc-08
224 244 232 496 106 91 218 230 252 330 311 205 830 394 675 730 1600 3780 50 950 60
nov-08
oct-08 242 259 246 540 105 85 242 261 242 339 326 219 866 412 773 730 1650 3790 50 950 60
sept-08 298 311 288 480 128 109 250 304 293 376 319 268 882 536 879 730 1650 3510 50 935 60
août-08 313 353 201 488 144 134 247 312 316 401 412 260 892 592 1115 730 1650 3250 50 925 60
juil-08 201 189 162 472 142 129 235 249 350 439 370 270 890 706 1115 730 1600 3100 50 912 60
juin-08 189 186 162 521 125 116 232 233 350 469 355 280 868 774 115 730 1600 3800 50 900 60
mai-08 187 202 188 530 169 166 222 263 308 451 333 234 851 769 120 730 1600 3800 50 900 60
avr-08 226 213 200 532 204 200 208 292 296 454 373 232 825 738 1258 730 1600 2750 50 900 60

12
2.6. Mise en équation du problème

La mise en équation du problème a été faite à l’aide d’un tableur Excel 12.0 en suivant les règles
présentées dans la section 1.3 du premier chapitre. Cette mise en équation a été basée sur l'utilisation,
des matières premières ayant les caractéristiques présentées dans les bases données des compositions
(tableau 2) et des prix (tableau 3). La fonction objectif a été définie comme la somme des coûts
engendrés par l'achat des matières premières nécessaires à la fabrication de l'aliment souhaité, hors
frais de transport. Cette fonction étant minimisée pendant l’optimisation. Les variables de décision
fixés sont les proportions des différentes matières premières devant intégrée une unité de formulation.
Chacune de ces variables de décision ne peut prendre qu’au moins une valeur nulle dans la solution
(non négativité). Les caractéristiques nutritives de l’aliment et les seuils d’incorporation des matières
premières ont constitués les principales contraintes du programme.

2.7. La résolution du problème avec le solveur

Le solveur est une macro commande disponible avec le tableur Excel. Son menu permet de choisir les
variables de décision, d’écrire les contraintes et la fonction économique. Le temps accordé au solveur
pour chercher la solution optimale était fixé à 100 secondes ; avec 100 itérations possibles. La
différence acceptable entre les valeurs et la limite de la contrainte fixée à 10-6 et le problème supposé
linéaire afin d’obliger le programme à utiliser le simplexe. Les estimations d’origine des variables de
base étant linéaires de la tangente à la fonction à optimiser, en partant à chaque fois du résultat de
l’itération précédente (l’option à droite). Les détails de mise en œuvre du solveur de l’Excel 12.0 sont
fournit dans les ouvrages de Rennard et al. (2009) et de Taha (2007).

Chapitre 3 : Analyse des optima obtenus et de l’influence de l’évolution des

prix des matières premières

3.1. Présentation de l’optimum obtenu

Le tableau 5 présente à titre illustratif la solution optimale obtenue aux prix des matières
premières observés en décembre 2010. On y observe que l’ensemble des contraintes de
formulation sont satisfaite, traduisant le caractère faisable du programme. Le prix imputable à
l’acquisition de ces matières premières (hors transports et traitements supplémentaires)
nécessaire à l’obtention d’une tonne de cet aliment est estimé à 243,3 euros.

