WELFARE SCORING FRAMEWORK — Jungle Kabal R&D

Document strategic — comment quantifier le bien-être animal de manière reproductible

Pourquoi ce doc : tu construis un cabinet AI-monitored pour préparer le sanctuaire primates. Le welfare scoring = ton proof-of-concept principal. Sans framework structuré, tes données sont anecdotiques. Avec framework, elles deviennent publiable / commercialisable.

🎯 TL;DR — 30 secondes

Welfare scoring = quantifier le bien-être animal via metrics observables.

Pour Jungle Kabal :

5 dimensions measurable
0-5 scale par dimension
Daily / weekly assessment
AI-augmented measurements (Frigate + custom models)
Cross-species transferable (insectes → reptiles → futurs primates)

→ Tu construis le framework standardisé que peu d’autres ont.

🧬 Les 5 dimensions du welfare (Five Domains Model adapté)

Basé sur le Five Domains Model (Mellor 2020), adapté pour Jungle Kabal :

1. 🍴 NUTRITION

Question : L’animal mange-t-il adéquatement et a-t-il accès à hydratation ?

Indicateurs observables :

Fréquence acceptation prey
Refus alimentaire (durée, raisons)
Body condition score (BCS) visuel
État coquille / peau / écailles
Hydratation (mues propres = OK, exuvie collée = dehydration)

AI metrics :

Computer vision : compte nombre prey accepted vs offered
Body condition : ML classifie thin/normal/healthy/obese
Feeding cycles : tracks intervals between meals

2. 🌡️ ENVIRONNEMENT

Question : Le setup permet-il les comportements naturels et le confort physique ?

Indicateurs observables :

Température / humidité dans plage espèce
Zones thermal gradient utilisées (basking, hide, water)
Substrat usage (creuse, construit, ignore?)
Hides utilisés (combien de temps caché vs visible)

AI metrics :

Time spent in different zones (heat map activity)
Hide vs explore ratio
Position changes frequency

3. ❤️ SANTÉ PHYSIQUE

Question : L’animal est-il libre de blessure, maladie, douleur ?

Indicateurs observables :

Mues réussies vs ratées
Présence parasites externes
Mucus, mucus aux narines
Postures anormales (death curl invertebres)
Locomotion normale vs boiterie

AI metrics :

Movement classifier : normal / abnormal locomotion
Mue event detection
Parasite visibility detection (rare)

4. 🧠 COMPORTEMENT

Question : L’animal exprime-t-il les comportements naturels de son espèce ?

Indicateurs observables :

Hunting behavior (présence, succès)
Building (toiles, oothèques, terriers)
Mues comportement (préparation, durée)
Social interactions (groupes : Diacamma, Theloderma)
Mating displays (saison)

AI metrics :

Hunt success rate (compte strikes vs misses)
Building activity tracking
Social interaction frequency (group setups)

5. 🧘 ÉTAT MENTAL

Question : L’animal a-t-il des états émotionnels positifs ?

C’est le plus difficile — surtout invertébrés. Mais observables :

Indicateurs :

Curiosité (exploration de nouveaux éléments)
Choices (préférence pour certains spots, refusing others)
Stress signals (vocalize Tribolonotus, threat display, escape attempts)
Comfort behaviors (resting, grooming)

AI metrics :

Stress vocalization detection (audio ML)
Activity cycles consistency (predictable = comfortable)
Anomaly detection (sudden behavior changes)

📊 Scoring scale 0-5

0 = Critical (animal en détresse, intervention urgente)
1 = Poor (problème significatif, action requise)
2 = Below average (suboptimal mais pas urgent)
3 = Average (acceptable, baseline)
4 = Good (welfare positif, comportements naturels visibles)
5 = Excellent (tout indicateur optimal, animal thriving)

Exemple application — Hyllus diardi

Dimension	Day 1	Day 7	Day 14	Notes
🍴 Nutrition	2	4	5	Refus initial → mange régulier J+7
🌡️ Environnement	3	4	4	Wall walking → installation décor J+3
❤️ Santé	3	4	5	Mue réussie J+10
🧠 Comportement	2	4	5	Exploration OK J+7, hunt J+14
🧘 État mental	2	3	4	Stress arrival → adapté J+14
MOYENNE	2.4	3.8	4.6	↑ trajectoire saine

→ Welfare score progresse 2.4 → 4.6 sur 14 jours = acclimatation réussie.

