Memoire Online - Impact économique des biocarburants au Mali. Une analyse de robustesse

Impact économique des biocarburants au Mali :
Une analyse de robustesse
par
Joël Éric Olinga Mebada

Mémoire présenté au Département d'Économie
En vue de l'obtention du grade de Maître ès Économie (M.Sc)
FACULTÉ D'ADMINISTRATION
UNIVERSITÉ DE SHERBROOKE

Les questions énergétiques prennent une place de plus en plus importante, dans les différents agendas mondiaux¹ (conférence de juin 1992 de Rio de Janeiro, Copenhague 2009, protocole de Kyoto²) et il ne fait désormais plus aucun doute, que la course à l'énergie ainsi engagée, si elle n'est pas résolue au plus vite aura des répercussions partout dans le monde. Elle bouleversera les grands équilibres, tels qu'on les connait aujourd'hui; répercussions qui peuvent être à la fois être économiques (Li, 2007), politiques (Abeysinghe et al. 2001) et sociales (Hanton et McCartney, 2008)³. La recherche de nouvelles solutions s'avère donc indispensable, et elle semble davantage s'orienter vers les énergies renouvelables (énergie éolienne, biocarburants pour ne citer que celles-là). Il apparait également évident qu'aucun pays ne peut désormais faire l'économie d'une réflexion sur son approvisionnement en énergie.

Toutes les contributions (scientifiques et techniques) dans le domaine sont donc les bienvenues, et particulièrement si elles viennent des pays en voie en développement, qui sont pour la plupart des importateurs nets d'énergie. Le Mali, pays de notre étude n'échappe pas à cette réalité. Il présente cependant de nombreux avantages, qui sont liés à la grande quantité de terres disponibles, ainsi qu'à la nature de son climat. La pauvreté de sa population vient de surcroit rajouter de l'intérêt à notre sujet de recherche, car les biocarburants constituent un nouveau secteur d'activité qui devrait fournir de nombreux emplois, surtout dans un pays

agricole, comme l'est le Mali où la population rurale est la plus pauvre, et représente sa plus grande composante.

Les motivations pour ce sujet de recherche peuvent donc être multiples, mais pour nous elles tiennent principalement en deux points :

Les résultats obtenus devant permettre d'infirmer ou de confirmer le relatif impact du changement d'élasticité sur la nature des résultats observés et ainsi contribuer à renforcer la justesse et la portée des modèles d'équilibre général calculable.

Remerciements

- Ma gratitude va d'abord à l'endroit de mes parents, mon père Grégoire Mebada et ma mère Colette Florence à qui je dois tout ce que je suis aujourd'hui. J'ai également une pensée particulière pour Olivier, Gisou, Élodie, Noédia et Gen. À cette liste s'ajoute Nancy et mes oncles (Atangana Mebara Jean-Marie, tonton Mos, papa Be, tonton Jean-Paul), les Ndong, et à tous les Mebara kono.

- Je tiens également à remercier mes camarades de promotion (Laurence, Cyrine, Ghislaine, Nep...), qui tout au long de ses années sont devenus une seconde famille pour moi. Je n'oublie pas les Pantcho Cyprien Awono, Anicet Ottou et Rodrigue Illa.

- Ce mémoire n'aurait pas vu le jour, sans le soutien et l'aideIPultiiR(Pe de mes directeurs Luc Savard, Dorothée Boccanfuso et les précieux conseils de Jonathan Goyette. Je remercie également de façon singulière l'ensemble du département d'économie de l'université de Sherbrooke.

- Merci au collectif de l'université de Sherbrooke et à tous ceux que j'oublie, puissiez-vous trouvez dans ce mémoire, bien qu'imparfait, l'expression de ma profonde reconnaissante.

Table des matières

Chapitre 1 : Les différentes générations de biocarburants et la situation des biocarburants, du Jatropha curcas dans le monde 13

Liste des abréviations

CEMAC : Communauté économique et monétaire de l'Afrique centrale PNUD : Programme des nations-unies pour le développement

Liste des tableaux

Listes des figures

Annexes

Introduction

« Les problèmes du monde ne peuvent être résolus par des sceptiques ou des cyniques dont les horizons se limitent aux réalités évidentes. Nous avons besoin d'hommes capables d'imaginer ce qui n'a jamais existéi

Dans un contexte économique mondial marqué par une augmentation constante des prix des produits liés à l'énergie fossile (essence ordinaire, gazole, pétrole, etc.), et aux coûts liés à l'extraction de celle-ci, il devient dès lors primordial pour tous les pays de multiplier leurs sources d'approvisionnement en énergie. C'est à ce titre, que de nombreuses initiatives et autres programmes, généralement centrés autour des énergies renouvelables ont vu le jour de par le monde, notamment en Europe (directive européenne sur les biocarburants) aux États-Unis (Banse et al. 2008), dans le but avouer de répondre à une demande sans cesse grandissante. (En 2008, lors de la conférence internationale sur les énergies renouvelables les États-Unis se sont engagés à assurer 7.5% de leurs besoins en énergie électrique, à partir de ressources renouvelables.) De plus, comme nous le verrons par la suite, les États-Unis sont déjà un grand producteur de bioéthanol. De nombreuses études ont annoncé le pic de consommation de l'énergie fossile pour la période allant de 2012 à 2015.

De plus, au cours de cette période, les sociétés ne produiront pas assez pour soutenir la demande en énergie fossile. (Une discussion à ce sujet est présentée en note par le Secrétariat de la CNUCED, «les services énergétiques dans le commerce international et leurs incidences sur le développement,» TD/B/COM.1/EM.16/2, 2001). Cependant, ces estimations reposent sur de

fortes intuitions, ce qui rend difficile la détermination de la date de fin du pétrole à bas prix. Il ne fait néanmoins aucun doute que cette source d'énergie tant à se raréfier, ce qui oblige à la recherche de nouvelles solutions. De surcroit, elles se doivent de répondre aux nouvelles exigences de notre temps, qui sont pour la plupart liées à l'environnement, et notamment à leur degré d'émission de CO² (Fargione et al. 2008) et leurs effets sur les changements climatiques.

Un problème qui se pose avec une acuité particulière dans les pays du sud, en proie aux mêmes difficultés (Fargione et al. 2008). Cependant, le problème y revêt souvent un tout autre aspect, puisque le développement des biocarburants y est généralement associé à une hausse des prix (Dornbosch et al. 2007) des produits de première nécessité (riz, huile, sucre). Ceci expliquerait en partie les émeutes de la faim survenues dans différentes régions du monde (Afrique, Caraïbe, Asie, Amérique Latine). En dépit de cela, il demeure essentiel pour les pays en voie de développement, à l'instar des pays africains, et notamment le Mali, pays autour duquel s'articuleront nos recherches, de mettre en place des politiques énergétiques innovantes. L'une de ces politiques est le développement des biocarburants (bioéthanol, biodiesel) obtenu à partir de plantes comme la canne à sucre, mais aussi et surtout le jatropha, communément appelé Pourghere et ses différentes variétés. Le choix du Mali s'impose de par le fait qu'il présente des caractéristiques climatiques communes à de nombreux pays de la région sahélienne. De plus, comme nous pourrons le voir par la suite, il présente une population dont la composante rurale est pour l'essentiel pauvre, l'agriculture étant un vecteur d'emploi important dans le pays.

Pour ce faire, nous utiliserons un modèle d'équilibre général calculable, le modèle de Boccanfuso, Coulibaly, Savard, et Timilsina (BCST 2011). Pour répondre principalement à une

question, celle de savoir si les changements d'élasticités et de fermetures ont un impact notable sur les résultats obtenus à l'aide d'un MEGC? Plus spécifiquement, vérifier la robustesse du modèle BCST (2011) au moyen de certaines élasticités de substitution et de la formulation de nouvelles hypothèses sur les différentes fermetures possibles.

L'étude ainsi réalisée permettra de vérifier si les changements d'élasticités et de fermetures dans les MEGC ont un impact réel sur la nature des résultats obtenus. Permettant ainsi de répondre à une critique généralement formulée à l'endroit des MEGC et, fournir peutêtre une alternative crédible à un pays qui, comme beaucoup d'autres, est un importateur net de produits liés à l'énergie fossile.

Le présent document comporte plusieurs parties. La première partie présente sommairement les différentes générations de biocarburants, ainsi que la situation des biocarburants et du jatropha dans le monde. La seconde est consacrée à la revue de la littérature. La troisième partie porte sur la méthodologie, la quatrième est une présentation succincte du BCST (2011) (en ce qui a trait à ses principales composantes). La partie suivante est une description simplifiée du travail effectué pour parvenir à nos résultats, la sixième est consacrée à la présentation ainsi qu'une analyse de ceux-ci. Enfin, la dernière partie porte sur les conclusions et les recommandations de notre étude.

Chapitre 1: Les différentes générations de biocarburants et la situation des biocarburants, du jatropha dans le monde

A. Les différentes générations de biocarburants

Jusqu'au début des années 1990, comme mentionné plus haut, les problèmes liés à la diversification des ressources en énergie ne se posent pas, mais quelques années plus tard, la raréfaction de l'énergie fossile viendra rappeler les pouvoirs publics à leurs obligations. Ainsi, des études sont menées à l'instar de, Spracklen et al. (2007), Kleijn et al. (2006) et Roald et al. (2009); sur les sources d'énergies propres ou renouvelables. Celles-ci ont permis de distinguer principalement trois générations de biocarburant.

La première (bois, feuille arbre, paille) est principalement issue de sources lignocelluslosiques.⁴ Cependant, comme le souligne Roald et al. (2009), les biocarburants de première génération (agrocarburants)⁵ ont des performances limitées en termes de réduction de CO² et ils nécessitent beaucoup de terres. Leur principal avantage est qu'ils se situent déjà à l'état de développement commercial, bien que les coûts qui leurs sont associés soient quelque peu élevés.

Les deux autres générations de biocarburants viendront donc principalement répondre à ces deux premières critiques, ainsi qu'au problème de coüts posés par le développement des premiers agrocarburants, aidées en cela par les subventions et autres allocations financières

⁵ Tout au long du mémoire, le terme biocarburant sera utilisé pour désigner des biocarburants de première et de deuxième génération, cependant, une distinction existe entre ces deux générations, puisque la littérature utilise souvent le terme agro carburant pour désigner des biocarburants de première génération, et le terme biocarburant pour désigner ceux de deuxième et de troisième génération.

octroyées par de nombreux États et institutions. Par exemple l'union européenne Kleijn et al. (2006) avec la directive européenne sur les biocarburants et la directive sur la promotion des énergies renouvelables.⁶

Comme annoncé précédemment, la deuxième génération de biocarburants envisage de faire mieux que la première en terme de réduction de coûts, de réduction de CO², et de terres utilisées, la technologie est ici fortement mise à contribution. En effet, on obtient généralement des résultats en procédant à quelques manipulations chimiques, qui consistent très souvent en une transformation de produits agricoles en alcool (Naik et al. 2010). La fermentation par exemple, est une technique généralement utilisée; et se sont l'ensemble des attributs de la plante, qui peut être mis à contribution par la suite. Les pertes avec les biocarburants de deuxième génération sont moins importantes, et les sous-produits obtenus sont très souvent utilisables à d'autres fins. Le jatropha, à titre d'exemple, permet d'obtenir de nombreux sous-produits, comme nous pourrons le voir par la suite, qui peuvent à la fois servir de fertilisants ou d'encre.

La canne à sucre et le maïs sont les produits agricoles appartenant à cette génération et qui permettent d'obtenir le bioéthanol et le biodiesel. Le jatropha peut également être classé dans cette catégorie. Les financements pour la recherche et le développement sont particulièrement actifs à ce niveau. Enfin, la troisième génération, sont des biocarburants produits à partir de micro-algues (Carere et al. 2008). Ils ont pour principal avantage de résoudre le problème de recours obligatoire à la terre. En effet, leurs productions se déroulent pour l'essentiel en milieu marin, ce qui permettrait de développer d'importantes cultures sans toutefois affecter les

⁶ Cette directive oblige les États membres de l'union européenne à assurer 10% de la consommation totale en carburants des automobiles, par des énergies renouvelables d'ici à 2020.

productions agricoles déjà si nombreuses (Carere et al. 2008), (Baier et al. 2009), et (Chun Shung Goh, 2010). Les biocarburants de troisième génération permettent d'abord et avant tout de s'affranchir de la contrainte de terre⁷. De plus, la multiplication d'algue en grande quantité est facile, ce qui permet d'envisager des productions à plus grande échelle. Un autre atout non négligeable est sa faible émission en dioxyde de carbone (CO²) et gaz à effet de serre (Batan et al. 2010). Il faudra cependant attendre encore quelques années, pour maitriser l'ensemble des coûts nécessaires à la mise en place de productions à grandes échelles, et pour évaluer le potentiel énergétique que l'on est en droit d'attendre de cette dernière source.

De nombreux pays se sont lancés dans la production de biocarburants, citons ici les ÉtatsUnis (qui produisaient 22 014 ktep⁸de bioéthanol et biodiesel en 2009)⁹, le Brésil (13 863 Ktep) est un pays où la canne à sucre a démontré qu'elle pouvait être un formidable fournisseur d'énergie à condition d'être associée à un marché intégré (Schmidhuber et al. 2007). Le Brésil est un pays pionner en matière de biocarburants et le formidable succès qu'a connu ce pays émergeant est surtout dü à l'existence d'un marché porteur, qui lui a été associé au début de la commercialisation des biocarburants. Enfin, le troisième grand producteur se retrouve être l'Union européenne qui produisait 9954 Ktep. Ces trois entités représentent à elles seules près de 88%, de la production mondiale de biodiesel et de bioéthanol.

Le tableau suivant donne la situation de la production des biocarburants en 2009.

	Pays		Production [ktep]
US	États-Unis	22'014	43%
BR	Brésil	13'863	27%
DE	Allemagne	2'647	5%
FR	France	2'383	5%
CN	Chine	1'309	3%
AR	Argentine	1'080	2%
ES	Espagne	1'003	2%
CA	Canada	833	2%
IT	Italie	694	1%
TH	Thaïlande	687	1%
BE	Belgique	444	1%
CO	Colombie	419	1%
PL	Pologne	381	1%
AT	Autriche	368	1%
IN	Inde	352	1%
-	Autres	3'292	6%
-	TOTAL	51'769	100%
-	dont UE	9'954	19%
-	dont Suisse	6	-

Il apparaît donc que la production de biocarburants se concentre principalement dans les grands centres économiques qui disposent non seulement de terres, mais aussi de moyens conséquents pour mettre en place des projets ambitieux en matière d'énergie renouvelable. Les pays en voie de développement, et singulièrement le Mali, sont de petites économies, dans le secteur des biocarburants.

Il serait de plus, difficile pour le Mali de concurrencer dans ce secteur avec des pays comme le Brésil ou les États-Unis, tant leur différence est grande, de par la nature de leurs climats et leurs ressources en eau. Cependant, le jatropha ou la Pourghere comme on l'appelle en Afrique de l'ouest (Maes et al. 2009), est une plante semi-aride qui pousse à l'état naturel dans

de nombreux pays en déficit de précipitions. Elle s'accommode cependant difficilement des milieux et terres complètement désertiques. Ses attributs sont tout aussi intéressants sinon meilleurs, que les autres plantes généralement utilisées pour produire des biocarburants (canne à sucre, maïs), puisqu'elle permet de produire une huile non comestible donc exclusivement destinée, aux secteurs des transports et l'alimentation des foyers en énergie (Divakaraa et al. 2010).¹⁰ En outre, elle se développe de façon optimale lorsqu'elle est située dans des environnements présentant une pluviométrie située entre 1000 et 1200 mml/an d'eau, et à une température oscillant entre 20 et 28 °C (FAQ, 2010). Au Mali, cette plante a de plus servi pour constituer une barrière naturelle face à l'érosion, et comme enclot pour la rétention du bétail.