13
Tableau 5 : solution optimale obtenue aux prix des marchés observés en décembre 2010
Son
Remou de Luzer Soja Tour. Farin Huile Huile Huile DL-
lage blé ne entier Tour de De de Tour de L-lysin Méth Phos. Sel
Maïs Blé Orge Riz blé 17-18% Pois Colza de soja colza poisson palme nesol colza HCl nine Calcair bicalc Seuil Min Max
Proportion 0,5 0 0 0 0,06 0 0,09 0 0,08 0 0,13 0,04 0 0,00 0 0,02 0 0,001 0,077 0,000 0,003 1,0 1 1
EM/Kg 1675 0 0 0 137,50 0 92,63 0 270,40 0 301,43 51,10 0 6,82 0 210,87 0 4,248 0,000 0,000 0,000 2750,0 2750
Humidité (%) 7 0 0 0 0,70 0 0,85 0 0,91 0 1,61 0,40 0 0,00 0 0,00 0 0,000 0,231 0,000 0,000 11,7 0 14
Protéines brute (%) 4,05 0 0 0 0,86 0 1,42 0 2,82 0 5,99 1,18 0 0,00 0 0,00 0 0,550 0,000 0,000 0,000 16,9 16 18,5
Fibres brutes (cellulose) (%) 1,1 0 0 0 0,28 0 2,40 0 0,45 0 0,79 0,43 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 5,5 3,5 6
Matière -grasse totale (%) 1,85 0 0 0 0,20 0 0,22 0 1,54 0 0,25 0,08 0 0,86 0 0,00 0 0,000 0,000 0,000 0,000 5,0 5 9
Amidon (%) 32,05 0 0 0 2,17 0 0,00 0 0,00 0 0,00 0,00 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 34,2 32
Calcium (g/Kg) 0,2 0 0 0 0,07 0 1,77 0 0,26 0 0,45 0,29 0 0,00 0 0,00 0 0,000 26,963 0,000 0,000 30,0 30 37,5
Phosphore (g/Kg) 1,3 0 0 0 0,41 0 0,22 0 0,42 0 0,82 0,40 0 0,00 0 0,00 0 0,000 0,015 0,000 0,000 3,6
Magnésium (g/Kg) 0,5 0 0 0 0,13 0 0,13 0 0,18 0 0,38 0,17 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 1,5
Potassium (g/Kg) 1,6 0 0 0 0,52 0 2,05 0 1,47 0 2,79 0,43 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 8,9
Sodium (g/Kg) 0,02 0 0 0 0,01 0 0,02 0 0,06 0 0,04 0,01 0 0,00 0 0,00 0 0,000 0,000 0,000 1,239 1,4 1,4 5
Chlore (g/Kg) 0,25 0 0 0 0,05 0 0,54 0 0,04 0 0,07 0,02 0 0,00 0 0,00 0 0,000 0,000 0,000 2,009 3,0 1,4 5
Acides linoléiques (g/Kg) 8,65 0 0 0 0,90 0 0,22 0 7,76 0 0,98 0,13 0 0,01 0 0,48 0 0,000 0,000 0,000 0,000 19,1 15
Acide linolénique (g/Kg) 0,15 0 0 0 0,34 0 0,40 0 1,08 0 0,13 0,06 0 0,00 0 0,23 0 0,000 0,000 0,000 0,000 2,4
Méthionine (g/Kg). 0,85 0 0 0 0,13 0 0,20 0 0,42 0 0,85 0,24 0 0,00 0 0,00 0 0,908 0,000 0,000 0,000 3,6 3,6
Lysine (g/Kg) 1,35 0 0 0 0,34 0 0,65 0 1,74 0 3,68 0,63 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 8,4 7
Met+ cyst (g/Kg) 1,95 0 0 0 0,30 0 0,40 0 0,88 0 1,73 0,53 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 5,8 5,8
Vitamine A (1000 UI/Kg) 0,415 0 0 0 0,00 0 4,95 0 0,00 0 0,00 0,00 0 0,11 0 4,63 0 0,000 0,000 0,000 0,000 10,1 10
Vitamine E (mg/Kg) 8,5 0 0 0 3,11 0 10,97 0 2,88 0 0,53 0,49 0 0,08 0 5,07 0 0,000 0,000 0,000 0,000 31,6 15
Vitamine K (mg/Kg) 0,155 0 0 0 0,00 0 1,80 0 0,00 0 0,00 0,00 0 0,00 0 0,05 0 0,000 0,000 0,000 0,000 2,0 2
Vitamine B1 - (mg/Kg) 2 0 0 0 1,04 0 0,27 0 0,80 0 0,79 0,11 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 5,0
Niacine (mg/Kg) 10,5 0 0 0 6,16 0 3,69 0 1,76 0 5,16 5,81 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 33,1
Activité phytasique (UI/Kg) 10 0 0 0 194,45 0 0,00 0 0,00 0 2,64 0,35 0 0,00 0 0,00 0 0,000 0,000 0,000 0,000 207,4
Prix total 111 0 0 0 10,13 0 15,65 0 28,98 0 46,01 7,88 0 0,80 0 15,57 0 3,229 3,852 0,000 0,201 243,3