🗓 Cadence d’évaluation

Daily (1 min/animal)

✅ Vérification visuelle 30 secondes
✅ Note rapide sur déviations baseline
✅ Alert AI dashboard (Frigate auto)

Weekly (5 min/animal)

✅ Score complet 5 dimensions
✅ Comparison avec semaines précédentes
✅ Trends identification

Monthly (15 min/animal)

✅ Welfare review complete
✅ Photos comparison side-by-side
✅ Setup tweaks if score <3.5
✅ Documentation publique (anonymisée pour brand)

Quarterly (30 min/animal)

✅ Long-term trends analysis
✅ Adjustments majeurs si nécessaire
✅ Vet consult si score persistent <3
✅ Publication / contenu brand

🤖 AI-augmented welfare scoring

Vision automation possible

Behavior	AI capable ?	Confidence	Method
Mue detection	✅	High	Object detection + classifier
Activity cycles	✅	High	Movement tracking heat map
Body condition	🟡	Mid	Image classification (need training)
Stress vocalization	✅	High	Audio ML (Tribolonotus)
Hunt success	✅	Mid	Object tracking (prey present → absent)
Pre-molt prediction	🟡	Mid	Pattern recognition (refus + cocon)
Pair interactions	✅	High	Multi-object tracking
Anomaly detection	✅	High	Baseline comparison

Exemple workflow Tribolonotus

1. Frigate continuous monitoring 24/7
2. ML classifie comportements:
   - basking (heat lamp)
   - hiding
   - feeding
   - swimming (zone aquatic)
   - hunting
   - vocalizing (audio ML)
3. Daily summary : % time per behavior
4. Weekly score : compare baseline vs current
5. Alert si déviation >20% baseline
6. Manual review by you weekly

📋 Welfare scoring template (à dupliquer par animal)

ANIMAL : [Espèce + identifiant]
DATE ÉVALUATION : [JJ/MM/AAAA]
SEMAINE : [#]
JOUR EN CAPTIVITÉ : [#]

═══ SCORES (0-5) ═══

🍴 NUTRITION         : [/5]
   - Mange régulièrement ? : [O/N + détail]
   - Body condition : [thin/normal/good]
   - Notes : [...]

🌡️ ENVIRONNEMENT     : [/5]
   - Climat dans range ? : [O/N + valeurs]
   - Zones utilisées : [diversité]
   - Notes : [...]

❤️ SANTÉ PHYSIQUE     : [/5]
   - Mues récentes : [date + qualité]
   - Parasites visibles ? : [O/N]
   - Locomotion : [normal/abnormal]
   - Notes : [...]

🧠 COMPORTEMENT       : [/5]
   - Comportements naturels observés : [list]
   - Stress signals : [O/N + description]
   - Notes : [...]

🧘 ÉTAT MENTAL        : [/5]
   - Curiosité : [élevée/modérée/basse]
   - Stress chronique ? : [O/N]
   - Notes : [...]

═══ MOYENNE GLOBALE ═══
[X.X / 5]

═══ TREND vs SEMAINE PRÉCÉDENTE ═══
[↑ amélioration / → stable / ↓ dégradation]

═══ ACTIONS ═══
- Setup adjustment : [si applicable]
- Vet consult : [si score <3]
- Documentation : [photos prises ?]
- Notes future : [...]

🎯 Application multi-espèces — exemples scoring

Mystrium camillae (colonie)

Indicators spécifiques : queen alive ? brood présent ? worker count stable ? trophallaxis observed ?
AI : worker tracker, queen activity, brood pile evolution
Cadence : weekly assessment colony level

Honeypot Mexicanus (flagship)

Indicators : replete count, replete colors, queen, brood
AI : replete counter automatique, color analysis
Cadence : weekly + monthly photo
R&D priority : 1 (flagship)

Tribolonotus gracilis

Indicators : pair social, vocalization frequency, basking, swimming, food intake
AI : behavior classifier vertebrate (transferable to primates!)
Cadence : daily + weekly score
R&D priority : 1 (proof-of-concept vertebrate welfare)