Au Mali, comme ailleurs, les perspectives de cette nouvelle industrie sont significatives. En effet, selon le Global exchange for social investment (Gexsi) et la FAQ, la culture mondiale du jatropha s'est principalement effectuée sur une surface de 936 000 hectares en 2008 et devrait avoisiner les 13 millions d'hectares d'ici 2015.

- Les graphiques présentés ci-dessous appellent un certain nombre de commentaires, notamment sur les zones de développement futures de cette culture. Premièrement, bien que jeune, l'industrie du jatropha semble promise à un bel avenir, comme le laisse présager l'évolution de sa culture dans le monde.

- Ensuite, les terres d'expansion de cette culture semblent déjà toutes désignées et on peut les regrouper en trois en grands groupes. L'Asie dans son ensemble, et l'Asie du Sud-est

'° Le fait que la plante produise une huile non-comestible permet d'éviter tout au moins une éventuelle polémique au sujet des éventuelles autres utilisations possibles de cette huile.

en particulier, à laquelle il convient d'ajouter le sous-continent indien. L'Amérique Latine plus le Mexique, dont le leader dans la production de l'huile de jatropha devrait sans nul doute être le Brésil.

L'Afrique où la culture est dominée par des pays comme Madagascar et le Ghana, mais où le Mali fait figure de référence dans la sous-région de l'Afrique de l'Ouest, puisque l'expérience malienne est souvent citée en référence pour d'autres projets développés au Sénégal (plan REVA) ¹¹ et au Burkina-Faso¹².

Le Mali présente un ensemble de terres inexploitées, dont la mise en valeur pourrait être assurée par la production de jatropha. D'autres arguments viennent à cet effet renforcer cette position.

(Global Market Study on Jatropha. Final report. Prepared for the World Wide Fund for nature, 2008).

¹¹ Plan retour vers l'agriculture, projet pilote mis en place par le ministère sénégalais de l'agriculture, de l'hydraulique rurale et de la sécurité alimentaire, qui vise à produire 3 210 000 tonnes par an à partir de 2012, pour une surface de 310 000 hectares.

¹² Un projet d'implantation d'une usine de biocarburants a été signé le 28 novembre 2007, entre AgroEd une société de droit français et le gouvernement burkinabé. Cette initiative bénéficie d'un financement du FIDA et de l'AFD.

(Global Market Study on Jatropha. Final report. Prepared for the World Wide Fund for nature, 2008).

- Avec pour les femmes et l'ensemble des différentes communautés rurales, des possibilités de production à grande échelle de savon, d'huile et de fertilisants, ceci en utilisant les sous-produits issus de la plante (Henning, 2002).

- Cela permet également d'envisager une contribution significative à la réduction de la pauvreté, par l'amélioration de revenus des différentes couches sociales et particulièrement des communautés rurales (Henning, 2002).

Le jatropha, de par sa culture, permet également de lutter efficacement contre l'érosion des sols.

a) Présentation socio-économiques du Mali :

Le Mali est le deuxième pays le plus important d'Afrique de l'Ouest en termes de superficie après le Niger, puisqu'il occupe 1 241 300 000 km2¹³. Sa capitale est Bamako. Le pays compte

15 369 809 d'habitants (dont près de 31,5% de la population est urbaine). Le pays n'a pas d'accès à la mer et est entouré par le Burkina-Faso, la Côte d'Ivoire, la Guinée, le Sénégal, la Mauritanie, le Niger et l'Algérie. Le Mali est un pays sahélien dont les principales activités économiques sont la péche (4,5% du PIB), l'élevage essentiellement bovin, caprin et porcin (10% du PIB), l'agriculture (où l'on retrouve près de 80% de la population active) un secteur qui représentait 44% du PIB en 1995. Les principales cultures sont le maïs, le mil le riz, le sorgho et le coton.

Le Mali est un pays dont l'économie est dominée par le secteur primaire, avec une agriculture qui est le principal pourvoyeur d'emplois dans le pays. C'est également une économie de rente puisque le pays tire l'essentiel de ses devises de l'exportation de certains

produits à l'instar du coton, qui est la principale culture industrielle (580 000 tonnes pour la
campagne 2004-2005 et 12 513 tonnes pour la campagne 2003-2004)¹⁴; l'année 2009 comparée à

ses années fastes a été décevante puisque la production de coton ne devait atteindre que 250 000 tonnes de coton pour l'exercice 2009-2010¹⁵.

Les sécheresses répétées, la détérioration de la qualité des semences, la hausse du prix des intrants, l'appauvrissement des sols sont les premiers facteurs qui peuvent expliquer le recul

¹⁵ Ce chiffre provient de l'Union Nationale des Sociétés Coopératives de Producteurs de Coton (UN-SCPC) et la faîtière des Sociétés Cotonnières représentée par l'Association Professionnelle des Sociétés Cotonnières du Mali (APROSCOM).

de la production de coton au Mali¹⁶. L'or constitue le deuxième grand pourvoyeur de devises, le Mali étant classé ^3ième producteur africain d'or derrière l'Afrique du Sud et le Ghana.

Le Mali est classé par la Banque mondiale dans le groupe de pays à revenu faible. Il appartient également au groupe des 47 pays les moins avancés au monde (PMA). Pour la période allant de 1980-2010, on enregistre une progression moyenne de 0,3083 pour l'indice de développement humain du Mali. Ainsi, celui-ci est passé de 0,174 en 1980; à 0,356 en 2010. Cette progression n'est pas le seul fait du changement de méthode de calcul opéré, il est également le résultat des progrès enregistrés par le pays notamment en matière d'agriculture (Battisti et al. 2009). La figure suivante donne l'évolution du Mali par rapport au Cameroun, la Côte-d'Ivoire, le développement humain faible et l'Afrique (le choix de ces deux pays s'imposent parce qu'ils sont considérés comme les leaders économiques des zones UEMOA et CEMAC.¹⁷)

(Indicateurs internationaux de développement humains, programme des nations unies pour le développement, 2011.)

¹⁷ UEMOA : union économique et monétaire ouest africaine. CEMAC : communauté économique et monétaire d'Afrique centrale.

Les chiffres du graphique ci-dessus, sont issus de la base de données du programme des nations-unies pour le développement (PNUD). Ce graphique permet de voir, que le développement humain du Mali se situe généralement en-dessous du développement humain faible. La population bénéficie également d'un faible pouvoir d'achat, comparativement aux autres habitants du continent, et du monde en général. La figure ci-dessous présente l'évolution du revenu national brut par an pour trois entités, le Mali, l'Afrique et le monde.

Sur la période allant de 1990 à 2009, le revenu national moyen par habitant, par année au Mali a oscillé autour de 361,5$, pendant qu'il était respectivement de 1043,35$ en Afrique et de 8204,25$ dans le reste du monde en 1990. Par la suite le revenu national brut africain n'a cessé de progresser dépassant les 2000$ dès 2006, tandis que celui du monde a littéralement doublé (une envolée à mettre au profit de la croissance mondiale et singulièrement des pays émergeants).

Les revenus des maliens sont relativement faible et de surcroît, une large part de ces revenus sont consacrés à assurer leurs besoins alimentaires. En effet, une étude réalisée en décembre 2005 conjointement par l'Union européenne, le PAM (programme alimentaire mondial), l'Unicef et le commissariat à la sécurité alimentaire du Mali (Ben Aiwata et al. 2009) révèle également que la plupart des ménages consacrent l'essentiel de leurs revenus à assurer leurs besoins alimentaires (2.248 USD par personne en moyenne par jour, pour des ménages situés dans le nord de Koulikoro et Kayes, 3.66 USD par personne, pour les ménages de Ségou, Sikasso et Kidal).

Au niveau énergétique, le pays se trouve être un importateur net de produits pétroliers. Les importations maliennes en énergie se chiffraient à 333 milliards Fcfa soit 670 216 156.05 USD en 2007¹⁹ selon la direction nationale de l'énergie du Mali (ce qui représentait 18% des besoins énergétiques du pays).Le reste des besoins énergétiques étant généralement assurés par les ressources en bois et charbon disponibles (78%) localement. L'énergie électrique qui ne représente que 4%²⁰ de la de la production d'électricité du Mali (EDM). Ce constat de dépendance vis à vis de l'extérieur a récemment poussé les autorités maliennes à constituer un Stock national de Sécurité en Produits pétroliers.²¹ Le but des autorités par la création de cette nouvelle entité est, de mettre le pays à l'abri des pénuries éventuelles et des incertitudes des marchés concernant les prix liés aux produits pétroliers.

²⁰ Un rapport du secrétariat général du ministère malien des mines, de l'eau et de l'énergie estimait se pourcentage en 2002 à 3%. http://www.maliapd.org/IMG/file/pdf/2_Description%20et%20fonctionnement%20des%20 groupes%20thematiques/2_%20Developpement%20des%20Infrastructures/Politique_energetique_nationale.pdf.

Le pays est doté d'une capacité de stockage équivalent à un mois de consommation des principaux produits pétroliers (supercarburant, le gazole et le gaz butane). Une initiative associée à d'autres (libéralisation du secteur des produits pétroliers, utilisation d'équipements économes d'énergies, promotion de l'hydroélectricité, valorisation des résidus et sous-produits agricoles)²², devant à court terme aider à réduire la vulnérabilité du Mali face aux importations en termes d'énergie.

Cependant, le Mali semble ne pas miser uniquement sur des solutions à court terme²³, puisqu'il développe d'autres projets à méme de l'aider à réduire à moyen et long termes, sa dépendance vis-à-vis de l'extérieur. Toutes ces solutions sont à mettre à l'actif des différents ministères concernés (ministère de l'économie et des finances, ministère de l'environnement et de l'assainissement) et particulièrement à celui en charge de l'énergie (ministère des mines de l'eau et de l'énergie). A ce dispositif gouvernemental vient s'ajouter des institutions spécialisées comme l'office national des produits pétroliers (ONAP), qui est à l'origine de la création du stock national de produits pétroliers, l'agence malienne de radioprotection (AMARAP), et l'agence de développement de l'énergie domestique et de l'énergie rurale (AMADER).

Elles permettent d'envisager le développement futur, de projets centrés autour de l'utilisation de l'énergie solaire dans tout le pays, de méme que la production d'énergie éolienne. L'AMADER envisage également la production de 1050 MW pour réduire le déficit d'énergie en milieu rural. Par la mise en place de sites de production d'hydroélectricité dont certains sont déjà

²³ Ce terme fait référence au fait que la constitution d'un stock de produit pétrolier peut assurer une fourniture d'énergie pendant un mois, mais si l'on se s'attaque pas à la dépendance énergétique du pays vis-à-vis de l'extérieur le problème demeurera entier.

en activité (Félou 0,6 MW; Sotuba 5,2 MW; Sélingué 44 MW; et Mantali 200 MW).²⁴ Les énergies renouvelables sont donc au coeur de la politique énergétique de long terme du Mali, et les biocarburants en général et le jatropha en particulier, représente un axe majeur de ces nouvelles politiques.

b) Les biocarburants et le Mali : le jatropha

Le jatropha est apparu au Mali, dès les années 1930 sous la présence française, mais

son développement est surtout intervenu grace à l'initiative de la coopération technique allemande (GTZ) qui a mené un ensemble de projets dans le pays dès 1987. L'expérience malienne ne s'est pas soldée par l'immense réussite attendue à cause notamment de l'enclavement du pays et l'absence d'infrastructures (FAO, 2010). Toutefois, elle a permis de mettre en évidence un potentiel important. Le jatropha a le plus souvent été utilisé comme barrière naturelle pour le bétail.

Les expérimentations qui ont suivies ont aidé à mieux saisir le potentiel que renfermait cette plante, mais son exploitation à grande échelle est intervenue à la faveur de nombreux projets et initiatives à l'instar, du projet du Mali Folkecenter située dans la région de Sikasso.

Ces projets ont permis la plantation de 530 ha qui visent en priorité l'électrification rurale. Le
projet Mali biocarburant²⁵ SA qui ambitionne d'alimenter le marché local. En 2008, il s'étendait

sur 900 ha et projette de s'agrandir à 3000 ha dans les années à venir, dans son lieu
d'implantation actuel Koulikoro. A ces deux projets s'ajoutent celui de jatropha Mali initiative

²⁴ Présentation de la situation et politique énergétique au Mali : Hamata Ag Hantafaye, direction nationale de l'énergie.

²⁵ Le projet Mali biocarburant SA est développé par une société privée hollandaise

qui vise principalement le marché local et le marché intérieur²⁶. Enfin, le projet du Groupe Énergies renouvelables, Environnement et Solidarités association à but non lucratif créé en 1976 (GERES) avec l'association d'éveil au développement durable (AMEDD) son ambition première est également la production d'huile de jatropha pour l'électrification rurale.

A ces nombreuses initiatives privées est venu s'ajouter, l'action des pouvoirs publics maliens qui ne sont pas restés insensibles face aux nombreuses potentialités de la plante. Cela s'est traduit en 2004 par la mise en place, au niveau du ministère en charge de l'énergie, d'un programme national de valorisation énergétique de l'huile 3Rurghere, qui a connu un succès appréciable puisqu'ayant conduit à l'électrification du village malien Kéléya²⁷ en mai 2005. Pour répondre à une sollicitation constante, l'action du gouvernement s'est poursuivie par la mise en place de l'ANADEB, l'agence nationale de développement des biocarburants dont les missions sont précisées dans son décret de création du 4 mars 2009 :

- Participer à la définition des normes en matière de biocarburants et au suivi de leur mise en oeuvre;

- D'établir les bases et mécanismes de tarification et de participer à l'élaboration de la structure des prix des biocarburants;

²⁷ Kéléya village situé à 100 km de Bamako où, l'électricité est fournie par un générateur dont le moteur est entièrement alimenté par l'huile de Bogani, nom donné au Jatropha, en Bambara (langue locale malienne)

- D'assurer la concertation entre partenaires nationaux et internationaux du domaine des biocarburants pour favoriser les échanges technologiques et développer des partenariats.²⁸

Et c'est bien dans ce dernier objectif, que se joue la réussite de l'action des pouvoirs publics et accessoirement la survie de cette agence qui ambitionne de fournir 25 millions de litres d'éthanol et 12,5 millions de litres d'huile pourghere dès 2012, car le développement de ce secteur ne se fera pas sans un mouvement rapide vers une mécanisation à grande échelle de la production. L'ANADEB se doit d'organiser le secteur des biocarburants, mais en filigrane l'objectif primordial est d'assurer une autre source de revenus aux populations maliennes. En effet, l'enquête ELIM 2006 a permis à l'UNICEF et au gouvernement de déterminer une répartition des revenus des ménages Maliens (UNICEF, 2008).

Il ressort de cette étude qu'en moyenne 16,5% des revenus des ménages proviennent de transferts privés; 43,4% de la vente de produits agricoles; et les salaires et les revenus des activités non-agricoles représente 35%. Les transferts entre les ménages sont relativement faibles puisque ne représentant que 1,5% des revenus. Enfin, les transferts de l'État aux ménages représentant en moyenne 1,7%. Le Mali, en se tournant vers les biocarburants, pourrait donc éviter des sorties importantes de capitaux (en important moins d'énergie), ce qui lui permettrait d'augmenter les transferts du gouvernement vers les ménages. De plus avec la montée des prix des produits issus de l'énergie fossile, la facture énergétique ne va cesser d'augmenter compromettant ainsi le maintien de services publics essentiels. L'enjeu est donc grand pour le Mali dont les politiques économiques sont aussi dépendantes de la variation des prix des hydrocarbures (directement et indirectement).

Avec le développement de cette plante, le pays pourrait remplacer une part importante de ses importations en gazole notamment par de l'huile produite localement, comme rêve de le faire le projet Mali bio énergie. Ceci produirait des effets non négligeables sur la balance de transactions courantes, mais aussi et surtout au niveau des revenus des ménages étant donné les divers débouchés pour ses sous-produits.