14
3.2. Analyse de sensibilité d’un optimum

L’analyse de sensibilité présentée dans les tableaux 6 et 7 permet d’évaluer la sensibilité de la

solution optimale quand certains paramètres changent de valeur. Les augmentations et les
réductions admissibles présentés dans ce tableau, montre pour chacune des matières premières
employées les variations isolées de leur prix qui n’affecteraient pas la solution optimale
trouvée. Toutes choses restant égales, des variations au delà des limites d’acceptabilité,
conduiraient à des réajustements de la solution optimale. On observe dans le tableau 6 que le
maïs, le soja et de tourteau de colza sont saturés et présentent des coûts réduits négatifs. Ceci
suppose que l’acceptation des quantités supplémentaires de ces matières dans le programme
entrainerait une modification de la solution optimale et une diminution de coût.

Le tableau 6 : analyse de sensibilité obtenue à l’aide du solveur pour la formulation optimale

de décembre 2010
Valeur Coût Coefficient Augmentation Réduction
Nom finale réduit objectif admissible admissible
Maïs 0,50 -10,29 222,00 10,29 0,00
Blé (tendre) 0,00 27,31 230,00 0,00 27,31
Orge 0,00 43,81 211,00 0,00 43,81
Riz 0,00 174,67 415,12 0,00 174,67
Remoulage de blé tendre 0,06 0,00 176,00 27,07 10,92
Son de blé pellet 0,00 48,87 168,00 0,00 48,87
Luzerne déshydratée 17-18% 0,09 0,00 174,00 983,58 129,89
Pois 0,00 51,66 229,00 0,00 51,66
Soja entier toastée 0,08 -43,21 362,24 43,21 0,00
Graine de Colza 0,00 123,87 490,64 0,00 123,87
Tourteau de soja 48 0,13 0,00 348,00 122,34 51,33
Tourteau de colza 0,04 -96,66 225,00 96,66 0,00
Farine de poisson 65 0,00 551,50 1267,00 0,00 551,50
Huile de palme 0,00 0,00 934,57 3095,49 377,17
Huile de tournesol 0,00 369,71 1028,96 0,00 369,71
Huile de colza 0,02 0,00 672,00 316,43 72,98
L-lysine HCl 0,00 1610,74 1750,00 0,00 1610,74
DL-méthionine 0,00 0,00 3520,00 40443,76 3266,11
Calcaire (craie alimentaire) 0,08 0,00 50,00 528,53 213,53
P. bicalcique hydraté 0,00 422,74 430,00 0,00 422,74
Sel de cuisine 0,00 0,00 60,00 19019,00 223,72

Le blé, l’orge, le riz, le son de blé pellet, le pois, les graines de colza, la farine de poisson,
l’huile de tournesol, la L-lysine et le phosphates bi calciques ne sont pas incorporés dans la
solution optimale. Leur coût réduit positif et traduit l’inefficience de l’utilisation de ces
matières première dans les conditions de la période analysée.

15
La solution optimale proposée fixe les valeurs d’énergie métabolisable, des matières grasses
brutes, de calcium, de sodium, de méthionine, de vitamine K et de l’ensemble de
méthionine+cystéines à leurs valeurs minimales.

