WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Analyse des performances productives des exploitations familiales agricoles de la localité de Zoetelé

( Télécharger le fichier original )
par Gilles Quentin KANE
Yaoundé II-Cameroun - DEA 2010
  

Disponible en mode multipage

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

REPUBLIQUE DU CAMEROUN
Paix - Travail - Patrie
UNIVERSITE DE YAOUNDE II

Faculté des Sciences Economiques et
de Gestion

B.P. 1365 Yaoundé

 

REPUBLIC OF CAMEROON
Peace - Work - Fatherland
THE UNIVERSITY OF YAOUNDE II
Faculty of Economics and Management
PO.BOX 1365 Yaoundé

NOUVEAU PROGRAMME DE TROISIEME CYCLE INTERUNIVERSITAIRE
EN ECONOMIE (N.P.T.C.I.) 2009 - 2010, DEUXIEME PROMOTION

ANALYSE DES PERFORMANCES PRODUCTIVES DES EXPLOITATIONS

FAMILIALES AGRICOLES DE LA LOCALITE DE ZOETELE AU SUD

CAMEROUN

Mémoire de fin d'études en vue de l'obtention du DEA/Master
en Sciences Economiques

OPTION : ECONOMIE INDUSTRIELLE
SPECIALITE : ECONOMIE RURALE ET DE L'ENVIRONNEMENT

Par :

KANE Gilles Quentin
Titulaire d'une Maîtrise en Sciences Economiques

Sous la direction du Professeur FONDO SIKO

Année 2010

SOMMAIRE

AVERTISSEMENT iii

DEDICACES iv

REMERCIEMENTS v

LISTE DES TABLEAUX vi

LISTE DES FIGURES vii

LISTE DES ABREVIATIONS ET SIGLES viii

RESUME ix

ABSTRACT x

INTRODUCTION GENERALE 1

Premiere Partie : Analyse de la productivité des exploitations familiales agricoles . 10

CHAPITRE 1 LA PRODUCTIVITE : ETAT DES LIEUX 12

Section 1 : Analyse théorique de la productivité 13

Section 2 : Pertinence du concept de productivité en agriculture 22

CHAPITRE 2 : EVIDENCE EMPIRIQUE SUR LA PRODUCTIVITE DES

EXPLOITATIONS FAMILIALES AGRICOLES 31

Section 1 : Méthodologie de recherche et description des comportements productifs des

exploitations familiales agricoles 32

Section 2 : Structure économique et typologie des exploitations familiales agricoles...40

Deuxieme Partie : Analyse de l'efficacité des exploitations familiales agricoles 55

CHAPITRE 3 L'EFFICACITE DANS LA THEORIE ECONOMIQUE 56

Section 1 : L'efficacité et ses déterminants 57

Section 2 : Les méthodes d'estimation de l'efficacité 66

CHAPITRE 4 : EVIDENCE EMPIRIQUE SUR L'EFFICACITE DES EXPLOITATIONS FAMILIALES AGRICOLES 76

Section 1 : Spécification des modèles utilisés 77

Section 2 : Présentation et analyse des résultats 84

CONCLUSION GENERALE 97

REFERENCES BIBLIOGRAPHIQUES 100

ANNEXES 109

TABLE DES MATIERES 119

AVERTISSEMENT

« L'Université de Yaoundé II n'entend donner aucune approbation ou improbation aux opinions contenues dans ce mémoire. Celles-ci doivent être considérées comme étant propres à leur auteur »

DEDICACES

Mes parents, Mr et Mme Atyam

DANY, ma fille bien aimée

A

et

REMERCIEMENTS

Ce mémoire est l'output d'un ensemble d'actions individuelles et institutionnelles auxquelles nous voudrions rendre hommage.

Au niveau individuel, nous exprimons tout d'abord notre profonde gratitude à notre directeur, le Professeur FONDO SIKOD, pour avoir accepté de consacrer son précieux temps à diriger les travaux de ce mémoire.

A tous les enseignants de l'Université de Yaoundé II pour leur inlassable dévouement à la formation qu'ils nous ont donnée.

Michel Havard, qui nous a guidé dans toutes les étapes de cette recherche et a toujours été très encourageant. Nous tenons à l'en remercier particulièrement.

Il importe également de souligner la participation du Dr Ibrahim, Dr Kamdem, Dr Mohamadou, Dr Nlom, Messieurs Aka Etom, Kilama, Ahmed et Nyoré. Chacun d'eux a apporté son expertise et son soutien, compléments essentiels à la réalisation de cette recherche. Merci de votre collaboration !

Nous désirons remercier les populations de l'arrondissement de Zoetelé qui ont offert de leur temps et de leur bonne volonté afin de participer à cette recherche.

Nos remerciements vont aussi à l'encontre des membres de la famille qui nous ont soutenus matériellement et moralement. Nous pouvons citer Atyam Roger, Assoun Loïs, Ngane Placide, Nguelé Zambo, Nkotto Eric, Ebo'o Félicien et tous les autres que nous ne pourrons citer ici.

Nous remercions également les amis qui n'ont pas cessé de nous encourager et qui ont parfois sacrifié leur temps pour nous assister. Nous pensons à Ngandjui Yvan, Kamamké Emmanuelle, Foualem Geraldine, Fossi Roland, Fotsing Stephanie, Nemkenang William et tous ceux qui de près ou de loin ont contribué à l'aboutissement de ce travail.

Au niveau institutionnel, ce mémoire a bénéficié du concours actif et du soutient matériel du Nouveau Programme de Troisième Cycle Interuniversitaire de l'Université de Yaoundé II et du programme d'Amélioration de la Compétitivité des Exploitations Familiales Agropastorales (ACEFA). Trouver par son aboutissement notre profonde reconnaissance.

LISTE DES TABLEAUX

Tableau 2.1 : Présentation de la pondération du travail agricole selon le FAO. 35

Tableau 2.2 : Valorisation du matériel agricole 36

Tableau 2.3 : Coût des semences 36

Tableau 2.4 : Répartition des chefs d'EFA de l'échantillon par tranche d'âge et par village 38

Tableau 2.5 : Répartition des chefs d'exploitations échantillonnés par niveau d'étude 38

Tableau 2.6 : Structure de la main d'oeuvre 41

Tableau 2.7 : Structure du capital 41

Tableau 2.8 : Structure de la superficie 42

Tableau 2.9 : Description statistique de la production des EFA (en kg) 42

Tableau 2.10 : Valorisation de la production agricole 44

Tableau 2.11 : Productivité partielle des facteurs terre, travail et capital 45

Tableau 2.12: Présentation des variables nominales illustratives 49

Tableau 4.1 : Les variables utilisées dans l'étude des déterminants de l'efficacité 82

Tableau 4.2 : Statistiques descriptives des variables du modèle DEA 83

Tableau 4.3 : Statistiques descriptives des variables du modèle TOBIT 84

Tableau 4.4 : Statistiques descriptives de l'efficacité technique totale 85

Tableau 4.5 : Statistiques descriptives de l'efficacité technique pure 87

Tableau 4.6 : Statistiques descriptives de l'efficacité d'échelle 88

Tableau 4.7 : Excès additionnels de facteurs (efficacité technique totale) ; pourcentage du

niveau de facteur utilisé 90

Tableau 4.8 : Les déterminants de l'efficacité technique totale des EFA 93

Tableau 4.9 : Résultat du calcul des effets marginaux 95

LISTE DES FIGURES

Figure 0.1 : Evolution de la contribution de l'agriculture au Produit Intérieur

Brut Camerounais 3

Figure 1.1 : Fonction de production, productivité moyenne et productivité marginale 22

Figure 2.1 : Distribution des exploitations familiales agricoles enquêtées par village 34

Figure 2.2 : Répartition des chefs d'exploitation échantillonnés par genre 37

Figure 2.3: Destination de la production 39

Figure 2.4 : Structure de la clientèle (en %) 40

Figure 2.5 : Production d'arachide des EFA 43

Figure 2.6 : Production de maïs des EFA 44

Figure 2.7 : Equipement agricole utilisé par les EFA 45

Figure 2.8 : Productivité de la terre 46

Figure 2.9 : Structure de la productivité du travail 47

Figure 3.1 : Illustration des types d'efficacité 61

Figure 3.2 : Détermination de la frontière d'efficacité technique selon Farrell 67

Figure 3.3 : Impact de l'économie et de la déséconomie d'échelle sur les mesures de

l'efficacité 67

Figure 4.3 : Mesure de l'efficacité d'échelle 70

Figure 4.1 : Efficacités technique totale par rapport à la frontière 86

Figure 4.2 : Efficacités technique pure par rapport à la frontière 87

Figure 4.4 : Dispersion des surfaces cultivées dans l'échantillon 89

LISTE DES ABREVIATIONS ET SIGLES

ACEFA : Amélioration de la Compétitivité des Exploitations Familiales Agricoles

ACM : Analyse des Correspondances Multiples AFC : Analyse Factorielle des Correspondances BIT : Bureau International du travail

CAH : Classification Ascendante hiérarchique DEA : Data Envelopment Analysis

DSCE : Document de Stratégie pour la Croissance et l'Emploi

DSRP : Document de Stratégie et de Réduction de la Pauvreté

EFA : Exploitation Familiale Agricole

FAO : Food and Agriculture Organisation

FARA : Forum Africain pour la Recherche Agricole FCFA : Franc de la Communauté Financière Africaine GIC : Groupement d'Initiative Commune

IFPRI: International Food Policy Research Institute INS : Institut National de la Statistique

IRAD : Institut de Recherche Agricole pour le Développement

MINADER : Ministère de l'Agriculture et du Développement Rural

MINEPIA : Ministère de l'Elevage, des Pèches et des Industries Animales

NEPAD : Nouveau Partenariat Pour le Développement de l'Afrique

ONG : Organisation Non Gouvernementale OP : Organisation Paysanne

PCP-GSC : Pôle Compétence en Partenariat Grand-Sud Cameroun

PGF : Productivité Globale des Facteurs

PNVRA : Programme National de Vulgarisation et de Recherche Agricole

REPARAC : Projet de Recherche des Partenariats dans la Recherche Agronomique au

Cameroun

RESUME

L'objectif de cette recherche est d'analyser les performances productives des exploitations familiales agricoles (EFA) de la localité de Zoetelé au Sud Cameroun. Recherche qui s'est intéressée particulièrement aux EFA pratiquant le système de culture à base d'arachide et de maïs. En effet, c'est l'un des systèmes de culture les plus pratiqué par les EFA de ladite région. Après l'analyse de la productivité partielle des facteurs de production utilisés grâce à une analyse statistique, une analyse des correspondances multiples et une classification ascendante hiérarchique, l'étude se termine par une analyse de l'efficacité technique des EFA à partir d'une méthode DEA « Data Envelopment Analysis » et un TOBIT censuré pour générer et identifier les facteurs d'efficacité des EFA.

A l'issue de ces travaux, les résultats obtenus sur un échantillon de 62 exploitations familiales agricoles peuvent se résumer ainsi qu'il suit : (a) le capital, qui est obsolète, est le facteur le moins productif par rapport aux facteurs terre et travail. Ainsi, en moyenne, la productivité de la terre est de 194606,25 FCFA/ha ; celle du travail de 1212,08 homme/jour et celle du capital de 3,88 FCFA par unité de capital. (b) Les niveaux d'efficacité technique des EFA sont estimés à 0,446 lorsque les rendements d'échelle sont constants et à 0,678 lorsque les rendements d'échelle sont variables. (c) Alors que la surface en culture et la destination de la production affectent négativement l'efficacité technique, l'appartenance à une organisation paysanne et l'âge améliorent celle-ci.

Mot clés : Exploitation Familiale Agricoles, productivité, efficacité technique

ABSTRACT

The purpose of this research is to analyze the productive performances of family farms (FF) in South Cameroon. Research that has been mainly focused on FF practicing the culture systems based on corn and peanuts. Indeed it is one of the most used culture system by FF in the aforementioned region. After the analysis of the partial productivity of the factors of production that were used, using a statistical analysis, multiple correspondence analyses and hierarchical clustering, the study ends up with an analysis of the technical efficiency of FF using the method DEA «Data Envelopment Analysis» and a censored TOBIT to generate and identify efficiency factors of FF.

Following this work, the results obtained on a sample of 62 family farms can be summarized as follows: (a) the capital which is obsolete is the less productive factor compared to other factors, namely land and labour. Hence, the average productivity of land is 194606.25 FCFA/ha; labour shows an average productivity of 1212.08 man/day and capital shows an average productivity of 3.88 FCFA per unit of capital. (b) Levels on technical efficiency of FF are estimated at 0.446 when returns to scale are constant and at 0.678 when returns to scale are variable. (c) While the area under cultivation and the destination of production affect negatively the technical efficiency, membership to a farmers' organization and age improve it.

Keywords: Family Farms, Productivity, Technical Efficiency

CONTEXTE ET PROBLEMATIQUE

Les pays de l'Afrique subsaharienne sont généralement dotés de ressources naturelles et humaines nécessaires à un développement agricole soutenu, et les gouvernements africains placent l'agriculture en tête des priorités pour le développement de leur pays au point où l'agriculture représente en moyenne 50% du produit intérieur brut (PIB), participe à plus de 80% à la valeur des échanges commerciaux et apporte à l'industrie plus de 50% des matières premières (Banque mondiale, 2007 ; InterAcademy Council, 2004)1. Cependant, la situation de l'agriculture en Afrique, au sud du Sahara est souvent considérée comme peu performante. Par ailleurs, l'évolution de la productivité agricole dans cette région est stagnante et très faible par rapport à celle des autres (Inde, Chine et Brésil).

De 1993 à 2001, l'Afrique subsaharienne est restée à moins de 500 $ /personne pour ce qui est de la productivité de la main d'oeuvre et à moins de 200 $/ha pour la productivité du sol, pendant que la productivité de la main d'oeuvre en Amérique Latine et Caraïbe est passée de 2500 $ /personne à 3000 $/personne de 1993 à 2003 (FARA, 2006).

Pendant une décennie, le Cameroun, a connu un taux de croissance de plus de 7% du produit intérieur brut (PIB) par an. La situation économique et sociale du Cameroun s'est détériorée brutalement à partir de 1986, à cause de la chute des recettes d'exportation des produits primaires notamment le cacao et le café (MINADER/MINEPIA, 2007). Afin de réduire les déficits, le pays s'est tourné vers les institutions internationales à la fin des années 1980, qui ont prôné le désengagement de l'Etat du secteur productif en général et agricole en particulier pour se recentrer sur ses missions régaliennes. L'Etat dans ce nouveau contexte réduit les différents services qu'il rendait au secteur agricole2. La réaction des producteurs fût de diversifier leurs sources de revenus et de s'intéresser aux filières qui leurs permettent d'échapper à la vulnérabilité due aux fluctuations de la production et des cours des produits de rente. Malgré ces efforts de diversification, le difficile accès des agriculteurs aux différents marchés ne permet toujours pas d'améliorer significativement leurs revenus, d'où la pauvreté structurelle observée depuis plus d'une décennie en milieu rural (MINADER, 2005).

1 Voir Kamgnia Dia, B. (2009), agriculture et analyse de la production, note de cours d'économie rurale, Université Cheick Anta Diop, Dakar.

2 Fourniture des intrants, service de soins de santé animale, production de semences, plans et autres matériels biologiques, appui à la commercialisation, etc.

Toutefois, le secteur agricole a toujours contribué à plus de 20% du PIB comme le montre la figure 0.1 ci dessous.

Figure 0.1 : Evolution de la contribution de l'agriculture au Produit Intérieur Brut Camerounais

Source : Auteur à partir des données du Wold Development Indicators (2007)

Le PIB agricole a été évalué au tiers du PIB national en 2001, le secteur agricole est aussi le premier employeur avec près de 60% de la population active et le premier pourvoyeur de devises avec 55% du total des exportations (DSRP, 2005). Ainsi, ce secteur occupe une place stratégique dans l'économie nationale en termes de création de richesses, d'échanges extérieurs, d'emplois, de stabilité sociale, de sécurité, d'autosuffisance alimentaire et d'amélioration du cadre de vie en milieu rural. Face aux défis économiques de l'heure, il constitue incontestablement la clé des solutions à apporter au développement du pays.

Malgré ce poids important, le secteur agricole demeure toujours dominé par de petites exploitations de type familial où la production des cultures vivrières occupe une place de choix. Les exploitations familiales agricoles (EFA) qui occupent la grande majorité de la population, se caractérisent cependant par une faible capitalisation en utilisant très peu de facteurs de productions modernes (outillages agricoles). Le Cameroun compterait environ 1,1 million d'unité de production agricoles (UPA)3 dont plus de 0,7 million dans le Grand sud (PCP/GSC, 2004). Cette agriculture se caractérise par une main d'oeuvre essentiellement familiale, ce qui n'est pas sans conséquence sur la taille de l'exploitation.

3 Elle se caractérise par l'inventaire des ressources disponibles : surface agricole, nombre d'actifs, superficie des différentes cultures, effectifs des troupeaux, nombre et puissance des matériels, capacité des bâtiments, quantité d'intrants...

Ainsi, les exploitations familiales agricoles semblent être le leitmotiv de la politique agricole camerounaise. Il s'avère donc nécessaire de s'interroger sur le fonctionnement et la logique socio-économique de celles-ci. Pour que la production des EFA leur permette de répondre à la demande des marchés urbains et des produits d'exportations, elles doivent évoluer pour s'insérer dans une économie de marché (approvisionnements en produits alimentaires, en matières premières et énergie, en facteur de productions et en débouchés) (Komon et Jagoret, 2004).

L'agriculture, pour faire face aux exigences du développement économique et permettre l'accession au développement se doit d'améliorer ses performances (Badouin, 1985). La revitalisation des économies de l'Afrique subsaharienne devrait passer par une relance soutenue de la croissance agricole. Le taux de croissance de la production agricole est influencé par trois principaux facteurs : le volume et le type des ressources mobilisées dans la production, l'état de la technologie et enfin l'efficience avec laquelle ces ressources sont utilisées. Cette efficience des ressources permet d'identifier les possibilités d'accroissement de la production sans ressources financières supplémentaires, elle est également source d'accroissement de la productivité (Nyemeck, 2004). Ainsi donc le concept d'efficience est fondamental dans la croissance agricole en Afrique (Schultz, 1964)4.

Le gouvernement Camerounais s'est fixé comme objectifs : d'accroître les revenus des producteurs d'environ 4,5% par an en vue de réduire de moitié, à l'horizon 2015, la pauvreté en milieu rural ; d'assurer la sécurité alimentaire des ménages et de la nation ; de maitriser les importations des produits de grande consommation (le riz et le blé dont le volume des importations a doublé dans la dernière décennie). Pour atteindre ces objectifs, le gouvernement centre son action sur le développement des exploitations familiales agricoles qui représentent plus de 80% de l'appareil de production. Cependant celles-ci se caractérisent par de faible niveau de production et de productivité (MINADER/MINEPIA, 2007).

C'est dans ce contexte que se dégage la question de recherche suivante : est ce que les exploitations familiales agricoles de la localité de Zoetelé au sud Cameroun sont performantes?

4 Voir Nkamleu (2004).

De manière spécifique, il s'agira de répondre aux questions : quel est le niveau de productivité des facteurs de production des exploitations familiales agricoles ? Et quel est le degré d'efficacité de ces exploitations dans leur système de culture ?

OBJECTIF DE RECHERCHE

Cette étude a pour objectif principal d'analyser les performances productives des exploitations familiales agricoles. Plus spécifiquement, il s'agira :

> D'analyser la productivité des facteurs de production utilisés par les exploitations

familiales agricoles

> D'analyser l'efficacité de ces exploitations familiales agricoles

HYPOTHESES DE TRAVAIL

Notre recherche sera organisée autour de deux hypothèses fondamentales à savoir : Hypothèse n° 1 : il existe une relation positive entre la taille de l'exploitation et la productivité des facteurs.

Hypothèse n° 2 : L'efficacité des Exploitations Familiales Agricoles est fonction du niveau d'éducation du chef de l'exploitation, de l'appartenance à une Organisation Paysanne et de son âge.

REVUE DE LITTERATURE

La production d'une entreprise, d'une EFA... est exprimée par la fonction de production qui donne la quantité maximale de l'output qui peut être obtenue par une combinaison des facteurs. Autrement dit, cette fonction caractérise l'ensemble des relations entre les quantités produites et les quantités de facteurs utilisés avec les techniques possibles (Brossier, 2007).

La variation de la production lorsqu'on augmente l'utilisation d'un facteur de production en maintenant inchangé les autres facteurs de production constitue la productivité marginale de ce facteur. Elle diminue lorsqu'on augmente l'utilisation du facteur, les quantités utilisées des autres facteurs étant maintenues à l'identique. Cette constatation est générale et qualifiée par les marginalistes de « loi des rendements marginaux décroissants » (Menger, Jevons et Walras, 1871 & 1874). La théorie marginaliste, reprend en fait le raisonnement différentiel introduit par Ricardo5 en matière d'analyse de la productivité.

Les travaux sur les performances des exploitations agricoles sont nombreux dans les pays développés et même dans les pays en développement. Latruffe (2005), a évalué le niveau d'efficacité technique des exploitations polonaises, elle trouve que les exploitations orientées vers l'élevage sont plus efficaces que les exploitations spécialisées en cultures6 et les exploitations mixtes. Ensuite, elle a examiné les déterminants de cette efficacité technique. Ce qui constitua un plus, car les études existantes sur l'estimation de l'efficacité technique des exploitations agricoles Polonaises se sont limitées à l'analyse des résultats de l'efficacité sans dégager les déterminants de celle-ci.

Linh (1994) a estimé l'efficacité technique des exploitations agricoles productrices de riz au Vietnam, en utilisant successivement une méthode d'enveloppement des données (DEA) et une approche par frontière stochastique de production. Le résultat de ce travail est que, l'efficacité technique est significativement influencée par l'éducation primaire des exploitants et les facteurs régionaux.

L'Afrique n'est pas restée à la marge de cette mouvance. Ainsi, Nkamleu (2004b) analyse la croissance de la productivité globale des facteurs de production et sa décomposition en évolution technologique et évolution de l'efficience. Grâce à une méthode d'enveloppement des données (DEA), en utilisant les données de 16 pays sur la période de 1970-2001. L'étude conclut que l'évolution technologique a été le principal obstacle à la réalisation de niveaux élevés de productivité des facteurs en Afrique subsaharienne durant la

5 Il déduit une règle de spécialisation des individus selon leur productivité relative (le plus performant devant se spécialiser la où il est relativement le mieux placé) en s'intéressant à la « différence de facultés productives » des ouvriers. Il explique les mouvements fondamentaux des prix des marchandises d'une industrie par les variations de la productivité du travail dans cette industrie relativement à la productivité du travail dans l'industrie des métaux précieux (Destais et Gillot-Chappaz, 2000).

6 Grandes cultures et autres productions végétales.

période considérée. Enfin, les résultats indiquent que les facteurs institutionnels et agroécologiques jouent un rôle déterminant dans la croissance de la productivité agricole.

En étudiant les facteurs qui peuvent affecter l'efficacité technique de la filière café dans la région du centre ouest en Côte d'ivoire, Nyemeck et al. (2003), utilisent la méthode DEA pour mesurer l'efficacité technique de 81 exploitations de café. L'analyse montre que le niveau d'efficacité technique moyen est de 36% en rendements d'échelle constants et de 47% en rendements d'échelle variables, ce qui donne un niveau d'efficacité d'échelle de 76.6%.

Fontan (2008), a étudié la production et l'efficacité technique des riziculteurs de Guinée par une estimation paramétrique stochastique. Ainsi, l'auteur démontre que les leviers d'amélioration existent pour la filière rizicole guinéenne, même si la production et l'efficience technique ne semblent pas encore liées à l'introduction d'intrants modernes.

La notion d'exploitation familiale agricole trouve son origine dans l'organisation de la production agricole en Europe (Bergeret et Dufumier, 2002a). La principale caractéristique de celle-ci est la force de travail qui est souvent de nature familiale en majorité. Cependant il est indispensable de préciser comme Gastellu (1980) que « l'exploitation familiale agricole africaine est différente de l'exploitation familiale agricole européenne ». Ainsi, l'exploitation familiale agricole africaine est une équipe familiale de travailleurs cultivant, ensemble, au moins un champ principal commun auquel sont alliés, ou non, un ou plusieurs champs secondaires, d'importance variable selon les cas et ayant leurs centres de décision respectifs (Brossier et al., 2007).

Au Cameroun, On peut admettre qu'une EFA, est une entreprise qui assure le travail des membres ayant des liens de parenté entre eux pour la production, la transformation et la vente de produits végétaux et/ou animaux, ces activités étant parfois génératrices de revenus (Yossi, 2004).