Certains sous-produits issus de l'extraction de l'huile jatropha présentent de réelles potentialités, à l'instar du tourteau qui, une fois débarrassé de ses toxines au moyen d'un chauffage intensif, peut servir d'engrais aux agriculteurs, les sédiments qui rentrent dans la fabrication du savon, et la sève qui peut servir d'encres à papiers. Les travaux et recherches futures viendront sans nul doute infirmer ou confirmer le potentiel industriel de cette plante (FAQ, 2010), Divakaraa et al. (2010), Dornbosch et al. (2007).

La prochaine partie présente les biocarburants et le jatropha dans la littérature économique sous le prisme de deux principaux angles. Premièrement, les biocarburants dans le monde et dans les pays en voies de développement. Deuxièmement, nous présentons une revue des MEGC ayant des biocarburants. Les deux dernières parties étant consacrées aux critères régissant le choix de valeurs pour les élasticités.

Chapitre 2 : Revue de littérature

Le Mali a fait l'objet d'une importante littérature portant sur des sujets économiques variés, ayant trait notamment à la présence de commerçants chinois dans le pays et les pertes subies par les commerçants maliens, le rôle du capital humain dans la stratégie d'industrialisation du Mali. Des modèles d'équilibre général calculable ont également été utilisés pour mesurer, l'impact de changements à venir comme les accords de partenariat économique APE (Nouve, 2008); et les conséquences des subventions européennes et américaines sur l'économie malienne Boccanfuso et Savard, (2007), Traore (2010). Il est illustré à travers ses différents travaux que le retrait des subventions américaines sur le prix mondial du coton, aurait un impact positif sur le produit intérieur brut du pays, ainsi que le revenu du gouvernement et des ménages.

Le Mali, peut aussi compter sur ses investissements pour lutter contre la pauvreté, mais comme le montre une nouvelle fois, les travaux menés par Estache, et al. (2009), cela est encore une fois assujettit à certaines conditions et principalement au type d'investissement réalisé. Il faut stipuler à ce niveau, que durant les premières années de développement des biocarburants, seuls les investissements et la recherche et développement sont pertinents pour expliquer l'évolution de ce secteur. Boccanfuso et al. (2009) analyse également l'impact de la réforme du secteur de l'électricité au Mali sur la pauvreté et les inégalités.

Tous ces travaux ont pour principal objectif de doter le pays d'instruments lui permettant de lutter efficacement contre la pauvreté. En parallèle, les économistes du pays travaillent à proposer des stratégies de développement pour accroitre l'activité économique et la politique

énergétique ambitieuse, dont les biocarburants et le jatropha en particulier font partie de ces stratégies de développement.

A. Les biocarburants dans le monde et dans les pays en voie de développement

De nombreux auteurs se sont intéressés à l'impact des biocarburants en général, et leurs effets sur la sécurité alimentaire de nombreux pays et aux critères concourant aux choix de ceux-ci. Ewing et Msangi (2009) mènent une étude sur la question concernant la soutenabilité ou durabilité de développer des biocarburants dans des pays en proie à l'insécurité alimentaire, avec l'effet que pourraient avoir ces productions sur la hausse des produits de première nécessité. Pour répondre à cette question, les auteurs déterminent des éléments clés comme la dépendance à l'importation pour assurer ses besoins en matière d'énergie, les demandes pour le produit, la disponibilité des terres agricoles, et le temps de travail productif des femmes, qui permettraient à la fois d'améliorer le bien-être des populations et leurs pouvoirs d'achat. Autant d'arguments qui justifieraient la promotion de la production de biocarburants.

De plus, selon Schmidhuber et Tobiello (2007), les prix liés aux produits pétroliers restent élevés, la dépendance entre les marchés alimentaires et énergétiques n'en sera que plus étroite. Les auteurs concluent que malgré le risque que les biocarburants puissent faire peser sur les prix des produits de première nécessité, ces productions sont nécessaires, car elles permettent une création d'emplois et offrent une option dans le choix d'énergie à consommer.

Si les cultivateurs de surcroit s'organisent en coopérative ou agence nationale dont le mandat sera d'organiser la production, le marketing et les réseaux de distribution, l'effet attendu

ne peut être qu'une amélioration des opportunités d'affaires (Arndt et al. 2008). Ce qui viendrait justifier la création de l'ANADEB.

Hill et al. (2006) analysent cependant les coûts liés à mise en place des biocarburants et arrivent à la détermination de quatre critères permettant de les distinguer entre eux :

Ces critères devant permettre au final de hiérarchiser les biocarburants entre eux, critères que semble satisfaire le Mali. Les biocarburants produisent donc bien des externalités négatives (risque sur la production de produits vivriers, occupation des sols), mais les avantages attendus de ceux-ci, semblent justifier le recours aux biocarburants.

B. MEGC et les biocarburants

Pour mieux appréhender, les différents aspects entourant le développement des biocarburants et de leurs effets, de nombreux auteurs ont choisi d'utiliser des modèles d'équilibre général calculable.

C'est notamment le cas de Benfica et al. (2009), qui analysent les implications d'un investissement à grande échelle dans les biocarburants, au Mozambique, sur la répartition des

revenus et la croissance. Pour se faire, ils utilisent un modèle dynamique et adoptent une structure avec plusieurs marchés comprenant le marché du travail, celui du capital et des commodités. Le Mozambique est un pays largement pourvu de terres ce qui permet d'envisager une offre de terre endogène. On notera également que dans le modèle développé par ces auteurs, le stock de capital est immobile, ceci pour mieux capter les rigidités institutionnelles et l'imperfection des marchés. Le travail est quant à lui divisé en trois grands groupes (qualifié, semi-qualifié et non qualifié).

De plus, le travail est supposé mobile entre les différents secteurs et pleinement employé. Enfin, les auteurs utilisent une grande quantité de main-d'oeuvre non qualifiée dans leur modèle. Ils aboutissent à une diminution de la pauvreté de 6%, et à une augmentation du taux de croissance du pays de 0.6%. Il faut toutefois préciser que ces résultats ont été obtenus, en faisant des suppositions fortes, sur le taux de croissance espéré du Mozambique sur une période allant de 2003 à 2015, soit 12 ans.

Parallèlement à ces travaux, Benfica et al. (2010) ont réalisé une autre étude en lien avec le thème précédent, mais la problématique étant axée cette fois-ci, sur l'efficacité du travail par genre et son effet sur la croissance et la réduction de la pauvreté. Les auteurs y développent plusieurs scénarios avec des différences dans l'intensité du travail par genre. Tous les scénarios présentés permettent d'aboutir à la même conclusion, soit que les biocarburants permettent de réduire la pauvreté et créer de la croissance. De plus, un lien fort peut être établi entre les biocarburants et la quantité de nourriture disponible, quand le travail des femmes est utilisé de

manière intensive. L'explication est intuitive car la main d'oeuvre qui devait servir à assurer les productions maraîchères et vivrières est utilisée pour la production des biocarburants.

Les différentes simulations effectuées montrent également qu'une légère amélioration de l'éducation des femmes et le rendement des cultures vivrières est nécessaire, pour résoudre les problèmes potentiels de sécurité alimentaire et assurer une plus grande production des biocarburants en général et du jatropha en particulier.

Banse et al. (2008) évaluent quant à eux les implications de la mise en place de la directive européenne relative aux biocarburants en insérant une fonction de demande pour la terre endogène, et arrivent à la conclusion que ces directives ont un impact à la fois sur les marchés agricoles au niveau mondial et au sein de l'Europe. Une de ces conséquences n'étant autre que la hausse du prix de la terre et le revenu des fermes. Une critique peut cependant être émise à ce niveau lorsque l'on sait que les auteurs ont utilisé des données provenant de la base données GTAP, qui agrège la plupart des pays africains en un seul pays, niant ainsi de faites, les grandes disparités qui pourraient exister entre ces pays.

Les modèles d'équilibre générale calculables sont un programme complexe d'équations, appelés formes fonctionnelles qui traduisent différents comportements économiques Annabi et al. (2003). Comme la production, la consommation, l'épargne, les transferts entre agents, etc. Ces formes fonctionnelles peuvent revêtir plusieurs formes, l'obligation qu'elles ont d'être

continues, homogènes de degré zéro et d'obéir à la loi de Walras (Shoven et Walley, 1984), pousse généralement les chercheurs à ne se pencher que sur certaines fonctions usuelles.

A l'instar de la fonction Cobb-Douglas (avec ou sans élasticité constante), impliquant que certaines élasticités comme, l'élasticité prix, l'élasticité revenu et l'élasticité de substitution entre chaque bien ou chaque paire de bien est égale à l'unité (Annabi et al. 2003). De manière générale, De Janvry et Sadoulet et (1995), nous apprennent également que de nombreux auteurs se sont intéressés au choix des formes fonctionnelles et la détermination des paramètres dans différents modèles, présentant des marchés multiples et les MEGC.

Citons notamment le système de demande linéaire (LES) développé par Stone (1954), le système de demande presqu'idéal (AIDS) développé par Deaton et Muellbauer (1980), et la combinaison de ces deux systèmes (GAIDS), proposé par Bollino (1990). D'autres systèmes existent, moins utilisés, comme celui de Rotterdam de Theil (1976) et Barten (1969) et le modèle translog de Christensen et al. (1975). Et enfin, la fonction de type Leontief, qui implique des élasticités égale à zéro.

Ces équations de comportements imposent le calcul de certains paramètres. On parle alors de calibrage. De manière plus formelle, nous proposerons ici la définition d'Annabi et al. (2003). À savoir que le calibrage consiste à choisir des valeurs numériques des différents paramètres des formes fonctionnelles, ceci tel qu'ils soient compatibles avec la matrice de comptabilité sociale initiale (MCS). Il est important de préciser à ce niveau, que le premier cas de calibrage est celui où certains paramètres sont des coefficients pour reproduire l'année de

référence, mais ne sont pas des élasticités à proprement dit. Le modèle comporte néanmoins des élasticités.

C'est le choix de ces formes fonctionnelles ou fonctions retenues, qui impliquent que ces élasticités sont imposées, ou que l'on aura le choix de les prendre, hors du modèle. Il faut alors utiliser d'autres méthodes pour les déterminer.

C'est pourquoi dans le choix de la valeur des élasticités trois méthodes peuvent être retenues.

- Étude économétrique spécifique du projet. À l'instar de Boccanfuso et al. (2012) où on procède à une analyse comparative des régimes de financement pour les dépenses publiques d'infrastructure au Québec. On peut également citer Abdelkhalek, Touhami (2012), qui estime les élasticités pour le commerce extérieur au Maroc.

- Élasticité d'autres études économétriques sans lien direct. Elles ont permis à de nombreux auteurs de fixer leur élasticité de substitution pour les graines (de soja, de maïs, etc.) à moins de 2.6 Hertel et al. (2007). Cette option est souvent rencontrée également, par les auteurs qui travaillent sur des pays en voies de développement²⁹, où on rencontre une absence de données pour procéder à certaines analyses.

- La fixation selon les informations, connaissances et faits stylisés de l'économie. Ainsi Yapaudian-Thibault et al. (2003), justifient le choix de leurs élasticités par le consensus

²⁹ Il faut faire preuve de prudence dans le choix de ces élasticités Decaluwé et al (2001). Car il ne serait pas pertinent de prendre des élasticités de pays développés pour travailler sur des pays en voies de développement (exemple élasticité de la France et du Canada, pour travailler sur le Népal).

relatif qui existe dans la littérature économétrique sur certaines élasticités (élasticité de substitution entre le travail et le capital).

Dans les trois cas, il est primordial de procéder par la suite à des analyses de sensibilités pour s'assurer de la crédibilité des résultats obtenus, ou tout simplement pour conforter le chercheur dans l'appréciation des tendances observées. En résumé, plusieurs critères peuvent concourir au choix de la valeur des élasticités, mais ce choix repose généralement sur :

Des critères qui présideront aux choix des valeurs de nos élasticités lors de nos simulations.

La prochaine partie présente la base de données utilisée pour arriver à construire un MEGC, ainsi qu'une présentation succincte des MEGC.

Chapitre 3 : Méthodologie

Le point de départ de la construction d'un modèle d'équilibre général calculable est la construction d'une matrice de comptabilité sociale (MCS). Pour construire une MCS, il est essentiel de s'appuyer sur le tableau entrées-sortie (TES).

A. Tableau des entrées-sorties (TES)

Plusieurs définitions sont proposées pour circonscrire les contours d'un tableau entrée sortie, cependant nous n'en donnerons ici qu'une, celle proposée en 2012 par l'institut national de la statistique et des études économiques de la France (INSEE, 2012), qui est une synthèse de la plupart des définitions proposées : «le tableau d'entrées sorties (TES) est un des tableaux des comptes nationaux.»

Il analyse chacun des produits de la nomenclature selon l'origine (production nationale ou importations) et sa destination (consommation finale, exportations, investissements). Pour chaque produit, le TES établi l'équilibre comptable ressources-emploi.

Le TES permet donc d'établir de manière claire et précise la valeur ajoutée enregistrée, puisque pour chaque branche d'activité, il résume l'ensemble des dépenses réalisées, ainsi que les profits enregistrés. Le tableau est également un instrument où les dépenses sont égales aux recettes.

La matrice de comptabilité sociale de notre modèle a été construite, à partir TES élaboré par la Direction nationale de la statistique et de l'informatique du Mali. Pour permettre, par la suite la construction du BCST (2011). Les auteurs partent donc, d'un TES à 18 secteurs, à partir duquel il élabore une MCS qui compte le même nombre de secteurs.

Lors de la construction de la MCS du modèle BCST (2011) la branche jatropha est rajoutée, et le compte carburant est subdivisé en compte carburant et énergie fossile. Ce qui fait passer le modèle et la matrice à 20 secteurs d'activité économique.

Cette matrice ainsi désagrégé, nous permet de voir l'importance relative des cinq secteurs principaux que sont : les cultures vivrières, le commerce, les services non marchands, le coton et les mines. L'industrie est peu présente, comme le montre tableau ci-dessous, la seule véritable industrie que connait le pays est celle qui concerne le coton, l'or blanc du Mali, tandis que le secteur de l'énergie occupe une part relativement faible due pour l'essentiel aux faibles ressources en énergie dont dispose le pays.

Pris de manière globale, ces chiffres permettent également de constater que le secteur primaire occupe une place prépondérante au Mali.

secteurs de production	emploi total	part relative%
Vivrier	433964	6,60
RIZ	235384	3,58
Re me	50231	0,76
jatropha	1010	0,01
Coto n	310380	4,72
El evage	365337	5,55
Syl vi cu I to re	216299	3,29
Mines	422557	6,42
Agroa I i me nta ire	492935	7,49
Textile	113129	1,72
Autres ma nufactures	256154	3,89
Energie	186590	2,83
Bioca rbura nts	1179	0,01
BTP	579576	8,81
Commerce	221647	3,37
Transport	196951	2,99
Autres services ma rcha nds	1034716	15,73
emp	53514	0,81
SNM	404633	6,15
Ca rbura nt	998029	15,18
Total	6574215	100

Les deux premières colonnes du tableau sont issues de la MCS utilisée par les auteurs du BCST (2011), la dernière colonne du tableau vient souligner l'importance relative de chaque secteur.

B. Matrice de comptabilité sociale

Selon Decaluwé, et al. (2001), il est très difficile de donner une définition générale des matrices de comptabilité sociale tant la construction de celle-ci dépend d'abord et avant tout de l'objectif poursuivi par ses auteurs, mais aussi des données

Pour Cogneau et Roubaud (1992): ((elle représente une construction statistique servant à la modélisation macroéconomique. Elle correspond simplement à un cadre comptable, permettant d'enregistrer les flux qui se produisent dans une économie au cours d'une période de temps donnée (le plus souvent l'année). Elle est de surcroit, basée sur le même principe que la comptabilité à double entrée.» Ce dernier point permettant de bien refléter le fait que les chiffres qui y sont inscrits sont à la fois des recettes lorsqu'ils sont inscrits en ligne et des dépenses lorsqu'ils sont mis en colonne.