Tableau 7 : analyse de sensibilité des contraintes nutritionnelles

Valeur Shadow Contrainte à Augmentation Réduction
Nom finale cost droite admissible admissible
Seuil 1,0 -163,7 1,0 0,0 0,0
EM/Kg Seuil 2750,0 0,1 2750,0 114,2 3,7
Protéines brute (%) Seuil 16,9 0,0 18,5 0,0 1,6
Protéines brute (%) Seuil 16,9 0,0 16,0 0,9 0,0
Fibres brutes (cellulose) (%) Seuil 5,5 0,0 6,0 0,0 0,5
Fibres brutes (cellulose) (%) Seuil 5,5 0,0 3,5 2,0 0,0
Matière -grasse totale (%) Seuil 5,0 0,0 9,0 0,0 4,0
Matière -grasse totale (%) Seuil 5,0 0,4 5,0 3,8 0,9
Amidon (%) Seuil 34,2 0,0 32,0 2,2 0,0
Calcium (g/Kg) Seuil 30,0 0,0 37,5 0,0 7,5
Calcium (g/Kg) Seuil 30,0 0,6 30,0 7,5 0,5
Sodium (g/Kg) Seuil 1,4 0,6 1,4 1,3 0,6
Chlore (g/Kg) Seuil 3,0 0,0 1,4 1,6 0,0
Acides linoléiques (g/Kg) C18:2 Seuil 19,1 0,0 15,0 4,1 0,0
Méthionine (g/Kg). Seuil 3,6 3,3 3,6 1,7 0,9
Lysine (g/Kg) Seuil 8,4 0,0 7,0 1,4 0,0
Vitamine A (1000 UI/Kg) Seuil 10,1 0,0 10,0 0,1 0,0
Vitamine E (mg/Kg) Seuil 31,6 0,0 15,0 16,6 0,0
Vitamine K (mg/Kg) Seuil 2,0 6,4 2,0 0,5 0,0
Sodium (g/Kg) Seuil 1,4 0,0 5,0 0,0 3,6
Chlore (g/Kg) Seuil 3,0 0,0 5,0 0,0 2,0
Le tableau de synthèse de l’analyse de sensibilité des contraintes nutritionnelles (tableau 7)
présente une colonne particulièrement importante le "shadow cost" qui détermine le coût fictif
(coût dual) du seuil de fixation de chaque contrainte. Ce coût dual informe sur la variation de
la fonction objectif lorsque la contrainte varie d’une unité.

3.3. Evolution des optima avec les prix des matières premières

Toutes choses restant égales, l’évolution des prix des matières première a influencé les
solutions optimales de formulation. Le tableau 8 présente les solutions optimales mensuelles
déterminé en intégrant les prix des matières premières depuis avril 2008 à décembre 2010. On
y observe des réajustements des optima avec les changements des prix du marché. Certaines
matières premières telles que l’orge, le riz, le son de blé pellet, le pois, le phosphates
bicalciques et la lysine n’ont été retenu à aucun moment de la période analysée.