Hyllus diardi (jumping spider)

Indicators : hunt success, mue frequency, web building
AI : eye tracking research
Cadence : weekly score + 1.5-2 ans lifespan trajectory

Theloderma corticale (3 femelles)

Indicators : individuelle santé + interactions sociales
AI : multi-frog tracking + camouflage detection
Cadence : weekly group + individual

📈 Long-term welfare trajectory

Concept : welfare comme un trend, pas un score absolu

Mauvaise interprétation : “Mon animal a score 3.5, c’est moyen donc mauvais”

Bonne interprétation :

Score initial 2.5 → après 3 mois 4.5 = trajectoire excellente
Score initial 4.5 → après 6 mois 3.5 = alarme quelque chose dégrade

→ Le trend matters more than absolute score.

Visualisation

Welfare score over time

5 |               •—•—•
4 |          •—•/        ← welfare positif établi
3 |       •/
2 |    •/
1 | •/                    ← arrival stress
  └─────────────────────
  J0  J7  J30  J90 J180

🌐 Datasets exportables

Vision long-terme Phase 3+ :

Tes welfare scores deviennent un dataset public que tu publies :

github.com/chris-blvck/jungle-kabal-welfare-data/

contents:
├── species/
│   ├── hyllus-diardi/
│   │   ├── individual_001/scores.csv (1.5 ans daily)
│   │   ├── individual_002/scores.csv
│   │   └── ...
│   ├── mystrium/
│   ├── honeypot/
│   └── ...
├── methodology/
│   ├── README.md (this framework)
│   ├── scoring-rubric.md
│   └── ai-models-used.md
└── papers/
    ├── "Multi-species welfare scoring in amateur lab" (preprint?)
    └── "Honeypot ant replete formation patterns"

→ Asset scientifique + proof of concept pour Phase 4 sanctuary.

🤝 Compatibilité avec sanctuaires existants

Cross-validation

Ton framework peut être appliqué à d’autres sanctuaires :

Wildlife Friends Foundation Thailand (macaques, gibbons)
GRP Phuket (gibbons)
Highland Farm Tak

→ Tu offres ton outil, ils testent sur leurs animaux, collaboration scientifique émerge.

Publications potentielles

“Quantitative welfare scoring in invertebrate captive husbandry”
“Multi-species welfare framework — from invertebrates to primates”
“AI-augmented welfare monitoring in small sanctuaries”

→ Path vers conférences (IZE — International Zoo Educators), papers (Animal Welfare journal).

🎯 Decision helper — score interpretation

Score weekly < 3 ?
│
├── Quelle dimension faible ?
│   ├── Nutrition → Vérifier prey, hydratation, gut-load
│   ├── Environnement → Setup adjustment (climat, décor)
│   ├── Santé → Vet consult immédiat
│   ├── Comportement → Setup enrichissement, espace
│   └── Mental → Stress source identification
│
├── Tendance vs précédent ?
│   ├── Amélioration → Continue, monitor
│   ├── Stable bas → Action setup
│   └── Dégradation → Vet + intervention urgente
│
└── Documentation : photos + notes pour vet/future

🎬 Brand angle welfare scoring

Le welfare scoring = différenciateur unique Jungle Kabal :

“On ne keep pas des animaux. On les scientifie. Chaque semaine, score 5 dimensions. Chaque mois, review. Chaque trimestre, publication. C’est le standard qu’on construit pour le sanctuary.”

Contenus :

📊 Dashboard public welfare scores live (anonymisé)
📝 Articles méthodologie (“Comment scoring un Mystrium”)
🎥 Time-lapse welfare improvement after setup change
🤝 Partnerships scientifiques

🛠 Tools recommandés

Tracking

Notion ou Obsidian : journal welfare per animal
Google Sheets : trends et graphiques
Home Assistant dashboard : real-time AI metrics

AI/ML

Frigate : vision detection (déjà couvert)
Roboflow : training custom models
Audacity / Praat : audio analysis (vocalisations)

Visualisation

Plotly : graphiques publication-quality
Tableau Public : dashboards interactifs

Document v1.0 — 5 mai 2026 Document vivant — framework refines avec usage.