Les performances des exploitations agricoles au Cameroun ont également fait l'objet de nombreuses études. L'analyse des performances économiques des exploitations familiales agricoles pratiquant le système de culture à base de bananier plantain dans le grand sud Cameroun a été réalisé par Nyoré (2009). Grâce à la méthode paramétrique de frontière de production stochastique, Sur un échantillon de 104 exploitations. L'auteur trouve que les EFA pratiquant le système de culture à base de plantain sont relativement efficaces techniquement car le niveau minimum d'efficacité technique est de 61,3%. Par ailleurs, les résultats

suggèrent que, le niveau d'éducation, l'encadrement et les conseils aux EFA améliorent l'efficacité technique lorsque le financement reçu des membres de la famille affecte celle-ci négativement.

La frontière stochastique de production à également été utilisée par Minyono Metsama (2009) dans le but d'identifier les déterminants de l'efficacité technique dans les EFA à base de maïs dans les régions du centre et de l'ouest Cameroun. En s'appuyant sur les données d'enquête réalisée en 2007 par le projet de recherche en partenariat du REPARAC/IRAD sur 497 EFA, l'auteur trouve que le niveau moyen d'efficacité technique est de 29,07% pour les EFA de la région de l'ouest, tandis qu'il est de 26,45% pour les EFA du centre. Par ailleurs, la taille de la famille et l'appartenance à une organisation paysanne améliore l'efficacité technique.

Nyemeck et al. (2004) ont évalué l'efficacité technique des petits producteurs d'arachide, de maïs en monoculture et de ces cultures en association. Sur un échantillon de 450 exploitations dans 15 villages. Ils trouvent que l'efficacité technique moyenne est de 77%, 73% et 75%, respectivement pour les trois types de producteurs grâce à une approche paramétrique de frontière stochastique de production. Les inefficacités techniques sont dues essentiellement au crédit, à la fertilité des sols, à l'accès à l'encadrement et à la route.

Les principales limites de ces trois études résident premièrement dans l'utilisation d'une approche paramétrique qui suppose connu la forme de la fonction de production. Une erreur de spécification de cette fonction est de nature à biaiser les résultats obtenus. Ensuite ces études ne prennent pas en compte les différentes hypothèses de rendement d'échelle et enfin il n'est pas possible d'obtenir les quantités sur-utilisées de chaque facteur de production. La présente étude se démarquera ainsi de celles sus citées en intégrant dans son analyse ces différents manquements.

INTERET DE L'ETUDE

Cette étude présente un intérêt multiple. En effet, l'agriculture est essentielle à la croissance ainsi qu'à la réduction de la pauvreté et de l'insécurité alimentaire. C'est pourquoi, une révolution au niveau de la productivité des petites exploitations agricoles est une condition ciné qua none pour que l'agriculture en Afrique subsaharienne puisse jouer ces rôles (World Bank, 2008). Ensuite, parce qu'une utilisation plus efficace des ressources utilisées

par les exploitations familiales agricoles permettrait à ces dernières d'accroître leurs revenus en réduisant leur coût de production et par ce biais de lutter contre la pauvreté.

Enfin, le choix est guidé par souhait de contribuer à la recherche en économie agricole au Cameroun.

DEMARCHE METHODOLOGIQUE

Pour atteindre les objectifs de cette recherche, on utilisera les données primaires obtenues lors d'une enquête faite dans le cadre du programme d'Amélioration de la Compétitivité des Exploitations Familiales Agropastorales (ACEFA) dans trois villages de l'arrondissement de Zoetelé.

Les données recueillies ont concerné les exploitations familiales agricoles pratiquant le système de culture à base d'arachide et de maïs en association, à cause notamment de son importance pour les populations de cette région. En effet, c'est l'un des systèmes de culture les plus pratiqué dans cette zone.

L'analyse des données recueillies s'est faite en deux étapes : dans une première étape, l'analyse de la productivité des exploitations familiales agricoles a été faite à travers des analyses statistiques, une analyse des correspondances multiples (ACM) et une classification ascendante hiérarchique (CAH). Le logiciel EXCEL a été utilisé pour élaborer les figures et tableaux et le logiciel SPAD 5.5 pour faire l'ACM et la CAH.

Dans une deuxième étape, nous avons estimé l'efficacité technique des EFA à partir d'un modèle d'enveloppement des données (DEA) avec le logiciel DEAP 2.1 (Coelli, 1996), et un modèle TOBIT censuré, estimé grâce au logiciel STATA 9.1 a permis d'expliquer les inefficacités.

ORGANISATION DE L'ETUDE

Cette recherche sera organisée en deux parties. L'analyse de la productivité des exploitations familiales agricoles fera l'objet de la première partie tandis que l'analyse de l'efficacité des exploitations familiales agricole sera traitée en deuxième partie.

Première partie :
Analyse de la productivité des
exploitations familiales agricoles

INTRODUCTION DE LA PREMIERE PARTIE

L'amélioration des performances médiocres du secteur agricole africain, en stagnation et parmi les plus mal en point au niveau mondial lors des récentes décennies, constitue la clé de voûte des solutions aux problèmes de la famine et de la pauvreté. L'agriculture reste le fondement et la principale source de revenus de la plupart des économies africaines et de leurs populations (IFPRI, 2003).

C'est pourquoi, un accroissement de la productivité des exploitations familiales agricoles permettrait non seulement d'augmenter leurs productions, leurs revenus et de pérenniser la sécurité alimentaire, mais également d'abaisser le prix des denrées alimentaires au niveau national, ce qui stimulerait le reste de l'économie et réduirait la pauvreté.

Cette première partie de l'étude est consacrée à l'analyse de la productivité des exploitations familiales agricoles de la localité de Zoetelé au Sud Cameroun. Analyse qui se fera en deux étapes dont la première portera sur les approches théoriques de la productivité et la pertinence de ce concept en agriculture (chapitre 1). La seconde quant à elle sera une analyse empirique de la productivité partielle des facteurs de production des EFA (chapitre 2).

CHAPITRE 1 LA PRODUCTIVITE : ETAT DES LIEUX

Introduction

Dans la plupart des pays d'Afrique subsaharienne, l'agriculture et les industries connexes sont essentielles pour la croissance, la réduction de la pauvreté et l'insécurité alimentaire des masses. Pour que l'agriculture puisse entraîner la croissance économique dans ces pays à vocation agricole, il faudra que s'opère une révolution au niveau de la productivité des exploitations agricoles (World Bank, 2008). Le désengagement de l'Etat dans l'encadrement des paysans et la suppression des subventions en intrants agricoles depuis la libéralisation dans les pays en développement dans les années 90 ont entrainé de fortes pressions sur les exploitations agricoles. Compte tenu de ce fait ces dernières ont des moyens de production limités, l'efficacité avec laquelle elles utilisent les ressources productives disponibles est donc d'une importance capitale.

L'objectif de ce chapitre est de faire un état des lieux sur le concept de productivité. Ainsi, nous examinerons successivement les généralités de ce concept et ses mesures (section 1) ; puis nous nous attarderons un temps soit peu sur son importance et les facteurs qui la limitent en agriculture (section 2).

Section 1 : Analyse théorique de la productivité

Par analyse théorique nous entendons d'une part, ce qu'il faut savoir de manière générale quand on parle de productivité (I) et d'autre part dresser un panorama plus ou moins exhaustif des différentes approches du concept (II).

I. Généralités sur la productivité

Il sied avant toutes choses de définir un certain nombre de concepts (A) pour mieux cerner les mesures de productivité (B).

A. Définition des concepts

Qu'est ce qu'une exploitation familiale agricole ? Qu'est ce qu'un système de culture ? Qu'est ce que la productivité ?

Exploitation familiale agricole : la notion d'exploitation familiale agricole trouve son origine dans l'organisation de la production agricole en Europe (Bergeret et Dufumier, 2002a). Partant des critères de l'origine du revenu familial et l'affectation ou non de la force de travail à l'exploitation agricole, Oliveira (1997) distingue trois catégories d'exploitation familiale agricole : celles qui ont une fonction productive, celles qui servent de réserve de main-d'oeuvre et celles qui vivent principalement des transferts sociaux (ressources monétaires autres que les revenus venant de l'exploitation ou des activités extérieures des membres de la famille). Cependant il est indispensable de préciser comme Gastellu (1980) que « l'exploitation familiale agricole africaine est différente de l'exploitation familiale agricole européenne ». Cet auteur substitue le terme de « communauté » qui lui semble plus convenable que celui d' « unité », car il fait davantage ressortir les échanges privilégiés qui unissent des individus d'un même groupe. C'est aussi la définition retenue par Kleene (2007) pour qui l'exploitation familiale agricole africaine est une équipe familiale de travailleurs

cultivant ensemble, au moins un champ principal commun auquel sont alliés ou non, un ou plusieurs champs secondaires d'importances variables selon les cas et ayant leurs centres de décision respectifs.

Système de culture : Le système de culture peut être considéré comme un ensemble de parcelles cultivées de façon homogène et en particulier soumises à la même succession culturale. Ainsi, si le système agraire renvoie à l'organisation générale d'une communauté rurale, d'une région, etc. Le système de culture correspond à un ensemble de pratiques mises habituellement en oeuvre par les agriculteurs en matière de choix de spéculations, de leur association dans l'espace, de leur succession dans le temps et de leurs modes de conduite (Jouve, 1986). Autrement dit, le système de culture se rapporte aux combinaisons culturales et représente l'ensemble plus ou moins structuré des productions végétales et animales, retenu par les agriculteurs (Badouin, 1987).

Productivité : le concept de productivité tire son origine du verbe latin producere qui signifiait « mener en avant, présenter, étendre mais aussi procréer, développer, faire grandir », et du participe correspondant productus. Ce concept vient d'une famille de mots français 7: Produire (1361), producteur (1442, rare avant le XVIIIème), produit (1690), production (1695) et le dernier né ...productivité (1766).

En général, la productivité est définie comme le rapport entre la production d'un bien ou d'un service et l'ensemble des intrants nécessaires pour le produire. Elle constitue en fait, une mesure de l'efficacité avec laquelle une économie met à profit les ressources dont elle dispose pour fabriquer des biens ou offrir des services (Gamache, 2005). Autrement dit, la productivité est le rapport entre la production et l'ensemble ou partie des ressources mises en oeuvre pour la réaliser.

Ainsi, améliorer la productivité ce n'est pas travailler dur, mais travailler intelligemment. La productivité permet de mesurer l'efficacité du système productif, c'est donc une comparaison entre la production réalisée et les quantités de facteurs de production utilisés.

7 Petit Robert (1981) cité par Destais et al (2000).

De toutes ces définitions, nous retenons dans le cadre de cette étude que la productivité se définit comme le rapport entre ce qui est produit et les unités d'input qui ont été consommées pour y parvenir.

Cependant qu'en est-il des mesures de productivité ?

B. Les mesures de productivité

Dans la littérature économique, la première mention d'un indice de productivité est attribuée à Morris Copeland en 1937 dans son ouvrage « Concepts of National Income ». Les premiers travaux d'importance pour en mesurer le niveau et les impacts ont cependant été amorcés quelques années plus tard. Au début des années 40, plusieurs économistes dont Timbergen (1942) et Stigler (1947) se sont intéressés à ces questions.

Plusieurs indicateurs peuvent être développés afin de rendre compte de l'évolution de la productivité. Les mesures unifactorielles et les mesures multifactorielles constituent les deux principales catégories habituelles utilisées pour tenir compte des différents indicateurs (Gamache, 2005).

Les premières mettent en relation la production avec un seul intrant (travail, capital, terre), alors que les secondes combinent simultanément les effets de plusieurs intrants. En d'autres termes, l'augmentation de la production peut être comparée à celle de tous les intrants ou juste à celle d'un seul facteur de production à la fois (Kaci, 2006).

Théoriquement, il y a autant de mesures unifactorielles qu'il y a de facteurs de production dans l'économie. Ainsi, les concepts de productivité diffèrent selon le facteur retenu au dénominateur.

La productivité unifactorielle se mesure donc comme suit :

productivité unifactorielle=

quantité produite

quantité de l'input utilisée

La productivité du travail reflète le volume de production généré par heure de travail. Toutefois, il ne faut pas conclure qu'elle dépend uniquement de la performance de la main

d'oeuvre, car elle est largement influencée par tous les autres facteurs de production et l'environnement dans lequel fonctionnent les entreprises8 (Gamache, 2005).

Elle peut se calculer comme suit :

productivité du travail=

quantité produite

quantité de travail utilisée (nombre d'actif agricole)

La productivité de la terre qui mesure la contribution de ce facteur à la production, peut se calculer ainsi :

productivité de la terre=

quantité produite

superficie de production

La productivité du capital mesure la contribution ou la part du capital dans la production. Autrement dit, elle compare la production réalisée à la quantité de capital utilisée et peut se calculer comme suit :

productivité du capital=

quantité produite

quantité de capital utilisé par l'EFA

La productivité partielle est un indicateur qui souffre cependant d'une limite importante : elle attribue la totalité de la production agricole à un seul facteur.

Afin de prendre en compte l'efficacité de l'ensemble des facteurs entrant dans le processus de production, la productivité multifactorielle est prise en compte. Celle-ci associe la production d'un bien ou d'un service à plusieurs intrants. Ceux le plus souvent retenus sont le capital et le travail, mais d'autres facteurs intermédiaires tels l'énergie, les matières premières et les fournitures de production peuvent également s'ajouter.

8 En fait, l'intensité de l'effort fournit par les travailleurs a effectivement des répercutions sur la productivité du travail, mais cet élément est généralement beaucoup moins important que le volume de capital (comme les outils ou la machinerie) dont dispose un individu pour accomplir sa tâche.

La productivité globale des facteurs (PGF) compare la production réalisée à la quantité de capital, de terre et de travail utilisés. Sous sa forme élémentaire, elle se base sur les fondements conceptuels derrière l'identité comptable du PIB, sa première formalisation théorique est l'oeuvre de Solow (1957). En effet, en partant d'une fonction de production générale à rendements d'échelles constants, Solow trouve que le taux de croissance de la production est la somme des taux de croissance des facteurs pondérés par leurs élasticités de production, et du taux de croissance de la technologie.

Toutefois ces élasticités n'étant observables que si l'on suppose que les facteurs sont rémunérés à leur productivité marginale ; Ainsi le résidu de Solow ou taux de croissance de la PGF est donné par : le déplacement de la fonction de production pour un niveau donné d'intrants, autrement dit, la croissance de la production qui n'est pas expliquée par l'accroissement des facteurs de production. Cependant, cette approche est purement théorique. En réalité, lors des applications empiriques plusieurs difficultés sont rencontrées et de nombreuses critiques9 sont portées sur la méthodologie de calcul, les hypothèses de base et l'interprétation des résultats.

Kent et Linh (2009), soutiennent que la croissance de la productivité en agriculture a été sujette à d'intenses recherches. A titre d'illustration : aux Etats Unis, Grilliches et Jorgenson (1967), Jorgenson et al. (1987), Antle et Capalbo (1988), Ball et Norton (2007) ont mesuré la croissance de la productivité agricole. En particulier, Furgie et al. (2007) ont estimé la croissance de la productivité totale des facteurs en agriculture aux Etats unis (USA) sur la période 1948-2004 en utilisant l'indice de Malmquist. Ils trouvent qu'en agriculture, la croissance annuelle de la productivité globale des facteurs aux USA est de 1,8 % au cours de la période d'étude.

La productivité globale des facteurs se définit donc comme le rapport des outputs à l'ensemble des inputs effectifs (Blancard et Boussemart, 2006). Statistique Canada présente à cet effet la productivité globale des facteurs comme : « une moyenne pondérée de la

9 Abramovitz (1956) en faisant allusion à la PGF parle de « mesure de notre ignorance », ainsi les erreurs de mesure dans les séries du travail, dans celle du stock du capital physique, l'omission d'éléments susceptibles d'influencer la qualité et la productivité des facteurs soulèvent un ensemble de mise en garde à l'égard de l'utilisation du résidu de Solow. Jorgenson et Grilliches (1967) soulèvent le problème de l'agrégation des facteurs de production, l'impossibilité de distinguer entre différent types ou qualités de capital et de travail ce qui entraine une surestimation du progrès technologique.

productivité du capital et de la productivité du travail, où les pondérations sont respectivement les parts du capital et du travail » dans la production (Gamache, 2005).

II. Approche théorique de la productivité

Le concept de productivité trouve toute son importance dans ceci qu'il est un moyen de mesure de la performance agricole. De la théorie physiocrate à la théorie néo-classique de la répartition, il occupe une place de choix dans la pensée économique. Cet intérêt a été à l'origine d'une évolution remarquable de la théorie économique sur la question (A) et de la théorie microéconomique de la production (B).

A. Des théories physiocrates à la théorie néoclassique de la répartition

La notion de productivité a commencé à se préciser avec les travaux des physiocrates tels que Quesnay (1694-1774). Cet auteur précurseur, lui-même propriétaire foncier, constate qu'en engageant des frais plus élevés (achats de boeufs, chevaux, charrue, et fumier) la terre est mieux cultivée avec moins de travail et donne à son propriétaire un produit plus important. Il en déduit ce qui sera qualifié plus tard de « théorie du surplus agricole10». A la même époque Turgot établit au contraire que la terre fournit des rendements décroissants au fur et à mesure de la mise en culture des terrains moins fertiles. Malthus reprend cet argument en parlant du « pouvoir de production limité de la terre » dans son « Essai sur le principe de population » en 1798.

Les classiques anglais introduisent la notion de productivité du travail, pour désigner le rendement physique du travail. Les recherches sur les causes de la richesse des nations d'Adam Smith en 1776 s'ouvrent par un premier livre relatif aux « causes qui ont perfectionnées les facultés productives du travail ». Il définit dans ce cadre la puissance

10 La théorie du surplus agricole établit avant tout le rôle des avances en capital dans l'augmentation de la production agricole, et donc dans l'accroissement du revenu national, puis qu'elle considère l'agriculture comme seule source de richesse.

productive du travail comme la « quantité d'ouvrage qu'un même nombre de bras est en état de fournir » et développe l'idée selon laquelle celle-ci peut s'améliorer grâce à la « division du travail »11. Ainsi, les gains de productivité du travail qui en résultent, bénéficient aux salariés en favorisant la diminution des prix des produits manufacturés.

L'école marginaliste opère un renversement complet de la problématique, en tirant parti des travaux de Say (1828-1829). Ce dernier auteur pense que, la production met en jeu les services productifs de trois éléments : l'industrie de l'homme (au sens actuel de travail), les capitaux, et les agents naturels. Il constate empiriquement que celui qui détient l'un de ces éléments utiles à la production peut exiger une rémunération quand il en cède son usage (Destais et Gillot-Chappaz, 2000). Cependant Say n'abordera ni la question de la quantification de cette rémunération ni celle de sa justification théorique ; ce qui amènera plus tard Von Böhm Bawerk à la qualifier de « fondateur de la théorie naïve de la productivité »12.

Jevons (1871), pionnier de l'école marginaliste anglaise, jette les bases d'une théorie du capital. Il précise en effet que, la productivité reste encore une grandeur attachée au travail, puisqu'il définit le degré de productivité par quantité produite en échange d'un certain montant de salaires et un indicateur de productivité correspondant à l'inverse d'un coût de production unitaire à taux de rémunération fixé. Jevons va plus loin dans l'analyse des revenus du capital en se fondant sur l'idée de relier la rémunération des moyens de production et leur contribution marginale à la production. Ses successeurs au sein de l'école néoclassique, développent une analyse des rendements marginaux du capital et la productivité marginale du travail et en feront des outils de répartition du revenu total entre les facteurs de production.

Les économistes néo-classiques selon la théorie de la répartition pensent que ce n'est pas seulement la terre, mais aussi tous les facteurs de production qui reçoivent une rémunération égale à leur productivité marginale à l'optimum. Ainsi, l'économiste américain John Bates Clark (1847-1938), développe le théorème de l'épuisement du produit13. Ce

11 La division du travail agit par le biais des canaux suivants : augmentation de l'habileté, réduction des temps morts et mécanisation, elle-même rendue possible par la simplification des tâches.

12 Théorie positive du capital (1889) cité par Destais et Gillot-Chappaz (2000).

13 www.economie-cours.fr (consulté le 30/03/2010).

théorème stipule que : lorsque la fonction de production est homogène de degrés 114, lorsque les facteurs sont rémunérés à leur productivité marginale, alors le revenu de la production, est intégralement absorbé par les facteurs.

B. Théorie microéconomique de la production

Dans le passé, les économistes n'ont pas toujours donné la même définition à la réalisation d'une production. Ainsi les physiocrates de la France rurale du milieu du XVIIIe siècle ne voyaient de véritable production que dans l'agriculture (Picard, 1994). Adam Smith définissait quant à lui la production comme l'activité qui concourait à la réalisation d'un bien matériel destiné à être vendu sur le marché. D'une manière générale, on peut admettre que la production d'une entreprise, d'une branche, d'une nation, d'une EFA... est exprimée par la fonction de production qui donne la quantité maximale de l'output qui peut être obtenue par une combinaison des facteurs (travail, capital et terre). Autrement dit, la fonction de production caractérise l'ensemble des contraintes (contraintes imposées par les ressources limitées en facteurs de production et par les possibilités techniques de production) qui relient les quantités produites aux quantités de facteurs utilisés avec les techniques possibles (Brossier, 2007). Ainsi, la forme générale d'une fonction de production pour une firme

quelconque est : y = f ( x 1 , x 2 ,... x j )

Avec y = quantité produite ou l'output par la firme considérée ; f désigne la fonction de production et ( x1 , x2 ,... x j ) les facteurs (inputs) utilisés par cette firme. Dans le cas d'une EFA les inputs peuvent être le capital, le travail et la terre.

La productivité moyenne d'un facteur Xi, est le rapport de la quantité de bien produite à la quantité de facteur utilisée, soit :

Y

productivité moyenne du facteur Xi =

Xi

14 Une fonction de production est homogène de degrés 1 lorsque la multiplication par un paramètre â de la quantité de chaque facteur de production multiplie exactement par â la production.

14 Voir M. Baslé et al (1988) cité par Destais et Gillot-Chappaz (2000).

Le raisonnement différentiel introduit par Ricardo (1821), en matière d'analyse de la productivité est repris par la théorie marginaliste.

C'est ainsi que les marginalistes définissent la productivité marginale comme étant le
supplément de production qui résulte de l'utilisation d'une unité supplémentaire d'un facteur

sachant

que tous les autres facteurs restent constants.

 
 

ÄY

du facteur Xi=

=

äY

productivité marginale

Ä X

i

ä X

i

La productivité marginale diminue lorsqu'on augmente l'utilisation du facteur, les quantités utilisées des autres facteurs étant maintenues à l'identique. Ce constat est général et on parle alors de « loi des rendements marginaux décroissants ». Elle s'énonce également de la manière suivante : la production moyenne par unité de facteur (productivité moyenne) diminue lorsque la quantité consommée de ce facteur augmente (Brossier, 2007). Alors la dérivée seconde de la fonction de production est négative.

productivité marginale du facteur Xi décroissante :

2

?

?xi

f 2 0

~

Exemple : Représentation graphique d'une fonction de production, de la productivité moyenne et marginale d'un facteur X1 (figure 1.1).

Cette figure présente la productivité marginale du facteur 1, elle est croissante de 0 à E et décroissante pour les quantités plus importantes du facteur 1. La productivité moyenne de ce facteur croît de 0 à E' puis décroît. Par ailleurs la productivité moyenne et la productivité marginale sont égales, au point E'. On observe donc que la productivité moyenne est croissante (respectivement décroissante) lorsque la productivité marginale est supérieure (respectivement inferieur à la productivité moyenne). Lorsque la productivité moyenne est maximale, productivité marginale et productivité moyenne sont égales.

Figure 1.1 : Fonction de production, productivité moyenne et productivité marginale

f X X X n

( , ... )

1 2

X1

E E'

Source : Picard (1994), p143

Productivité marginale du facteur X =

1

Xi

Xi

E E'

f (X1, X2,...XJ)

Productivité moyenne du facteur X =

1

? f

?X1

Les différentes mesures de productivité ici présentées sont des mesures physiques, il est également possible d'exprimer la productivité moyenne et la productivité marginale en valeur (en multipliant les mesures physiques par les prix).

Après avoir présenté l'analyse théorique du concept de productivité, nous allons à présent discuter à propos de la pertinence de la productivité agricole.

Section 2 : Pertinence du concept de productivité en agriculture

Cette section parcourt la pertinence du concept de productivité agricole. La discussion s'articule dans un premier temps autour de l'importance de la productivité (I), ensuite les facteurs qui limitent celle-ci dans le domaine agricole (II) seront exposés.

I. L'importance de la productivité

La productivité peut être définie au niveau d'une personne qui exécute une tâche donnée, d'une entreprise présente dans toute une gamme d'activités économiques, d'une EFA qui produit un bien donné, d'une industrie ou d'un pays tout entier. La productivité augmente lorsqu'on obtient une plus grande quantité de produits avec les mêmes intrants. Pour autant, elle présente des enjeux et des contraintes.