16
Tableau 8 : les optima obtenus aux pris de marché entre avril 2008 et décembre 2010
Remou Son de Soja Graine Tourteau Huile Huile Huile Phosph.
Blé lage de blé Luzerne entier de de soja Tourteau Farine de de de de L-lysine DL- Bicalcique Sel
Maïs Orge Riz blé tendre pellet 17-18% Pois toastée Colza 48 de colza poisson 65 palme tournesol colza HCl méthionine Calcaire hydraté NaCl Prix (eu/T)
déc-10 50,0 0,00 0,0 0,0 5,75 0,0 8,99 0,0 8,0 0,00 13,22 3,5 0,00 0,09 0,0 2,32 0,0 0,09 7,70 0,0 0,33 243,3
nov-10 50,0 0,00 0,0 0,0 5,75 0,0 8,99 0,0 8,0 0,00 13,22 3,5 0,00 0,09 0,0 2,32 0,0 0,09 7,70 0,0 0,33 234,5
oct-10 50,0 0,00 0,0 0,0 5,75 0,0 8,99 0,0 8,0 0,00 13,22 3,5 0,00 0,09 0,0 2,32 0,0 0,09 7,70 0,0 0,33 227,0
sept-10 50,0 0,00 0,0 0,0 5,75 0,0 8,99 0,0 8,0 0,00 13,22 3,5 0,00 0,09 0,0 2,32 0,0 0,09 7,70 0,0 0,33 230,3
juin-10 50,0 0,65 0,0 0,0 5,10 0,0 9,00 0,0 8,0 0,00 13,28 3,5 0,00 0,09 0,0 2,26 0,0 0,09 7,70 0,0 0,33 181,6
mai-10 50,0 0,00 0,0 0,0 5,66 0,0 9,00 0,0 8,0 0,36 13,01 3,5 0,00 0,07 0,0 2,27 0,0 0,09 7,70 0,0 0,33 182,9
avr-10 50,0 0,00 0,0 0,0 5,75 0,0 8,99 0,0 8,0 0,00 13,22 3,5 0,00 0,09 0,0 2,32 0,0 0,09 7,70 0,0 0,33 174,4
mars-10 50,0 0,00 0,0 0,0 5,66 0,0 9,00 0,0 8,0 0,36 13,01 3,5 0,00 0,07 0,0 2,27 0,0 0,09 7,70 0,0 0,33 169,2
févr-10 50,0 0,00 0,0 0,0 5,66 0,0 9,00 0,0 8,0 0,36 13,01 3,5 0,00 0,07 0,0 2,27 0,0 0,09 7,70 0,0 0,33 171,3
janv-10 50,0 0,00 0,0 0,0 5,66 0,0 9,00 0,0 8,0 0,36 13,01 3,5 0,00 0,07 0,0 2,27 0,0 0,09 7,70 0,0 0,33 173,3
déc-09 50,0 0,00 0,0 0,0 5,66 0,0 9,00 0,0 8,0 0,36 13,01 3,5 0,00 0,07 0,0 2,27 0,0 0,09 7,70 0,0 0,33 172,9
nov-09 50,0 0,00 0,0 0,0 5,62 0,0 9,03 0,0 8,0 0,00 13,27 3,5 0,00 0,49 0,0 1,99 0,0 0,09 7,70 0,0 0,33 168,5
oct-09 44,2 0,00 0,0 0,0 9,62 0,0 9,10 0,0 8,0 5,33 9,71 3,5 0,00 0,28 0,0 2,13 0,0 0,09 7,65 0,0 0,33 160,6
sept-09 44,2 0,00 0,0 0,0 9,69 0,0 9,08 0,0 8,0 5,62 9,51 3,5 0,00 0,00 0,0 2,32 0,0 0,09 7,65 0,0 0,33 159,9
août-09 44,2 0,00 0,0 0,0 9,69 0,0 9,08 0,0 8,0 5,62 9,51 3,5 0,00 0,00 0,0 2,32 0,0 0,09 7,65 0,0 0,33 173,9
juil-09 44,2 0,00 0,0 0,0 9,69 0,0 9,08 0,0 8,0 5,62 9,51 3,5 0,00 0,00 0,0 2,32 0,0 0,09 7,65 0,0 0,33 175,0
juin-09 44,6 0,00 0,0 0,0 18,27 0,0 9,08 0,0 8,0 0,00 2,53 3,5 4,05 0,05 0,0 2,29 0,0 0,07 7,32 0,0 0,22 180,7
mai-09 50,0 0,00 0,0 0,0 5,75 0,0 8,99 0,0 8,0 0,00 13,22 3,5 0,00 0,09 0,0 2,32 0,0 0,09 7,70 0,0 0,33 183,6
avr-09 50,0 0,00 0,0 0,0 5,66 0,0 9,00 0,0 8,0 0,36 13,01 3,5 0,00 0,07 0,0 2,27 0,0 0,09 7,70 0,0 0,33 171,9
mars-09 50,0 0,00 0,0 0,0 5,62 0,0 9,03 0,0 8,0 0,00 13,27 3,5 0,00 0,49 0,0 1,99 0,0 0,09 7,70 0,0 0,33 169,4
févr-09 50,0 0,00 0,0 0,0 5,62 0,0 9,03 0,0 8,0 0,00 13,27 3,5 0,00 0,49 0,0 1,99 0,0 0,09 7,70 0,0 0,33 180,3
janv-09 50,0 0,00 0,0 0,0 5,62 0,0 9,03 0,0 8,0 0,00 13,27 3,5 0,00 0,49 0,0 1,99 0,0 0,09 7,70 0,0 0,33 178,2
déc-08 44,2 0,00 0,0 0,0 9,62 0,0 9,10 0,0 8,0 5,33 9,71 3,5 0,00 0,28 0,0 2,13 0,0 0,09 7,65 0,0 0,33 192,4
nov-08 31,4 0,00 0,0 0,0 31,49 0,0 9,31 0,0 8,0 0,00 0,00 3,5 4,64 0,45 1,7 2,02 0,0 0,07 7,24 0,0 0,20 224,3
oct-08 31,1 0,00 0,0 0,0 31,91 0,0 9,14 0,0 8,0 0,00 0,00 3,5 4,62 0,45 0,0 3,76 0,0 0,07 7,25 0,0 0,20 233,7
sept-08 27,8 0,00 0,0 0,0 37,50 0,0 9,22 0,0 8,0 0,00 0,00 0,0 6,15 0,43 0,0 3,53 0,0 0,06 7,14 0,0 0,16 265,7
août-08 31,0 0,00 0,0 0,0 32,08 0,0 9,12 0,0 8,0 0,00 0,00 3,5 4,60 0,17 0,0 4,00 0,0 0,07 7,25 0,0 0,20 277,6
avr-08 50,0 0,65 0,0 0,0 5,10 0,0 9,00 0,0 8,0 0,00 13,28 3,5 0,00 0,09 0,0 2,26 0,0 0,09 7,70 0,0 0,33 248,9