Cette modélisation obéit donc à une règle principale qui est l'obligation de voir l'ensemble des recettes égales à l'ensemble des dépenses à travers le compte accumulation de capital.

Où : tkj représente l'ensemble des recettes du compte K (j indice des colonnes)
tki représente l'ensemble des dépenses du compte K (i indice des lignes)

La MCS est utile à plus d'un titre, car l'individu est mis au centre de l'économie. Ceci par la ventilation ou la désagrégation de marchés qui y est ici grandement facilitée comme le souligne Fofana (2007). Ainsi, le marché travail peut se subdiviser en marché qualifié et non qualifié et devenir par la suite, un marché de travail qualifié, semi-qualifié et non qualifié. La matrice de comptabilité sociale utilisée dans le cadre de ce mémoire respecte tous ces principes. L'année de référence pour la matrice construite dans le cadre du modèle BCST (2011) est 2006. Comme souligner plus haut, les auteurs du BCST (2011) partent d'un TES à 18 secteurs. Par la suite, lors de la construction de la MCS le secteur du jatropha sera ajouté et le secteur de l'énergie sera quant à lui subdiviser en deux nouveaux secteurs que sont :

Ceci a pour effet principal de centrer l'analyse sur ces deux nouveaux secteurs en particulier.

Entre autres avantages, «la MCS offre une présentation cohérente des transactions qui prennent place dans une économie déterminée, qu'il s'agisse d'un pays, d'une région, ou encore d'un ensemble de pays ou de régions et, d'autre part, elle fournit aux décideurs de la politique économique la base comptable d'un cadre analytique susceptible de faciliter leur choix.» (Decaluwé et al. 2001). La MCS est un outil utilisé pour être associé entre autre, à des MEGC permettant de procéder inter alia à l'analyse de politiques économique, des programmes de réduction de la pauvreté, des chocs exogènes.

La désagrégation est le principal avantage qu'offre la MCS. Un avantage qui a été utilisé par les auteurs du BCST (2011) dans la construction de leur propre matrice. La prochaine section présente les aspects généraux des MEGC.

Le MEGC sera l'outil analytique que nous utiliserons pour procéder aux différentes simulations retenues et pour tester la sensibilité et la robustesse du modèle BCST (2011). Le modèle a pour principal avantage de donner des indications sur les effets attendus non seulement au niveau de variables macroéconomiques, des branches des différents marchés, mais aussi, et surtout des agents, ceci par l'intermédiaire des prix et des variations d'agrégats comme la consommation, le revenu agrégé du pays, les salaires, etc.

Les MEGC sont généralement élaborés dans le cadre d'économie ouverte, cependant, des modèles existent pour les économies fermées. Dans les MEGC à économie ouverte, le consommateur ne fait aucune distinction entre les différents produits (pays, région, origine). L'économie est preneuse de prix (price taker) et ne peut influencer le cours des prix sur le marché (Dervis et al. 1982). Il en découle que les prix mondiaux décident des prix domestiques.

Dans les modèles qui sont orientés vers le commerce, le problème de répartition entre bien domestique et bien étranger est déterminé par le ratio de prix entre, biens domestiques et biens étrangers (le prix relatif). Cette hypothèse est partagée par d'autres types de MEGC. La problématique s'accentue lorsqu'on y intègre la substituabilité entre les différents biens et l'influence des élasticités.

L'équilibre partiel ne s'attarde que sur l'équilibre d'un seul marché. Par conséquent, il y a un ensemble d'interactions ou de rétroactions qui sont oubliées voir ignorées. L'équilibre général

a donc pour principal avantage de prendre en compte l'ensemble des interactions et rétroactions pouvant se produire dans une économie suite à un choc exogène ou une simulation de politique économique.

De plus, un ensemble d'autres arguments militent également en faveur de l'utilisation des MEGC. Pour Beaumais et al. (1999), ce qui justifie l'utilisation des MEGC, en ce qui a trait au développement de problématiques spécifiques à l'environnement ou à des domaines connexes comme les biocarburants, peut se résumer en trois points principaux :

L'équilibre général n'a cependant pas que des avantages puisqu'il requiert le recours à des données sur l'ensemble de l'économie d'un pays. De plus, l'écriture d'un MEGC passe par la maitrise d'un langage informatique qui lui est propre et qu'il faut maitriser, qui est bien plus complexe qu'un modèle en équilibre partiel, comme nous pourrons le voir avec la présentation du BCST (2011).

Chapitre 4 : Modèle BCTS 2011

A. Présentation du modèle

Le modèle BCST (2011) qui est repris dans le cadre de ce mémoire s'inspire du modèle EXTER initialement développé par Decaluwé et al. en 2001, avec cependant certains ajustements majeurs qui concernent de nombreux secteurs dont celui de la production.

Le modèle comporte 20 secteurs de production parmi lesquels on retrouve les secteurs du jatropha, des biocarburants et de l'énergie fossile. On compte également quatre agents dans le modèle le gouvernement qui tire l'essentiel de ses revenus des taxes prélevées auprès des ménages et des firmes privées.

Les ménages ont pour capital leur terre et leur main d'oeuvre, qu'ils louent aux entreprises et firmes privées. Ces travailleurs peuvent être qualifiés ou non qualifiés, ce qui constitue les deux marchés de travail présent dans le modèle BCST (2011).

Les firmes privées ou entreprises sont détentrices du capital et reçoivent les transferts des autres agents. Le reste du monde représente l'autre agent de ce modèle ce qui traduit le fait que l'on soit en présence d'une économie ouverte. Les hypothèses associées à une petite économie sont postulées par les auteurs du modèle.

³³ Le modèle BCTS (2011), en ce qui a trait à ses principales composantes, ainsi que la définition des agrégats, variables et autres paramètres qui le compose est présenté en annexe 1.

Le modèle peut également se subdiviser en sept grands blocs à savoir (la production, les revenus et l'épargne, les revenus du gouvernement, le commerce, la demande, les prix, et le bloc des conditions d'équilibre.) Nous ne présenterons cependant que les blocs les plus pertinents intervenant directement dans le cadre de notre étude.

a) Production

Le premier bloc du modèle présente un ensemble d'équations se référant directement à la production dans les différentes branches de notre économie et à la main d'oeuvre qui y est associée.

La production totale (XS) se décompose en valeur ajoutée fixe partagée (VA) et en consommation intermédiaire (CII). Le niveau de production et de consommation intermédiaire

est déterminé par une fonction de type Leontief qui implique des parts fixes de valeur ajoutée et de consommation intermédiaire pour produire une quantité de Xs donnée.³⁴

L'équation A.7 détermine la demande de travail pour les services non-marchand, qui est fonction de la production, de la demande et des salaires du secteur. Les conditions de premier ordre sont utilisées pour déterminer le niveau optimal de demande de travail composite au niveau des différentes équations (équation A.5). La demande de travail se décompose alors, en demande de travail qualifié (Ldq) et demande de travail non qualifié (Ldnq). La combinaison de ces deux facteurs au niveau de la demande de travail (Ld) est dès lors déterminée, par une fonction de production à élasticité constance (CES) à l'équation A.7, qui suit encore une fois le processus de minimisation des coûts.

³⁴ Les équations suivent la numérotation définie en annexe du présent document.

L'équation A.9 établie une relation d'égalité entre la demande intermédiaire pour les biens (j) et la consommation intermédiaire pour les mêmes biens (j). La demande totale de capitale (KTD) se décompose, en terre (LAND) et en demande de capitale (KD). Le même type de fonction de production à élasticité constante (CES) est utilisée pour déterminer les niveaux

d'utilisation de ces deux facteurs (équation A.10). Le capital est mobile entre les secteurs

agricoles et la terre est supposée être fixe (cette supposition est importante pour effectuer les hypothèses qui seront présentées par la suite). La fonction de demande optimisée pour le capital est le résultat d'un processus de minimisation des coüts (équation A.11).

Au niveau de la consommation intermédiaire, certaines modifications sont apportées comparativement au modèle EXTER présenté par Decaluwé et al. (2001). La consommation intermédiaire totale (CII), est décomposée en consommation intermédiaire d'énergie (CIE), et en autres consommations intermédiaires (CI). Ces deux consommations intermédiaires sont également liées par une fonction de production d'élasticité constance (CES) tel que représenté par l'équation A.13.

L'équation A.16 n'est pas issue du méme processus que l'équation A.15. Elle détermine le degré d'utilisation entre les produits pétroliers et l'essence, et les autres formes d'énergie. Et ceci, par un processus de minimisation des coûts.

Les produits pétroliers et essence (FUEL) sont par la suite décomposés en énergie fossile (FFUEL) et en biocarburant ( ) avec la même forme fonctionnel (CES) (équation A.17). Encore une fois, les producteurs minimisent leurs coûts sous contrainte de cette fonction pour

obtenir la fonction de demande optimale de carburant fossile en fonction du biocarburant (équation A.18).

Les autres consommations intermédiaires (CI) sont modélisées comme des parts fixes à la Leontief de facteurs de production et les coefficients sont calculés à partir des données présentes dans la matrice de comptabilité sociale.

Cette structure de production enrichie permet aux branches de production de substituer des intrants de productions et plus particulièrement au niveau des énergies. De ce fait, les biocarburants peuvent augmenter leur part de marché. Ceci par le remplacement de deux types d'énergies comme facteur de production intermédiaire, dans le processus de production des autres secteurs. Avec les fonctions de production (CES) présentent dans le modèle, les parts de marché sont automatiquement obtenues par des modifications des prix relatifs des différentes sources d'énergies. Les élasticités de substitutions spécifiques sont présentes dans le modèle pour refléter les différentes capacités de substitution entre les secteurs.

b) Le commerce extérieur

Ce bloc met en exergue les échanges avec le reste du monde. Au niveau de la demande pour les importations, l'hypothèse d'Armington (1969)³⁵ est postulée où il y a une substitution

³⁵ Cette hypothèse stipule que les biens ne sont pas parfaitement homogènes. Ils sont homogènes lorsque des biens
proviennent de la même aire géographique mais dans le cas contraire ils sont discernables et donc imparfaitement

(en accord avec les valeurs de nos élasticités) des produits locaux avec ceux du reste du monde. Le niveau ou degré de substitution est capté par la valeur de l'élasticité de substitution.

Les demandes d'importations (M) sont dérivées d'un processus de minimisation des coûts sous contrainte de la fonction CEC (équation A.33). Les demandes d'importations dépendent du ratio de prix des importations sur les biens produits localement et de l'élasticité de substitution (équation A.32).

substituables. L'on peut également que pour le consommateur armingtonien, le choix d'un produit au niveau d'un marché donné n'affecte pas, l'achat de ce même produit sur d'autres marchés.

L'épargne étrangère (Sr) est le résultat de la différence entre l'importation (M) et les exportations (Ex), auquel se rajoute la différence entre les transferts entre les agents maliens et le reste du monde. L'épargne étrangère ou balance des opérations courante est présenté en devise étrangère équation A.60.

L'offre totale de main d'oeuvre dans le modèle se divise en deux sous composantes. La première est le marché non-qualifié et l'équilibre sur ce marché est représenté par l'équation A.66. (Lsi) est égale à la somme de demande de travail présente dans chaque secteur i.

Le BCST (2011) présente des élasticités spécifiques pour certains secteurs. Ceci pour refléter les différences existantes entres ces secteurs, et définir le niveau d'utilisation des différents facteurs dans chacune des fonctions CES présentées précédemment. Les auteurs de ce modèle utilisent les élasticités les plus fortes, pour la substitution entre l'énergie fossile et les biocarburants comparativement à l'énergie fossile et aux autres sources d'énergie.

Le BCST (2011) est une petite économie ouverte dans lequel les prix intermédiaires mondiaux (Pwm et Pwe) des importations et des exportations sont exogènes. Le taux de change nominal (e) est utilisé ici comme numéraire, et une nouvelle fois les prix internationaux sont exogènes. Le modèle présente également, un indice de prix pindex (déflateur du pib) endogène (équation A.54, annexe 1), une balance courante (bac) exogène et une propension marginale à épargner (psii) exogène. Dans la prochaine partie nous allons donc présenter nos différentes simulations avec de nouvelles valeurs pour les élasticités clés (travail, énergie, terre et surtout biocarburants). Ceci en partant des différentes fermetures présentes dans le modèle. Par la suite, pour l'analyse de sensibilité, nous allons tester des hypothèses de fermetures différentes.

Chapitre 5: Simulations

A la fin du modèle BCST (2011), les auteurs ont émis une autocritique concernant la sensibilité potentielle de leur modèle à des changements de valeurs de paramètres et l'impact possible de ceux-ci sur la nature des résultats observés. Ce mémoire a donc comme principal objectif de tester la sensibilité et la robustesse du choix des élasticités du modèle BCST (2011), à des changements d'élasticité et de fermetures. Pour ce faire, nous avons mené une série de simulations sur des élasticités clés et les choix d'hypothèses de fermetures.

A. Analyse de sensibilité des élasticités

Nous avons retenu deux simulations pour appliquer notre analyse de robustesse sur le modèle BCST (2011). Ces simulations ont toutes en commun d'augmenter la production de jatropha, en fournissant de nouvelle terre pour pouvoir atteindre cette objectif.

Les auteurs du modèle BCST (2011) ont justifié le choix de ces hypothèses pour leurs simulations, par la grande disponibilité de terres dont jouit le Mali. De plus, même si de par ces hypothèses les terres allouées à la culture du jatropha passe ainsi de 3000 ha à 45 000 ha, se chiffre est à relativiser, car il représente moins de 1% des 4 millions d'hectares de surfaces cultivables du Mali.

· Dans la première simulation l'expansion des terres est réalisée en utilisant les

terres friches (non-utilisées), et en n'exerçant aucune forme de pression sur les autres formes
d'agriculture. La première consiste donc, en une augmentation de 15 fois des terres agricoles

pour la production du jatropha, ceci en utilisant les terres en friche au Mali. Dans Boccanfuso et al. (2011), cette hypothèse représente la simulation 1b, dans le présent document elle représente la simulation 1a.

· Dans la deuxième simulation, toutes les terres nécessaires à l'expansion du

secteur du jatropha sont prises des autres secteurs agricoles. La seconde est donc, une augmentation de 15 fois des terres agricoles, couplée à une utilisation à 100% de celles-ci. Cette hypothèse correspond à la simulation 3b dans Boccanfuso et al. (2011), dans le présent document elle représente la simulation 1b.

L'objectif étant de voir l'effet de faire varier les valeurs de certaines élasticités sur les résultats obtenus à l'aide de BCST (2011). Les premières simulations ont toutes été effectuées en reprenant les valeurs choisies auparavant (avec des valeurs du modèle originale) et ces résultats serviront comme base de comparaison. Par la suite les élasticités ont été modifiées pour l'analyse de sensibilité.

A ce niveau, en cohérence avec d'autres études menées antérieurement et pour permettre une utilisation idoine du BCST (2011), les valeurs de fluctuations des différentes élasticités sont toutes comprises entre 0.6 et 3 (qui représentent l'intervalle de confiance généralement observé pour les simulations avec les MEGC).

Les élasticités qui ont été visées pour l'analyse de sensibilité regroupe l'ensemble des élasticités de substitution des fonctions CES utilisées dans la structure de production que nous avons présenté dans le chapitre 4 ci-dessus.

élasticité de substitution CES pour la production dans le secteur agroalimentaire.

