Ces dernières années, des outils dits de «monitoring» ont été développés afin d’assister les éleveurs dans la surveillance de la santé et de la reproduction de leurs vaches laitières. Ces outils fournissent des alertes à partir des données issues de capteurs portés par les animaux. Cependant la nature des maladies détectables et les performances de détection de ces outils sont généralement inconnues. L’objectif de cette étude était d’évaluer, la valeur informative des durées de rumination individuelles mesurées par un système automatisé (HR-Tag, SCR Engineers Ltd., Netanya, Israel) pour la détection de différents troubles de santé chez la vache laitière. Nos résultats montrent que pour un niveau acceptable de fausses alertes pour l’éleveur (n’entrainant pas un trop grand nombre d’examens approfondis inutiles), le pourcentage de troubles de santé détectés est trop faible pour permettre de se substituer à la détection par les éleveurs. Cependant en complément de la détection par observation visuelle, la détection des chutes de rumination apporte des informations intéressantes pour la détection de signes cliniques qui ne sont pas facilement disponibles autrement, comme les chutes d’ingestion ou de production laitière. De meilleures performances de détection peuvent également être attendues si l’on combine les données d’activité et les données de rumination fournies par l’appareil. Enfin, pour certains troubles de santé, une détection plus précoce que celle réalisée par l’éleveur est possible