17
 P a g e | 18

3.4. Evolution de prix des optima calculés

Des entreprises qui ne disposent pas des compétences en matière d’optimisation des aliments
emploient des formules figées d’aliments jugées par ailleurs performantes. Dans le cadre de
cette étude nous avons comparé le prix des formulations obtenus après optimisation du
programme aux conditions du marché (solutions optimisées) et les prix observés à différentes
périodes pour une formulation figée, en prenant comme solution de base l’optimum calculé
aux conditions de marché d’avril 2008 (solution figée).
25
Prix solution figée-prix solution

20
optimisée (en Eur/T)

15

10

0
nov.-07 juin-08 déc.-08 juil.-09 janv.-10 août-10 févr.-11
Périodes

La figure 1 Différence des prix des solutions optimisées et celles des solutions figées.

Du fait probablement des variations de prix des matières premières, maintenir une formulation
figée occasionne un surplus de coût qu’on aurait évité en appliquant une solution optimisée.
En effet lorsque les prix des matières premières ne changent pas dans les mêmes proportions,
le programme peut conduire à un réajustement de l’optimum en opérant des substitution entre
les groupes des matières premières de contenu similaires et en compensant les matières
premières par d’autres qui équilibres l’apport total des nutriments dans la ration.

3.5. Analyse des complémentarités et substitutions dans la formulation

Le tableau 9 présente une matrice de corrélation de Pearson établi à l’aide du logiciel Minitab 15 des
quantités des matières premières employées dans tous les scénarii optima observés dans l’étude.

Un coefficient de corrélation positif montre que les quantités des deux matières premières analysées
varient dans le même sens. Plus grand est ce coefficient positif, plus ces deux matières sont
complémentaires. Un coefficient de corrélation négatif entre deux matières montre que

18
 P a g e | 19

l’accroissement de l’une dans la solution optimale induit une diminution de l’utilisation de l’autre. Ces
matières sont donc dites substituables.

Le tableau 9 Coefficients obtenus au départ des données à partir des solutions optimales

Remou Farine Huile Huie

Son de lage De de De huile Méthio
Maïs blé de blé Luzerne colza T. soja T. colza poisson palme tournes colza nine calcium
Blé 0,165
Remoulage -0,980 -0,163
Luzerne -0,902 -0,182 0,864
Graine colza -0,099 -0,142 -0,073 0,23
Tourteau soja 0,957 0,175 -0,972 -0,875 -0,046
Tourteau colza 0,513 0,053 -0,536 -0,423 0,098 0,415
Farine de poisson -0,906 -0,128 0,97 -0,787 -0,235 -0,951 -0,546
Huile de palme -0,371 -0,154 0,385 0,459 -0,233 -0,301 -0,275 0,368
Huile tournesol -0,413 -0,053 0,416 0,666 -0,098 -0,415 0,037 0,39 0,290
Huile colza -0,747 -0,071 0,763 0,386 -0,143 -0,698 -0,445 0,732 0,085 -0,144
Méthionine 0,890 0,123 -0,961 -0,769 0,268 0,935 0,572 -0,995 -0,373 -0,377 -0,717
Calcium 0,938 0,147 -0,984 -0,835 0,132 0,975 0,513 -0,994 -0,356 0,409 -0,715 0,987
sel 0,908 0,128 -0,971 -0,789 0,232 0,952 0,545 -1 -0,368 -0,391 -0,732 0,999 0,994

Le maïs est substituable au remoulage de blé, probablement du fait des leurs apports contenus en
amidon et en matières grasse. Il est par contre plus complémentaire avec le tourteau de soja et les
concentrés de méthionine et de minéraux.

3.6. Comparaison des indices prix des optima avec l’indice ITAVI

L'Institut Technique de l’aviculture (ITAVI) calcule et publie un indice mensuel caractérisant

l'évolution des coûts matières premières de différents aliments pour volailles. Le calcul de
l'indice ITAVI repose sur la détermination d'un coût des matières premières dans l'aliment
selon une formulation au moindre coût. Cet indice qui exprime le prix d’une formulation optimale
emploi comme base 100 le coût d’aliment optimisé en janvier 2006.