Les valeurs choisies ainsi que les simulations qui leurs sont associées sont présentées dans le tableau suivant :

	valeur du modèle valeur modifiée valeur du modèle valeur modifiée valeur du modèle valeur modifiée valeur du modèle valeur modifiée		0.6		0.6 3 0.6 2 0.6 3 0.6 3		0.6		0.6 3 0.6 3 0.6 3 0.6 3		0.6		0.6		0.6			0.6	0.6			0.6		Al B1
			3 0.6				3 0.6				3 0.6		3		3			0.6 0.6	3			0.6		A2 B2
													0.6		0.6				0.6			0.6		A3 B3
			2				2				2		3		2			3	2			0.6		A4 B4
			0.6				0.6				0.6		0.6		0.6			0.6	0.6			0.6		A5 B5
			3 0.6				2 0.6				3 0.6		3		2			3 0.6	3			0.6		A6 B6
													0.6		0.6				0.6			0.6		A7 B7
			3				3				3		3		3			0.6	3			0.6		A8 B8
modèle		.6 0.6		⁶)(MA⁰ ener 6 06 0 trans 0.6 0.6 A1 B¹Fuel																			simulations
		3 valeur ³ modele 3 6 valeur ⁰⁶ modifiée 06 2 valeur du modele 2 A valeur modifiée r b 3 0 3 2 valeur du modele 3 valeur modifiée ⁰ 3 valeur du ³ modele 3 0 valeur modifiée 8		0.6 0.		0.6 3		0.6		0.6 3 3 6 0.6 ² 0.6 ..6 06 ³3 3 0.6 1.2 ²		0. 0. 0.6 0.6 ^nq 0 3 0.6 1.2		0.6 3		0.6 3 3	0.6			0.6 B2 B3 3	0.6		Al B1
								3									0.6				0.6		A2 B2
				0.6		0.6		0.6						0.6		0.6 2	0.6			0.6 B4	0.6		A3 B3
				0.6 ^TP 3 3		1.8 m 0.6 33		^s1.8						0.6 S 0.6 3		0 Fu2 0.6 6 2				0.6 imin 0B6 B7 2 3 8	1.8		A4 B4
								00 . ^..6													0.6		AS B5
								2									₃A				0.6		A6 B6
				0.6		0.6 06		.6						0.6		0.6	A 0.6			B3 0.6	0.6		A7 B7
				0.6		061.2		.						1.2		1.2	1.2A			B4 1.2	1.2		A8 B8

Les critères qui nous ont guidés dans le choix de la valeur de nos paramètres sont ceux énoncés dans la partie présentant la revue de littérature.

- valeur du modèle, qui signifie que la valeur des élasticités pour chacun des différents secteurs, est la même (0.6).

- valeur modifiées, qui signifie que la valeur des élasticités est spécifique à chaque secteur. Ainsi, dans ce cas de figure, il y a effectivement une variation de nos élasticités entre 0. 6 et 3.

Pour la codification de nos simulations, toutes celles commençant par la lettre A impliquent la simulation 1a, et toutes celles comportant la lettre B se rapportent à la simulation 1b.

Le tableau ci-dessous donne la description des premières simulations réalisées sous les hypothèses 1a et 1b.

À ces simulations viendront se rajouter deux autres (sans changement de fermeture), qui associent l'ensemble de nos élasticités (avec Valeur modifiée) en une seule simulation.

Ce qui nous fait un total de 18 simulations. Par la suite, des changements de fermetures

La prochaine sous-partie présente les simulations retenues pour l'analyse de sensibilité des fermetures.

B. Analyse de sensibilité des fermetures

Les MEGC offrent plusieurs choix quant aux fermetures macroéconomiques. Au niveau de l'investissement, la plus courante est certainement la fermeture classique qui implique que le niveau d'investissement s'ajuste automatiquement au niveau d'épargne des agents de l'économie. Les auteurs du modèle BCST (2011) ont adopté cette fermeture pour l'investissement. Parmi les autres types de fermetures macroéconomiques possibles, l'on peut citer la fermeture à la Johansen, qui implique que la consommation publique en valeur (G), est endogène. Elle permet d'équilibrer la contrainte budgétaire du gouvernement. La fermeture keynésienne suppose qu'il y a un surplus de main-d'oeuvre pour équilibrer l'objectif d'investissement. La fermeture kaldorienne suppose enfin, un transfert entre les ménages pour satisfaire l'objectif d'investissement.³⁶

Dans le cadre de ce mémoire, trois options de fermetures ont été retenues pour l'analyse de sensibilité.

> Investissement total exogène et psii (propension marginale à épargner) endogène (fermeture 2 ; F2).

> Balance courante endogène, indice des prix et taux de change exogène (fermeture 3 ; F3).

³⁶ Les différentes fermetures existantes sont détaillées dans le livre de Decaluwé et al. (2001), où plusieurs exemples sont donnés se référant directement à chaque type de fermeture possible.

La première fermeture est très semblable à celle du modèle original, une modification est cependant opérée au niveau de l'indice de prix qui devient fixe et le taux de change réel qui devient endogène. Ainsi, il est désormais possible de déterminer grâce au modèle, la valeur des produits locaux par rapport à ceux du reste du monde.

En ce qui a trait à la deuxième fermeture, un It fixe (exogène) signifie que le volume d'investissement ne s'ajustera plus à l'épargne. La fermeture n'est dès lors plus classique, ce qui représente une autre option de fermeture où psii devient le véritable déterminant de l'investissement.

La troisième fermeture permet de vérifier si la variation de l'épargne étrangère a un impact sur les résultats. Le tableau suivant donne une description des simulations réalisées à l'aide de nos différentes fermetures.


et








	us	muan	a	c	vur	dé
				ogn
		mn	b			dé

La figure 6 donne un résumé de l'ensemble des simulations réalisés avec et sans

Ceci nous donne un grand total de 24 simulations. Nous présentons une analyse des résultats dans la section suivante.

Chapitre 6: Résultats et analyses

Pour toutes ces simulations, nous analyserons les variables macroéconomiques, ainsi que certaines variables sectorielles clés comme la valeur ajoutée, les prix du marché et le taux de rémunération du capital. Les analyses en équilibre général obligent à examiner la situation avant simulation (situation de référence) et ensuite à la comparer à la situation après simulation.

Rappelons que l'objectif est d'analyser le comportement des différents marchés (agricoles et autres), la variation de revenus dans les différentes branches de l'économie malienne par rapport aux différentes options de scénarios. Ceci nous permettra de nous prononcer sur la sensibilité et la robustesse des paramètres et hypothèses de fermeture du modèle BCST 2011. Nous présenterons les résultats obtenus sous la simulation 1a (augmentation de la production en utilisant les terres en friches). Ainsi que ceux obtenus sous la simulation 1b (augmentation de la production en utilisant 100% des terres agricoles disponibles). Enfin nous présenterons l'analyse de sensibilité réalisée, au moyen de l'évolution de certaines variables en fonction des scénarios effectués.³⁷

A - Résultats macroéconomiques

Les premiers constats concernant les variables macroéconomiques, est le même que celui fait par les auteurs du modèle BCST (2011) à savoir que leurs impacts est relativement faibles. L'explication réside dans la taille des deux secteurs que nous cherchons à mettre en relief ici et qui n'occupaient pas une grande place dans l'économie malienne à la période de référence. Dans le modèle, comme le capital est fixe (mais mobile entre les secteurs agricoles), le capital

nécessaire pour l'expansion du secteur, jatropha ne peut venir que des autres secteurs agricoles et ceci limite la croissance de ce secteur. Il en résulte une compétition, dans le modèle pour la terre et le capital. L'offre de travail est fixe, ce qui entraine que l'expansion d'un secteur se fait aux dépens des autres.³⁸

		simulations
variables	definitions	référence	Al	A2	A3	A4	A5	A6
Ym_aggrege rr yg sg cg Ye se it PIB PlBvol e pindex	revenu aggrégé taux de rente du capital ai revenu du gouvernement épargne du gouvernemen consommation du gouverr revenu des entreprises épargne des entreprises investissement total produit intérieur brut produit intérieur brut en 1 taux de change indice de prix	3206350	-0.39	-0.13	-0.15	-0.15	-0.14	-0.14
		1	0.66	-0.61	-0.63	-0.63	-0.63	-0.63
		826370	-0.29	-0.12	-0.11	-0.11	-0.11	-0.11
		222997	-1.07	-0.44	-0.43	-0.43	-0.42	-0.42
		309300	0.3	0.06	0.08	0.08	0.08	0.08
		370194	-0.36	-0.12	-0.14	-0.14	-0.13	-0.13
		39974	-0.75	-0.26	-0.3	-0.3	-0.28	-0.28
		277901	0	-0.37	-0.36	-0.36	-0.35	-0.35
		3203785	-0.44	-0.14	-0.16	-0.16	-0.15	-0.15
		3207233	-0.42	-0.19	-0.2	-0.2	-0.2	-0.2
		1	0	0	0	0	0	0
		0.999	0	0.07	0.05	0.05	0.06	0.06

						simulations
variables	definitions	reference	B1		B2		B3	B4		B5		B6
Ym_aggrege rr itio yg _usg decg nuYe gnese omit nu d nti gne de st d uit intér	e d revenu aggrégé taux de rente du capital ai revenu _éfée du gouvernement A1 épargne du _3206350 gouvernemen consommation it il du ₁ gouverr revenu _ment des 826370entreprises ement des ₂₂₂₉₉₇ entreprises ouvernement309300 ses 370194brut référence rises 39974brut - 3206350 l de 2779 itl gle ut de 320 t	3206350		-0.22		-0.22	-0.28		-0.28		-0.28		-0.22
		1		ti		0.73	-1.25		-1.25		-1.25		0.73
		826370 2		-0.2		-0.2	-0.23		-0.23		-0.23		-0.2
		222997 0		-0.77 0		-0.77 01	-0.86 014		-0.86 14		-0.85		-0.77
		309300 0		06		063^0.2	063^0.17		63		0.16		0.2
		370194 0		-0.21 01		011	-0.27 011		11		-0.27		-0.21
		39974 0		-0.44 04		043	-0.57 042		042		-0.56		-0.43
		277901 0		00 simu		008	008		008		-0.72		-0.64
				-01 B3		B2 -0 -014 B4	013 5		13 6		-0.3		-0.25
		-0 22		-0		0.3	-0.28		0.28		-0.43		-0.47
		0		.3		36	5		0		0		0
		-0.		01		-0.16	0.15		.15		0.15		0.22

³⁸ Les autres résultats macroéconomiques pour 1a et 1b sont présentés dans le document en annexes 2 et 3.

La plupart des simulations réalisées sous 1a³⁹ (A1, A2, A3, A4, A5, A6, A7, A8, A9, AF1, AF2, AF3) laissent apparaitre une diminution quasi systématique du revenu du ménage agrégé, du PIB (aussi bien en valeur qu'en volume), ainsi que de la plupart des variables macroéconomiques. Les simulations AF1 et AF2 montrent les meilleurs résultats, avec un recul PIB et du revenu agrégé, inferieur aux autres simulations.

Nous remarquons cependant quelques exceptions comme la consommation du gouvernement (cg) et l'indice de prix (pindex). Le secteur jatropha connait une augmentation de main d'oeuvre due aux nouveaux investissements provenant des autres secteurs présent dans le modèle. Les salaires connaissent également des variations à la baisse sur la plupart des simulations effectuées. On enregistre cependant une amélioration du salaire qualifié avec les simulations A2 et A7.

Comme dans le cas précédent, sous 1b, les simulations ont un impact relativement faible sur les variables macroéconomiques. Nous observons des faibles diminutions enregistrées au niveau du revenu du ménage représentatif⁴⁰.La plupart des variables macroéconomiques demeurent négatives ou invariantes. La consommation du gouvernement (Cg), et l'indice de prix (Pindex) sont les seules variables qui présentent des variations positives sur l'ensemble des simulations réalisées. À l'inverse des précédents résultats sous 1a, on n'observe aucune amélioration au niveau des salaires puisque toutes les simulations produisent un recul des

³⁹ Sous 1a fait référence au groupe de simulations réalisées avec 1a, de même sous 1b fait référence au groupe de simulations réalisées sous 1b. Enfin, lorsque nous évoquons la simulation 1a ou 1b, nous faisons encore une fois référence au groupe de simulations qui leurs sont associés, si il n'y a pas d'indications contraire.

⁴⁰Ym agrégé représente le revenu agrégé pour les ménages et donc le ménage représentatif. Cependant, dans la présentation des résultats nous avons voulu aller plus loin et avons scindé ce ménage représentatif en ménage salarié, commerçant, artisan et inactif dont les résultats sont présentés en annexe.

salaires qualifiés et non qualifiés. L'ampleur des variations sont plus importantes sur le marché du travail qualifié, que sur le marché non qualifié.

a) la valeur ajoutée

Pour les résultats sectoriels et ceux concernant spécifiquement la valeur ajoutée (VA), nos résultats montrent également qu'à ce niveau l'impact est relativement faible. Nous notons que la production se fait désormais à moindre coût dans de nombreux secteurs et notamment ceux du jatropha et des biocarburants. De surcroit, ces secteurs connaissent de fortes croissances qui sont la résultante directe de nos simulations.

Le tableau 11 et l'annexe 4 présentent également des résultats où nous observons des variations négatives dans de nombreux secteurs. Les variations négatives les plus fortes sont observées avec le secteur de la sylviculture, suivi de celui des banques, l'énergie fossile et enfin le secteur des carburants qui connait la moins forte décroissance. Le remplacement progressif, des autres formes d'énergie par substitution (carburant, énergie fossile), au profit du jatropha et des biocarburants semble fonctionner ici.

variables secteurs de production référence			Al	A2	A3	A4	A5
Va	VIV RIZ RENT JATR COT ELEV SYL AU AGIND TEX XMA ELEC BIOF BTP COM TRANS SER BQ SNM CAR	417259 162704 40896 850 173224 315643 205250 294262 280422 96402 106983 172527 127 203715 173017 84833 165547 21700 251456 40416	-1.42	-0.72	-0.72	-0.72	-0.72
			-0.90	-0.43	-0.43	-0.43	-0.43
			-1.04	-0.55	-0.56	-0.56	-0.56
			122.19	118.67	64.15	64.10	66.95
			-1.16	-0.73	-0.72	-0.72	-0.71
			-0.43	-0.21	-0.20	-0.20	-0.20
			-1.42	-0.67	-0.67	-0.67	-0.67
			0.06	0.01	0.02	0.02	0.02
			-0.07	-0.01	-0.01	-0.01	-0.01
			0.06	0.02	0.02	0.02	0.02
			-0.10	-0.02	-0.01	-0.01	-0.01
			0.00	0.00	-0.02	-0.02	0.00
			115.92	113.71	57.39	57.34	58.84
			-0.13	-0.10	-0.04	-0.04	-0.05
			-0.01	-0.02	-0.01	-0.01	-0.01
			0.03	0.01	0.01	0.01	0.01
			-0.54	-0.03	-0.01	-0.01	-0.02
			-0.16	-0.09	-0.07	-0.07	-0.07
			0.23	0.02	0.04	0.04	0.04
			-0.44	-0.11	-0.01	-0.01	-0.03

D'autres secteurs connaissent une augmentation de leur production. Il s'agit des secteurs, 162704 0.90 -043 -0.43 0.43 ^-0.43des services non marchands, du textile, des mines et enfin des transports. Il faut enfin souligner,

JATR 850 122.19 118.67 6415 4.10 ^66.95que les simulations AF3 et AF2 sont celles, sous 1a présentant les résultats les plus fort.

