Les réserves corporelles constituent une ressource essentielle et dynamique chez la vache laitière. Leur état et leurs variations au cours de la lactation conditionnent les performances de production mais aussi indirectement de reproduction et statut sanitaire de la vache. La difficulté réside dans la mesure précise, objective et à haut débit de ces phénotypes. La notation d’état corporel (NEC) est la méthode la plus utilisée en élevage : elle est simple, peu chère mais subjective et peu sensible. L’objectif du projet était de développer et valider une NEC3D qui estime la NEC à partir de l’information complète contenue dans l’image tridimensionnelle (3D) du bassin dorsale de la vache. L’extraction de 4 points anatomiques du bassin a permis de normaliser les surfaces-3D : les résultats de validation et de répétabilité d’une estimation de la NEC par imagerie en passant par une extraction manuelle de ces points prouvent le concept. Cette extraction a été automatisée. Les 57 surfaces-3D utilisées pour la calibration ont été projetées dans le repère défini par les composantes principales caractérisant l’ensemble de ces surfaces-3D. La NEC est estimée par régression linéaire multiple des coordonnées des surfaces sur ces composantes principales. Les 2 méthodes - l’une avec extraction manuelle, l’autre avec extraction automatique des points – ont été comparées pour la validation externe et la répétabilité. La validation externe a été réalisée sur une population de 25 vaches externes à la calibration. Une population de 6 vaches a été scannée 8 fois dans la même journée pour estimer la répétabilité de la méthode. Les 2 méthodes ont des résultats de validation externe similaires (RMSE = 0,27 versus 0,34) et sont plus répétables que la NEC de référence (σ = 0,20 pour la NEC3D versus 0,28 pour la NEC). Les premiers résultats de monitoring de la NEC avec cette méthode sont encourageants et ouvrent des perspectives de phénotypage à haut débit de l’état corporel. Actuellement, un prototype simplifié qui scanne les vaches plus rapidement est en cours de test, notamment pour réduire le nombre de surface-3D inexploitables liées au mouvement des vaches pendant le scan.