Nous avons calculé un indice similaire (indicecalculé) en partant du prix de la formulation

optimisé pour avril 2008 (Prixavril08), à qui nous avons attribué la valeur de l’indice ITAVI
calculé en avril 2008 (150,6) et du prix optimisé pour chaque période (prixOpt). Les indices
des prix de formulations calculées ont été extrapolés en employant la formule :

Pr ixOpt
Indicecalculé  * 150,6 .
Pr ixavril 08

19
 P a g e | 20

La figures 2 présente l’évolution de l’indice de prix publié par ITAVI et celui calculé. On
observe une certaine proximité des tendances évolutive de ces deux indices traduisant leur
sensibilité commune à l’évolution des prix des matières premières. La figure 3 illustre le
degré de corrélation linéaire existant entre ces deux indices.
190 160

170 155 y = 0,4358x + 80,186

150 R² = 0,837
150
145
Indices de prix

130 140

ITAVI
135
110
130

90 125
ITAVI
120
70
Calculé
115
50
110

nov.-07 mars-09 août-10 déc.-11 90 140 190

Période Indice calculé

Figure 2 : évolution de l’indice ITAVI et de l’indice de prix calculé.

L’indice calculé semble présenter une plus grande sensibilité aux variations des prix des
matières premières que l’indice publié par ITAVI. Plusieurs raisons peuvent être à l’origine
de cette différence de sensibilité, parmi les quelles :

1. Le calcul de l’indice ITAVI est basé sur le suivi d’une trentaine de matières premières
(Guerini et al. 2010), alors que la présente étude n’intègre que 21 matières premières.
Plus une base de données intègre des ressources, plus grand est le degré de liberté du
programme dans la recherche de l’optimum.

2. Les prix moyens mensuels employés par ITAVI sont lissés sur les trois derniers mois,
de façon à introduire une notion de stockage et de couverture des achats des matières
premières achetées (Guerini et al., 2010). Ce fait confère une plus grande stabilité à
l’évolution de cet indice.

3. Les niveaux des contraintes employées dans l’optimisation préalable au calcul de

l’indice ITAVI ne sont pas connus. Elles émanent d’une concertation avec les
aviculteurs. L’existence des contraintes lâches dans le programme ITAVI peut être à
l’origine de la faiblesse de sensibilité de cet indice aux variations de prix des matières.

20
 P a g e | 21

Conclusion

Pour se couvrir des risques générés par la volatilité des prix des matières premières intégrant
les aliments pour volailles, les gestionnaires des entreprises de formulation des aliments
doivent disposer des moyens d’information et d’action qui leur permettent de prendre des
options limitant les effets néfastes et capitalisant au mieux les changements des prix observés.

Dans la présente étude, une approche de formulation à moindre coût des aliments complets
pour volailles a été développée en appliquant la technique de la programmation linéaire. La
résolution de ce programme de formulation a nécessité au préalable la création de trois bases
des données portant sur les caractéristiques des matières premières, sur leurs prix historiques
et sur les contraintes nutritionnelles et d’incorporation à satisfaire dans la formulation.

La formalisation du programme de formulation et sa résolution à l’aide du solveur du tableur

Excel montre qu’il est possible aux gestionnaires des unités de formulation des aliments de
recourir aux instruments à leur portée, pour améliorer leurs processus de prise de décision et
se prémunir des effets néfastes de la variation des prix des matières premières.

Il ressort des analyses présentées dans ce travail que du fait de la variation des prix des
matières premières, maintenir figée une formulation d’aliment pour volaille est susceptible
d’occasionner des surplus de coût qu’on peut éviter en appliquant à chaque fois une solution
optimisée. En effet, au delà de certaines limites les prix des matières premières peuvent
induire un réajustement de l’optimum en opérant des substitutions entre les matières
premières à contenus similaires et en compensant les carences de certaines matières
sélectionnées par d’autres qui équilibrent l’apport total des nutriments dans la ration.