Sous le bloc de simulations de 1b, les résultats sectoriels présentent le même caractère

que, les résultats observés sous 1a. Les simulations observées sous 1b confirment l'expansion

On constate cependant que les expansions de ces secteurs sont moins importantes qu'avec

celles réalisées sous 1a.Tous les autres secteurs connaissent un recul de leur production et le

recul du secteur de l'énergie fossile est ici moins important qu'avec la simulation 1a ; à

l'exception des secteurs des mines, des transports et des services non marchands.

b) Les prix du marché

Un autre résultat important se trouve au niveau des prix du marché qui connaissent une

diminution dans 14 des 20 secteurs que compte le modèle. La plus grande diminution est à

mettre à l'actif du jatropha où on enregistre des baisses comprises entre 78 et 82% pour

l'ensemble de nos simulations. La production de biocarburants ainsi que la culture intensive de

jatropha semble donc avoir une influence positive sur la plupart des secteurs de l'économie,

autre que les secteurs agricoles et il faut bien une baisse de prix aussi importe pour absorber l'excès d'offre ainsi enregistrée dans ces secteurs.

variables	secteurs de	référence	Al	A2	A3	A4	AS	A6
Prix du marche	production
pq VI V Pq R I Z pq RENT pq JATR pq COT pq ELEV pq SYL pq AU Pq AGI ND pq TEX pq XMA pq ELEC pq BA1 OF _de pq BTP on pq COM 0 pq TRANS Pq S ER pq BQ Pq S N M pq CAR		1.001 1.008 1.007 1 1.025 1.002 1.001 1 1.047 1.064 1.03 1.076 A3¹ 1.051 1.328 7 ₀1.22 54 1.286 55 1 1.016 ⁰⁶	1.07	0.57	0.55	0.55	0.55	0.55
			0.45	0.30	0.28	0.28	0.28	0.28
			0.87	0.54	0.51	0.51 -80.02	0.51	0.51 -82.49
			-81.22	-78.55	-80.02	0.51 -80.02	-82.47	0.51 -82.49
			0.81	0.33	0.34	0.34	0.34	0.34
			0.06	0.06	0.03	0.04	0.04	0.04
			0.98	0.51	0.49	0.49 -0.10	0.49	0.49 -0.10
			-0.30	-0.09	-0.10	0.49 -0.10	-0.10	0.49 -0.10
			-0.36	-0.09	-0.11	-0.11 -0.17	-0.11	-0.11 -0.17
			-0.41	-0.15	-0.17	-0.11 -0.17	-0.17	-0.11 -0.17
			-0.21	-0.07	-0.07	-0.07	-0.07	-0.07
			-0.47	-0.19	-0.31	-0.30	-0.20	-0.20
			A4	A5	A6	-51.72	-53.28	-53.29
			-0.43	-0.20	-0.17	-0.17	-0.17	-0.17
			-0.60 5	-0.38	-0.36	-0.36 -0.10	-0.36	-0.36 -0.10
			-0.21 8	-0.09	-0.10	-0.36 -0.10	-0.10	-0.36 -0.10
			-0.65 1	-0.19	-0.18	-0.18	-0.18	-0.18
			-0.48 2	-0.17	-0.16	-0.16	-0.17	-0.17
			-0.31 4	-0.06	-0.09	-0.09	-0.08	-0.08
			-0.47 3	-0.17	-0.14	-0.14	-0.14	-0.14

Au niveau des prix dans les autres secteurs on enregistre trois cas. Le premier, dans les

secteurs du coton, de l'élevage, de la sylviculture et surtout des secteurs de la rente, du riz et des
X 0 0 07 0 .7 ⁰produits vivriers qui connaissent chacun une hausse de leur prix. Tous ces secteurs ont connu une

baisse de leur production, l'augmentation du prix s'explique donc par la baisse de l'offre dans

Le deuxième cas, est celui qui concerne les secteurs (mine, textile, transport, service, non-marchand) où on enregistre une baisse de prix couplée à une hausse de leur production. L'augmentation de l'offre pour le bien composite et la substitution des intrants de production dans les secteurs ayant trait à l'énergie, l'énergie fossile, l'électricité, carburant sont des raisons pouvant justifier la baisse de prix enregistrée.

Enfin, le dernier cas est celui qui concerne les secteurs où on enregistre une chute de prix couplée à la fois à une augmentation de l'offre et une diminution de la demande pour le bien composite.

La prochaine variable à être présentée est le taux de rémunération du capital. C) le taux de location du capital

Enfin, la dernière variable que nous présenterons dans cette partie est le taux de rémunération du capital pour les secteurs non agricoles. Le modèle présente un capital qui est fixe pour les différents secteurs et mobile entre les secteurs agricoles. Chaque secteur présente un taux de rémunération du capital qui lui est propre. Les différentes simulations sous 1a montrent des changements importants concernant les secteurs des biocarburants où ce taux connait une croissance atteignant parfois 921%, comme c'est le cas avec la simulation A1. Pour le secteur des biocarburants, (Tableau 15) les secteurs des mines et des transports sont ceux qui connaissent le plus grand changement, sous 1a et 1b.



fé	3




		A4	A5	A6

La prochaine partie présente l'analyse de sensibilité. Il est important de garder à l'esprit les résultats présentés précédemment, pour comprendre les tendances et mouvements observés pour nos différentes variables.

Cette partie vise à montrer l'influence du choix de la valeur de des élasticités sur les résultats, ceci tant au niveau macroéconomique, que sectoriel. Ainsi que l'impact des

changements de fermetures sur les résultats obtenus, comparativement à ceux obtenus par les

L'observation de nos résultats montre une très grande proximité avec ceux obtenus par

les auteurs du BCST (2011). Comme le recul du revenu agrégé ou du PIB, ainsi que la baisse des

prix dans la plus part des secteurs de notre économie. Les différentes simulations ont très peu

d'influence sur nos différentes variables. En effet, comme le montre le tableau (17), suivant les variations enregistrées sont du même ordre que ceux obtenus par Boccanfuso et al (2011).

On ne note pas de changement notable. Les seules différences existantes entre nos résultats et les leurs se situe au niveau de l'amplitude des variations observées. De plus, nous notons que les résultats obtenus avec la simulation 1a, sont généralement meilleurs que ceux obtenus avec la simulation 1b. Ce qui pousserait à affirmer comme les auteurs du BCST (2011), que l'utilisation de terre en friche est une meilleure solution que la réquisition des terres agricoles allouées à d'autres secteurs.

			résultats BEST (2011)		nouvelles simulations
Variables	Definitions	reference	sim 1A	sim 3A	AF3	B9
rr Y8 sg bac Ye se it PIB	taux de rente du capital agricole revenu du gouvernement épargne du gouvernement balance courante revenu des entreprises épargne des entreprises investissement total produit intérieur brut	1	0.03	-1.41	0.41	0.74
		826370	0.01	-0.31	-0.09	-0.2
		222997	0.02	-1.15	-0.34	-0.77
		60698	0.16	-2.27	0	0
		370194	0.02	-0.4	-0.87	-0.2
		39974	0.03	-0.82	-0.18	-0.42
		277901	0.06	-0.74	0	-0.63
		3203785	0.02	-0.45	-0.1	-0.25

taux de rente d capital agriole 1 0.03 -1.4Il est important de se rappeler, que pour effectuer notre analyse de sensibilité, une valeur

spécifique a été attribuée à nos différentes élasticités , , pour chaque secteur d ti 39974 003 0 ⁴²de notre économie. Commençons l'étude de nos variables macroéconomiques en présentant les

effets de nos élasticités sur le revenu du gouvernement (yg), le revenu des entreprises (ye) et le
produit intérieur brut (PIB). Comme mentionné plus haut, les variations les plus importantes sont

enregistrées sous 1b (Variation comprises entre -0,2 et -0,450), tandis qu'elle se situe entre 0 et - 0,450 sous 1a. Les figures (7, 8 et 9) permettent de constater que bien que les simulations 1a et 1b soient différentes les mêmes tendances sont observées.

L'élasticité du travail est celle qui a le plus d'impact sur nos différentes variables sous

1a. En effet, on observe des variations plus importantes lorsqu'on prend cette élasticité avec les valeurs du modèle. Par la suite, le changement de valeur opéré, avec les valeurs modifiées permet de diminuer l'ampleur des variations observées. Sous 1b, l'effet du changement de valeurs pour les élasticités est relatif. En effet, si on note une amélioration de nos variations pour Ye, le PIB et une légère diminution pour Yg, force est de constater que ces variations se situent à des niveaux quasi-identiques.

L'élasticité de substitution pour le secteur de l'énergie, ne montre elle qu'une légère

diminution de variations de nos différents agrégats, lorsque l'on passe de la simulation avec les

valeurs du modèle à la simulation avec les valeurs modifiées sous 1a. Sous 1b on note cependant encore une fois une amélioration de nos variations.

Le secteur de l'énergie ne représentait que 2,29% dans le TES de base, qui a servi à la construction du BCST (2011). C'est pourquoi, dans les résultats obtenus cette élasticité montre une plus grande influence au niveau sectoriel, plutôt qu'au niveau macroéconomique.

permet à l'instar des autres élasticités, de constater une amélioration des variations lorsqu'on

utilise les valeurs modifiées sous 1a. Sous 1b l'effet est plus net, puisqu'on obtient la variation la plus faible pour nos trois agrégats.

La dernière élasticité de substitution est celle qui a trait au sous-secteur des biocarburants

. On ne note pas de changements notables de nos agrégats en changeant les valeurs de cette élasticité, son influence est plus grande au niveau des secteurs de l'énergie et notamment de la consommation intermédiaire d'énergie.

Les trois figures précédentes permettent également de voir, que l'association de nos différentes élasticités en une méme simulation permet d'obtenir les variations les moins importantes pour nos différents agrégats à savoir Yg, Ye et le PIB (simulations A9 et B9), et ceci aussi bien sous 1a que sous 1b. La combinaison de nos quatre élasticités à un effet stabilisateur, puisqu'on constate une grande diminution de l'amplitude de nos variations.

Par la suite les changements de fermeture opérés montrent une variation à la baisse avec la fermeture F1, (indice de prix fixe et taux de change nominal endogène) sous 1a. Ce mouvement est également visible sous 1b. Les résultats sont meilleurs avec la fermeture F3 (Balance courante endogène, indice des prix et taux de change exogènes), où les variations sont moins importantes aussi bien sous 1a que sous 1b, pour le revenu du gouvernement (Yg), le revenu des entreprises (Ye), et le produit intérieur brut (PIB).

Ce qui viendrait démontrer que le modèle s'accommode mieux d'un taux de change nominal fixe. L'influence de la fermeture F2 est quant à elle difficilement perceptible, car on n'observe pas dans les résultats de mouvements majeurs.

De manière générale, il ressort de l'observation d'Yg, Ye, et le PIB, qu'une amélioration des variations est observée en changeant les valeurs de nos élasticités. De plus les mêmes tendances sont observées pour toutes nos simulations. Seules les fermetures F1 et F3 ont une influence perceptible sur nos résultats.

Les deux figures (10, 11) présentant l'évolution de l'ensemble des variables macroéconomiques (suivant les simulations 1a et 1b). Elles permettent de constater que les mêmes tendances ou les mêmes évolutions sont observées au niveau de nos différentes variables macroéconomiques. Certaines variables sont très insensibles (pindex, Ye, s, Yg, Ym et Cg), alors que d'autres le sont beaucoup plus (sn, sg, se, it). La seule variable à faire l'objet d'un retournement de signe est le taux de location du capital agricole (rr).

Le changement de signe, ne signifie pas un retournement de tendance, car il porte sur une variable qui n'avait pas une valeur importante, à la période de référence. Enfin, pour les deux groupes de simulations, on observe peu d'impact différencié sur la plupart des variables macroéconomiques.

Pour ce qui a trait à la valeur ajoutée les résultats présentés dans la partie précédente ont démontré que nos simulations avaient surtout un impact sur deux secteurs en particulier celui des biocarburants et celui des jatropha. Un résultat également obtenus par les auteurs du BCST (2011). La seule différence entre nos résultats et les leurs, réside encore une fois dans l'amplitude des variations observées (Tableau 18).

			nouvelles simulations				résultats BCTS (2011)
variables secteurs de production référence			AF2	AF3	B F2	BF3	sim 1	sim 3
Va	VI V RI Z RENT JATR COT ELEV SYL AU AG I ND TEX XMA ELEC uctio BTP COM TRANS SER BQ SNM CAR	417259 162704 40896 850 173224 315643 205250 294262 280422 96402 106983 simulati 172527 127 -07 -0.4 -05 122.3 -06 -02 -07	-0.71	-0.71	-1.43	-1.42	0.00	0.00
			-0.42 -0.51	-0.42	-0.78 -1.04	-0.90 -1.04	0.02	0.00
			-0.42 -0.51	-0.51	-0.78 -1.04	-0.90 -1.04	0.02	0.03
			122.32	122.32	121.97	122.19	90.06	110.23
			-0.64	-0.64	-1.55	-1.16	0.02	0.17
			-0.25 -0.71	-0.25	-0.56 -1.37	-0.43 -1.42	0.02	0.04
			-0.25 -0.71	-0.71	-0.56 -1.37	-0.43 -1.42	0.00	-0.02
			0.01	0.01	0.01	0.06	0.00	0.07
			-0.03	-0.03	0.01	-0.07	0.00	0.03
			0.02 -0.05	0.02	-0.01 -0.04	0.06 -0.10	0.01	-0.01
			0.02 -0.05	-0.05	-0.01 -0.04	0.06 -0.10	0.00	-0.03
			-0.01	-0.01	ultats -0.03	S 20 0.00	0.00	0.01
			BF²116.07	BF3116.07	im	sim 3	84.93	105.56
			-14	-1.4	-0.18 0	-0.13	-0.02	0.08
			-0.	-0.9	-0.04 0	-0.01	0.00	0.01
			-1.	-1.0	0	0.03	0.01	0.05
			121.	1221	90	-0.54 11	-0.01	-0.01
			-1.5	-1.1	-0.16 0	-0.16	0.00	0.08
			-05	-0.4	0.23 0	0.23	-0.01	-0.38
			13	-14	-0.10 0	-0.44	-0.05	-0.10

On constate également qu'avec les simulations effectuées avec des changements de

fermetures, nos résultats présentent des variations qui se situent à des niveaux plus importants,

que ceux obtenus par les auteurs du BCST (2011). Le secteur jatropha, est peu sensible aux

changements de fermetures. Le niveau des fermetures F1, F2 et F3 est le même que A9 pour la

Les résultats de la valeur ajoutée pour les autres secteurs ne montrent pas une grande sensibilité vis-à-vis des différentes élasticités et fermetures. La réalisation de nos simulations, avec les éléments qu'elles comportent (multiplication par 15 des terres allouées au jatropha), est l'élément qui a le plus d'impact sur les résultats au niveau de la valeur ajoutée.

Au niveau des prix une observation de nos résultats montre encore une grande proximité avec ceux obtenus par les auteurs du BCST (2011). Les simulations 1 et 3 de ces auteurs donnent des diminutions de prix de respective, de -77,46% et -77,55% pour le secteur du jatropha (Tableau 19). Le secteur des biocarburants connait également une baisse de prix importante. Nos résultats montrent une baisse prix qui se situe au-dessus 80%, pour la plupart de nos simulations pour le secteur jatropha. Le secteur biocarburant connait également une baisse de prix importante.



n	nouv	si


			BCST (21)
	CO	si	sim
		13	2
		60	1
			02
	-824	48	46 7
		69	01
		2	01
		01	01
			01	6
		20	00
	-	31	01	7
	-0	4	00
		38	00
	-	42	81 -34
	-		01
		76	04

Les autres secteurs ne connaissent pas de changements majeur au niveau du BCST (2011) et il en de même pour les résultats de nos simulations, car même si nous remarquons des variations à la baisse, elles portent sur des variables ne présentant pas de grande valeurs à la période de référence. Nos résultats et les leurs suivent encore une fois les mêmes tendances. Des différences apparaissant seulement dans l'amplitude des variations observées. Les élasticités ne semblent pas avoir une grande influence sur les prix, puisqu'on constate que les variations se situent généralement dans le même intervalle. Il est de même, pour les fermetures. De manière générale les variables sectorielles présentent certains changements en terme qualitatif, ceci pour des variables présentant des valeurs proches de zéro à la période de référence.