A. Les enjeux de la productivité

En agriculture, deux considérations ont donné naissance à la productivité : le rendement et l'efficience. Au sens strict, le rendement est la production par unité de terre. Le rendement mesure donc le rapport entre la quantité de produit agricole récoltée et la superficie de terre qui a produit cette récolte (Beitone et al., 2008). En ce sens, le rendement concerne la terre, la productivité concerne le travail et le capital. On distingue généralement les rendements d'échelle15, des rendements factoriels16.

Tous les systèmes économiques, toutes les entreprises, toutes les EFA, mais aussi tous les individus rationnels, cherchent à être les plus efficaces possibles, c'est-à-dire à produire le plus possible compte tenu des facteurs de production (capital, travail, terre...) dont ils disposent. Non seulement il faut chercher à avoir une productivité élevée, mais aussi vouloir continuellement l'augmenter ; c'est la recherche de "gains de productivité". C'est un indicateur dynamique introduit par Jevons, qui correspond à une augmentation de la productivité. Le gain de productivité est un surplus qui peut être distribué aux salariés (hausse

15 Les rendements d'échelle affectent l'évolution de la productivité globale des facteurs. Elle augmente lorsque les rendements d'échelle sont croissants, diminue lorsqu'ils sont décroissants et ne change pas lorsqu'ils sont constants.

16 Les rendements factoriels désignent une relation entre la quantité produite d'un bien et la quantité d'un facteur de production supposé variable, toutes choses égales par ailleurs. Ils permettent de mesurer l'efficience productive d'un des facteurs et constituent un des éléments caractérisant une fonction de production. Les rendements factoriels affectent l'évolution de la productivité marginale du facteur variable. Cette dernière augmente lorsque les rendements factoriels sont croissants, diminue lorsqu'ils sont décroissants et ne change pas lorsqu'ils sont constants.

des salaires, prime, promotion, baisse de la durée du travail...), à l'EFA (augmentation des fonds propres, financement des investissements), aux consommateurs (baisse des prix). La hausse de la productivité est due à plusieurs facteurs : l'organisation du travail, la motivation, la performance du matériel, l'environnement de l'EFA, le climat social, l'expérience et la qualification, la responsabilité et la confiance17.

Selon plusieurs études, les paysans dans les pays en voie de développement n'arrivent pas toujours à exploiter pleinement leurs potentialités techniques et/ou attribuent de manière inefficace leurs ressources productives (Bravo-Ureta et al., 1993 ; Thiam et al., 2001). Ce qui implique un faible niveau de productivité en Afrique. Cette productivité agricole est reconnue comme un des déterminants à la fois du bien-être des populations rurales et la croissance des économies des pays de l'Afrique subsaharienne (Block, 1994). Selon Eicher (1999), le secteur agricole ne peut assurer son rôle primordial de stimulant de la croissance économique, de générateur d'emploi et de fournisseur de devises à cause du faible niveau de productivité dans ce secteur. Ceci explique la grande importance de l'analyse de la productivité des EFA, non seulement pour la prospérité des populations rurales mais également pour la sécurité alimentaire. L'amélioration de la productivité des EFA aura une grande incidence sur la croissance économique de la majorité des pays Africains.

Par ailleurs comme le note le BIT (2005) le développement économique passe généralement par le déclin de l'emploi agricole résultant de l'augmentation de la productivité. En effet, dans le secteur agricole, les principales caractéristiques de la relation productivité/emploi tiennent à la nature même de la production agricole. Lorsque le niveau de vie augmente, la part de leur budget que les individus consacrent à l'alimentation diminue. Il s'ensuit que l'accroissement de la production obtenu grâce à l'amélioration de la productivité agricole n'entraîne pas une augmentation équivalente de la demande et par conséquent, une déclinaison de l'emploi.

Après avoir passé en revue les enjeux de la productivité, nous nous posons à présent la question de savoir, quels sont ses déterminants ?

17 Voir www.wikipédia.org (consulté le 30/03/2010).

B. Les déterminants de la productivité

Il s'agi ici de passer en revue les déterminants économiques ayant été identifiés par les études empiriques comme les variables ayant les plus grands impacts sur la productivité agricole.

La majorité des études portant sur la productivité font état de trois principaux facteurs économiques exerçant une influence majeure sur sa croissance. Ces trois facteurs, qui font l'objet d'un large consensus parmi les économistes à travers le monde sont : l'investissement en matériel et outillage, le développement des compétences et l'ouverture au commerce et à l'investissement (Harris, 1999). Dans le cadre de ce travail, nous nous limiterons aux deux premiers facteurs. A ceux-ci s'ajoutent plusieurs autres ayant les effets indirects et qui suscitent encore des débats quant à l'importance de leur influence sur la croissance de la productivité (Gamache, 2005). Notamment, la taille et l'innovation si on se limite au niveau d'une EFA.

Habituellement, la croissance de la productivité affiche une corrélation élevée avec l'investissement en matériel et outillage (exprimé en proportion du PIB). Les pays qui ont les taux d'investissement élevés en matériel et outillage par rapport au PIB ont aussi des taux de croissance élevés dans l'ensemble. Ce réajustement permet de corriger l'effet de la convergence conditionnelle ou le « rattrapage » toute chose égale par ailleurs, on peut s'attendre à ce qu'un pays pauvre connaisse une croissance plus rapide qu'un pays riche (Harris, 1999). Cette corrélation vaut autant pour les pays développés que pour les pays en développement et elle tient sur de longues périodes. Par ailleurs, les changements de technologie qui se feraient par les investissements en matériel et outillage ont une grande importance dans la croissance de la productivité agricole en Afrique (Nkamleu, 2004a).

Le développement des compétences constitue un moteur de la croissance à travers deux canaux. Dans un premier temps, des travailleurs plus qualifiés favorisent l'innovation et la production de nouvelles technologies. Les individus détenant des compétences plus élevées ont une propension à transmettre à leur entourage, ils contribuent ainsi à l'accroissement de la productivité des autres travailleurs (Harris, 1999). Gamache (2005) identifie quelques éléments qui peuvent permettre au développement des compétences d'influencer la

productivité parmi lesquels : le taux de fréquentation scolaire, la formation continue, l'expérience des travailleurs et l'échange d'information.

En ce qui concerne les autres facteurs économiques qui influencent la productivité, on présentera ici l'innovation et la diffusion des technologies car nous aborderons l'influence de la taille en termes de facteurs limitant la productivité agricole.

Dans la littérature, l'innovation s'assimile au progrès technique pour Schumpeter, ce qui consolide théoriquement le rôle de l'innovation dans la croissance de la productivité. Le progrès technique peut se définir comme une nouvelle manière de produire qui permet d'obtenir plus de produits avec les mêmes quantités de facteurs de production (Beitone et al., 2008). Sadoulet et De Janvry (1995), à partir d'un modèle néoclassique démontrent le lien entre productivité et progrès technique. Les auteurs partent d'un modèle néoclassique traditionnel où la fonction de production décrit la façon dont les ressources sont transformées en produits. En prenant une forme particulière de la fonction Cobb Douglas :

F ( K , L ) Y AK L

á â

= = Avec K, L respectivement les facteurs capital et travail. á et â

K AL

á 1 -á dont tous les autres éléments restent inchangés.

renseignent sur la nature des rendements d'échelle18 et sur l'importance relative du capital et du travail dans la technologie de production, A représente un paramètre de productivité. Sadoulet et De Janvry (2005) en maintenant ce type de représentation, élargissent la définition de la technologie en y introduisant les biens produits (Y), et les inputs utilisés ( K , L ). Ainsi, le changement technologique peut prendre au moins trois formes différentes19. Une innovation s'appréhende alors comme un changement technologique qui implique une nouveauté dans une ou plusieurs des dimensions suivantes : de nouveaux procédés de production ; de nouveaux intrants (découverte d'une nouvelle matière première, l'amélioration de celle existante) ; des nouveaux produits. Ainsi, le progrès technologique modélisé par Solow (1957) représente à la lumière de cette définition, une fraction de l'ensemble des innovations technologiques possibles. Il s'agit d'innovations non incorporées (i.e. qui ne modifient pas les spécifications de K, L ou Y et labour-augmenting (qui augmentent l'efficacité du travail). Ces innovations correspondent à l'accroissement du seul paramètre A dans la fonction de production Y =

18 Si 3 + a = 1 on a des rendements d'échelles constants ; pour 3 + a >1 on a les rendements d'échelles croissants et des rendements d'échelles décroissants pour 3 + a <1.

19 Modification du procédé de production (forme de la fonction F) ; modification des spécificités de Y ; modification des spécifications de K ou de L.

En agriculture les innovations conduisent à des changements liés au mode d'organisation des producteurs, des institutions et des sociétés. Elles peuvent elles mêmes résulter des processus de changements induits au sein des communautés et ceux liés à l'utilisation des technologies ou des pratiques agricoles déjà connues (Ngo Nonga, 2008). La notion d'innovation ne se limite donc pas aux nouvelles découvertes obtenues de la recherche. Même s'il n'existe pas un consensus strict autour de la définition de l'innovation, on peut considérer celle-ci « comme étant l'application de ressources et de découvertes technologiques, institutionnelles et humaines à des procédés de production débouchant sur de nouvelles pratiques, de nouveaux produits et marchés, de nouvelles institutions et organisations à l'efficacité renforcée » (Poole, 2006) in Ngo Nonga, (2008).

II. Les facteurs limitant la productivité agricole

En général, on peut dire que deux éléments essentiels empiètent sur la productivité : la taille de l'exploitation (A) et les coûts de transactions (B).

A. La taille de l'exploitation

Au début de l'histoire moderne, la terre arable semblait être une ressource en quantité infinie, l'organisation de celle-ci ne semblait pas être une priorité. Au fur et à mesure que la densité de la population augmente, la terre devient relativement de plus en plus rare et la façon de la distribuer a pris une place importante dans les discutions politiques (Piette, 2006). La façon la plus économiquement efficace de gérer cette ressource a donné une place importante à l'étude de la relation entre la taille d'une exploitation et sa productivité dès le début de l'économie du développement.

Les études théoriques et empiriques suggèrent que cette relation est négative, c'est-à-dire que plus la taille d'une exploitation est grande, plus celle-ci est inefficace (Sen (1962, 1966)20 ; Berry et Cline (1979) ; Bardhan (1973) ; Deolalikar (1981)...).

20 Voir Thapa (2007).

Berry et Cline (1979) sont les premières à vérifier empiriquement la relation entre la taille d'une exploitation et la productivité en utilisant les données du Brésil, de la Colombie, des Philippines, du Pakistan, de l'Inde et de la Malaisie. Ils démontrent que la productivité est plus grande sur les petites exploitations que sur les grandes exploitations.

Cependant les hypothèses néoclassiques suggèrent qu'il ne devrait pas y avoir de corrélation entre la productivité et la taille d'une exploitation (Bhalla et Roy, 1988). Dans un monde où tous les marchés fonctionnent parfaitement, la distribution de la terre est telle que la production de l'économie est maximisée. La relation négative serait due aux imperfections sur les marchés du travail, de la terre, du capital et du crédit dans les pays en développement (Piette, 2006).

Pour Sen (1966) les exploitants qui sont incapables de vendre leur main-d'oeuvre sur le marché l'appliquent sur la terre familiale. En conséquence, l'intensité de la main-d'oeuvre sur les petites exploitations est plus grande et la production par unité de terre est plus élevée. Les marchés de la terre, du capital physique et du crédit sont quant à eux imparfaits puisque les petits exploitants, n'ayant pour la plupart du temps pas de garantie, ne sont pas capables de les acquérir. Alors que les imperfections du marché du travail augmentent la productivité des petites exploitations, celles des marchés du capital et du crédit ont le résultat inverse.

Ainsi, Mahesh (2000) a étudié la relation entre la taille de l'exploitation et la productivité en Inde (Kerala). L'auteur trouve que les grandes exploitations ont de plus grand niveaux de productivité. L'explication de ce résultat serait que les petites exploitations utilisent généralement la main d'oeuvre familiale qui est moins efficiente que la main d'oeuvre salariale.

En parlant de l'agriculture Pakistanaise, Kausar (2008) trouve que les exploitations de petites et de grandes tailles sont plus productives que celle de tailles moyennes. La principale raison à cela est que, les exploitations de petites tailles sont plus productives car elles utilisent intensément la main d'oeuvre et l'irrigation tandis que les exploitations de tailles moyennes sont inefficaces dans la combinaison des inputs et celles de grandes tailles utilisent un maximum de capital.

La littérature sur cette relation est très limitée en Afrique comme le note Usabuwera (1995) à travers une étude de cas sur le Rwanda. Les résultats de cette étude confirment l'existence d'une relation inverse entre la productivité et la taille de l'exploitation. En effet les

contraintes liées à l'accès à la terre, l'accès au marché du travail sont moins importantes pour les petites exploitations par rapport aux exploitations de grande taille. Dans ce cas, cette relation est affectée par la qualité de la terre, les coûts liés à l'utilisation des fertilisants et produits chimiques, les investissements pour conserver la qualité de la terre. Cette relation a été longuement discutée et ne fait l'objet d'aucun consensus entre chercheurs. Ainsi, il a été suggéré à plusieurs reprises dans la littérature économique, que la révolution verte21 aurait diminuée ou même inversée la relation négative entre la taille d'une exploitation et sa productivité (Deolalikar, 1981).

B. Les coûts de transaction

Le lien entre l'infrastructure publique et la productivité est souvent positif, même si ce n'est pas systématique. Ce lien n'est pas unidirectionnel et n'est pas facile à mesurer. Ainsi, l'absence des infrastructures publiques est souvent source de coûts de transactions. Ces coûts de transactions peuvent influencer la décision de participer ou non au marché des agriculteurs comme le montrent De Janvry et al. (2000). On distingue selon ces auteurs les coûts de transactions proportionnels et les coûts de transactions fixes.

Les coûts de transactions proportionnels augmentent les prix effectivement payés par les acheteurs et diminuent les prix éffectivement reçus par les vendeurs, créant ainsi une bande de prix avec laquelle les ménages jugent de la non profitabilité de l'entrée sur le marché. Ces coûts de transactions sont associés aux frais de transports et sont dus à l'imperfection de l'information sur le marché. Tandis que les coûts de transactions fixes englobent les coûts de recherche de marchés, les coûts de surveillance, de pénalités, de supervision qui sont inhérents au marché avec assymétrie d'information.

21 Le terme « révolution verte » désigne le bond technologique réalisé en agriculture au cours de la période 1944- 1970, à la suite de progrès scientifiques réalisés durant l'entre-deux-guerres. Elle a été rendue possible par la mise au point de nouvelles variétés à haut rendement, notamment de céréales (blé et riz), grâce à la sélection variétale. L'utilisation des engrais minéraux et des produits phytosanitaires, de la mécanisation et de l'irrigation y ont aussi contribué. Elle a eu pour conséquence un accroissement spectaculaire de la productivité agricole (mais les estimations de cette augmentation restent encore très controversées) et a permis d'éviter les famines catastrophiques, avec pour résultat une augmentation sans précédent de la population mondiale depuis 1950 ( www.wikipedia.com, consulté le 18 Août 2010).

Ainsi, la combinaison entre le comportement de choix rationnel et les coûts de transactions provoquent des incitations favorables aux comportements opportunistes, conduisant à la sélection adverse22 et à l'aléa moral23 dans les transactions, qui, tous deux occasionnent des coûts élevés.

Divers travaux empiriques ont pu vérifier ces analyses théoriques. Ainsi, Minten et Stifel (2003) ont analysé pour le cas de Madagascar, l'implication de l'isolement dans la pauvreté rurale. Les auteurs se concentrent spécialement sur l'impact des coûts de transactions sur la productivité agricole. Les résultats de cette étude confirment l'existence d'un lien direct entre l'isolement et la productivité. Par exemple, en ce qui concerne particulièrement la qualité de la route, l'effet sur la productivité du riz agit à travers les coûts de transaction sur le coût des inputs utilisés.

Par ailleurs, Binswanger et al. (1993) ont démontré pour l'Inde dans les années 1970 que les routes sont autant importantes pour la croissance des outputs agricoles que l'utilisation des engrais, ceci grâce à la réduction des coûts de transaction.

Conclusion

En somme, il était question dans ce chapitre de faire un état de lieux du concept de productivité en économie. Il ressort que ce concept s'étudie en économie à travers les différents apports théoriques de l'école physiocrate à la théorie de l'épuisement du produit, ainsi que la théorie microéconomique de la production. L'importance de la productivité en agriculture a été abordée dans le cadre de cette étude à travers ses déterminants, ses enjeux et les facteurs qui la limitent.

22 La sélection adverse implique des coûts ex-ante pour déceler les mauvais risques parmi les candidats à la transaction.

23 L'aléa moral implique des coûts ex-post de supervision, d'action légale et de mise en application.

CHAPITRE 2 : EVIDENCE EMPIRIQUE SUR LA PRODUCTIVITE DES EXPLOITATIONS FAMILIALES AGRICOLES

Introduction

L'amélioration de la productivité des exploitations familiales agricoles pourrait entre autres contribuer : à l'autonomie alimentaire et financière de la famille rurale, à nourrir le pays et à augmenter la richesse nationale. Mais aussi à la gestion durable, la reproduction des ressources naturelles et à la sécurité alimentaire des populations.

Le but de ce chapitre est de mener une étude empirique de la productivité des facteurs utilisés par les exploitations familiales agricoles. Il importe dans un premier temps, de présenter les données qui serviront aux différents calculs en expliquant la méthodologie et les comportements productifs des EFA décrivant l'échantillon (section I) ; dans un deuxième temps, d'analyser la productivité partielle des facteurs de production utilisés pour enfin proposer une typologie des EFA du point de vue de leur productivité (section II).

Section 1 : Méthodologie de recherche et description des comportements productifs des exploitations familiales agricoles

Cette section présente les caractéristiques de l'échantillon (I), puis les comportements productifs des exploitations familiales agricoles (II).

I. Les caractéristiques de l'échantillon

L'analyse des caractéristiques de l'échantillon passe par une détermination de l'échantillonnage (A) suivie d'une présentation des variables (B).

A. Echantillonnage

L'échantillonnage concerne les critères de choix de la zone d'étude et des exploitations familiales agricoles enquêtées.

> Choix de la zone

L'échantillon est constitué d'exploitations familiales agricoles de la région du Sud Cameroun et précisément de l'arrondissement de Zoetelé. Ce choix se justifie par la présence dans cet arrondissement d'une structure d'encadrement, d'appui conseil et de financement des projets des exploitations familiales agricoles : Programme d'Amélioration de la Compétitivité des Exploitations Familiales Agropastorales (ACEFA)24. Ce Programme est placé sous la maîtrise d'ouvrage conjointe du ministère de l'agriculture et du développement rural (MINADER) et du ministère de l'élevage, des pèches et des industries animales (MINEPIA).

L'arrondissement de Zoetelé est une des unités administratives que compte le département du Dja et Lobo (département pilote du Programme ACEFA). Il est limité au sud

24Le Programme ACEFA a pour objectif la réduction de la pauvreté en milieu rurale et l'augmentation des revenus des exploitants familiaux. Il est présent dans cinq régions au Cameroun : la région du Sud, de l'Adamaoua, du Nord, du Sud Ouest et de l'ouest qui représentent la diversité agro écologique et sociale du pays. Dans chaque région le programme couvre un département pilote.

par l'arrondissement de Sangmélima, au sud ouest par l'arrondissement de Ngoulemakong, au nord par l'arrondissement d'Edom et au nord-ouest par le district de Nkolmete (arrondissement de Mbalmayo). Il s'étend sur une superficie estimée à 1064 km2 et sa population en 2004 est évaluée à 27047 habitants (Ella Ndekelo, 2004).

Zoetelé se situe à 115 km de Yaoundé la capitale politique du Cameroun et à 54 km de Sangmélima. Sa population est hétérogène et constituée de six grandes familles de l'ethnie Bulu à savoir les Mvog-Mezang, les Esse, les Yemfeck, les Mvog-Ella, les Mvog-Zang et les Mvog-Zomo.

L'arrondissement de Zoetelé est caractérisé par l'importance de la forêt équatoriale qui recouvre la totalité de son territoire.

Le climat est équatorial de type guinéen, marqué par deux saisons humides distinctes qui coïncident avec les deux cycles culturaux25 dans le calendrier agricole pour les cultures vivrières et une forte pluviométrie annuelle.

> Choix des exploitations famiiales agricoles

Au niveau des exploitations familiales agricoles les critères de choix sont fonction : - du système de culture pratiqué ;

- de l'insertion dans une organisation paysanne (ou un groupement d'initiative commune « GIC ») ;

- des caractéristiques structurelles : âge du chef d'exploitation, taille de l'exploitation ; niveau d'éducation...

A ces critères, s'ajoutent celui de l'accessibilité des villages en saison pluvieuse et la possibilité de transfert de la production vers les marchés. C'est pourquoi trois villages ont été choisis pour cette étude à savoir Ebamina, Nsimi et Otetek.

Ebamina est un village situé à 20 km de la ville de Zoetelé. Ce dernier est accessible en saison sèche mais en saison des pluies les voitures se font rares et le coût du transport augmente. Des Organisations Non Gouvernementales (ONG) et l'Etat (Programme ACEFA qui remplace progressivement le PNVRA) assurent l'encadrement et l'appui conseil aux exploitants.

25 Le premier débute en janvier et le second en juillet.

Nsimi, village situé à 9 km de la ville de Zoetelé est accessible en toutes les périodes de l'année. En termes de soutien aux agriculteurs, l'Etat (Programme ACEFA) assure l'appui conseil aux exploitants.

Le village d'Otetek situé à 2 km de la ville, des ONG encadrent des exploitants pour améliorer la production. Le village est accessible à toutes les périodes de l'année.

L'étude porte sur le système de culture à base d'arachide et de maïs car ce dernier est l'un des systèmes de culture les plus pratiqué par les EFA, étant donné la place importante de ces deux cultures dans l'alimentation des populations au sud Cameroun (Chéreau, 2008).

A l'issue de notre enquête, 62 exploitants ont été retenus et sont répartis de la manière suivante :

Figure 2.1 : Distribution des exploitations familiales agricoles enquêtées par village

Source : Auteur à partir des données d'enquête, 2010

Ainsi, l'échantillon est constitué de 19 EFA du village Nsimi, 22 EFA du village Ebamina et 21 EFA du village Otetek.

Remarque : Le choix de la taille a été dicté par l'atteinte d'un seuil statistiquement intéressant pour l'interprétation des résultats et les limites matérielles, financières et logistiques.

B. Présentation des variables

Elles concernent principalement les facteurs de production travail, terre et capital. > Le facteur travail

Le facteur travail sera pris en compte grâce au volume de main d'oeuvre en utilisant les pondérations de la FAO qui sont présentées dans le tableau 2.1 ci-dessous. Le travail s'exprime en homme/jour. Cette unité, mesurée pour chaque opération de l'itinéraire technique, correspond au travail d'un actif agricole pendant une journée.

Tableau 2.1 : Présentation de la pondération du travail agricole selon le FAO.

Type de personne Coefficient de pondération

Enfants de moins de 15 ans et personnes de plus de 55 ans 0 ,5

Femme dont l'âge est compris entre 15 et 55 ans 0,75

Hommes dont l'âge est compris entre 15 et 55 ans 1

Source : Auteur à partir des informations du FAO cité par Nyemeck (2004)

En règle générale, dans la zone d'étude, un agriculteur travaille 6 jours par semaine, le dimanche étant consacré aux repos et service religieux. La journée standard de travail ne dépasse généralement pas 6 heures par jour de travaux de force (abattage, défriche, semis, etc.). Le reste du temps est consacré aux déplacements, pose et relevé des pièges ou ramassage du bois.

> Facteur terre

Le facteur terre est pris en compte à partir de la superficie de production, qui correspond à la superficie mise en valeur par l'exploitant. Son unité de mesure est l'hectare.

> Le facteur capital

Le facteur capital intègre à la fois une composante fixe (valeur totale du matériel utilisé) et une composante variable (valeur des intrants consommés).

Dans le cadre de cette étude le capital fixe est évalué en tenant compte de la durée de vie du matériel, du prix et du nombre d'unité de ce dernier. Ainsi, le taux d'amortissement retenu sera une fonction inverse de la durée de vie moyenne (en année) du matériel en se basant sur les déclarations des enquêtés. Tandis que le matériel est valorisé au prix du marché le plus proche.

Amortissement/an = taux d'amortissement×prix unitaire× nombre de pieces

Tableau 2.2 : Valorisation du matériel agricole

Equipement

Durée de vie
moyenne (en année)

Taux
d'amortissement

Coût unitaire (en
FCFA)

Amortissement par an
(en FCFA)

Machette

1

1

2000

2000

Houe

1

1

1000

1000

Lime

1

1

1000

1000

Daba

2

0,5

3000

1500

Râteau

1

1

1500

1500

Hache

3

0,3

5000

1500

Panier

0 ,5

2

800

1600

Plantoir

3

0,3

2500

750

Source : Auteur à partir des données d'enquête, 2010

En ce qui concerne le capital variable, les exploitants de l'échantillon n'utilisent pas d'engrais, de pesticides et de fongicides pour le système de culture retenu. C'est pour cette raison que nous nous limiterons au coût des semences (Tableau 2.3).

