Dans cette présentation, je reviendrais sur les modèles mixtes multi-caractères utilisés en génétique animal. Dans ces modèles classiques, les composantes de variances sont très souvent estimées par des méthodes de maximum de vraisemblance restreinte (REML) sous l’hypothèse de normalité jointe des caractères d'intérêt, bien qu’en pratique cette hypothèse n’est pas toujours réaliste. Le but de ces travaux était de mesurer l’impact de distributions multivariées non-Gaussiennes pour la partie résiduelle du modèle mixte (de part une copule non-Gaussienne) sur les estimations des paramètres génétiques réalisées dans la pratique, notamment sur l'héritabilités des caractères et les corrélations génétiques entre les caractères.  Je décrirai ainsi comment nous avons simulé de tels phénotypes et populations mimant un schéma de sélection  classique, rencontré dans les élevages porcins.

Les résultats que je discuterai ont montré que lorsque les mâles et les femelles reproducteurs sont sélectionnés au hasard  pour produire la génération suivante (aucune stratégie d'amélioration des caractères mise en œuvre), nous n'avons pas pu mettre en évidence d' impact significatif d'une copule non-Gaussienne sur les estimations REML des composantes de variance, malgré l’hypothèse Gaussienne du modèle d'estimation sous-jacent. Néanmoins, lorsque les reproducteurs sont sélectionnés de façon à améliorer les deux caractères simultanément par un processus basé sur les prédictions des valeurs génétiques, pour des copules non-Gaussiennes, on observe des différences significatives entre les estimés et les paramètres théoriques, de plus en plus importantes génération après génération, et plus importantes pour des distributions bivariées fortement asymétriques et à queues de distribution épaisses sur la partie résiduelle.