L'analyse de sensibilité réalisée appelle un certain nombre de commentaires :

- Le type de fermeture choisit semble avoir plus d'importance sur les variables macroéconomiques et moins sur les variables sectorielles. De plus, comme nous l'avons déjà mentionné plus haut, les variations sont moins importantes dans le modèle lorsque le taux de change nominal (e) est endogène.

- Les simulations réalisées sous 1a, présentent des résultats macroéconomiques meilleurs que sous 1b. Ce qui signifie que la solution d'augmentation de la production par l'utilisation de terre en friche est meilleure, que la prise de terre à d'autres secteurs agricoles. Nos résultats confirment donc celui trouvé auparavant par les auteurs du BCST (2011).

- Prise séparément, l'élasticité du travail est de loin, celle qui a le plus d'influence sur nos résultats.

- Pour les variables macroéconomiques, les meilleurs résultats au niveau de nos variations ont été obtenus en combinant les différentes valeurs modifiées de nos élasticités (la combinaison de ces élasticités permet de diminuer les variations.) La combinaison de ces nouvelles valeurs semble avoir un effet stabilisateur au niveau de nos résultats. Au niveau des variables sectorielles cet effet est moins perceptible.

- Le retournement de signe au niveau des variations ne constitue pas un retournement de tendance puisque portant, sur des variables ayant des valeurs faibles à la période de référence.

- Les fermetures F1 et F3 ont donné lieu à des mouvements observables au niveau sectoriel et surtout macroéconomique. L'effet de la fermeture F2, est quant à lui difficilement perceptible.

Enfin, l'observation des résultats avec et sans changements d'élasticité ainsi que l'observation de nos différentes variables sectorielles nous amène à la principale conclusion de notre mémoire et semble dès lors indiquer, que le changement d'élasticité dans le modèle BCST (2011), a un effet certain sur l'amplitude des variations observées, mais moindre sur la nature des résultats obtenus. Il y a quelques changements en terme qualitatifs mais pour des variables avec des taux de variation proche de zéro et de variables de départ qui sont aussi près de zéro.

Chapitre 7 : Conclusions et Recommandations

Dans le cadre de ce mémoire, nous voulions principalement analyser l'impact ; d'un changement d'élasticité sur les résultats d'un MEGC et plus particulièrement du modèle BCST (2011) qui analyse l'impact d'une expansion de la culture jatropha, utilisée pour produire des biocarburants. Cette analyse de sensibilité a porté sur des variables macroéconomiques de l'économie malienne ainsi que sur plusieurs variables sectorielles de cette économie. Ce qui précède nous a permis de nous prononcer sur la robustesse des résultats obtenus avec le modèle BCST (2011).

Les premiers résultats pour les deux groupes de simulations, démontrent que les scénarios analysés ont peu d'impact différentié sur la plupart des variables macroéconomiques. Enfin, les résultats sectoriels observés ne présentent pas de différences majeures (absence de changement de tendance) avec les résultats obtenus par les auteurs du modèle BCST (2011). Les simulations réalisées en changeant certaines élasticités ainsi que certaines fermetures du modèle, montrent que les principales différences se situent au niveau de l'amplitude des variations observées. Il y a quelques changements en terme qualitatifs mais pour des variables avec des taux de variation proche de zéro et de variables de départ qui sont aussi près de zéro.

Ce qui nous amène à conclure que nos résultats sont très similaires à ceux obtenus par les auteurs du modèle BCST (2011). Aux vues de nos résultats, il est difficile de penser que les résultats obtenus avec ce modèle d'équilibre général calculable, sont fortement tributaire des valeurs des élasticités présentes dans le modèle. Il serait cependant intéressant, dans le cadre de

travaux futurs, de pousser l'analyse de robustesse à des modifications d'hypothèses de comportement et peut-être méme d'introduire de la dynamique dans le modèle.

Chapitre 8 : Bibliographie

Abdelkhalek, T. (2012). Estimation des élasticités du commerce extérieur du Maroc. Étude réalisée dans le cadre de la coopération technique avec la Banque Mondiale. Département du Commerce Extérieur, Ministère de l'Industrie, du Commerce et des Nouvelles Technologies, Royaume du Maroc.

Abeysinghe, T. (2001). Estimation of Direct and Indirect Impact of Oil Price on Growth, Elsevier journal Economics Letters,73(2), pp. 147-153.

Argminton, P. (1969). A Theory of Demand for Products Distinguished by Place of Production. IMF staff Paper No.16, 159-176.

Arndt, C., et Benfica, R. (2009). Biofuels, Poverty, and Growth: A Computable General Equilibrium Analysis of Mozambique. Contributed Paper prepared for presentation at the International Association of Agricultural Economists Conference, Beijing, China.

Arndt, C., Benfica, R., et Thurlow, J. (2011). Gender Implications of Biofuels Expansion: A CGE Analysis for Mozambique. Publié dans, World development, 39(9), pp. 1649-1663.

Baier, S., Clements. M., Griffiths, C., et Ihrig, J. (2009). Biofuels Impact on Crop and Food Prices: Using an Interactive Spreadsheet. No. 967, FRB International Finance Discussion Paper.

Banse, M., Van Meijl, H., Tabeau, A., et Woltjer, G. (2008). Will EU Biofuels Policies Affect Global Agricultural Markets. European review of agricultural economics, 35(2), pp. 117- 141.

Banse, M., Van Meijl, H., Tabeau, A., et Woltjer, G.(2008). Impact of EU Biofuel Policies on

World Agricultural and Food. Agricultural Economics Research Institute (LEI), The Hague, Paper prepared for presentation at the 107th EAAE Seminar.

Barro, R., et Wha lee, J. (2010). A New Data Set of Educationnal Attainment in the World. NBER working paper No. 15902, pp. 1950-2010.

Batan, L., Quinn. J., Wilson, B., et Bradley, T. (2010). Net Energy and Greenhouse Gas Emission Evaluation of Biodiesel Derived from Microalgae. Environmental Science and Technology, 44(20), pp. 7975-7980.

Ben Alwata, C., . Soumaila , D., Coulibaly, M., AG IKANE, A., Sougané, H., et Vinck, P. ( 2009). Étude de Base de la Sécurité Alimentaire et de la Nutrition. Rome, Italie: Programme Alimentaire Mondial, Service de analyse de Sécurité Alimentaire (VAM).

Borot de Battisti, A., et Dewbre, J. (2009). Progrès agricole au Cameroun, au Ghana et au Mali : comprendre les causes et maintenir la dynamique. Organisation de la coopération et de développement économique.

Boccanfuso, D., Coulibaly, M., Savard, L., et Timilsina, G. (2011). Economic and Distributionnal Impacts of Biofuels in Mali. Cahier de recherche/ Working paper, pp. 11- 08.

Boccanfuso, D., Estache, A., et Savard, L. (2009). Impact Analysis of Electricity Reforms in Mali: A Macro-micro Analysis. South African journal ; of Economics, 77, pp. 127-147.

Boccanfuso, D., Joanis, M., Savard, L., et Richard, P., A. (2012). Comparative Analysis of Funding Schemes for Public Infrastructure publié in cahier de recherche/working paper. pp. 10-12. Département d'économie, Université de Sherbrooke.

Boccanfuso, D., et Savard, L. (2007). Poverty and Inequality Impact Analysis Regarding Cotton Subsidies: A Mali based CGE Micro-accounting Approach. Journal of African Economies, 4(6), pp. 629-659.

Bollino, C. (1990). A Generalized Version of the Almost Ideal and Translog Demand Systems. Economics Letters, 34, pp. 127- 129.

Brittaine, R., Nebambi, L. (2010). Jatropha: A Smallholder Bioenergy Crop The Potential for Pro-Poor Development. Integrated Crop Management, Food and Agriculture Organization of the United Nations, 8, Rome.

Carlo, R., et Carere, R. S. (2008 ). Third Generation Biofuels via Direct Cellulose Fermentation. International Journal of Molecular Sciences, 9(7), pp. 1342-1360.

Chen, S., et Ravallion, M. (2004). Welfare Impact of China's Accession to the World Trade Organisation. World Bank Economic Review, 18 (1), pp. 29-57.

Christensen, L. , Jorgensen D., et Lau, L. (1975). Transcendental Logarithmic Utility Functions. American Economic Review, 65, pp. 367-383.

Chun ,Sheng Goh,lee, et Keat. T. (2010). A Visionary and Conceptual Macroalgae-based Third-generation Bioethanol (TGB) Biorefinery in Sabah, Malaysia as an Underlay for Renewable and Sustainable Development. Renewable and Sustainable Energy Reviews, 14(10), pp. 842-848.

Divakara, B., Laxmipathi, C., Upadhyaya, H., et Wani, S. (2009). Biology and Genetic Improvement of Jatropha curcas L.: A Review. Applied Energy. Elsevier Ltd. pp. 732- 742.

Deaton, A., Muellbauer, E. (1980). An Almost Ideal Demand System. American Economic Review. 70, pp. 312-326.

Decaluwé, B., Martens, A., et Savard, L. (2011). La politique économique du développement et
les modèles d'équilibre général calculable. Montréal : Montreal University Press.

De Janvry, A., et Sadoulet, E. (1995). Quantitative Development Policy Analysis. Baltimore and London : The John Hopkins university Press.

Dervis, D. J. (1982). General Equilibrium Models for Development Policy. Washington, D.C.: World Bank.

Dornbosch, R., et Stenblik, R. (2007). Biofuels: Is the Cure Worse than the Disease? OECD, Round Table on Sustainabe Development, Paris.

Environmental Outook. (2008). How Much Will It Cost to Address Today's Key Environnemental Problems.

Ewing, M., et Msangi, S. (2009). Biofuels Production in Developing Countries: Assessing Tradeoffs in Welfare and Food Security. Environmental Science & Policy, 12(4), pp. 520-528.

Fargione, J., Hill, J., Tilman, D., et Polasky S. (2008). Land Clearing dans the Biofuel Carbon debt. Science magazine,319 No. 5867, pp. 1235-1238.

Fauveaud S., et Pallière, G. (2009). Les enjeux des agrocarburants pour le monde paysan au Mali. GERES, AMEDD, ICD.

Fofana, I. (2007). Elaborer une Matrice de Comptabilité Sociale Pour l'Analyse d'Impacts des

Chocs et Politiques Macroéconomiques. Centre Interuniversitaire sur le Risque, les Politiques Economiques et l'Emploi (CIRPEE), Université Laval, Québec, Canada.

Grandville, O., et R Klump, R. (2000). Economic Growth and Elasticity of Subtitution: Two

Grant, J., et Hammermash D.(1979). Econometric Studies of Labor-Labor Substitution and Their
Implications for Policy. The Journal of Human Resources, 14, No. 4, pp. 518-542.

Hanton P, Macartney. G. (2008). Peak Oil: Will It Be the Public Health's Greatest Challenge? Public Health, 122(7), pp. 658-663.

Henning, R. (2002). Utilisation des savoirs locaux sur le Jatropha. Notes sur les Connaissances autochtones, No. 47 : Banque Mondiale.

Hertel, T., Hummels, D., Ivanic, M., et Keeney, R. (2007). How Confident Can We Be of CGE-based Assessments of Free Trade Agreements? Economic Modelling, 24(4), pp. 611-635.

Institut national de la statistique et des études économiques. (2012). Tableaux entrées sorties /

Hill, J., Erick N., Tillman, D., Polasky, S, et Tiffany, D. (2006). Environmental, Economic, and Energetic Costs and Benefits of Biodiesel and Ethanol Biofuels. PNAS, 3 No. 30, pp. 11206-11210.

Kleijn, D., Baquero, R., Clough, Y., Díaz, M., De Esteban, J., Fernández, F., Gabriel,

D., Herzog, F., Holzschuh, A., Jöhl, R., Knop, E., Kruess, A., Marshall, E., SteffanDewenter, I., Tscharntke, T., Verhulst, J., West, T., et Yela, J. (2006). Mixed Biodiversity Benefits of Agri-environment Schemes in Five European Countries. Ecology Letters, 9(3), pp. 243-254.

Laborde, D., Tarascou, S., et Yapaudjian-Thibault, A. (2003). Mondialisation et répartition des revenus : un modèle d'équilibre général calculable, Revue Région et Développement, No.17, pp. 77-109.

L'Huilier, H. ( 2003). Le pétrole ordre ou désorde mondial. Extraits de l'article publié in Questions internationales, No. 2.

Legendre, F,. (2004). Micro-simulation et évaluation des politiques économiques et sociale : un panorama des développements récents en France. Revue d'économie politique, No. 1 , 114, pp. 17-53.

Li, M. (2007). Peak oil, the Rise of China and India. Journal of Contemporary Asia, 37(4), pp. 449-471.

Maes, H., Trabucco, A., Achten, W., et Muys, B. (2009). Climatic Growing Conditions of Jatropha curcas L. Biomass and Bioenergy 33(10), pp. 1481-1485.

Nabil Annabi, , Cockburn, J., et Decaluwé, B. (2003). Formes Fonctionnelles et Paramétrisation dans les MCEG. Laval, Québec : Centre de recherche en économie et finance appliquées.

Naik, S., Goud, V., Rout, P., et Dalai, A. (2010). Production of First and Second Generation Biofuels: A comprehensive review. Renewable and Sustainable Energy Reviews, 14(2), pp. 578-597.

Nouve, K., et Woodon, Q. (2008). Impact of Rising Rice Prices and Policy Responses in Mali: Simulations with a Dynamic CGE Model. World Bank Policy Research Working Paper No. 4739.

Schmidhuber, J., et Tubiello, M., (2007). Global Food Security Under Climate Change. PNASl. 104 No. 50, pp. 19703-19708 .

Schubert, K., et Beaumas, O. (1994). Équilibre général appliqué et environnement : de nouveaux comportements pour le consommateur et le producteur. Revue économique, Presses de Sciences-Po, 0(3), pp. 905-916.

Spracklen, V., D., et Righelato R. (2007). Carbon Mitigation by Biofuels or by Saving and Restoring Forests. Science, 317(5840), pp. 902.

Suurs. R., et Hekkert, M. (2009). Competition between first and second generation technologies: Lesson from the Formation of a Biofuels Innovation System in The Netherlands. Energy 34, pp. 669-679.

Pyatt G., Round. (1985). Social Accounting Matrices: A Basis for Planning. The World Bank, Washington, D C.

Revankar, N. (1971). A Class of Variable Elasticity Substitution of Production Functions. Econometrica , 29(1), pp. 61-71.

Roubaud, F., et Cogneau, D. (1992). Une matrice de comptabilité sociale pour le Cameroun : méthode et résultats. Paris : Dial, pp. 28.

Searchinger, T., Hemlich, R., Houghton, R., Dong, F., Elobeid, A., Fabiosa, J., Tokgoz, S., et

Hayes, D. (2008). Use of U.S Croplands for Biofuels Increases Greenhouse Gases Through Emissions from Land Use Change. Science, 319, pp. 1238-1240.

Shoven, J., et Whalley, J. (2003). Applied General Equilibrium Models of Taxation and International Trade: An Introduction and Survey. Journal of Economic Literature, 22(3), pp. 1007-1051.

Spadaro, A., et Bourguignon. F. (2005). Microsimulation as a Tool for Evaluating Redistribution Policies. Journal of Economic Inequality, 4(1), pp. 77-106.

Spracklen, V., et Rhigelato, R. (2007). Carbon Mitigation by Biofuels or by Saving and Restoring Forests? American Association for the Advancement of Science, 317.

Stone, R. (1954). Linear Expenditure Systems and Demand Analysis: An Application to the Pattern of British Demand. Economic Journal, 64, pp. 511-527.