Tableau 2.3 : Coût des semences

Dénomination

Coût unitaire (en FCFA)

Semence améliorée de maïs

600 FCFA/ Kg

Semence traditionnelle de maïs

200 FCFA/Kg

Semence d'arachide

625 FCFA/ Kg

Source : Auteur à partir des données d'enquête, 2010

A la suite de cette présentation des variables, les comportements productifs des exploitations

familiales agricoles de l'échantillon serons analysés.

II. Analyse des comportements productifs des exploitations familiales agricoles

Il sera question dans cette sous-section d'une analyse descriptive des données susceptibles d'avoir plus ou moins un impact sur la productivité des exploitations familiales agricoles. L'analyse portera sur la description des caractéristiques sociodémographiques des chefs d'exploitations (A) puis sur une présentation du circuit de production (B).

A. Caractéristiques sociodémographiques du chef d'exploitation

Par caractéristiques sociodémographiques du chef de l'EFA nous entendons : la répartition des chefs d'exploitations par genre, par tranche d'âge et par niveau d'instruction.

> La répartition des chefs d'exploitations par genre

La structure de l'échantillon par genre (Figure 2.2) montre que 80,65% des enquêtés sont des femmes tandis que 19,35% sont des hommes.

Figure 2.2 : Répartition des chefs d'exploitation échantillonnés par genre

Source : Auteur à partir des données d'enquête, 2010

Cette répartition laisse croire que l'activité agricole est essentiellement féminine dans le secteur vivrier dans la zone d'étude et la femme garde son statut de pilier de la sécurité alimentaire au niveau local. Elle est l'actrice principale de la production et de la commercialisation des produits vivriers dans la zone agro-écologique des forets tropicales (MINADER, 2005).

> Répartition des chefs d'exploitations par tranche d'âge

Tableau 2.4 : Répartition des chefs d'EFA de l'échantillon par tranche d'âge et par village

 

Classe d'âges

[17- 30ans]

[31- 45ans]

[46-60ans]

[61- 75ans]

Villages

Ebamina

9,09%

22,73%

54,55%

13,64%

Nsimi

10,53%

21,05%

57,89%

10,53%

Otetek

23,81%

38,10%

28,57%

9,52%

Echantillon

14,52%

27,42%

46,77%

11,29%

Source : Auteur à partir des données d'enquête, 2010

De manière globale, la distribution des chefs d'exploitations montre que la tranche d'âge de 46 à 60 ans est la plus représentée dans le village Otetek, ensuite c'est la classe des 31 et 45 ans. Les plus âgés (61-75ans) et les moins âgés (17-30ans) constituent les tranches les moins représentées dans l'échantillon (Tableau 2.4). Cette situation s'explique dans un premier temps l'exode rural pour les plus jeunes et la force de travail pour les plus âgés.

> Représentation des chefs d'exploitations selon le niveau d'instruction

La grande majorité des chefs d'exploitations ont le niveau primaire ou secondaire (Tableau 2.5). Ces deux niveaux réunis représentent 98,39% de l'échantillon et un seul chef d'exploitation dans l'échantillon a effectué des études supérieures. En effet, la plupart des exploitants ont fréquenté des écoles à proximité de leur village où il n'y a pas de formation supérieure.

L'impact de ce facteur, sera étudié dans l'analyse des déterminants de l'efficacité. Tableau 2.5 : Répartition des chefs d'exploitations échantillonnés par niveau d'étude

 

niveau d'instruction du chef de l'EFA

Primaire

Secondaire

Supérieur

Ebamina

68,18%

27,27%

4,55%

Nsimi

31,58%

68,42%

0,00%

Otetek

33,33%

66,67%

0,00%

Echantillon

45,16%

53,23%

1,61%

Source : Auteur à partir des données d'enquête, 2010

3

B. Présentation du circuit de production

Le circuit de production intègre : les objectifs de production et la structure de la clientèle.

> Destination de la production

Dans cet échantillon, on remarque que la destination de la production présente deux modalités à savoir :

-l'autoconsommation,

-la vente et l'autoconsommation.

La majorité des chefs d'exploitations produit principalement pour l'autoconsommation (54,84%) tandis que 45,16% d'entre eux produisent pour vendre et consommer comme le montre la Figure 2.3 ci-dessous.

Figure 2.3: Destination de la production

Source : Auteur à partir des données d'enquête, 2010

Toutefois, on observe certaines spécificités dans le cas du village Ebamina. Ainsi, la production est destinée majoritairement dans ce village à la vente et l'autoconsommation (59,10%). Tandis que dans les deux autres villages, la principale destination de la production est l'autoconsommation. Cette spécificité du village Ebamina peut être expliquée par la présence d'un marché périodique, qui se tient une fois par semaine et qui regroupe presque tous les exploitants dans un rayon d'environ 7 km.

> Structure de la clientèle

En ce qui concerne la commercialisation des produits, la principale clientèle qui s'adresse aux exploitants est constituée des revendeurs (Figure 2.4).

Ces derniers peuvent être des exploitants qui exercent la revente comme activité secondaire ou des revendeurs qui viennent de la ville pour s'approvisionner à moindre coût au marché périodique.

Figure 2.4 : Structure de la clientèle (en %)

Source : Auteur à partir des données d'enquête, 2010

Les caractéristiques de l'échantillon et la description du comportement productif des EFA ont été analysés mais qu'en est-il de la productivité des facteurs de production ?

Section 2 : Structure économique et typologie des EFA

L'analyse de la productivité des facteurs de production se fera dans cette section à travers la structure économique des exploitations familiales agricoles (I) suivie d'une typologie de ces dernières en fonction de leurs productivités (II).

I. Structure économique des exploitations famiiales agricoles

La structure économique des exploitations familiales agricoles est présentée en tenant compte dans un premier temps de la structure de la production (A) puis de la productivité des exploitations familiales agricoles (B) dans un second temps.

A. Analyse de la production

> Structure des facteurs de production

L'utilisation moyenne de la main d'oeuvre par les EFA dans l'échantillon est de 115,60 h/j26. Cependant on note des différences entre les sous-échantillons. C'est pourquoi, l'utilisation moyenne de la main d'oeuvre dans les différents villages se situe entre 121,54 h/j et 102,07 h/j (tableau 2.6).

Tableau 2.6 : Structure de la main d'oeuvre

Volume moyen de

main d'oeuvre (h/j)

Echantillon

Ebamina

Nsimi

Otetek

115,60

123,38

121,54

102,07

Minimum

20,50

20,50

23,75

28,00

Maximum

363,00

357,00

363,00

248,25

Ecart-type

77,76

86,15

91,57

53,04

Source : Auteur à partir des données d'enquête, 2010

On note également une grande disparité entre les EFA et la plus faible disparité se retrouve dans le village Otetek (écart type=53,04). Ce qui montre que c'est dans ce village que les EFA utilisent le moins la main d'oeuvre.

Quant au facteur capital, sa moyenne par EFA est de 36057,22 FCFA dans l'échantillon (Tableau 2.7). Cette moyenne relativement faible du capital peut s'expliquer par la nature du matériel utilisé qui est majoritairement traditionnel et rudimentaire.

Tableau 2.7 : Structure du capital

Valeur moyenne du

capital (en FCFA)

Echantillon

Ebamina

Nsimi

Otetek

36057,22

36404,55

40892,11

31318.93

Minimum

12800

13000

12800

13375

Maximum

118000

118000

116200

68100

Ecart-type

21852,90

23469.97

25822,57

15234.98

Source : Auteur à partir des données d'enquête, 2010

La taille moyenne des exploitations est évaluée à 0,72 hectare dans l'échantillon. Le Tableau 2.8 confirme une des caractéristiques des exploitations familiales agricoles qui exploitent de faibles surfaces de production (PCP/GSC, 2004). Cette faible superficie est due

26 Le calcul de la quantité de main d'oeuvre utilisée s'est fait en tenant compte du nombre de personnes ayant participé à chacune des étapes de l'itinéraire technique, pondéré par les coefficients de la FAO.

à la nature de la main d'oeuvre utilisée qui est généralement de nature familiale et au genre des chefs d'exploitations (majoritairement des femmes).

Tableau 2.8 : Structure de la superficie

Superficie moyenne

(en ha)

Echantillon

Ebamina

Nsimi

Otetek

0,72

0,80

0,71

0,65

Minimum

0,15

0,25

0,15

0,25

Maximum

2,30

2,30

1,50

1,5

Ecart-type

0,46

0,57

0,41

0,37

Source : Auteur à partir des données d'enquête, 2010 > Structure de la production

Les productions d'arachide et de maïs ont été évaluées en unité locale par les agriculteurs. La conversion en kg s'est faite en tenant compte des normes du Programme National de Vulgarisation de la Recherche Agricole (PNVRA) pour la région du sud Cameroun en 2008 que voici :

1 sac de maïs égrainé (en unité locale) = 75 kg 1 sac d'arachide (en unité locale) = 40 kg

En moyenne, la production d'arachide d'une EFA dans l'échantillon est de 172,34 kg pour la dernière campagne agricole, soit une production moyenne de 239,36 kg/ha. Toutefois, on note une grande disparité entre les EFA à l'intérieur de l'échantillon, à l'intérieur des villages tout comme d'un village à un autre.

Tableau 2.9 : Description statistique de la production des EFA (en kg)

 
 

Moyenne

Minimum

Maximum

Ecart-type

Echantillon

Production d'arachide

172,34

20,00

880,00

135,374

Production de maïs

81,01

7,50

1000,00

140,12

Ebamina

Production d'arachide

178,18

60,00

520,00

103,26

Production de maïs

109,00

7,50

1000,00

212,93

Nsimi

Production d'arachide

215,26

40,00

880,00

190,86

Production de maïs

80,66

7,50

300,00

81.61

Otetek

Production d'arachide

127,38

20,00

400,00

89,46

Production de maïs

52,02

7,50

225,00

67,37

Source : Auteur à partir des données d'enquête, 2010

On observe la plus grande disparité entre les EFA dans le village de Nsimi (écart type=190,86), parce que c'est dans ce village qu'on a trouvé la production moyenne la plus élevée qui est de 215,26 kg (soit 303,18 kg/ha) lors de la dernière campagne agricole (Tableau 2.9).

Par ailleurs, une analyse plus détaillée de la production d'arachide (Figure 2.5) montre que dans cet échantillon la majorité des EFA (70,97%) ont une production de moins de 200 kg d'arachide. L'une des principales explications est la destination de la production qui est

majoritairement l'autoconsommation.

Figure 2.5 : Production d'arachide des EFA

Source : Auteur à partir des données d'enquête, 2010

La production moyenne de maïs est de 81,01kg pour la dernière champagne agricole (soit 112,51 kg/ha) avec une grande disparité entre les EFA de l'échantillon, et particulièrement dans le village Ebamina (écart type=212,93). C'est dans ce dernier que la production moyenne de maïs est la plus élevée (Tableau 2.9). La présence d'un marché périodique ; l'encadrement et l'appui conseil reçu par les EFA dans ce village sont à l'origine de ce résultat.

Toutefois, l'analyse de la production de maïs montre que la majorité des EFA (79,03%) ont une production de moins de 100 kg (Figure 2.6). Ce constat est le même à l'intérieur de l'échantillon et peut également s'expliquer par la destination de la production.

Source : Auteur à partir des données d'enquête, 2010

B. Analyse de la productivité partielle des exploitations familiales agricoles

La mesure de la productivité pour ce système de cultures associées fait face à un problème majeur : l'harmonisation de la mesure de la production. Pour y faire face, on tient compte de la production totale en unité monétaire, qui est la somme de la production d'arachide et de la production de maïs (valorisée aux prix du marché, tableau 2.10).

Par ailleurs, ce choix se justifie par le fait qu'il n'est pas possible dans cette association de cultures d'attribuer la part utilisée de chaque facteur à la production d'un seul produit. Il est donc question dans ce travail de la productivité en valeur et non de la productivité physique.

Les prix des productions d'arachide et de maïs sont présentés dans le tableau suivant : Tableau 2.10 : Valorisation de la production agricole

 

Arachide

Maïs

Prix du kg (en FCFA)

625

400

Ainsi, a valeur myenne de la product

Source : Construction de l'auteur

La productivité d'un facteur qui est la contribution de ce facteur à la production représente le rapport entre la production totale (en valeur) et la quantité du facteur utilisé dans l'EFA (tableau 2.11).

Tableau 2.11 : Productivité partielle des facteurs terre, travail et capital

Productivités partielles moyennes

Echantillon

Ebamina

Nsimi

Otetek

Terre (FCFA par hectares)

194606,25

193703,13

234931,69

154493,08

Travail (FCFA par homme/jour)

1212,08

1255,98

1372,40

983,84

Capital (FCFA par unité de capital)

3,88

4,26

4,08

3,21

Source : Auteur à partir des données d'enquête, 2010

L'analyse de ce tableau montre que, pour avoir une production totale en valeur de 194606,25 FCFA il faut en moyenne un hectare de terrain. Dans le même ordre d'idées, un homme/jour produit en moyenne 1212,08 FCFA, de même une unité de capital produit en moyenne 3,88 FCFA.

Le facteur capital a une productivité relativement faible dans l'échantillon (moyenne=3,88 FCFA par unité de capital).

Il ressort de l'analyse de l'équipement agricole que possèdent les EFA (Figure 2.7) que : la machette, la houe, la lime et le panier sont les plus utilisés par les exploitants. Toutefois, pour ce qui concerne les autres équipements, les exploitants préfèrent, en cas de nécessité, les emprunter chez le voisin à l'exemple de la hache.

La terre est le facteur le plus productif pour les EFA de l'échantillon. En effet, une analyse de la productivité de la terre montre que 37,10% des EFA ont une productivité comprise entre]100 000-200 000] FCFA par hectare. Ce constat est le même à l'intérieur de l'échantillon. Néanmoins pour le village Ebamina, 36,36% des EFA ont une productivité de la

terre de]100 000-200 000] FCFA par hectare et 36,36% des EFA ont également une productivité de la terre de plus de 300 000 FCFA par hectare (Figure 2.8).

Figure 2.8 : Productivité de la terre

Source : Auteur à partir des données d'enquête, 2010

La forte productivité de la terre s'explique par la disponibilité de ce facteur. La majorité des EFA de l'échantillon ont acquis leur terre par héritage et une très faible proportion ont reçu gratuitement des terres des membres du village. Malgré l'importance de ce facteur, il est donc obtenu gratuitement (sans prix).

En ce qui concerne le facteur travail 41,94% des EFA ont une productivité du travail de moins de 1000 FCFA par h/j et 35,48% ont une productivité du travail comprise entre]1000- 2000] FCFA par h/j. Ainsi, la majorité des EFA (77,42%) ont une productivité du travail inferieur à 2000 FCFA par h/j dans l'échantillon et même d'un village à un autre (Figure 2.9).

Cette faiblesse relative de la productivité du travail peut s'expliquer par l'utilisation majoritaire de la main d'oeuvre familiale qui peut être moins productive que la main d'oeuvre salariale (Mahesh, 2000). En effet, la main d'oeuvre salariale est contrainte par l'atteinte d'un résultat qui doit être satisfaisant tandis qu'il n'y a aucune contrainte et incitation sur la main d'oeuvre familiale.

Toutefois, l'analyse des productivités partielles des facteurs de production ne permet qu'une interprétation limitée de la performance productive des EFA pratiquant le système de culture à base d'arachide et de maïs de la localité de Zoetelé au sud Cameroun.

Figure 2.9 : Structure de la productivité du travail

Source : Auteur à partir des données d'enquête, 2010

En effet, les Exploitations utilisent en même temps tous les facteurs, et les productivités partielles ne permettent pas de rendre compte des substitutions possibles qui ont lieu entre ces facteurs.

L'étude de l'efficacité technique permet d'y remédier. Avant d'analyser l'efficacité des EFA nous nous proposons de faire la typologie à partir de leurs indices des productivités partielles.

II. Typologie des exploitations familiales agricoles à partir des indices de productivité partielle

La typologie vise à classer les exploitations agricoles d'une même région en un nombre limité de catégories relativement homogènes et contrastées, à expliquer leurs différences, de façon à ce que les interventions destinées aux exploitations d'un même type puissent être similaires entre elles et différentes de celles conçues pour les autres (Bergeret et Dufumier, 2002b).

Ainsi, la typologie des EFA de l'échantillon se fera grâce à deux méthodes d'analyse des données : l'Analyse des Correspondances Multiples (ACM) et la Classification Ascendante Hiérarchique (CAH) qui seront présentées dans l'encadré 1 de l'annexe 2.

Une présentation des variables d'intérêts (A) précédera l'analyse des résultats (B) obtenus par l'entremise de ces deux méthodes.

A. Présentation des variables

Pour comparer les EFA entre elles, il est certes possible de prendre en compte toutes les variables disponibles. Cependant, pour faciliter l'interprétation des proximités entre les EFA, un groupe de variables est sélectionné. Ce groupe est homogène et cohérent par rapport à l'objectif de l'étude.

Les variables choisies portent le nom de variables actives et constituent donc les seuls éléments utilisés pour comparer les EFA entre elles.

Le reste de l'information n'est cependant pas abandonné, il sert à illustrer ou à suggérer des explications pour les similitudes et les différences observées entre les EFA. C'est pour cette raison qu'on qualifie les autres variables de variables illustratives ou variables supplémentaires.

> Les variables actives

Il s'agira des variables relatives à la localisation, à la destination de la production, aux activités secondaires, au financement, à l'appartenance à une organisation paysanne, à l'accès aux conseils, à l'encadrement et des variables qui concernent les productivités partielles des facteurs. C'est un ensemble de 9 variables nominales ; comptant au total 25 modalités.

Localisation : village dans lequel se trouve l'exploitation. Cette variable présente 3 modalités : Ebamina, Nsimi et Otetek.

Destination de la production : variable qui permet de savoir si l'exploitant produit pour l'autoconsommation uniquement ou pour la vente et l'autoconsommation.

Superficie cultivée : superficie mise en culture par l'exploitant (exprimée en ha). Financement : permet de savoir si l'exploitant a reçu un financement extérieur.

Appartenance à une organisation paysanne : variable permettant de savoir si le chef d'exploitation appartient au moins à une organisation paysanne.

Conseil : permet de savoir si l'exploitant bénéficie d'un appui conseil quelconque. Encadrement : permet de savoir si l'exploitant bénéficie d'un encadrement quelconque. Productivité de la terre : variable permettant de prendre en compte la productivité de la terre.

Productivité du travail : variable permettant de prendre en compte la productivité du travail. > Les variables illustratives (tableau 2.12)

Les variables illustratives sont généralement de deux types : les variables nominales, et les variables continues. Pour cette analyse (ACM), nous allons nous limiter aux variables nominales car c'est une analyse qui prend en compte uniquement des variables qualitatives.

Tableau 2.12: Présentation des variables nominales illustratives

Variable

Description

Modalités

Sexe

Sexe du chef de l'exploitation

1 = Masculin et 0 = Féminin

Niveau d'instruction

Le niveau d'étude du chef de l'exploitation

1=Primaire ; 2=secondaire et 3=Universitaire

Main d'oeuvre salariale

L'utilisation d'une main d'oeuvre salariale dans

l'exploitation

1 = Oui et 0 = Non

Statut matrimoniale

Le statut matrimonial du chef de l'exploitation

1=Célibataire ; 2=Marié(e) et 3=Veuf ou Veuve

Age

Age du chef de l'EFA (en année)

1=] 17-30] ; 2= [31-45] 3= [46-60] et 4= [61-75[

Expérience

Expérience dans l'agriculture de chef de l'EFA

1=Moins de 20 ans ; 2= [21-40] et 3=Plus de 40 ans

Activités secondaires

L'exploitant(e) exerce t-il d'autres activités non

agricole

1 = oui et 0 = non

Actif agricole

Nombre d'actif agricole présent dans le ménage du chef de l'EFA

1=Moins de 5 actifs ; 2=] 5-10] et 3= Plus de 10 actifs

Production arachide

Production d'arachide du chef de l'EFA au cours de la dernière campagne agricole

1=Moins de 200 kg ; 2=] 200-400] 3=] 400-600] et 4=Plus de 600 kg

Production maïs

Production de maïs du chef de l'EFA au cours de la dernière campagne agricole

1=Moins de 100 kg, 2=] 100-200] 3=] 200-300] et 4=Plus de 300 kg

Source : construction de l'auteur

B. Présentation des résultats de la typologie

Généralement, on distingue les typologies structurelles (basées essentiellement sur la nature, les modalités d'organisation et de combinaison des moyens de production) des typologies fonctionnelles (qui s'attachent plus à l'analyse des processus techniques de production) comme le note Jouve (1986).

Dans ce travail, la typologie dont les résultats sont discutés est de type structurel.

> Résultat de l'ACM

A la suite de l'analyse de l'histogramme des valeurs propres (tableau A2.1), il convient de retenir les trois premiers axes factoriels. En effet, le pourcentage d'inertie cumulé de ces axes est de 38,32 % ; ce qui en analyse de correspondances multiple est largement suffisant pour le choix des axes : l'intervalle empirique se situant entre 20% et 30 %.

Les modalités qui contribuent à la formation des axes factoriels sont celles qui sont les mieux représentés (tableau A2.2). De ce fait on peut dire que :

· Le premier axe factoriel serait composé des EFA ayant une productivité du travail de plus de 3000 FCFA par h/j, une productivité de la terre de plus de 300000 FCFA/ha et qui auraient reçu de l'appui conseil.

· Le second axe factoriel concernerait quant à lui des EFA utilisant une surface en culture de moins de 1ha, ayant une productivité du travail comprise entre 2000-3000 FCFA par h/j et appartenant ou non à une organisation paysanne.

· Enfin, le troisième axe factoriel serait composé des EFA utilisant une surface en culture de plus de 1,5ha, ayant une productivité de la terre comprise entre 200000- 300000 FCFA/ha, une productivité du travail comprise entre 1000-2000 FCFA par h/j et qui se trouveraient dans le village Nsimi ou Ebamina.

Toutefois à l'observation de la carte des variable-modalité (Figure A2.2), nous ne pouvons déceler un regroupement objectif des individus en fonction des modalités des variables retenues. Il nous semble donc judicieux d'opérer une classification notamment une classification ascendante hiérarchique pour mieux distinguer les différents regroupements possibles.

> Résultat de la CAH (Tableau A2.4)

Deux classifications sont suggérées : la première en six classes et la seconde en dix classes. Au regard de la taille de l'échantillon et du nombre de modalités retenues nous optons pour un regroupement en six classes. Ainsi, nous avons :

Classe 1 :

La première classe est composée majoritairement des exploitations familiales agricoles cultivant une surface comprise entre 0,5-1 ha. La destination principale de la production est

l'autoconsommation. La moitié des EFA de cette classe ont une productivité du travail comprise entre 2000-3000 FCFA par h/j tandis que 42,86% ont une productivité de la terre comprise dans l'intervalle ] 200000-300000] FCFA/ha et elle compte 14 EFA.

Classe 2 :

La classe propre aux exploitations familiales agricoles qui ont une productivité de la terre de moins de 100000 FCFA/ha et qui cultivent des surfaces agricoles comprise entre 1- 1,5 ha (soit 75% des EFA de l'échantillon cultivant des surfaces dans cet intervalle). Elle compte trois EFA.

Classe 3 :

C'est la classe qui compte le maximum d'EFA (27), elle est propre aux exploitations familiales agricoles n'ayant pas accès aux conseils. La grande majorité des EFA n'appartiennent pas aux organisations paysannes (92,59%). En termes de productivité, un peu plus de la moitié des EFA ont une productivité de la terre comprise entre 100000-200000 FCAF/ha et une productivité du travail de moins de 1000 FCFA par h/j. Les exploitations sont en majorité de très petites tailles (moins de 0,5ha).

Classe 4 :

La quatrième classe est caractérisée fondamentalement par une surface cultivée de plus de 1,5ha. Ces exploitations sont considérées dans l'échantillon comme les plus grandes et cette classe compte la totalité des EFA de l'échantillon qui vérifient cette modalité. Elle est composée de 3 EFA.

Classe 5 :

La cinquième classe est fondamentalement propre aux EFA ayant de fortes productivités du travail et de la terre. Précisément, elle se caractérise par une productivité du travail supérieure à 3000 FCFA par h/j et une productivité de la terre de plus de 300000 FCFA/ha. Elle a un effectif de 4 EFA.

Classe 6 :

La dernière classe, est propre aux EFA appartenant aux organisations paysannes, ayant majoritairement une productivité du travail comprise entre 1000-2000 FCFA par h/j (90,91%) et accès aux conseils (72,73%). Elle compte 11 EFA.