Quoique pouvant servir utilement, la technique d’aide à la décision que nous avons présentée
n’est certainement pas une panacée. Pour être vraiment utiles, il importe que des approches
performantes de prévision des prix des matières premières soient développées, et que les
industries de formulation des aliments optimisent leur processus d’approvisionnement et de
livraison des produits, en s’intégrant dans des systèmes logistiques comprenant aussi bien
leurs fournisseurs des matières premières et leurs clients.

21
 P a g e | 22

Références

Brigham, G. (1959). A Classroom example of linear programming. Operations Research, 7,

524-533
Castrodeza, C., Lara, P., Peña, T. (2005). Multicriteria fractional model for feed
formulation: economic, nutritional and environmental criteria. Agricultural Systems. 66 76-96.
Guerini, C., Gallot, S., Bouravel, I., Braine, A. (2010). Actualisation de l'indice coût
matières premières ITAVI. Consulté le 15 mai sur
[Link]
Jean dit Bailleul, P., Rivest, J., Dubeau, F., Pomar, C. (2001). Reducing nitrogen excretion
in pigs by modifying the traditional least-cost formulation algorithm. Livestock Production
Science, 72, 199-211.
Jewel, W.S. (1959). A classroom example of linear programming (Lesson 2). Operations
Research, 8, 565-570
Insee (2011). Institut National des Statistiques et des études économiques.
[Link] (site consulté le 18 mai 2011).
Itavi (2011).Institut Technique de l’Aviculture. [Link] le 25 mai)
Larbier, M. et Leclercq, B.(1992). Nutrition et alimentation des volailles; INRA:Paris, 1992
Munford, A.G. (1996). The use of iterative linear programming in practical applications
ofanimal diet formulation. Mathematics and Computers in Simulation. 42, 255-261
Pathumnakula, S., Ittiphalin, M., Piewthongngam, K., Rujikietkumjorn, S. (2011).
Should feed mills go beyond traditional least cost formulation? Computers and Electronics in
Agriculture 75, 243–249
Rennard, J.-P., Humbert, M., Duymedjian, R. (2009). Simulation, modélisation et decision
: en pratique avec les tableurs Escel, Calc et gnumeric. Édition Vuibert, Paris., 271 p.

Taha, H.A. (2007). Operations research : an introduction. 8 ème edition. Pearson

International (Printice Hall). London. 813 p.

22
 P a g e | 23

Intégration de prix des matières premières dans l’optimisation de la

formulation des aliments complets pour volaille

Par

Paul Malumba Kamba

Sommaire
Introduction ....................................................................................................................................1
CHAPITRE 1 : LES APPROCHES DE FORMULATION DES ALIMENTS POUR VOLAILLES................... 3
1.1. Problématique de la formulation des aliments pour volailles ...............................................3
1.2. Différentes approches de formulation conceptuelle des aliments ........................................3
1.3. Formalisation d’un problème de formulation par programmation linéaire ...........................5
1.4. Principe algorithmique de résolution d’un programme de formulation ................................6
CHAPITRE 2 : ETUDE DU CAS DE L’INTEGRATION DES PRIX DES MATIERES PREMIERES
DANS UNE DEMARCHE D’OPTIMISATION D’UN ALIMENT POUR POULES PONDEUSES ................... 7
2.1. Les contraintes nutritionnelles employées ...........................................................................7
2.2. Les matières premières employées ......................................................................................8
2.3. Base des données des caractéristiques des matières premières ...........................................9
2.4. Les contraintes d’incorporation ......................................................................................... 11
2.5. Les prix des matières premières sélectionnées .................................................................. 11
2.6. Mise en équation du problème .......................................................................................... 13
2.7. La résolution du problème avec le solveur ......................................................................... 13
CHAPITRE 3 : ANALYSE DES OPTIMA OBTENUS ET DE L’INFLUENCE DE L’EVOLUTION DES
PRIX DES MATIERES PREMIERES................................................................................................................. 13
3.1. Présentation de l’optimum obtenu .................................................................................... 13
3.2. Analyse de sensibilité d’un optimum ................................................................................. 15
3.3. Evolution des optima avec les prix des matières premières................................................ 16
3.4. Evolution de prix des optima calculés ................................................................................ 18
3.5. Analyse des complémentarités et substitutions dans la formulation .................................. 18
3.6. Comparaison des indices prix des optima avec l’indice ITAVI.............................................. 19
CONCLUSION ..................................................................................................................................................... 21

23