Theil, H. (1976). Theory and Measurement of Consumer Demand. Amsterdam: North-Holland publishing company.

Timilsina, G., Beghin, J., Van der Mensbrugghe, D., et Mevel, S. (2010). The Impacts of Biofuel Targets on Land-Use Change and Food Supply: A Global CGE Assessment. World Bank Policy Research Working Paper, No. 5513.

Traoré, F. (2009). The Impact of Developed Countries' Cotton Subsidies on the Malian Economy: a CGE Assessment. CERDI-Université d'Auvergne.

UNICEF, O. (2008). Transferts de revenus et réduction de la pauvreté au Mali Rapport provisoire. Bamako, Mali: Observatoire du développement humain durable et de la lutte contre la pauvreté, fonds des nations unies pour l'enfance.

World Wide Fund for Nature. (2008). Global Market Study on Jatropha. Final report. London/Berlin: Global Exchange For Social Investiment.

Chapitre 9 : Annexes

Dim,j : matrice des autres consommations intermédiaires Ditm : demande intermédiaire totale

Fueli : demande agrégée d'essence Energi : demande pour autre énergie Ffueli : demande pour énergie fossile Bfueli : demande pour les biocarburants

Ldhq : dotations de travail qualifié Ldhnq : dotation de travail non-qualifié

Pwmim: prix international a l'importation en devises Pwee : prix des exportations exprimé en devises

: Constante de niveau de la fonction CET (exportations-locales) : Paramètre distributif de la fonction CET (exportations-locales) : Paramètre de la fonction CET (exportations-locales)

: Élasticité de transformation de la fonction CET (exportations-locales) : Paramètre distributif de la fonction CES (capital total)

: Paramètre distributif de la fonction CES (consommation intermédiaire totale)

: Paramètre de la fonction CES (consommation intermédiaire totale) : Paramètre distributif de la CES (Energie)

: Élasticité de substitution pour la fonction CES (Énergie) : Constante de niveau de la fonction CES (Energie)

: Élasticité de substitution pour la fonction CES (essence) : Constante de niveau de la fonction CES (essence)

: Élasticité de substitution de la fonction CES (travail) : Constante de niveau de la fonction CES (travail)

: Part du revenu du capital verse directement au reste du monde : Part du revenu du capital verse directement aux ménages

ioi : Coefficient de la fonction leontief (consommation intermédiaire totale)

á_m : Paramètre de la part de la valeur ajoutée par rapport a l'utilisation de main-

: Taux marginal de consommation des ménages ?i : Part de dépense d'investissement



du gou e io mation d	ail 826370 012 nt nement





			0 01 atio -0.6			09 -04

		037		0
		011		0
		si		-0
		009 B9	BF 0	BF2 0	BF3 0

variables secteurs de production reference A6		A7	A8 A9	AF1 AF2 AF3
		VIV 417259 -0.72 -0.72 -0.72 -0.71 -0.71 -0.71 -0.71 RIZ 162704 -0.43 -0.43 -0.43 -0.40 -0.39 -0.42 -0.42

		RENT 40896 -0.56 -0.55 -0.56 -0.51 -0.51 -0.51 -0.51 JATR 850 66.98 118.67 66.98 122.27 122.22 122.32 122.32

		COT 173224 -0.71 -0.73 -0.71 -0.71 -0.77 -0.64 -0.64 ELEV 315643 -0.20 -0.21 -0.20 -0.26 -0.27 -0.25 -0.25

		SYL 205250 -0.67 -0.67 -0.67 -0.69 -0.68 -0.71 -0.71 AU 294262 0.02 0.01 0.02 0.02 0.01 0.01 0.01

	Va XMA 106983 -0.01 -0.02 -0.01 -0.03 -0.02 -0.05 -0.05	AGIND 280422 -0.01 -0.01 -0.01 -0.01 0.00 -0.03 -0.03 TEX 96402 0.02 0.02 0.02 0.00 0.00 0.02 0.02


		ELEC 172527 0.00 0.00 0.00 -0.02 -0.02 -0.01 -0.01 BIOF 127 58.86 113.71 58.86 116.05 116.02 116.07 116.07

		BTP 203715 -0.05 -0.10 -0.05 -0.09 -0.11 -0.05 -0.05 COM 173017 -0.01 -0.02 -0.01 -0.02 -0.02 -0.01 -0.01

		TRANS 84833 0.01 0.01 0.01 0.01 0.01 0.01 0.01 SER 165547 -0.02 -0.03 -0.02 -0.03 -0.02 -0.11 -0.11

		BQ 21700 -0.07 -0.09 -0.07 -0.08 -0.08 -0.07 -0.07
		SNM 251456 0.04 0.02 0.04 0.05 0.10 0.06 0.06 CAR 40416 -0.03 -0.11 -0.03 -0.09 -0.08 -0.15 -0.15

variables secteurs de production reference B7 B8 B9 BF1 BF2 BF3
éren 41 COT 0.7 -1.4 07 -1.5 07 -1.4 071 0 SYL 205250 -1.3 0 -1.3 06 -1.4 06 Va 29 00 00 001 001 0.0 0.0 -0.1 2 BQ 21700 0 -0.1 00 -0.2 0 -0.1 00	VIV 417259 -1.5 -1.5 -1.4 -1.4 -1.4 -1.4 RIZ 162704 -0.9 -0.9 -0.8 -0.8 -0.8 -0.9 RENT 40896 -1.1 -1.1 -1.0 -1.0 -1.0 -1.0


	F1 JATR 850 63.9 116.8 122.1 122.0 122.0 122.2	F2	3
	éf ELEV 315643 -0.4 -0.4 -0.5 -0.6 -0.6 -0.4 3156 AU 294262 02 0.0 0.0 0.0 0.0 0.0 0.1 AGIND 280422 02 0250.0 025 0.0 0.0 -0.1			-1.5 -1.5 -1.2 -1.4 -1.4 -1.4




	20 TEX 96402 06 06 0710.0 071 0.0 0.0 0.1

	280 -0.0 0.0 0.03 0.03 0.0 0.0 0.0
	96 0.0 0.0 0.02 0.02115.8 115.8 115.9
	10 -00 -00 005 0.05 -0.2 -0.2 -0.1
	172 -00 -0.0 001 0.01 0.0 0.0 0.0
	1 TRANS 116.0 16.0 0.0 607 6.07 0.0 0.0 0.0 2 SER 165547 00 0.1 0050.0 0.05 0.0 0.0 -0.5 SNM 251456 0.1 0.1 0.1 0.2 0.2 0.2 CAR 40416 0.0 -0.1 -0.1 -0.1 -0.1 -0.4			-0.2 -0.2 -0.2

variables secteurs de production reference		A7	A8	A9	AF1 AF2 AF3
Prixdu ma rche	PR VIV 1.001 0.6 0.6 0.6 0.5 0.6 0.6 PR RIZ 1.008 0.3 0.3 0.3 0.2 0.3 0.3 PR RENT 1.007 0.5 0.5 0.5 0.4 0.5 0.5 PR JATR 1 -78.6 -82.5 -81.2 -81.2 -81.2 -81.2 PR COT 1.025 0.3 0.3 0.3 0.2 0.5 0.5 PR ELEV 1.002 0.1 0.0 0.1 0.0 0.1 0.1 PR SYL 1.001 0.5 0.5 0.6 0.5 0.6 0.6 PR AU 1 -0.1 -0.1 -0.1 -0.2 -0.1 -0.1 PR AGIND 1.047 -0.1 -0.1 -0.1 -0.2 -0.1 -0.1 PR TEX 1.064 -0.2 -0.2 -0.1 -0.2 -0.1 -0.1 PR XMA 1.03 -0.1 -0.1 -0.1 -0.2 -0.1 -0.1 PR ELEC 1.076 -0.2 -0.2 -0.2 -0.3 -0.2 -0.2 PR BIOF 1 -27.3 -53.3 -28.5 -28.5 -28.4 -28.4 PR BTP 1.051 -0.2 -0.2 -0.2 -0.3 -0.1 -0.1 PR COM 1.328 -0.4 -0.4 -0.3 -0.5 -0.3 -0.3 PR TRANS 1.22 -0.1 -0.1 -0.1 -0.2 -0.1 -0.1 PR SER 1.027 -0.2 -0.2 -0.2 -0.3 -0.2 -0.2 PR BQ 1.286 -0.2 -0.2 -0.2 -0.3 -0.1 -0.1 PR SNM 1 -0.1 -0.1 -0.1 -0.2 -0.1 -0.1 PR CAR 1.016 -0.2 -0.1 -0.1 -0.2 -0.1 -0.1

variables secteurs de production reference		B7	B8	B9	BF1	BF2	BF 3
Prixdu ma rche PR VIV PR RIZ 1 PR RENT 1 PR JATR PR COT 1 PR ELEV PR SYL PR AU PR AGIND 10 PR TEX PR XMA PR ELEC 1 PR BIOF PR BTP 1 PR COM PR 1.3 PR SER PR BQ 1 PR SNM PR CAR	1381 106 1236 10141 1.001 1.008 1.007 1 1_B02^- 1.002 1.001 1 1.047 1.064 1.03 1.076 1 - 1.328 1.22 1.027 1.286 1 2 1.016	1.13 0.60	1.15 ₆0.62	1.16 .6	0.95 0.39
						0.95	1.07
						0.39	0.45
		1.04	31.06	.3	0.78	0.78	0.87
		-80.04 ⁴	_-78.63 5	0.5	-81.25 0.43	-81.25	-81.22
		0_B69	0_B68	^..71	-81.25 0.43	0.43	0.81
		0.11	50.14	.5	0.09	0.09	0.06
		1.01	1 1.03	1.12 1 07	0.92 -0.38 -0.32	0.92	0.98
		-0.19	-0.18 6	.6 45		-0.38	-0.30
		-0.20	1 -0.18 8	.1 87		-0.32	-0.36
		-0.32	8522 1 -0.30	.1	-0.41 -0.38 -0.59	-0.41	-0.41
		-0.14	1 -0.14	.1		-0.38	-0.21
		-0.49	1 -0.37	.1		-0.59	-0.47
		-51.85 ³	29298 _-28.35 2	0.2	-28.77 -0.57 -0.99	-28.77	-28.71
		-0.33	4-0.37	830 .4		-0.57	-0.43
		-0.76	-0.78 1	.1		-0.99	-0.60
		-0.19	3-0.18	.3	-0.39	-0.39	-0.21
		-0.35	1 -0.36 8	0.1 21	-0.53 -0.51	-0.53	-0.65
		-0.31	2 -0.31	.2 47	-0.53 -0.51	-0.51	-0.48
		3 -0.17	1 -0.15 7	0.1 71	-0.36	-0.36	-0.31
		-0.27	1 -0.30 7	0.1 43	-0.49	-0.49	-0.47

variables		secteurs de production référence A7 A8 A9 AF1 AF2 AF3
Remuneration du capital	r AU 1 0.09 0.09 0.08 -0.06 0.07 0.07 r AGIND 1 -0.14 -0.17 -0.13 -0.17 -0.16 -0.16 r TEX 1 -0.15 -0.17 -0.12 -0.20 -0.10 -0.10 r XMA 1 -0.23 -0.23 -0.21 -0.26 -0.31 -0.31 r ELEC 1 -0.19 -0.20 -0.25 -0.35 -0.19 -0.19 r BIOF 1 892.86 304.84 926.22 925.03 926.53 926.53 r BTP 1 -0.51 -0.38 -0.42 -0.55 -0.28 -0.28 r COM 1 -0.49 -0.46 -0.43 -0.57 -0.33 -0.33 r TRANS 1 0.09 0.09 0.09 0.00 0.11 0.11 r SER 1 -0.30 -0.25 -0.23 -0.27 -0.49 -0.49 r BQ 1 -0.25 -0.22 -0.27 -0.34 -0.23 -0.23 r SNM 0 0.00 0.00 0.00 0.00 0.00 0.00 r CAR 1 -0.36 -0.14 -0.37 -0.37 -0.54 -0.54


_c Remuneration du capital	r AU 1 0.2 0.2 0.2 -0.1 -0.1 0.2 r uction 1 -0.3 -0.3 -0.3 -0.3 -0.3 -0.6 ur TEX 1 -0.3 -0.3 -0.3 -0.4 -0.4 -0.4 r XMA U9 0.08 -0.06 0.0 0 -0.5 -0.9 GI r ELEC 7 -0.13 -0.17 -0.1 -0 -0.6 -0.5 X BIOF 7 -0.12 -0.20 -0.1 -0 920.1 921.1 BTP MA 3 -0.21 -0.26 -0.3 0 E 0 -0.25 -0.35 -0.1 0 O 4 6.22 5.03 6.5 926 P 8 -0.42 -0.55 -0.2 -0 OM 6 -0.43 -0.57 -0.3 -0 A 9 0.09 0.00 0.1 0 R 5 -0.23 -0.27 -0.4 -0









		2 0.2 0. 0.
		3 0.3 0. 0.
		3 0.3 0.4 0.
		5 0.4 0. 0.

			simulations				B1		B2			B3		B4		B5		B6
variable ym ym ym ym ym	branche MSAI MAGR MCOM MART MINA		definition ménage salarid ménage agricole ménage commercant ménage artisant ménage inactif		reference 565189 867140 578775 483331 711915		variation		variation			variation		variation		variation		variation
							-0.17		-0.16			-0.32		-0.32		-0.31		-0.16
							-0.30		-0.30			-0.25		-0.25		-0.24		-0.30
							-0.19		-0.19			-0.35		-0.35		-0.34		-0.19
							-0.22		-0.22			-0.29		-0.29		-0.29		-0.22
							-0.20		-0.20			-0.25		-0.25		-0.25		-0.20
						simulations		A7		AS	A9		AF1		AF2		AF3
variable ym ym ym ym ym		bra nche MSAI MAGR MCOM MART MINA		definition ménage salarié ménage agricole ménage commercant ménage artisant ménage inactif		reference 565189 867140 578775 483331 711915		variation		variation	variation		variation		variation		variation
								-0.14		-0.16	-0.07		-0.14		-0.06		-0.06
								-0.12		-0.14	-0.17		-0.25		-0.15		-0.15
								-0.17		-0.18	-0.10		-0.18		-0.08		-0.08
								-0.13		-0.15	-0.11		-0.18		-0.09		-0.09
								-0.12		-0.13	-0.11		-0.17		-0.09		-0.09
						B2 simulations		B7		B8	B9		BF1		BF2		BF3
h variable _lym ym ym ym ym		bra nche MSAI MAGR MCOM MART t MINA		definition f ménage salarié ménage agricole ménage commercant 3 ménage artisant simulation inactif		reference 565189 867140 578775 0 483331 A8711915		variation		variation	variation		variation		variation		variation
								-0.32		-0.30	-0.14		-0.32		-0.32		-0.34
								-0.25		-0.23	-0.32		-0.51		-0.51		-0.50
								-0.35		-0.33	-0.19		-0.38		-0.38		-0.35
								-0.29		-0.27	-0.21 0		-0.39		-0.39		-0.40
								-0.25		1	-0.21		0 3		-0.36		-0.36
					-0.14		.16		.07			4		6A4		6 AS		A6
ym ym ym ym ^mévariable branche mym MART	MSAI MAGR d MINAm		definition^icoe m ménage salarid a ménage se ménage referen larié artisant ricole inactif		reference 565189 867140 variati - -		variation		variation			variation		variation		variation		variation
							-0.34		0.			-0.16 00		-0.16 00		-0.16		-0.16
							-0.50		. -0.12			-0.14		-0.14		-0.14		-0.14
							riatio		atio			ation		tion		-0.18		-0.18
							-0		-0			-03		-03		-0.15		-0.15
							-0		-0.12 0.			-05		-05		-0.13		-0.13

Impact économique des biocarburants au Mali. Une analyse de robustesse

Sommaire