La typologie des exploitations familiales agricoles de l'échantillon ainsi présentée laisse croire à l'existence de deux relations.

En effet, les classes 3 et 6 s'opposent et cela traduit l'existence d'une relation entre l'appartenance à une organisation paysanne et l'appui conseil.

Un test du khi-deux (tableau A2.5) confirme cette hypothèse car la significativité asymptotique (bilatérale) est inferieure à 5%. En effet, les politiques mises en place par le gouvernement (PNVRA et ACEFA) et les ONG aident les exploitants agricoles à travers leurs organisations. Notamment pour couvrir le maximum d'exploitants et pour réduire les coûts.

La seconde relation suggérée est celle entre la productivité de la terre et la superficie cultivée. En effet, une synthèse des résultats des classes 1, 2 et 3 laisse croire à l'existence d'une relation inverse entre la productivité de la terre et la superficie cultivée. C'est une relation faible car de coefficient entre ces deux variables est de -0.3880 (tableau A2.6).

Conclusion

L'objectif de ce chapitre était d'analyser empiriquement les productivités partielles des facteurs utilisés par les EFA. L'étude des productivités partielles des facteurs de production a montré que la productivité de la terre dans l'échantillon est de 194606,25 FCFA/ha, celle du travail de 1212,08 FCFA par h/j et celle du capital de 3,88 FCFA par unité de capital. Ainsi, la terre et le travail sont les facteurs les plus productifs par rapport au capital. En effet, le capital utilisé par les EFA échantillonnées est rudimentaire et traditionnelle, et aucune de celle-ci n'utilise d'intrant chimique. Pour étoffer cette analyse, une typologie des EFA à travers une analyse de correspondance multiple et une classification ascendante hiérarchique a été faite. Cette typologie a suggérée deux relations : la relation entre l'appartenance à une organisation paysanne et l'appui conseil ; la relation inverse entre les productivités de la terre et la superficie cultivée.

CONCLUSION DE LA PREMIERE PARTIE

La première partie de la recherche avait pour objectif d'analyser la productivité des exploitations familiales agricoles. Objectif qui a été atteint en deux temps.

Dans un premier temps un état des lieux a été fait sur le concept de productivité en économie. Ainsi, une revue de la littérature sur le concept de productivité à travers ses approches théoriques, son importance et les facteurs qui limitent celle-ci dans le domaine agricole a été faite.

L'argumentation s'est poursuivie par l'analyse empirique de la productivité des exploitations familiales agricoles. A la suite de la présentation de la méthode de collecte des données, des analyses descriptives des variables et le calcul des productivités partielles des EFA, une typologie a été faite en utilisant l'analyse des correspondances multiples et la classification ascendante hiérarchiques.

Les résultats de ces analyses ont révélé que le capital est le facteur le moins productif parmi les facteurs de production et ceci à cause de la nature de ce dernier qui est traditionnel. Ainsi, en moyenne, la productivité de la terre dans l'échantillon est de 194606,25 FCFA/ha ; celle du travail est de 1212,08 FCFA par h/j et celle du capital de 3,88 FCFA par unité de capital. Alors que la typologie a permis une classification des EFA échantillonnées en 6 classes.

La seconde partie de la recherche est consacrée à l'analyse de l'efficacité des exploitations familiales agricoles.

Deuxième Partie :

Analyse de l'efficacité des
exploitations familiales agricoles

INTRODUCTION DE LA DEUXIEME PARTIE

L'analyse de la productivité partielle des facteurs de production faite en première partie prend en compte la contribution d'un facteur à la production. Cependant, cette analyse néglige les interactions entre les facteurs de production et l'analyse de l'efficacité permet de surmonter cette limite.

C'est pourquoi, l'efficacité des ressources permet d'identifier les possibilités d'accroissement de la production sans ressources financières supplémentaires, elle est source d'accroissement de la productivité.

L'objectif de cette partie est d'analyser l'efficacité des exploitations familiales agricoles. Pour ce faire, les concepts théoriques portant sur l'efficacité et sa mesure seront analysés d'une part (chapitre 3), puis une estimation de l'efficacité technique des EFA échantillonnées et les déterminants de celle-ci sera faite d'autre part (chapitre 4).

CHAPITRE 3 L'EFFICACITE DANS LA THEORIE ECONOMIQUE

Introduction :

Toute activité de production met en jeu des inputs qui constituent des ressources productives à transformer ou à utiliser et des outputs qui sont les résultats de production. La mesure des performances et l'évaluation des types d'allocation des ressources à la production se fait grâce à l'étude du lien entre les inputs et les outputs. Ainsi, les économistes ont recours à la notion d'efficacité pour tenir compte d'une part du critère de maximalité du produit et de la possibilité d'une utilisation minimale des moyens de production d'autre part. Dans cette mesure, une Exploitation Familiale Agricole est dite efficace si, à partir du panier d'inputs qu'elle détient, elle produit le maximum d'outputs possible ou si, pour produire une quantité donnée d'outputs, elle utilise les plus petites quantités possibles d'inputs.

Dans ce chapitre, le concept d'efficacité dans la théorie économique sera présenté, à partir d'une analyse théorique de l'efficacité et de ses déterminants potentiels (section 1), et d'une analyse des méthodes d'estimation de l'efficacité (section 2).

Section 1 : L'efficacité et ses déterminants

Dans le domaine de l'agriculture, les inefficacités proviennent de plusieurs raisons parmi lesquelles : le manque de formation du chef d'exploitation, la taille de l'exploitation, l'accès aux crédits, l'individualisme des exploitants (Nuama, 2006)... Pour mieux comprendre les facteurs qui influencent l'efficacité (II), on se propose d'étudier la notion d'efficacité au préalable (I).

I. La notion d'efficacité

A la notion d'efficacité est rattachée différents concepts en économie (B), de même elle est une notion qui repose sur plusieurs fondements théoriques (A).

A. Fondements de l'efficacité

La théorie néo-classique présente l'économie comme un régime de concurrence, le jeu des entrées et des sorties du marché porte en lui les mécanismes de rétablissement de la compétitivité des entreprises. Condamnées en effet à réussir sur le champ de bataille de la concurrence au risque de perdre des parts de marchés ou de sortir entièrement du marché au profit des autres, les entreprises veillent à une allocation optimale de leurs ressources et sur une utilisation efficace des facteurs de production (Nodjitidjé, 2009). Ainsi, les entreprises qui tiennent sur le marché sont celles qui combinent au mieux les facteurs de production. Cette philosophie peut trouver ses origines dans la théorie de la « main invisible » d'Adam Smith (1776). Pour cet auteur, le marché porte les germes de l'efficacité productive ; donc à priori, il n'est pas opportun pour une entreprise de surmonter ses défaillances. Cependant, cette théorie qui se veut universelle a fait l'objet de nombreuses critiques.

En effet dans la pratique, les marchés sont en concurrence imparfaite, et les risques
d'inefficacité permanente ne sont pas exclus. Ainsi, Hirshman (1992)27 écrivait qu'aucun

27 Voir Nodjitidjé (2009).

système économique ne peut garantir que les entreprises (ou les EFA) agiront toujours de façon à avoir une conduite efficace et respectueuse des comportements qu'on attend d'elles.

Les études empiriques ont dans cette mesure, jusqu'au début des années cinquante, écarté de manière implicite la possibilité que les entreprises puissent exploiter leurs ressources d'une manière inefficace. Cette omission du traitement de l'efficacité a caractérisé les travaux de plusieurs économistes [Carlson (1939), Hicks (1946) et Samuelson (1947)]28.

L'intérêt des chercheurs pour étudier les impératifs d'une utilisation efficace des nouvelles technologies de production à été stimulé par l'engouement pour l'innovation technologique au cours des années 60. La notion d'efficacité prenait une place de plus en plus importante dans les débats et les recherches scientifiques ; et cela dans tous les secteurs de l'économie. Plusieurs approches et méthodes d'évaluation et de mesure de l'efficacité ont été développées et utilisées dans des études empiriques, et ce pour plusieurs secteurs d'activités (Amara et Romain, 2000).

Koopmans (1951) et Debreu (1951) sont les premiers à travailler sur le concept d'efficacité. Koopmans proposa une mesure du concept d'efficacité et Debreu la mesura empiriquement. Debreu (1951) propose le coefficient d'utilisation des ressources, qui donne une évaluation numérique de la perte associée à une situation non optimale.

Une primeur revient également à Farrell (1957), celle d'avoir défini clairement le concept d'efficacité économique et distinguer les concepts d'efficacité technique et d'efficacité allocative. C'est également lui qui proposa une approche pour l'estimation des frontières d'efficacité, partant de l'idée que les informations disponibles sur une activité donnée devaient permettre l'estimation du « best practice envelope », pour cette activité.

Le terme efficacité englobe certaines notions de la théorie microéconomique que sont : la fonction de production, les coûts, le profit et le prix. Ainsi, l'efficacité en agriculture peut être définie comme le degré auquel les producteurs obtiennent le meilleur résultat avec les ressources disponibles et les technologies données. C'est dans ce sens que Piot-Lepetit et Rainelli, (1996) affirment que les écarts entre le niveau maximum de production que l'on puisse obtenir en intégrant toutes les contraintes auxquelles font face les producteurs et la réalité sont sensibles et montrent l'existence d'importantes marges de manoeuvre.

28 Voir Amara et al (2000)

La notion d'efficacité présente donc trois composantes que sont : l'efficacité technique, l'efficacité allocative et l'efficacité économique (Bravo-Ureta et al., 1997 ; Piot-Lepetit et Rainelli, 1996 ; Coelli et al., 1998).

B. L'efficacité : notion à plusieurs sens

L'efficacité a pour objet de juger de la capacité d'un système de production à produire « au mieux » par la mise en oeuvre de l'ensemble des moyens de production (Capital, foncier et travail) (Coelli et al., 1998). Ainsi, les différentes notions d'efficacité telles que perçues par les économistes vont être définies dans cette partie.

> La notion d'efficacité technique :

La production est une combinaison donnée d'intrants en vue de l'obtention d'un ou de plusieurs produits. Ainsi, le lien physique entre les quantités d'intrants et d'extrants définit l'efficacité technique de la production.

Pour Farrell (1957), l'efficacité technique, proche de l'esprit du coefficient d'utilisation des ressources de Debreu (1951), mesure la manière dont une firme (ici une EFA) choisit les quantités d'inputs qui entrent dans le processus de production quand les proportions d'utilisation des facteurs sont données.

Une exploitation est techniquement efficace si pour un niveau de facteurs et de produits utilisés, il est impossible d'augmenter la quantité d'un produit sans augmenter la quantité d'un ou de plusieurs facteurs ou sans réduire la quantité d'un autre produit. L'exploitant le plus efficace est donc celui qui, à niveau de production égal, utilise le moins d'intrants (Nuama, 2006). La mesure du degré d'efficacité technique d'une unité de production permet de cerner si cette dernière peut accroître sa production sans pour autant consommer plus de ressources, ou diminuer d'au moins un intrant tout en conservant le même niveau de production (Amara et Romain, 2000).

Une exploitation est techniquement efficace lorsqu'elle utilise les ressources dont elle dispose de façon optimale. Ces définitions sont similaires à beaucoup d'autres, ainsi on parle d'efficacité technique en terme d'habilité à obtenir un output donné avec un niveau d'inputs minimum.

Dans cette étude, l'efficacité technique sera évaluée par la comparaison des performances techniques actuelles aux performances optimales en se basant sur les dotations actuelles des producteurs en main d'oeuvre, terre et le capital.

> La notion d'efficacité allocative :

L'efficacité allocative ou « efficacité prix » évalue la façon dont la firme choisit les proportions des différents inputs par rapport aux prix du marché, supposé concurrentiel. Théoriquement, le processus de production est dit allocativement efficace si le taux marginal de substitution entre chaque paire de facteurs est égal à la proportion du prix de ces derniers (Albouchi et al., 2005). C'est la combinaison optimale, ou dans les meilleures proportions des ressources, étant donnés leurs prix relatifs (Amara et Romain, 2000).Une exploitation est donc déclarée allocativement efficace si, à un niveau de production donné, le coût des facteurs est minimum.

> La notion d'efficacité économique :

L'efficacité économique, connue également sous le nom « d'efficacité totale », est conjointement déterminée par l'efficacité technique et l'efficacité allocative. Elle correspond aux produits de ces deux types d'efficacité (Coelli et al., 1998). Une exploitation agricole est donc dite économiquement efficace si elle est à la fois techniquement efficace et alloue de manière efficace ses ressources productives. Elle a un comportement de maximisation de profit. En situation de concurrence, son profit est maximum lorsqu'elle égalise le coût marginal de production de chaque facteur de production à son prix sur le marché (Nuama, 2006).

La figure 3.1 ci-dessous, proposée par Farrell (1957) et reprise par Albouchi et al. (2005) présente une illustration des types d'efficacité. L'isoquant SS' représente la frontière de production. Elle délimite à sa droite, l'ensemble des combinaisons d'inputs techniquement faisables. Selon Farrell (1957), l'efficacité technique de l'exploitation au point P est donnée par le rapport OQ/OP. L'efficacité technique est donc comprise entre 0 et 1. Tous les points situés sur la frontière de production sont techniquement efficaces et ont une efficacité technique égale à 1. Théoriquement, pour être allocativement efficaces, les firmes doivent égaliser leur taux marginal de substitution technique entre les deux inputs avec le rapport des prix des inputs déterminés par le marché. La droite (AA') représente graphiquement ce rapport des prix. Le point Q correspond à la projection radiale de celui de P sur la frontière.

Ceci assure qu'il possède les mêmes proportions d'inputs que P. En effet, Farrell (1957) mesure géométriquement l'efficacité allocative par le rapport OR/OQ.

De même, l'efficacité allocative est comprise entre 0 et 1. Tous les points situés sur l'isocoût (AA') sont allocativement efficaces mais ne sont pas tous faisables. Selon Farrell (1957), l'efficacité économique correspond à l'efficacité technique et à l'efficacité allocative réunies. Elle est obtenue au point Q'.

L'efficacité économique au point P est égale au produit TE*AE = OQ/OP * OR/OQ = OR/OP. En conséquence, le point P n'est ni techniquement, ni allocativement efficace. Le point Q, bien qu'il soit techniquement efficace, est allocativement inefficace. Les points P et Q ont la même inefficacité allocative car ils utilisent leurs inputs dans les mêmes proportions. Le point E est allocativement efficace mais techniquement inefficace. Enfin, les points situés sur la droite OE sont tous allocativement efficaces, mais seul le point Q' est techniquement et économiquement efficace.

X1

O

A'

Figure 3.1 : Illustration des types d'efficacité

S

P

Q

A

R

Q'

S'

X2

X1 et X2

Représentent les

inputs

Source : Conçue sur la base de Albouchi et al (2005)

Dans le cadre de ce travail, on se limite au concept d'efficacité technique ; c'est d'ailleurs à ce dernier que nous ferons référence en parlant d'efficacité. En effet, la mesure de l'efficacité, dans la littérature économique, se limite généralement au calcul de l'efficacité technique (Nyemeck et al., 2004 ; Bravo-Ureta et al., 1993). Les différents types d'efficacité

ayant été définis, vient le moment de s'interroger sur les déterminants potentiels de celle-ci dans le cadre des exploitations familiales agricoles.

II. L'analyse des déterminants potentiels de l'efficacité

Pour analyser les déterminants potentiels de l'efficacité, nous partons de la théorie du capital humain (A). C'est la somme des précisions qu'émet cette théorie qui permet de pousser l'étude plus loin et appréhender d'autres facteurs clés de l'efficacité (B).

A. La théorie du capital humain

La théorie du capital humain est née du constat selon lequel les facteurs classiques de production (terre, capital, travail) n'expliquent qu'une partie de la croissance économique. Ainsi, une partie de la croissance économique est imputable au captal humain, défini comme un ensemble de compétences, de savoirs, de savoir-faire, acquis par un individu et qui augmentent sa capacité productive. Deux économistes américains : Théodore Schultz (1902- 1998) et Gary Becker (né en 1930) sont à l'origine de ce concept.

Théodore Schultz29, économiste du développement pense que la formation/éducation des individus permet de transformer un ouvrier en un travailleur efficace capable d'analyser une situation. Ainsi, la formation permet de réaliser des gains de productivité ; elle contribue à constituer et à accroître le capital humain. Par ailleurs, le concept de capital humain est largement diffusé et précisé par Gary Becker30. Ses travaux ont élargi le champ de l'analyse micro-économique à de nombreux comportements humain. Le capital humain est considéré comme un capital pouvant s'acquérir (par l'éducation), se préserver et se développer (par la formation continue) et donner des dividendes (sous forme d'une augmentation de la productivité du détenteur).

L'hypothèse fondamentale au coeur de cette théorie est que, l'éducation est un investissement
(privé ou social) qui accroît la productivité de ceux qui la reçoivent. La formation affecte

29 Lauréat du prix Nobel d'Économie en 1979, avec Arthur Lewis

30 Prix Nobel d'économie en 1992

donc positivement la productivité des individus en leur permettant d'accroître leurs connaissances et leurs compétences et donc leurs capacités à travailler (Abessolo, 2007). Elle donne également une meilleure adaptabilité face aux changements et permet de diminuer les risques d'obsolescence de la main d'oeuvre.

A partir de l'analyse du capital humain, de nombreuses études empiriques ont été consacrées à la relation entre l'éducation, l'efficacité et la productivité dans le secteur agricole. Une revue de littérature, relayée par la banque mondiale a crédité l'idée que l'éducation a un fort effet sur l'efficacité productive des agriculteurs (Lockheed, Jamison et Lau, 1980). Grâce à une méta-analyse sur les pays en voie de développement d'Asie et d'Amérique Latine, ces auteurs montrent qu'en moyenne, les agriculteurs ayant fréquenté pendant quatre années l'école primaire ont une productivité supérieure de 7,4% à celle de leurs homologues qui n'ont pas fréquenté l'école primaire. Par ailleurs, l'environnement économique général, qu'il soit ou non en cours de modernisation (technologies en voie d'évolution, marchés en expansion, nouvelles cultures en cours d'introduction) affecte ce lien entre éducation des agriculteurs et productivité. C'est pourquoi parlant de productivité, l'avantage des agriculteurs éduqués est de 9,5% dans un environnement en cours de modernisation et seulement de 1,3% dans un environnement plus traditionnel.

D'autres études portant sur les déterminants de l'efficacité trouvent l'existence d'un lien positif entre l'éducation du chef de l'exploitation et l'efficacité : Ali et Flinn (1989) ; Coelli et Fleming (2004) en Papouasie et Nouvelle Guinée... L'un des arguments évoqués pour justifier ce lien positif entre l'éducation et l'efficacité est qu'un agriculteur éduqué a facilement la maîtrise des techniques modernes de production et l'opportunité d'avoir les informations nécessaires sur les prix de marché et d'acheter ses inputs à moindre prix.

Néanmoins, Gurgand (1993) met en évidence un paradoxe en ce qui concerne l'agriculture africaine. Il établit le fait que, en Afrique, plus il y a des membres scolarisés dans un groupe familial, plus la production agricole est faible. Un prolongement de ces études aboutit au constat selon lequel, l'effet de l'éducation sur la productivité des agriculteurs est plus important en Asie et en Amérique Latine qu'en Afrique (Phillips, 1994). Dans cet ordre d'idées, Hasnah et al. (2004), trouvent un impact significativement négatif de l'éducation du chef d'exploitation sur l'efficacité technique des exploitations agricoles à l'Ouest Sumatra Indonésie.

Il sied de préciser que les facteurs qui influencent l'efficacité ne sont pas uniquement fondés sur la théorie du capital humain ; il en existe d'autres non moins importants.

B. Les autres déterminants de l'efficacité

Dans la littérature économique, de nombreux auteurs ont montré que certains facteurs ont un impact sur le niveau d'efficacité. Le choix des déterminants de l'efficacité dépend de l'échelle d'analyse et de l'objectif de l'étude. Ainsi, on distingue les facteurs explicatifs du niveau d'efficacité des exploitations individuelles, des facteurs explicatifs à échelle plus grande (la région par exemple).

Lorsque l'étude porte sur une plus grande échelle, les variables utilisées sont des moyennes. Ainsi, les déterminants de l'efficacité dans ce cadre peuvent être les infrastructures (nombre ou longueur des pistes agricoles, distances à la route principale et aux grandes villes), la population rurale et urbaine (importance des agglomérations), le nombre de marchés, le degré d'intégration au marché, le nombre d'écoles, le nombre de centres de formation agricole... (Albouchi, 2005).

Le principal inconvénient de ces actions est que leurs effets ne sont pas ressentis immédiatement à l'échelle locale. Par exemple : l'impact de la création des écoles et des centres de formation à l'échelle régionale se manifeste après plusieurs générations.

Toutefois, au niveau des exploitations individuelles, les déterminants de l'efficacité peuvent être : la taille de l'exploitation, l'âge de l'exploitant, l'appartenance à un groupe d'intérêt économique, l'accès au crédit, l'éloignement du marché... (Nuama, 2006). Ces derniers s'avèrent plus intéressant pour la présente étude.

Dans la littérature économique, la relation entre la taille de l'exploitation et l'efficacité ne fait pas l'objet d'un consensus. Ainsi, certaines études montrent l'existence d'une relation positive entre la taille de l'exploitation et l'efficacité (Thiam et al., 2001 ; Nyemeck et al., 2004 ; Linh, 1994 ; Latruffe, 2005 ; Sizhong, 2006). D'autres par contre, démontrent l'existence d'une relation négative, traduisant le fait que les petites exploitations sont plus efficaces que les grandes (Chirwa, 1998).

En ce qui concerne l'âge de l'exploitant, la relation entre l'âge et le niveau d'efficacité peut être négative ou positive. Ainsi, les plus âgés peuvent être moins efficaces que les jeunes

producteurs dans la mesure où, les premiers n'ont pas assez de contact avec les services de vulgarisation et ils ne sont pas disposés à adopter les nouvelles technologies ; contrairement aux jeunes qui adoptent facilement les nouvelles technologies et recherchent les informations nécessaires (Coelli et Fleming, 2004).

L'appartenance à une organisation dont le capital social a un impact positif sur l'efficacité (Tchale, 2009 ; Audibert, 1997). L'organisation sociale accroît le potentiel productif de la société.

Le crédit quant à lui peut avoir une influence positive sur l'efficacité des exploitations, si les fonds obtenus par les paysans servent à l'achat d'intrants. Mais si ces fonds sont utilisés à d'autres fins, la relation entre le crédit et l'efficacité est négative (Nyemeck et al., 2004 ; Onwuchekwa, 2008 ; Albouchi et al., 2005).

Les méthodes pour isoler les causes de l'inefficacité se distinguent par le nombre d'étapes nécessaires à la recherche des déterminants de l'inefficacité. Ainsi, comme le note Borodak (2007), on distingue les méthodes à une, deux et quatre étapes. Les méthodes à une étape permettent de contrôler l'impact des variables d'environnement directement lors de l'estimation de l'efficacité des unités de production.

Les méthodes à deux étapes quant à elles, consistent d'abord à estimer les inefficacités, puis effectuer une régression des scores d'efficacité sur les variables déterminantes : la taille de l'exploitation, l'âge du chef de l'EFA, l'appartenance ou non à une organisation paysanne... La méthode à quatre étapes est le prolongement des méthodes à deux étapes. Elle permet de classer les producteurs selon leur efficacité technique pure en éliminant des calculs, l'impact des facteurs d'environnement.

Dans le cadre de cette étude, nous utiliserons une méthode à deux étapes, pour isoler l'effet des facteurs déterminants l'efficacité, car son principal avantage est qu'en cas d'erreur de spécification dans la deuxième étape, le biais affecte uniquement les coefficients estimés des déterminants et non les coefficients de la frontière. Par ailleurs, la plupart des études dans le secteur agricole utilisent celle-ci (Latruffe, 2005 ; Nuama, 2006). La régression effectuée lors de la deuxième étape suivra un modèle TOBIT pour tenir compte du caractère tronqué (entre 0 et 1) de la variable dépendante (efficacité).

A la suite de cette présentation succincte des déterminants potentiels de l'efficacité, intéressons-nous, un temps soit peu aux méthodes d'estimation de celle-ci en science sociale.

Section 2 : Les méthodes d'estimation de l'efficacité

Dans la littérature économique, les méthodes d'estimation de la frontière de production peuvent être classées selon la forme prévue de la frontière, selon la technique d'estimation utilisée pour l'obtenir, et selon la nature de l'écart entre la production observée et la production optimale (Albouchi et al., 2005). Par ailleurs on note qu'il est possible de synthétiser les différentes méthodes d'estimations de l'efficacité en deux approches : l'approche non paramétrique(I) et l'approche paramétrique(II). Ainsi, l'idée d'une comparaison peut aller sans dire.

