Pour plusieurs raisons, les recherches en sciences animales, en nutrition en particulier, nécessitent des traitements de bases de données de plus en plus importantes. En effet, pour les sujets d'intérêt, les nombres de publications et de résultats par publication se sont largement accrus. Il est donc de plus en plus nécessaire de pouvoir extraire des données quantitatives à partir des publications de la littérature. En conséquence les méthodes de méta-analyses statistiques des bases de données expérimentales deviennent essentielles et il importe de les mettre en oeuvre d'une façon adéquate. La conduite des méta-analyses suit une démarche en plusieurs phases. La première phase concerne la définition des objectifs du travail, et du cahier des charges qui en découle, déterminant pour le choix des publications candidates. Celles-ci doivent être scrupuleusement évaluées avant d'être intégrées dans la base. Lors de cette intégration il convient d'effectuer un soigneux travail de codages (expériences, traitements, etc.) qui seront autant de repères essentiels dans la suite de l'analyse. Les bases de données ainsi construites soulèvent des difficultés d'interprétation, elles contiennent des données manquantes et elles ne représentent pas un dispositif expérimental classique. Il est recommandé d'effectuer une première étape d'interprétation graphique de manière à pouvoir avoir une vue à la fois globale et précise des données. Cette phase est suivie d'une étude du méta-dispositif constitué par la base à interpréter. Ces différentes étapes conditionnent la définition du modèle statistique appliqué. Celui-ci doit permettre de bien différencier les variations inter- et intra-expériences, il peut intégrer des facteurs qualitatifs ou quantitatifs, d'autre part il tient compte d'effets fixes ou aléatoires. Enfin il peut tenir compte de systèmes de pondérations des données. Après ajustement du modèle il convient de mettre en oeuvre une étude post-analytique qui consiste en particulier à étudier les variations résiduelles et les rôles des différents traitements et expériences dans les résultats obtenus. A ce stade il est souvent nécessaire de revenir à une des étapes précédentes. De ce fait, les méta-analyses constituent une démarche heuristique.

For several reasons, research on animal science, particularly on nutrition, requires processing increasingly large databases. In fact, for the topics of interest the number of publications and of results per publication have increased enourmously. It is then necessary to be able to retrieve quantitative data from the publications. As a result, the methodology for statistical meta-analyses of experimental databases is crucial and should be properly implemented. Meta-analyses should be conducted following several phases. The first phase involves the definition of the work objectives, the resulting list of specifications, a decisive factor when selecting potential publications. These have to be assessed thoroughly before they are included in the database. For their inclusion, publications should be carefully coded (experiments, treatments, etc.) so as to have essential reference points for subsequent analyses. The databases built this way raise some interpretation problems, they have missing data and are not a classical experimental system. It is recommended to conduct, in a first stage, a graphical interpretation so as to have a global and accurate idea of the data. This stage is followed by a study of the database, as a meta-system, to be interpreted. These different stages shape the definition of the statistical model applied, which should permit clear differentiation between inter- and intra-experiment variations, and could include qualitative and quantitative factors, and on the other hand takes into account both fixed and random effects. Finally, it could also take into account data weighing systems. After fitting the model, it is advisable to conduct a post-analysis study, mainly to analyse residual variations and the role of the different treatments and experiments in the results obtained. At this stage, many times it is necessary to go back to one of the previous stages, and for this reason meta-analyses are a heuristic system.