Le but de cette expérimentation est d'évaluer si l'intelligence artificielle peut détecter les comportements des chèvres sur aire paillée et permettre d'observer l'effet des enrichissements sur leurs comportements et leur distribution spatiale. Les enrichissements visent à réduire la pauvreté du milieu en favorisant des comportements comme l’exploration, la stimulation cognitive ou la recherche alimentaire dans un objectif d’amélioration du bien-être. Des enrichissements ont été mis en place durant cinq semaines. L'algorithme de détection utilisé est YOLOv8. Des zones spécifiques ont été définies puis matérialisées à l'aide de matrices. Un géoréférencement a été effectué. Enfin, des validations du modèle ont été menées pour s'assurer de la précision du géoréférencement et des détections. Les résultats montrent que la dynamique spatiale et le temps passé dans les zones diffèrent pendant l'enrichissement, indiquant une modification comportementale des chèvres. Une différence d'activité est également observée entre les deux lots. On constate une routine quotidienne marquée par des pics d'activité autour de la distribution d'aliments. L'intelligence artificielle s'est révélée efficace pour analyser ces comportements, bien que des améliorations soient encore nécessaires pour une utilisation optimale. Pour améliorer de futures analyses comportementales, il serait pertinent, pour réduire l’occlusion, d’ajuster la taille du troupeau et l'emplacement des caméras et de mieux répartir les enrichissements dans le parc.