I. L'approche non paramétrique

Les fondements de l'approche non paramétrique (A) précéderont une brève présentation de la méthode d'enveloppement des données (B).

A. Fondement de l'approche non paramétrique

L'approche non paramétrique à été introduite par Farrell en 1957. C'est une approche de type déterministe qui n'impose pas une forme fonctionnelle à la fonction de production. L'isoquant frontière est estimée par les ratios intrants/extrants de chaque exploitation. L'isoquant convexe qui reflète la fonction de production efficace est ainsi construie à partir d'un nuage de points de sorte qu'aucune observation ne se situe ni à gauche ni au-dessous de cet isoquant (Figure 3.2).

Cette façon de mesurer l'efficacité technique des unités de production est définie dans un contexte où la technologie de production est caractérisée par des rendements constants. Cependant, cette hypothèse est très restrictive (Amara et Romain, 2000). En effet, en cas de déséconomie d'échelle, la Figure (3.3a) montre qu'un segment qui rejoint deux points situés sur S est probablement inefficace ; ce qui n'est pas forcement vrai en cas d'économie d'échelle alors que la courbe S est convexe (Figure 3.3b).

Figure 3.2 : Détermination de la frontière d'efficacité technique selon Farrell

Capital

S'

Travail

S

A

P

B C

Source : Farrell (1957)

Figure 3.3 : Impact de l'économie et de la déséconomie d'échelle sur les mesures de l'efficacité Technique de Farrell

(3a) (3b)

Extrant Extrant

POINTS

S INEFFICIENTS

POINTS INEFFICIENTS

S

O Intrant O Intrant

Déséconomie d'échelle Économie d'échelle

Source : Farrell (1957)

Plusieurs mesures de l'efficacité peuvent être définies de la même façon pour le cas des rendements non constants à l'échelle, en considérant que l'isoquant de la figure 1.1 représente

la limite inférieure de l'ensemble des intrants associés à la production d'un niveau donné de produit. Le cas des rendements croissants à l'échelle à été étudié par Farrell et Fieldhouse (1962) en reprenant la base de données de Farrell (1957). Ils trouvent que toute économie d'échelle est épuisée dès qu'un certain niveau de production est atteint.

L'approche non paramétrique développe de manière simultanée les deux étapes suivantes (Piot-Lepetit et Rainelli, 1996 ; Coelli et al., 1998) :

> Etape 1 : Construction d'une représentation de la technologie à partir de l'ensemble des observations disponibles. Chaque exploitation est donc comparée aux autres. C'est pourquoi, si aucune observation ne produit plus avec une quantité moindre d'intrants ou avec la même dotation factorielle, l'exploitation étudiée appartient à la frontière de production et elle est considérée comme techniquement efficace. Dans le cas contraire, elle est incluse dans l'ensemble des possibilités de production et est déclarée techniquement inefficace d'où son nom d'approche déterministe.

> Etape 2 : Pour calculer l'efficacité de chaque exploitation, il faut mesurer l'écart existant entre chacune de ces exploitations et la frontière de production précédemment définie. Les valeurs des écarts sont comprises entre 0 et 1. Raison pour laquelle, toute exploitation située sur la frontière se voit attribuer la valeur de 1 alors que les autres exploitations obtiendront un score inferieur à 1, qui sera d'autant plus faible que la situation initiale de l'exploitation est éloignée de la frontière de production.

L'approche non paramétrique se base sur la méthode d'enveloppement des données (DEA), ci-dessous présenté.

B. La méthode DEA

La méthode DEA (Data Envelopment Analysis », initialement introduite par Charnes et al. (1978), a permis d'étendre l'analyse de l'efficacité technique à des situations multiproduits et de rendements d'échelle non constants. D'après celle-ci, la frontière est construite par la technique de la programmation linéaire. Le terme « envelopment » est utilisé pour désigner l'hypothèse selon laquelle la frontière de production enveloppe toutes les observations.

La méthode DEA évalue l'efficacité relative des unités de production comparables et génère les niveaux d'efficacité à partir des informations sur les inputs et les outputs des entreprises (Kobou et al., 2009). Elle est fondée sur la programmation linéaire et permet d'identifier des fonctions de production empiriques. C'est une méthode qui se base sur la théorie microéconomique, qui compare toutes les unités similaires en prenant en compte simultanément plusieurs dimensions. Elle détermine la frontière d'efficience du point de vue de la meilleure pratique. Chaque unité est considérée comme une unité décisionnelle (« Décision Making Unit » DMU)31. Les inputs sont des ressources utilisées pour créer des outputs d'une qualité donnée.

La méthode DEA permet d'identifier un ensemble efficace pouvant servir de référence pour les exploitations inefficaces. Les exploitations efficaces ont des inputs et des outputs similaires à ceux des exploitations inefficaces. Ainsi, elles peuvent servir de référence.

La méthode DEA produit une surface de production empirique par morceaux qui, en termes économiques, représente la frontière de production de la meilleure pratique révélée. Les exploitations efficaces se situent sur la frontière d'efficacité empirique qui indique le maximum de production qui peut être produit avec différentes combinaisons de facteurs pour une technologie donnée.

Dans la littérature, les deux variantes de la méthode DEA les plus employées sont : le modèle CCR (Charnes, Cooper et Rhodes, 1978) qui suppose les rendements d'échelles constants (CRS model)32 et le modèle BCC (Banker, Charnes et Cooper, 1984) qui suppose les rendements d'échelles variables (VRS model)33. Dans le cas des rendements d'échelles constants, on suppose qu'une augmentation dans la quantité d'inputs consommés mènera à une augmentation proportionnelle dans la quantité d'outputs produits. En revanche, dans le cas des rendements d'échelles variables (croissants ou décroissants), la quantité d'outputs produits est considérée pour augmenter plus ou moins proportionnellement que l'augmentation dans les inputs. La différence de mesure d'efficacité entre les deux modèles donne l'efficacité d'échelle (Figure 3.4) qui représente le cas d'une entreprise en situation de concurrence parfaite, et qui opère à une échelle appropriée ; c'est-à-dire que son coût marginal doit être égal aux prix du marché de son produit.

31 Dans le cas présent, c'est une exploitation familiale agricole qui transforme des « inputs » en « outputs ».

32 CRS est la traduction anglaise de Constant Returns to Scale.

33 VRS est la traduction anglaise de Variable Returns to Scale.

Soit une technologie à rendement d'échelles constantes (ABOX sur la figure 4.3), à rendements d'échelles non croissants (ABDD'X) et à rendement d'échelle croissant (C' CBDD'X). La mesure de l'efficacité technique obtenue pour l'exploitation E par rapport à la technologie à rendements variables est plus faible que celles obtenues par rapport à la technologie à rendements constants ou non croissants, Comme l'illustre cette figure. Ainsi, on en déduit que l'observation E présente, à court terme, des rendements d'échelles croissants et donc que des économies de coût peuvent être obtenues pour cette exploitation en augmentant son niveau de production. Inversement pour F, qui présente des rendements d'échelles décroissants, c'est en réduisant le volume produit que les économies peuvent apparaître.

Figure 4.3 : Mesure de l'efficacité d'échelle

Y

A

C

F

C'

B

E

D

X

O D'

Source : Piot-Lepetit et Rainelli, (1996)

Par ailleurs, dans les deux cas (modèle CCR et modèle BCC), on distingue :

(i) les modèles dits «orientés inputs» si l'on étudie l'efficacité en termes d'inputs ; c'est-à-dire si l'on s'intéresse à l'inefficacité en terme d'excès d'inputs.

(ii) les modèles dits «orientés outputs» si l'on veut analyser l'efficacité en termes d'outputs ; c'est-à-dire si l'on souhaite appréhender l'inefficacité par l'insuffisance d'outputs.

Dans le cadre de cette étude, nous retiendrons la méthode DEA, car comme le note Blancard et Boussemart (2006), cette approche est particulièrement adaptée à la modélisation

d'une technologie primale multiproduits-multifacteurs, sans passer par la fonction de coût dual présupposant l'absence d'inefficacité technique. Il s'agit d'une méthode ne retenant que des hypothèses de libre disposition des inputs et des outputs et de convexité pour l'ensemble de production. Elle n'impose aucune forme fonctionnelle des fonctions de production et de coût.

La méthode DEA est traitée de façon intensive comme le note Ambapour (2001) par Seiford et Thrall (1990), Lovell (1993), Ali et Seiford (1993) et Charnes, Cooper, Lewin et Seiford (1995).

II. Approche paramétrique et approche non paramétrique : une complémentarité certaine

Quand on a compris en quoi consiste l'approche paramétrique (A), on n'échappe difficilement à la tentation de la comparer à celle non paramétrique (B).

A. L'approche paramétrique

L'approche paramétrique peut être regroupée en deux grandes catégories selon que la frontière est déterministe ou stochastique et selon que la méthode d'estimation de la frontière, est les Moindres Carrés Ordinaires (MCO), ou le Maximum de Vraisemblance (MV). La frontière de production est dite déterministe si tout écart observé est uniquement dû à l'inefficacité. Si par contre, en plus de la défaillance technique, l'on prend en compte un autre terme aléatoire qui englobe les erreurs éventuelles de mesure, les erreurs de la mauvaise spécification du modèle, l'omission de certaines variables explicatives et la considération des évènements (politique, cours mondiaux, aléas climatiques, mauvais rendement des machines ou encore pénuries des intrants etc.) qui ne sont pas sous le contrôle de l'exploitant, la frontière devient alors stochastique.

Farrell (1957) fût aussi à l'origine de l'approche déterministe et paramétrique. Il proposa l'approximation de la fonction de production efficace par une forme fonctionnelle connue à priori. Ainsi, une spécification plus facile et une meilleure analyse des différentes propriétés

algébriques de cette fonction deviennent possibles. Il utilisa la forme fonctionnelle Cobb-Douglas pour illustrer l'utilisation de cette approche sur des données agricoles de 48 États américains, tout en imposant des rendements constants à l'échelle. En relâchant l'hypothèse des rendements d'échelle constants en faveur de l'hypothèse de l'homogénéité de la fonction de production, Aigner et Chu (1968) ont estimé une fonction de production frontière à partir d'un échantillon de firmes manufacturières américaines en utilisant une forme fonctionnelle Cobb-Douglas. Par ailleurs plusieurs auteurs se sont inspirés de cette étude et diverses modifications y ont été introduites.

Timmer (1971)34, a proposé le modèle probabiliste basé sur la sensibilité de la fonction frontière aux observations extrêmes35. Cette technique a fait l'objet d'applications dans le secteur agricole avec succès par Bravo-Ureta et Pinheiro (1997) et Ali et Chaudhry (1990). D'autres auteurs se sont intéressés de plus près à l'approche paramétrique par fonction déterministe, notamment Richmond (1974), Greene (1980)... et ont apporté quelques modifications dans l'objectif de tendre vers des modèles avec les meilleures précisions et des estimateurs efficaces.

Malgré le grand nombre d'études qui l'ont utilisé, l'approche paramétrique et déterministe n'a pas cessé d'essuyer de sérieuses critiques. Outre ses limites dictées par la nature déterministe de la frontière de production ; limites qui sont en grande partie à l'origine de l'approche stochastique qui sera abordée dans le paragraphe suivant, l'approche paramétrique est sujette à d'autres critiques36.

L'approche stochastique ou d'erreur composée, initialement proposée par Aigner, Lovell et Schmidt (1977), Meeusen et Van Den Broek (1977), a été améliorée par Jondrow et al. (1982) pour permettre l'estimation d'indices d'efficacité technique, spécifique à chaque exploitation. Cette approche postule que le terme d'erreur est composé de deux parties indépendantes :

34 Voir Amara et Romain (2000).

35 Cette méthode itérative en trois étapes consiste à estimer dans un premier temps la fonction frontière pour l'ensemble des échantillons, réduire progressivement l'échantillon d'un certain nombre de firmes, choisies à priori, parmi celles qui sont les plus près de la frontière et estimer une nouvelle pour aboutir à des coefficients rattachés à la fonction de production beaucoup plus stable.

36 Premièrement, elle est très sensible aux observations extrêmes et, deuxièmement, l'attribution d'une forme fonctionnelle à la fonction frontière est restrictive, dans le sens que chaque forme fonctionnelle traduit implicitement un certain nombre d'hypothèses (Fried et al, 1993 cité par Amara et Romain, 2000).

> une composante purement aléatoire qui se trouve dans n'importe quelle relation et qui se distribue de chaque côté de la frontière de production (two-sided error term). Cette composante aléatoire est une mesure de l'erreur et d'autres facteurs aléatoires sur l'output et des effets combinés des variables non spécifiés inputs sur la fonction de production.

> une composante représentant l'inefficacité technique et qui est répartie d'un seul côté de la frontière (one-sided error term).

L'estimation de cette frontière stochastique se fait par le Maximum de vraisemblance, les moindres carrés et la méthode des moments.

Après avoir présenté les méthodes non paramétriques et paramétriques, il nous semble judicieux de faire une comparaison entre ces deux méthodes.

B. Approche non paramétrique « versus » approche paramétrique

L'objectif de cette section est de présenter une analyse comparée des approches paramétrique et non paramétrique des frontières de production en essayant de faire ressortir les avantages et les faiblesses de chaque approche.

Fondamentalement, la différence entre l'approche paramétrique et l'approche non paramétrique réside dans le fait que la première se base sur un modèle statistique explicite concrétisé par l'utilisation d'une forme fonctionnelle particulière ; ce qui n'est pas le cas dans l'approche non paramétrique. Utilisant moins d'informations que dans l'approche paramétrique, les résultats dans l'approche non paramétrique devraient être moins précis. Cependant, il y a le risque d'influencer les résultats en imposant une forme fonctionnelle qui n'est pas la plus appropriée (Nodjitidjé, 2009). En effet des hypothèses fortes génèrent des résultats forts pourvu que les contraintes (par exemple la forme fonctionnelle choisie) soient vraies. Ainsi, la méthode non paramétrique permet d'éviter les erreurs qui peuvent être causées par le mauvais choix de la fonction de production.

L'approche non paramétrique permet plus facilement la prise en compte de la technologie multi production. Néanmoins, elle attribue toutes les inefficacités à l'exploitant et

ne tient pas compte des facteurs aléatoires hors du contrôle de l'exploitant, qui peuvent être sources d'inefficacités.

Toutefois, l'approche paramétrique regroupe la frontière de production déterministe et la frontière de production stochastique. Théoriquement, le recours à des frontières stochastiques permet d'isoler le terme d'erreur purement aléatoire de celui reflétant l'inefficacité technique de l'exploitation et devrait par conséquent conduire à une mesure plus précise de son efficacité technique. L'utilisation des méthodes déterministes, qui attribuent tout écart affiché par rapport à la frontière, à l'inefficacité technique, serait donc une surestimation des niveaux d'inefficacité technique (Amara et Romain, 2000).

Les conclusions de Bravo-Ureta et Rieger (1990) permettent cependant de nuancer ce dernier résultat ; du moins pour ce qui est de la comparaison de l'approche déterministe et de l'approche stochastique. Pour ces auteurs, l'utilisation d'une frontière déterministe ou d'une fonction frontière stochastique conduit à la même conclusion générale lorsque le but de l'étude est de déterminer si une firme (ou une EFA) est efficace ou inefficace. Ce sont plutôt les valeurs calculées des indices d'efficacité technique qui pourront différer selon que la frontière est déterministe ou stochastique. Ils sont parvenus à cette conclusion en comparant les résultats obtenus selon plusieurs méthodes d'estimation de la frontière pour des fermes laitières de la Nouvelle-Angleterre et de l'État de New-York.

En tout état de cause, il semble évident que la convergence ou la divergence des résultats selon les approches non paramétriques ou paramétriques dépendent fortement de l'échantillon retenu (Amara et Romain, 2000). Et donc, le choix de la frontière de production se base sur la qualité des données et en fonction de l'objectif du travail. De plus, le choix de la méthode d'estimation n'est pas primordial lorsque l'objectif de l'étude est d'identifier les facteurs qui déterminent l'efficacité des exploitations et non de rechercher leur niveau absolu d'efficacité (Romain et Lambert, 1995).

Comme on peut le constater, il s'avère qu'aucune de ces approches ne domine l'autre ; chacune a son intérêt et elles sont dans une certaine mesure complémentaires, surtout lorsqu'il manque des informations sur les prix.

Conclusion

Arrivé au terme de cette analyse où il a été question d'étudier l'efficacité dans la théorie économique, il ressort qu'elle dépend de plusieurs facteurs. Son étude est faite grâce à deux méthodes à savoir l'approche paramétrique et l'approche non paramétrique. Cependant après une étude comparative des dites méthodes, il s'avère que la méthode non paramétrique est celle qui intègre dans l'analyse le caractère multi facteur qui caractérise les exploitations agricoles familiales étudiées. Toutefois, le choix de l'une ou de l'autre de ces méthodes n'a aucun impact majeur sur le résultat final, lorsque l'objectif de l'étude est d'identifié les facteurs qui expliquent l'efficacité.

CHAPITRE 4 : EVIDENCE EMPIRIQUE SUR L'EFFICACITE DES
EXPLOITATIONS FAMILIALES AGRICOLES

Introduction

Une exploitation familiale agricole est dite efficace si elle utilise ses inputs de manière optimale, ce qui suppose qu'il n'existe aucune possibilité d'augmenter le produit sans accroître au préalable la quantité d'inputs utilisés. Plusieurs études ont montré dans le cas des pays en développement, que le secteur agricole soufre d'inefficacité. Cette situation nous conduit à analyser dans le cas de l'agriculture Camerounaise l'efficacité des exploitations familiales agricoles car ces dernières sont indispensables pour lutter contre la pauvreté et l'insécurité alimentaire.

Ce chapitre est consacré à l'analyse empirique de l'efficacité des exploitations familiales agricoles. Ainsi, la spécification des différents modèles utilisés (section 1) précédera la présentation et l'analyse des résultats (section 2).

Section 1 : Spécification des modèles utilisés

La mesure de l'efficacité des EFA dans le cadre de ce travail se fera par la méthode DEA dont les deux variantes utilisées seront présentées dans cette section ainsi que le modèle TOBIT qui servira à estimer les facteurs qui expliquent les inefficacités. Enfin, cette section se terminera par la présentation des caractéristiques socio-économiques des EFA de l'échantillon.

I. Présentation des modèles

Il sera question dans cette sous section de présenter les différents modèles qui serviront non seulement pour l'estimation de l'efficacité mais aussi pour la détermination des facteurs ayant un impact sur celle-ci.

A. Les modèles DEA

Les modèles DEA les plus utilisés sont le modèle CCR (développé par Charnes, Cooper et Rhodes en 1978) et le modèle BCC (introduit par Banker, Charnes et Cooper en 1984).

Le modèle CCR se fonde sur les hypothèses suivantes :

> Il existe une forte convexité de l'ensemble de production

> La technologie est à rendements constants

> Il existe une libre disposition des inputs et des outputs

Suivant la présentation de Coelli (1996) reprise par Nyemeck (2004), supposons que nous disposons d'un ensemble d'informations sur K inputs et M outputs pour chaque N exploitations. Les informations relatives à la ième exploitation sont représentées par les vecteurs colonnes xi et yi respectivement. Les matrices des inputs X de dimension KxN, et des outputs Y de dimension MxN regroupent les informations relatives à toutes les exploitations. L'approche des ratios est une façon intuitive d'introduire la méthode DEA. Pour une exploitation donnée, le ratio obtenu mesure l'efficacité technique, et un ensemble de contraintes est posé afin que le ratio de chaque exploitation soit toujours inférieur ou égal à 1. Le programme mathématique utilisé pour le ratio de CCR est :

max ( / ),

u y v x

' '

u , v i i

s c u y v x

/ ' / ' = 1 j = 1 2

j j , , ,

... N (1)

u v

, = 0.

u est un vecteur de dimension Mx1, et v un vecteur de dimension Kx1, représentant respectivement les poids des outputs et inputs déterminés par la solution du problème : c'est à dire, par les données sur toutes les exploitations utilisées comme ensemble de référence. Comme cette forme de ratio permet un nombre infini de solution, Charnes et Cooper (1962) développent un programme linéaire fractionné. Celui-ci sélectionne une solution représentative dans chaque classe d'équivalence et le programme linéaire dual qui y est associé est le suivant :

min è, ëè

= 0

= 0 (2)

s c

/ - +

y Y ë

i

èx X

- ë

i
ë
= 0

è est un scalaire qui donne la mesure de l'efficacité technique de l'exploitation considérée,

ë est un vecteur (N, 1) de constantes appelées multiplicateurs. Elles indiquent la façon dont les exploitations se combinent pour former la frontière par rapport à laquelle la ième exploitation sera comparée, selon la définition de Farrell (1957).

Le problème est résolu N fois, une fois pour chaque exploitation dans l'échantillon, et génère N valeurs optimales de è et ë .

Dans le programme DEA (2), la performance d'un producteur est évaluée en termes de capacité du producteur à diminuer son vecteur des facteurs jusqu'au niveau de la meilleure pratique observée.

Toutefois, l'hypothèse des rendements constants n'est vraiment appropriée que si l'entreprise opère à une échelle optimale (Ambapour, 2001). Ce qui n'est pas toujours le cas (concurrence imparfaite, contraintes financières...). Ce constat a poussé Banker, Charnes et Cooper (1984), à proposer un modèle qui permet de déterminer, si la production se fait dans une zone de rendements croissants, constants, ou décroissants.

Ainsi, le modèle CCR peut être modifié en tenant compte de l'hypothèse des rendements variables à l'échelle. Il suffit pour cela d'ajouter une contrainte N1' ë = 1 au programme précédent ; on obtient :

è, ëè

min
s c

= 0

= 0 (3)

/ - +

y Y ë

i

èx X

- ë

i

ë1

N 1 ' =

ë = 0

N1est un vecteur de dimension Nx1 composé des 1.

La différence entre l'indice d'efficacité technique obtenus par le modèle DEA de type CRS et celui de la même exploitation par le modèle DEA de type VRS constitue une bonne mesure de l'efficacité d'échelle de l'exploitation considérée (Coelli et al., 1998).

Par ailleurs, ce modèle permet de décomposer l'efficacité technique en efficacité technique totale et en efficacité technique pure. L'hypothèse des rendements d'échelles constants, conduit à la détermination de l'efficacité totale ; tandis que l'hypothèse de rendement d'échelles variables conduit à celle de l'efficacité pure.

A la suite de cette présentation des modèles DEA, on s'intéressera au modèle TOBIT.

B. Le modèle TOBIT

En vue d'expliquer les inefficacités des EFA, un modèle TOBIT censuré sera utilisé. Le modèle TOBIT appartient à la famille des modèles à variable dépendante limitée, ce sont des modèles pour lesquels la variable dépendante est continue mais n'est observable que sur un certain intervalle. Ainsi, ce sont des modèles qui se situent à mi-chemin entre les modèles à variables qualitatives et le modèle de régression linéaire où la variable endogène est continue et observable.

En économie, ce type de modèle a été introduit par James Tobin en 1958 dans une analyse portant sur les dépenses de consommation en biens durables et reposant sur une régression tenant compte spécifiquement du fait que ces dépenses ne peuvent pas être négatives.

Toutefois ces modèles sont également qualifiés de modèles de régression censurées (censored regression models) ou modèle de régression tronquée (truncated regression models). Un modèle de régression est dit censuré lorsque l'on dispose au moins des observations des variables explicatives sur l'ensemble de l'échantillon. Tandis qu'un modèle

de régression est dit tronqué lorsque toutes les observations des variables explicatives et de la variable dépendante figurant en dehors d'un certain intervalle sont totalement perdues.

Le choix du modèle TOBIT se justifie par le fait que les variables dépendantes qui seront les indices d'inefficacités (1-efficacité) sont continues et prennent des valeurs dans

l'intervalle[0 1[.

Le modèle peut se présenter sous la forme suivante : Y i X i u i

= â +

avec Y Y Y 0

i i i

= si >-

* * (4)

Y 0 si non

i =

Dans la relation (4) ;

o Xi est un vecteur des variables explicatives,

o â est un vecteur représentant les paramètres à estimer,

o *

Yi est une variable latente qui peut être considérée comme le seuil à partir

duquel les variables Xi affectent l'efficacité d'une EFA.

La variable dépendante « inefficacité » dans le cadre de cette étude, est continue et limitée à
zéro. En supposant que les perturbations ui sont identiquement distribuées selon une loi

normale ( 2 )

N 0, ó u , l'estimation du modèle TOBIT censuré ci-dessus passe par la maximisation du logarithme de la vraisemblance qui s'écrit :

n 2

n n

log L = log [ 1 -Ö +

X / ] log

i â ä

i= 1 i=1

( Y i

=

-

2 ðä 2 ä

X â )

i

1

i

1

2 (5)

n représente le nombre d'observations, et ä l'écart type.

Après cette brève présentation des modèles que nous allons utiliser, il nous apparait judicieux de présenter les variables qui serviront pour ces estimations à travers les caractéristiques socio-économiques des EFA de l'échantillon.

II. Caractéristiques socio-économiques des exploitations famiiales agricoles

L'analyse des caractéristiques socio-économiques des EFA passera par une présentation des variables (A), suivi de la description statistique de ces dernières (B).

A. Présentation des variables

La présentation des variables commencera par les variables qui serviront à la mesure de l'efficacité des EFA puis les variables qui expliquent les inefficacités.


· Les variables qui servent à la mesure de l'efficacité

La mesure de l'efficacité des EFA se fera dans le cas de cette étude par une méthode DEA qui intégrera trois inputs et deux outputs.

o Les inputs

- Input 1 = Superficie de production (en ha).

- Input 2 = Main d'oeuvre : elle sera évaluée en terme de volume de travail et exprimée en homme-jour selon les pondérations de la FAO comme nous l'avons précédemment précisé.

- Input 3 : Capital (en Franc CFA), c'est la somme entre le capital fixe et le capital variable. Le capital fixe dans cette étude concerne la valeur totale du matériel utilisé (amortissement du matériel), tandis que le capital variable concerne le coût des intrants consommés (semences).

Le choix de ces variables se justifie comme le note Nyemeck (2004) par le fait que celles-ci sont généralement utilisées pour l'estimation des frontières de production agricole dans les pays en voie de développement.

o Les outputs

Les outputs dans le cadre de ce travail concernent :

- Output A : Quantité d'arachide produite dans l'exploitation au cours de la dernière campagne agricole (en Kg).

- Output B : Quantité de maïs produite dans l'exploitation au cours de la dernière campagne agricole (en Kg).

Par ailleurs, en s'appuyant principalement sur deux arguments extraits de la littérature, nous retenons une orientation input du modèle DEA.

Selon Coelli (1996), l'orientation doit être choisie en fonction des quantités d'inputs et d'outputs que les exploitants sont capables de contrôler. En effet, les exploitants sont plus à même de contrôler les inputs : main d'oeuvre (travail), surface de production (foncier) et capital (coût du matériel utilisé et coût des semences) que les outputs qui concernent la production agricole. Enfin, le choix de telle ou telle orientation n'a que peu d'influence sur les scores obtenus et par conséquent sur le classement des unités de production.


· Les variables qui expliquent l'efficacité technique

La forme empirique complète du modèle TOBIT que nous allons estimer est la suivante :

Y i = +

â â â

AGE + 2NIVEAU + â FORMATION SUPERFICIE OP DESTPROD

+ â + â â

+

0 1 3 4 5 6

Ainsi, les variables susceptibles d'expliquer les inefficacités (et donc d'affecter l'efficacité) des EFA de l'échantillon sont présentées dans le tableau suivant :

Tableau 4.1 : Les variables utilisées dans l'étude des déterminants de l'efficacité

Variable

Définition

Mesure

AGE

Age de l'exploitant

Variable continue

NIVEAU

Niveau d'étude de l'exploitant

Variable binaire (1 = Primaire et 0=

secondaire et Supérieur)

FORMATION

Formation en agriculture

Variable binaire (1 = Oui et 0= Non)

SUPERFICIE

Superficie de l'EFA

Variable continue

OP

Appartenance à une organisation paysanne

Variable binaire (1 = Oui et 0 = Non)

DESTPROD

Destination de la production

Variable binaire (1=Autoconsommation et 0=Vente+Autoconsommation)

B. Description statistique des variables des modèles

La description statistique des variables servant au calcul des indices d'efficacité précédera celle des variables qui expliquent les inefficacités.

> Description statistique des variables servant au calcul des indices d'efficacité

En moyenne les exploitations familiales échantillonnées produisent 172,34 kg d'arachide (Tableau 4.2). Cependant on note une grande disparité entre les EFA qui se justifie par les valeurs minimum et maximum de production qui sont respectivement de 20 et 880 kg. Ceci peut être lié à la variabilité des dotations des EFA en ressources.

On remarque également une grande disparité dans la production de maïs des EFA. En plus de la variabilité des dotations des EFA en ressource, l'utilisation par certaine EFA des semences améliorées peut expliquer cette grande disparité.

Les inputs terre, travail et capital ont respectivement pour valeur moyenne 0,72 ha, 115,60 h/j et 36057,24 FCFA (tableau 4.2). Une analyse détaillée de chaque facteur a été faite au chapitre 2.

Tableau 4.2 : Statistiques descriptives des variables du modèle DEA

Variables

Description

N

Moyenne

Ecart-type

Minimum

Maximum

Output A

Production d'arachide (kg)

62

172,34

135,37

20,00

880,00

Output B

Production de maïs (kg)

62

81,02

140,12

7,50

1000,00

Input 1

Superficie de production (ha)

62

0,72

0,46

0,15

2,30

Input 2

Main d'oeuvre (homme-jour)

62

115,60

77,76

20,50

363,00

Input 3

Capital (FCFA)

62

36057,24

21852,89

12800,00

118000,00

Source : Auteur à partir des données d'enquête, 2010

> Description statistique des variables servant à l'explication de l'efficacité technique

L'âge moyen des chefs d'exploitations de l'échantillon se situe entre 45-46 ans. Pour le système de culture étudié, la superficie moyenne en culture est 0,72ha et la moitié des EFA échantillonnées produisent uniquement pour l'autoconsommation (tableau 4.3).

Tableau 4.3 : Statistiques descriptives des variables du modèle TOBIT

Variables

N

Moyenne

Ecart-type

Minimu

Maximum

Age de l'exploitant

62

45,79

12,70

18

68

Niveau d'étude de l'exploitant

62

0,45

0,50

0

1

Formation en agriculture

62

0,26

0,44

0

1

Superficie de l'EFA

62

0,72

0,46

0,15

2,30

Appartenance à une organisation paysanne

62

0,37

0,49

0

1

Destination de la production

62

0,55

0,50

0

1

Source : Auteur à partir des données d'enquête, 2010

En ce qui concerne le niveau d'étude, la majorité des chefs d'exploitation de l'échantillon ont reçu un niveau d'éducation primaire. Moins de la moitié des chefs d'EFA appartiennent à une organisation paysanne (OP) soit 37,10%.

Les chefs d'EFA ayant reçu une ou plusieurs formations en agriculture représentent environ le quart de l'échantillon soit 25,80%.

Section 2 : Présentation et analyse des résultats

Les résultats obtenus, dans le cadre de cette étude, supposent que toutes les exploitations familiales agricoles de l'échantillon sont soumises aux mêmes conditions, elles utilisent les mêmes inputs pour produire les mêmes outputs.

I. L'efficacité technique des exploitations famiiales agricoles

La méthode DEA permet la décomposition de l'efficacité technique, alors appelée efficacité technique totale, en efficacité technique pure et efficacité technique d'échelle. L'efficacité technique totale permet d'évaluer si l'application de la technologie existante est optimale à rendements d'échelle constants. Elle exprime l'efficacité d'une exploitation dans une optique de long terme (Latruffe, 2005). L'hypothèse des rendements d'échelle variables permettent de calculer l'efficacité technique pure qui représente véritablement les pratiques de gestion, sans tenir compte de la taille sous-optimale ou optimale. En revanche, l'efficacité

d'échelle permet d'évaluer s'il existe un gain d'efficacité par diminution ou augmentation de la taille de l'exploitation.

A. Distribution des indices d'efficacité technique

Le niveau moyen d'efficacité technique totale obtenu pour les 62 EFA de l'échantillon s'élève à 0,446. En d'autres termes, une utilisation de façon efficiente de tous les facteurs de production conduirait en moyenne à une réduction de 55,4% de ceux-ci, tout en maintenant constant le volume de production. Ce résultat témoigne d'un niveau d'efficacité moyen relativement faible des exploitations familiales agricoles pratiquant le système de culture à base d'arachide et de maïs.

On constate une grande disparité entre les EFA qui déterminent la frontière et les autres. A cet égard le niveau d'efficacité minimum dans l'échantillon s'établit à 0,121, tandis que le niveau d'efficacité maximum (1) n'est atteint que par 3 exploitations sur les 62 de l'échantillon (Tableau 4.4). Ainsi, l'EFA la moins efficace de l'échantillon pourrait réduire l'utilisation de ses ressources de 87,9% tout en maintenant le même niveau de production.

Toutefois, les résultats obtenus pour les trois sous-échantillons montrent que ce sont les EFA du village Ebamina qui sont, en moyenne, les plus efficaces tandis que les EFA du village Otetek sont les moins efficaces. Leur niveau moyen d'efficacité totale est de 0,504 et 0,365 respectivement.

Tableau 4.4 : Statistiques descriptives de l'efficacité technique totale

 

Echantillon

Ebamina

Nsimi

Otetek

Moyenne

0,446

0,504

0,468

0,365

Ecart type

0,242

0,259

0,244

0,211

Minimum

0,121

0,157

0,179

0,365

Maximum

1

1

1

0,759

Nombre d'exploitations sur la frontière

3

2

1

0

Source : Construction de l'auteur

En effet, les EFA échantillonnées dans le village Ebamina ont majoritairement pour objectif de production en plus de l'autoconsommation, la vente. L'analyse de la production

moyenne et des productivités partielles moyenne des facteurs (travail et capital) a montré que les résultats les plus élevés se retrouvent dans ce village.

Par ailleurs, dans ce village on retrouve également la présence simultanée des structures qui appuient les EFA telles que : des ONG qui encadrent les exploitants, l'Etat (Programme ACEFA en remplacement du PNVRA) qui s'occupe de l'appui conseil et du financement des projets des EFA et un marché hebdomadaire qui facilite l'écoulement des produits.

La faiblesse moyenne du niveau d'efficacité des EFA du village d'Otetek peut se justifier par l'objectif de production qui est majoritairement l'autoconsommation.

Toutes ces explications vont être confirmées ou infirmées par une analyse des déterminants de l'efficacité technique.

Malgré le faible pourcentage d'EFA ayant un niveau d'efficacité technique totale égal à l'unité (environ 5%), on observe que 14,5% d'EFA ont un niveau d'efficacité inferieur à 0,200, alors que 50% ont un niveau d'efficacité inferieur à 0,368. Un peu plus de 58% d'EFA ont un niveau d'efficacité inferieur à la moyenne. Les EFA ayant une grande efficacité technique (dans l'intervalle] 0,8-1]) ne représentent que 9,7% de l'échantillon total (Figure 4.1).

Figure 4.1 : Efficacités technique totale par rapport à la frontière

Le tableau 4.5 ci-dessous présente les niveaux moyens d'efficacité technique pure obtenue. Ainsi, en considérant les rendements d'échelle variables, il ressort que le niveau moyen d'efficacité technique pure des EFA de l'échantillon est de 0,678. Ce qui signifie que,

en moyenne elles peuvent diminuer de 32,2% l'utilisation des facteurs de production, tout en maintenant le même niveau de production.

Tableau 4.5 : Statistiques descriptives de l'efficacité technique pure

 

Echantillon

Ebamina

Nsimi

Otetek

Moyenne

0,678

0,666

0,684

0,683

Ecart type

0,238

0,233

0,684

0,222

Minimum

0,208

0,208

0,271

0,270

Maximum

1

1

1

1

Nombre d'exploitations sur la frontière

12

4

5

3

Source : Construction de l'auteur

Les EFA des villages Nsimi et Otetek ont, en moyenne, des indices d'efficacité technique plus élevés que celles du village Ebamina sous l'hypothèse de rendement d'échelle variable. Globalement, en ce qui concerne l'efficacité technique pure des EFA de l'échantillon, 19,3% des EFA sont techniquement efficaces lorsque 12,8% ont un niveau d'efficacité technique de moins de 0,2. Par contre 28,1% des EFA ont un niveau d'efficacité supérieur à 0,8 contre 33,9% dont l'efficacité technique est comprise entre 0,6 et 0,8 (Figure 4.2).

Figure 4.2 : Efficacités technique pure par rapport à la frontière

Source : Construction de l'auteur

Ainsi, les valeurs maximales d'efficacité technique obtenues (plus de 0,8), montrent qu'il existe des EFA très performantes car étant proches de la frontière de production. Ces EFA qui obtiennent un tel niveau d'efficacité élevé peuvent servir de référence pour améliorer de façon générale l'efficacité de la zone étudiée.

L'écart entre les niveaux d'efficacité technique pure du village le plus efficace techniquement en moyenne au village le moins efficace (0,018) est plus faible que l'écart observé entre leurs niveaux respectifs d'efficacité technique totale (0,139). La différence en terme d'efficacité technique totale, observé entre ces deux sous-échantillons (villages) peut donc provenir essentiellement d'une différence dans leurs niveaux d'efficacité d'échelle.

B. L'efficacité d'échelle et les « input slacks37 »

La moyenne d'efficacité d'échelle pour l'échantillon totale est de 0,666. Le niveau d'efficacité d'échelle est en moyenne ni trop faible, ni trop élevé. Ceci suggère que, du point de vue de l'efficacité technique, les EFA de l'échantillon souffrent d'une taille sous-optimale. Ainsi, une utilisation optimale de la taille de l'exploitation entrainera une réduction moyenne des surfaces cultivées de 33,4% tout en gardant le même niveau de production.

Les EFA qui ont une efficacité d'échelle égale à l'unité ont une superficie moyenne en production de 0,55ha, c'est donc la taille optimale des EFA qui permettrait d'annuler le gaspillage de ce facteur (terre).

L'efficacité d'échelle moyenne des EFA du village Ebamina (0,743) est supérieur à celle enregistrée pour les EFA des villages Nsimi et Otetek : 0,690 contre 0,564 respectivement (Tableau 4.6).

Tableau 4.6 : Statistiques descriptives de l'efficacité d'échelle

 

Echantillon

Ebamina

Nsimi

Otetek

Moyenne

0,666

0,743

0,690

0,564

Ecart type

0,248

0,219

0,209

0,282

Minimum

0,190

0,388

0,238

0,190

Maximum

1

1

1

0,998

Nombre d'exploitations sur la frontière

6

5

1

0

Source : Construction de l'auteur

Ainsi, les EFA sur la frontière d'efficacité d'échelle représentent 22,7% d'EFA du village Ebamina, 5,3% d'EFA du village Nsimi et aucune EFA du village Otetek.

37 Les « input slacks » mesurent les excès additionnels d'input utilisés.

L'analyse de la dispersion des surfaces cultivées dans l'échantillon (Figure 4.4) montre que des trois sous-échantillons, la moitié des EFA du village Ebamina produisent sur une surface très proche de la surface optimale (0,5ha), ce qui explique que le plus faible gaspillage de la ressource foncière soit dans ce village.

Figure 4.4 : Dispersion des surfaces cultivées dans l'échantillon

Source : Construction de l'auteur à partir des données d'enquête, 2010

En effet, dans ce village, trois quart des chefs d'exploitations sont des femmes, de plus de 70% des chefs d'EFA ont un âge supérieur à 46 ans. Cette situation pourrait se justifier par la dispersion des surfaces dans ce sous-échantillon.

Le village Otetek est des trois sous-échantillons, celui qui présente la plus grande disparité en termes d'efficacité d'échelle. La moitié des EFA de ce village ont une surface de plus de 0,5 ha tandis qu'un tiers des EFA produisent sur une surface de 0,25 ha. Ainsi, c'est dans ce village qu'il y a un plus fort gaspillage de la ressource foncière.

La méthode DEA permet également de détecter, parmi les facteurs de production utilisés, ceux en particuliers qui sont utilisés en excès. Les « inputs slacks » correspondent aux excès additionnels de l'utilisation de chaque facteur, en pourcentage de leur niveau utilisé (Tableau 4.7). Ce pourcentage représente, en plus de la réduction potentielle mise en évidence par le niveau d'efficacité technique (réduction proportionnelle car s'appliquant à tous les facteurs), la réduction potentielle supplémentaire du facteur de production considéré (c'est-àdire proportionnelle).

Pour l'échantillon total, la terre est le facteur le plus utilisé en excès en moyenne. L'excès additionnel de terre est de 10,9%. Ainsi, en moyenne, les EFA pourraient réduire leur

utilisation de terre de 55,5%, c'est-à-dire 44,6% (réduction proportionnelle mise en évidence par l'efficacité technique) plus 10,9% (réduction non proportionnelle mise en évidence par les excès additionnels, soit applicable au seul facteur terre), tout en produisant au même niveau. Ce résultat reflète la sur-utilisation de la terre évoquée précédemment, et pourrait se justifier par l'abondance de cette ressource.

Pour ce qui est du travail, les EFA pourraient, en moyenne réduire leur utilisation de ce facteur de 50,05% ; tandis qu'une réduction moyenne de l'utilisation du capital de 53,83% permettrait de maintenir le même niveau de production.

Tableau 4.7 : Excès additionnels de facteurs (efficacité technique totale) ; pourcentage du niveau

de facteur utilisé

 
 
 
 
 

Échantillon total

Ebamina

Nsimi

Otetek

Terre (%) Travail (%) Capital (%)

10,90

5,45

7,23

13,05
5,27
7,35

10,10
6,47
8,79

9,38
4,71
5,69

Source : Construction de l'auteur

Les EFA du village Nsimi et Ebamina présentent une sur-utilisation notable des facteurs capitaux et travail par rapport à celles du village Otetek. Toutefois, le facteur travail est le moins sur-utilisé par rapport aux autres (en moyenne 5,45% contre 10,9% et 7,23%).

Tous ces résultats (efficacité technique totale, efficacité technique pure, efficacité d'échelle et input slacks) montrent que pour les exploitations familiales agricoles de l'échantillon, il existe encore des gains potentiels considérables à réaliser sur l'utilisation des facteurs de production. Autrement dit, les marges de manoeuvre pour accroître la production d'arachide et de maïs sur la base des ressources actuellement utilisées sont importantes.

II. Les déterminants de l'efficacité technique des exploitations familiales agricoles

L'analyse de l'efficacité technique des exploitations familiales agricoles de l'échantillon suggère que, globalement les EFA pratiquant le système de culture à base d'arachide et de maïs utilisent les facteurs de production de manière à entrainer des gaspillages de ressources. Ainsi, il nous apparaît important d'étudier les facteurs qui influencent l'efficacité afin de limiter ces gaspillages de ressources et d'identifier des leviers qui permettront d'améliorer l'efficacité des EFA.

A. L'effet des variables liées au capital humain

La théorie du capital humain suggère que l'éducation est un investissement qui accroît la productivité. Cependant, dans la littérature économique, en ce qui concerne l'agriculture africaine, il n'existe pas de consensus sur le rôle de l'éducation dans l'efficacité technique.

Les résultats de l'estimation économétrique (Tableau 8.4) montrent que les variables liées au capital humain dans l'échantillon (Niveau d'étude et Formation en agriculture) n'expliquent pas l'efficacité technique des EFA de façon significative.

En ce qui concerne l'éducation, la principale raison qui explique le résultat obtenu est que l'éducation formelle au Cameroun n'intègre pas de connaissances sur les pratiques et les techniques agricoles. Ainsi, le capital humain produit par l'école est peu utile à l'agriculture. Ce résultat est partagé dans le cas de l'agriculture Kenyane par Hopcraft (1974) et Moock (1981) en utilisant des données micro-économiques. En effet, selon ces auteurs, l'éducation formelle (la scolarisation) n'a pas d'effet significatif sur l'efficacité technique.

A la suite de ces auteurs, Gurgand (1993 ; 1997) observe pour le cas de la Côte-d'Ivoire, que l'éducation n'agit pas positivement sur l'efficacité technique de la production agricole. En outre, les données recueillies en Afrique sont souvent moins fiables que celles qui proviennent d'Asie par exemple. Malgré tout, l'hypothèse, largement admise, est qu'il existe un effet de

qualification en agriculture ne pouvant être légitimement généralisée à l'Afrique subsaharienne.

Toutefois, le signe positif des paramètres qui expliquent l'inefficacité signifie que ces paramètres ont un effet négatif sur l'efficacité. On constate donc que le coefficient du niveau d'éducation est positif. Ce qui signifie que les chefs d'exploitation, ayant le niveau primaire, sont moins efficaces que ceux ayant les niveaux secondaire et supérieur.

La formation en agriculture ne contribue pas à l'explication de l'efficacité technique dans l'échantillon totale. En effet, ce résultat contre-intuitif s'explique par diverses raisons. La nature des formations en agriculture et la durée de celles-ci permettent de comprendre cette situation. Mais aussi, la faible représentation des chefs d'EFA ayant reçu une formation en agriculture dans l'échantillon (moins de 25%). Ainsi, un échantillon plus représentatif à la fois des chefs d'EFA ayant reçu une formation en agriculture et ceux n'ayant reçu aucune formation pourrait donc conduire à des résultats contradictoires.

Les formations en agriculture au sud Cameroun s'organisent généralement sous forme de séminaires aux exploitants. Ces séminaires portent principalement sur les cultures de rente (cacao, café, palmier à huile...) et lorsqu'ils s'intéressent aux cultures vivrières, leur durée est généralement très limitée (moins d'une semaine), ce qui ne facilite pas l'assimilation des connaissances par les exploitants. Par ailleurs, ces séminaires sont parfois trop théoriques et ne s'accompagnent pas d'exemples pratiques faute de moyens et de temps.

Néanmoins, le signe négatif du coefficient associé à la variable Formation, signifie que la formation en agriculture a un effet positif sur l'efficacité mais de façon non significative.

Remarque : Le logiciel utilisé pour estimer le modèle TOBIT censuré ici est Stata 9.1. Le
modèle d'estimation des indices d'efficacité est globalement significatif au seuil de 1%,
car Prob > chi2 < 0,01. Par ailleurs, La régression du tableau 4.8 est largement significative

puisque la statistique obtenue pour le rapport de vraisemblance est très supérieure à la valeur du khi-deux théorique (car 26.79 est supérieur à 16,8).

Tableau 4.8 : Les déterminants de l'efficacité technique totale des EFA

Variables

Coefficients

P>|t|

Age de l'exploitant

-.00539273** (-2.56)

0.013

Niveau d'étude

.01629497 (0.31)

0.758

Formation en agriculture

-.03812419 (-0.61)

0.543

Superficie de l'EFA

.13019005** (2.22)

0.031

Organisation paysanne

-.11444569** (-2.03)

0.047

Destination de la production

.21229597 *** (4.05)

0.000

Constante

.6320591 *** (5.73)

0.000

Sigma

.20117245***

 

Nombre d'observations : 62 Nombre d'observations censurées à gauche : 3

Nombre d'observations censurées à droite : 0 Nombre d'observations non censurées : 59

LR Chi2(6) : 26.79 Prob > chi2 = 0.0002

Note : Variable dépendante : Niveau d'inefficacité des EFA

*** (**) {*} significatif à 1%; 5% et 10%. Les valeurs entre parenthèse sont les tests de student. Source : Auteur à partir des données d'enquête, 2010

B. Les autres facteurs qui expliquent l'efficacité technique

Les variables qui expliquent l'efficacité technique des EFA dans l'échantillon sont : l'âge du chef de l'EFA, la superficie cultivée, l'appartenance à une organisation paysanne et la destination de la production.

Le signe négatif du coefficient affecté à l'âge de l'exploitant traduit le fait que cette variable affecte positivement l'efficacité technique des exploitations familiales agricoles de l'échantillon. Ainsi, les chefs d'exploitations les plus âgés sont plus efficaces que les jeunes. Ce résultat s'explique par l'expérience des plus âgés. En effet, l'expérience moyenne dans la pratique de l'agriculture de l'échantillon est de 20 ans. Ce système de culture à base d'arachide et de maïs de la localité de Zoetelé au sud Cameroun se pratique donc par les exploitants pour certains durant toute leur vie.

Ce résultat est en contradiction avec le constat de Coelli et Fleming (2004) pour qui, les
exploitants plus jeunes sont plus efficaces que les plus âgés. Pour ces auteurs, les plus jeunes

sont plus disposés à accepter les nouvelles technologies et la vulgarisation. Par ailleurs, l'analyse des effets marginaux montre que toutes choses égales par ailleurs, une variation d'une année d'âge, entrainerait une variation de la probabilité d'être inefficace de 0,54%.

Les résultats suggèrent également, en désaccord avec l'intuition que, les plus petites exploitations sont les plus efficaces toutes choses égales par ailleurs. En effet, en ce qui concerne l'échantillon, nous avons démontré en analysant l'efficacité d'échelle, l'existence d'un grand gaspillage due à l'utilisation excessive des terres. Ainsi, les exploitants ne sont pas en mesure d'utiliser efficacement leurs ressources lorsque la superficie cultivée est grande. Ceci peut s'expliquer par le genre des chefs d'EFA qui est majoritairement de sexe féminin et donc ne disposent pas d'une force de travail nécessaire pour une production efficace. Les quasi-élasticités obtenues indiquent que, une variation d'une unité de la superficie, entrainerait une variation de la probabilité d'être inefficace de 13,02%. La relation négative entre la taille de l'exploitation et l'efficacité technique à également été mise en évidence par Chirwa (1998) dans le cas du Malawi. En revanche, d'autres études démontrent l'influence positive de la taille de l'exploitation sur l'efficacité technique (Thiam et al., 2001 ; Nyemeck et al., 2004 ; Latruffe, 2005).

L'appartenance à une organisation paysanne affecte positivement l'efficacité technique. Au Cameroun, depuis la crise des années 80, l'Etat encourage les agriculteurs à s'organiser. C'est d'ailleurs le seul moyen pour les agriculteurs de bénéficier de l'encadrement, des subventions et des conseils de l'Etat (programme ACEFA qui remplace progressivement le PNVRA) et des ONG. Ce constat confirme les résultats de la littérature selon lesquelles le capital social dont l'appartenance à une organisation paysanne est une composante, a un impact positif sur l'efficacité technique (Nuama, 2006 ; Audibert, 1997). En effet, l'organisation communautaire permet de résoudre les problèmes de main d'oeuvre et d'accès au crédit qui sont des facteurs qui améliorent l'efficacité technique des exploitants (Helfand et Levine, 2004). Les gains d'efficacités techniques liées à l'appartenance à une organisation paysanne sont de 11,44%.

Il ressort également de l'analyse des déterminants de l'efficacité technique que les EFA dont la destination de la production est l'autoconsommation sont moins efficaces que celles qui en plus de l'autoconsommation, vendent leur production. La contrainte de vente impose aux exploitants d'être plus efficaces et de mieux gérer leurs ressources. Ainsi, les gains

d'efficacité des EFA dont la destination de la production est l'autoconsommation et la vente

s'élèvent à 21,23%.

Tableau 4.9 : Résultat du calcul des effets marginaux

 
 
 

Variables

dy/dx

X

Age de l'exploitant

-.0053927

45.7903

Niveau d'étude

.016295

.451613

Formation en agriculture

-.0381242

.258065

Superficie de l'EFA

.13019

.720161

Organisation paysanne

-.1144457

.370968

Destination de la production

.212296

.548387

Source : Auteur à partir des données d'enquête, 2010

 

Conclusion

Ce chapitre s'est proposé d'analyser l'efficacité des exploitations familiales agricoles. Après avoir présenté les différents modèles économétriques utilisés (modèles DEA et modèle TOBIT). Les résultats des estimations des indices d'efficacité technique ont montré que, des possibilités de gains substantiels d'efficacité existent, car les EFA peuvent en moyenne réduire l'utilisation de leurs facteurs de production de l'ordre de 55,4% lorsque les rendements d'échelle sont constants et de 32,2% lorsqu'ils sont variables.

Les résultats du modèle TOBIT, ont montré que les facteurs éducation et formation en agriculture ne contribuent pas de façon significative à l'explication de l'efficacité technique. Toutefois, pendant que l'âge et l'appartenance à une organisation paysanne améliorent l'efficacité technique, la superficie et l'autoconsommation comme destination de la production affectent négativement l'efficacité technique.

CONCLUSION DE LA DEUXIEME PARTIE

La deuxième partie de cette recherche dont l'objectif était d'analyser l'efficacité des exploitations agricoles familiales a été présentée en deux chapitres.

Dans un premier temps, l'étude s'est intéressée au concept d'efficacité dans la théorie économique. Ainsi, après avoir discuté des fondements théoriques de la notion d'efficacité et de ses déterminants potentiels, un temps d'arrêt a été marqué sur les méthodes d'estimation de l'efficacité. La théorie économique distingue deux approches : approche paramétrique et approche non paramétrique. La présentation de ces deux approches a permis de conclure que malgré leur opposition, ces approches présentent une complémentarité certaine.

Dans un second chapitre, l'étude s'est intéressée à l'analyse empirique de l'efficacité des exploitations familiales agricoles. De cette analyse il ressort que des marges de manoeuvre existent car les EFA échantillonnées souffrent d'inefficacités dans leur production. Ainsi, les niveaux d'efficacité des EFA sont estimés à 0,446 lorsque les rendements d'échelle sont constants et à 0,678 lorsque les rendements d'échelle sont variables.

L'analyse des déterminants de l'efficacité technique a également permis de faire ressortir le fait que, les variables liées au capital humain (niveau d'instruction et formation en agriculture) ne contribuent pas de façon significative à l'explication de l'efficacité technique tandis que l'âge, l'appartenance à une organisation paysanne, la superficie cultivée et la destination de la production permettent d'expliquer l'efficacité technique des EFA.

CONCLUSION GENERALE

Quelles sont les performances productives des exploitations familiales agricoles de la localité de Zoetelé au Sud Cameroun ? Telle était la question de recherche à laquelle cette étude devait apporter quelques éléments de réponse. Pour cela, nous avons d'une part analysé la productivité des facteurs de production utilisés par les exploitations familiales agricoles, et d'autre part l'efficacité technique des exploitations familiales agricoles de la zone d'étude.

En effet, le Cameroun s'est fixé entre autres comme objectif à l'horizon 2015, d'accroître les revenus des producteurs en vue de réduire de moitié la pauvreté en milieu rural ; d'assurer la sécurité alimentaire des ménages et de la nation. L'une des voies permettant d'atteindre ces objectifs est l'amélioration de la productivité et de l'efficacité des facteurs de production utilisés par les exploitations familiales agricoles qui représentent la grande partie de l'appareil de production.

Il ressort de l'analyse de la productivité que, le capital est le facteur le moins productif parmi les facteurs de production utilisés par les exploitants. En effet, pour le système de culture à base d'arachide et de maïs en association, le capital est de nature traditionnelle et se limite pour la majorité des EFA à la houe, la machette, la lime et le panier. La typologie faite grâce à l'analyse des correspondances multiples et la classification ascendante hiérarchique à permis de déceler l'existence de 6 classes.

En ce qui concerne l'analyse de l'efficacité, l'étude montre que les leviers d'amélioration existent pour les EFA échantillonnées qui sont moyennement efficaces. Ainsi, les niveaux d'efficacité des EFA sont estimés à 0,446 lorsque les rendements d'échelle sont constants et à 0,678 lorsque les rendements d'échelle sont variables, ce qui traduit une efficacité d'échelle de 0,666. Par ailleurs, les quantités de chaque facteur sur-utilisé s'élèvent à 10,90% pour la terre, à 5,45% pour le travail et à 7,23% pour le capital. Pour ce qui est des facteurs qui influencent l'efficacité, l'on note que l'âge et l'appartenance à une organisation paysanne l'améliorent tandis que la surface cultivée et la destination de la production l'affectent négativement.

Malgré les résultats intéressants, cette étude souffre cependant d'un certain nombre de limites. La première insuffisance est le nombre d'exploitations familiales agricoles échantillonnées qui est très limité et ne permet donc pas une bonne précision. Il serait important de prendre un nombre d'exploitation dicté par la théorie de l'échantillonnage, qui refléterait mieux la réalité de la situation des EFA dans la zone d'étude.

La deuxième limite vient du fait que cette étude ne tient pas compte de toutes les spéculations présentes dans ce système de culture, elle se limite aux deux principales spéculations à savoir l'arachide et le maïs. Il serait important d'évaluer les performances productives des EFA pratiquants ce système de culture en tenant compte de toutes les spéculations présentes pour avoir des résultats plus représentatifs de la réalité sur le terrain.

Enfin, la troisième insuffisance est que cette analyse ne prend pas en compte les coûts des facteurs de production. En effet, il serait intéressant d'aller au delà de l'efficacité technique pour analyser l'efficacité allocative et l'efficacité économique, ainsi que les déterminants de ces types d'efficacités.

A l'issue de cette étude, quelques suggestions peuvent être faites :

· En ce qui concerne les facteurs de production, nous proposons aux EFA de moderniser le matériel agricole que ces derniers utilisent afin de rendre ce facteur plus productif. De plus, il serait intéressant pour les EFA de moderniser leur technologie de production.

· Le lien mis en évidence entre l'appartenance à une organisation paysanne et l'appui conseil permet de recommander aux EFA de se regrouper afin de profiter au mieux des subventions et aides de l'Etat, des ONG...par ailleurs, l'appartenance à une organisation paysanne permet d'améliorer l'efficacité des EFA en favorisant le partage d'expérience entre les exploitants.

· Ensuite, en ce qui concerne les infrastructures, l'on a constaté que la présence d'un marché périodique dans un village permet aux EFA de ce dernier d'être plus performantes. Constat fait avec le village Ebamina qui se démarque des autres par rapport à la productivité et l'efficacité des EFA. Les pouvoirs publics devraient donc favoriser la construction de telles infrastructures dans les villages.


· Pour ce qui est du niveau d'instruction, nous avons constaté que ce dernier n'influence pas de façon significative l'efficacité des EFA. Ce qui nous amène à proposer que, l'Etat devrait inclure dans le système éducatif, des connaissances en agronomie et en techniques culturales. Entre autres, l'Etat devrait également promouvoir la création des écoles paysannes qui permettraient d'améliorer les talents managériaux des populations rurales.


· Enfin, en ce qui concerne les formations en agriculture, nous proposons à l'Etat et aux ONG, d'organiser des séminaires de formation qui pourraient prendre en compte les systèmes de cultures en association, plus précisément pour ce qui est des cultures vivrières. Par ailleurs, il serait intéressant que ces séminaires soient plus pratiques et s'étalent sur une longue période, afin de permettre aux exploitants de mieux appréhender les enseignements qui leurs sont prodigués.

REFERENCES BIBLIOGRAPHIQUES

Abessolo, Y.A. (2007), «une analyse de l'impact de l'éducation sur la productivité des entreprises du secteur informel», Revue Gestion 2000, n° 4.

Abramovitz, M. (1956), «Resource and Output Trends in the U.S since 1870», The American Economic Review, 46, 5-23.

Aigner, D. J., Lovell, C.A.K. et Schmidt, P. (1977), «Formulation and Estimation of Stochastic Frontier Production Function Models», Journal of Econometrics, 6, 21-27.

Aigner, D.J. et Chu, S. (1968), «On Estimating the Industry Production Function», The American Economic Review, 58, 826-39.

Albouchi, L., Bacta, M. et Jacquet, F. (2005), Estimation et décomposition de l'efficacité économique des zones irriguées pour mieux gérer les inefficacités existantes, Actes de séminaire Euro-méditerranéen. Sousse, Tunisie.

Ali, M. et Chaudhry, M.A. (1990), «Inter-regional Farm Efficiency in Pakistan's Punjab: A Frontier Production Function Study», Journal of Agricultural Economics, 41, 62-74.

Ali, M. et Flinn, J.C. (1989), «Profit Efficiency among Basmati Rice Producers in Pakistan Punjab», American Journal of Agricultural Economics, 71, 303-310.

Amara, N. et Robert, R. (2000), «Mesure de l'efficacité technique : Revue de la littérature», Série Recherche SR.00.07, Département d'économie agroalimentaire et des sciences de la consommation, Université Laval, Québec.

Ambapour, S. (2001), «Estimation des frontières de production et mesures de l'efficacité technique», Document de Travail 02, BAMSI, Brazzaville.

Audibert, M. (1997), «La cohésion sociale est-elle un facteur de l'efficience technique des exploitations agricoles en économie de subsistance ?», Revue d'économie du développement, 3, 69-90.

Badouin, R. (1985), Le développement agricole en Afrique tropical, Cujas, Paris.

Badouin, R. (1987), «L'analyse économique du système productif en agriculture» ORSTOM, Cah. Sci. Hum, 23, 343-351.

Banker, R.D., Charnes, A. et Cooper, W.W. (1984), «Some Model for Estimating Technical and Scale Innefficiencies in Data Envelopment Analysis», Management Science, 30, 1078-1092.

Battese, G.E. et Coelli, T.J. (1995), «Inter-regional Farm Efficiency in Pakistan's Punjab: A Frontier Production Function Study», Empirical Economics, 20, 325-332.

Becker, G. (1965), «A Theory of the Allocation of Time», Economic Journal, 75, 493-517.

Beitone, A., Cazorla, A., Dollo, C. et Drai, A.M. (2008), Dictionnaire des Sciences économiques, Armand Colin, Paris.

Bergeret, P. et Dufumier, M. (2002a), Analyse de la diversité des exploitations agricoles, in Mémento de l'agronome, CIRAD-GRET, Ministère des Affaires étrangères, paris.

Bergeret, P. et Dufumier, M. (2002b), Les typologies d'exploitation agricole, in Mémento de l'agronome, CIRAD-GRET, Ministère des Affaires étrangères, paris.

Berry, R.A. et Cline, R.W. (1979), Agrarian Structure and Productivity in Developing Countriers, the Johns Hopkins University Press, Baltimore and Londres.

Bhalla, S.S. et Roy, P. (1988), «Mis-Specification in Farm Productivity Analysis: The Role of Land Quality», Oxford Economic Papers, 40, 55-73.

BIT (2005), Commission de l'emploi et de la politique sociale : vue d'ensemble sur le rapport dans le monde 2004-05, Conseil d'administration, 292e session, Genève.

Blancard, S. et Boussemart, J.P. (2006), «Productivité agricole et rattrapage technologique : le cas des exploitations de grandes cultures du Nord-Pas-de-Calais», Cahiers d'économie et sociologie rurales, 80, 6-28.

Block, S. et Timmer, C. (1994), Agricultural and Economic Growth: Conceptual Issues and the Kenyan Experience, Harvard Institute for Economic Development.

Borodak, D. (2007), «Les outils d'analyse de performances productives utilisés en économie et gestion : mesure de l'efficience technique et ses déterminants», Cahier de recherche, 5, 1- 16.

Bravo-Ureta, B.E. (1986), «Technical Efficiency Measures for Dairy Farms Based on a Probabilistic Frontier Function Model», Canadian Journal of Agricultural Economics, 34, 399-415.

Bravo-Ureta, B.E. et Pinheiro, A.E. (1993), «Efficiency Analysis of Developing Country Agriculture: A Review of the Frontier Function Literature», Agricultural Research. Economics Review, 22, 88-101.

Bravo-Ureta, B.E. et Pinheiro, A.E. (1997), «Technical, Economic and Allocative Efficiency in Peasant Farming: Evidence from the Dominican Republic», Cahiers d'économie et sociologie rurale, 44, 29-59.

Bravo-Ureta, B.E., Rivas, T.E. et Thiam, A. (2001), «A Meta-analysis of Technical Efficiency in Farming: a Multi-Country Perspective», Agricultural Economics, 25, 235-243. Brossier, J. (2007), Apport des théories sur l'exploitation agricole dans une perspective de gestion In Exploitation agricoles familiales en Afrique de l'Ouest et du Centre, Quae, 87-101. Brossier, J., Devèze, J.C. et Kleene, P. (2007), Qu'est ce que l'exploitation agricole familiale en Afrique ? In Exploitation agricoles familiales en Afrique de l'Ouest et du Centre, Quae, 73-85.

Charnes, A. et Cooper, W.W. (1962), «Programming with Linear Fractional Functionals», Naval Research Logistics Quarterly, 9, 181-185.

Charnes, A., Cooper, W.W. et Rhodes, E. (1978), «Measuring the Efficiency of Decision making Units», European Journal of Operations Research, 2, 429-444.

Chéreau, M. (2008), Le revenu généré par les systèmes de production a-t-il une influence sur les pratiques de scolarisation ? Diagnostic agraire du canton Mepho (arrondissement de Sangmélima, sud du Cameroun). Mémoire ESAT 1, IRC Montpellier SupAgro, Montpellier, Groupe ESA, Angers.

Chirwa, W.E. (1998), «Stochastic Production Functions and Technical Efficiency of Farmers in Southern Malawi», Working Paper, n° WC/04/98.

Coelli, T. (1996), «A Guide to DEAP version 2.1: a Data Envelopment Analysis (Computer) Program», Centre For Efficiency and Productivity Analysis working paper, University of New England (Australia), 49 p.

Coelli, T. et Fleming, E. (2004), «Diversification Economies and Specialisation Efficiencies in a Mixed Food and Coffee Smallholder Farming System in Papua New Guinea», Agricultural Economics, 31, 229-239.

Coelli, T.J., Rao, D.S. et Battese, G.E. (1998), An Introduction to Efficiency and Productivity Analysis, Kluwer Academic Publishers, Boston.

De Janvry, A., Nigel Key, N. et Sadoulet, E. (2000), «Transactions Costs and Agricultural Household Supply Response», American Journal of Agricultural Economics, 82, 245-259. Debreu, G. (1951), «The Coefficient of Ressource Utilisation», Econometrica, 19, 273-292. Deolalikar, A.B. (1981), «The Inverse Relationship between Productivity and Farm Size: a Test Using Regional Data from India», American journal of Agricultural Economics, 63, 275- 279.

Destais, G. et Gillot-Chappaz, A. (2000), La productivité revisitée, Institut d'économie et de politique de l'énergie, Unité mixte de recherche du Centre National de la Recherche Scientifique et de l'Université Pierre Mendès, France.

DSCE, (2009), Document de Stratégie pour la Croissance et l'Emploi, République du Cameroun.

Eicher, C.K. (1999), How will Africa Feed Itself in the 21st Century? Dept of Agricultural Economics, Michigan State University.

Ella Ndekelo, E. (2004), Rapport trimestriel d'activités de la délégation d'arrondissement d'agriculture de Zoetelé, MINAGRI, République du Cameroun.

FARA, (2006), Cadre pour la productivité agricole en Afrique / Framework for African Agricultural Productivity, Accra, Ghana.

Farrell, M.J. (1957), «Measurement of Production Efficiency», Journal of Royal Statistical Society, 120, 253-281.

Farrell, M.J. et Fieldhouse, M. (1962), «Estimating Efficient Production under Increasing Returns to Scale», Journal of Royal Statistics, 125, 252-267.

Fontan, C. (2008), «Production et efficacité technique des riziculteurs de Guinée : une estimation paramétrique stochastique», Economie Rurale, 308, 19-35.

Gamache, R. (2005), «La productivité : définition et enjeux», Research Paper Series, 117, Statistique Canada, 36p.

Gastellu, J.M. (1980), «Mais, où sont donc ces unités économiques que nos amis cherchent tant en Afrique ?»cah, ORSTOM, sér. Sci. Hum, 17, 3-11.

Greene, W.H. (1980), «Maximum Likelihood Estimation of Frontier Functions», Journal of Econometrics, 13, 27-56.

Gurgand, M. (1993), «Les effets de l'éducation sur la production agricole : application à la Côte d'Ivoire», Revue d'économie du développement, 4, 37-54.

Gurgand, M. (1997), «L'éducation est-elle rentable dans l'agriculture ? Une approche duale appliquée à la Côte-d'Ivoire», Cahier d'économie et sociologie rurales, n° 42-43.

Gurgand, M. (2000), «Sait-on mesurer le rôle économique de l'éducation ?», Revue française d'économie, n°2.

Harris, R.G. (1999), «Les déterminants de la croissance de la productivité canadienne : enjeux et perspectives», Industrie Canada, Document de discussion n°8, Ottawa.

Hasnah, Fleming, E.M. et Coelli, T. (2004), «Assessing the Performance of a Nucleus Estate and Smallholder Scheme for Oil Palm Production in West Sumatra», Agricultural Systems, 79, 17-30.

Helfand, S.M. et Levine, E.S. (2004), «Farm Size and the determinants of productive Efficiency in the determinants of Productive Efficiency in the Brazilian Center-West», Agricultural economics, 31, 241-249.

Herbel, D., Bamou, E., Mkouonga, H. et Achancho, V. (2003), Manuel de formation aux politiques agricoles en Afrique, Maison neuve & Larose.

Hopcraft, P.N. (1974), Human Ressources and Technical Skill in Agricultural Development: An Economic Evaluation of Educative Investments in Kenya's Small Farm Sector, Ph.D. Dissertation, Stanford, Californie, Stanford University.

IFPRI, (2003), Mettre fin à la Famine en Afrique, Seuls les Petits Agriculteurs Peuvent y parvenir Ithaca, New York: Cornell University Press.

Infrastructure Canada, (2007), Infrastructure et productivité : analyse des travaux antérieurs, Division de la recherche et de l'analyse, Canada.

INS, (2008), Troisième enquête camerounaise auprès des ménages: tendances, profil et déterminants de la pauvreté au Cameroun en 2007.

Jondrow, J., Lovell, C.A., Materov, I.S. et Schmidt, P. (1982), «On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model», Journal of Econometrics, 19, 233-238.

Jorgenson, Dale et Zvi Griliches, (1967), »The Explanation of Productivity Change», Review of Economic Studies, 34, 249-283.

Kaci, M. (2006), «Comprendre la productivité : un précis», La Revue canadienne de productivité, n° 15-206-XIF au catalogue, Statistique Canada, Ottawa.

Kausar, K.A. (2008), «Farm Size and Productivity in Pakistan», European Journal of Social Sciences, 7, 42-52.

Kent, O. et Linh, V. (2009), Productivity Growth, Technical Efficiency and Technical Change on Minnesota Farms, University of Minnesota.

Kobou, G., Moungou, S. et Ngoa Tabi, H. (2009), L'efficacité du financement des micro et petites entreprises dans la lutte contre la pauvreté au Cameroun, Colloque International, la vulnérabilité des TPE et des PME dans un environnement mondialisé.

Komon, J.P. et Jagoret, P. (2004), Dynamique des systèmes productifs : conditions d'amélioration des performances des EFA et gestion des risques in Pôle Compétence en Partenariat Grand-Sud Cameroun.

Latruffe, L. (2005), «Les exploitations Polonaises à la veille de l'élargissement : efficacité des facteurs de production et structure financière», Cahier d'économie et sociologie rurale, 74, 6-25.

Linh H.V. (1994), Efficiency of Rice Farming Households in Vietnam: A DEA wit Bootstrap and Stochastic Frontier Application, Department of Applied Economics, University of Minnesota.

Lockheed, M.E., Jamison, D.T. et Lau, L.J. (1980), «Farmer Education and Farm Efficiency: a Survey», Economic Development and Cultural Change, 29, 37-76.

Mahesh, R. (2000), «Farm Size-Productivity Relationship: Some Evidence from Kerala», Kerala Institute for Environment and Development, KIED Working Paper 2, India, 23p. Meeusen, W., Van den Broeck, J. (1977), «Efficiency Estimation from Cobb-Douglas Production Functions With Composed Error», International Economic Review, 18, 435-444. MINADER, (2005), «Document de stratégie de développement du secteur rural», Document de travail, République du Cameroun.

MINADER/MINEPIA, (2007), Amélioration de la compétitivité des exploitations familiales agropastorales, Document de présentation, République du Cameroun.

Minten, B. et Stifel, D. (2003), Transactions Costs and Agricultural Productivity: Implications of Isolation for Rural Poverty in Madagascar, Cornell University.

Minyono Metsama, E.A. (2009), Efficacité technique et ses déterminants dans les exploitations familiales agricoles à base de maïs dans les régions du centre et de l'ouest Cameroun, Mémoire de DEA en Economie Mathématique et économétrie, Université de Yaoundé II -Soa.

Mook, P.R. (1981), «Education and Technical Efficiency in Small-Farm Production», Economic Development and Cultural Change, 19, 723-739.

Ngo Nonga, F. (2008), Dynamique organisationnelle et professionnalisation des exploitations familiales à base de maïs au Centre et à l'Ouest Cameroun. Revue documentaire n°1/2008, PRP OP MAÏS/REPARAC/IRAD, Yaoundé.

Nkamleu, G.B. (2004a), «L'échec de la croissance de la productivité agricole en Afrique Francophone», Economie Rurale, 279, 55-67.

Nkamleu, G.B. (2004b), «Productivity Growth, Technical Progress an Efficiency Change in African Agriculture», African Development Review, 16, 203-222.

Nodjitidjé Djimasra, (2009), Efficacité technique, productivité et compétitivité des principaux pays producteurs de coton, Thèse de Doctorat, Université d'Orléans.

Nuama, E. (2006), «Mesure de l'efficacité technique des agricultrices de cultures vivrières en Côte-d'Ivoire", Economie rurale, 296, 39-53.

Nyemeck, B.J. (2004), Analyse des performances productives des exploitations agricoles de la région du centre Cameroun.

Nyemeck, B.J., Gockowski, J. et Nkamleu, G.B. (2008), «Technical Efficiency and Productivity Potential of Cocoa Farmers in West African Countries» the Developing Economies, 3, 242-63.

Nyemeck, B.J., Sylla, K., Diarra, I. et Nyambi, G. (2003), «Factors Affecting Technical Efficiency among Coffee Farmers in Côte d'Ivoire: an Evidence from the Centre West Region», African Development Review, 15, 110-127.

Nyemeck, J.B., Tonyè, J.N., Wandji, N., Nyambi, G. et Akoa, M. (2004), «Factors Affecting the Technical Efficiency among Smallholder Farmers in a Slash and Burn Agriculture Zone of Cameroon», Food Policy, 24, 531-545.

Nyoré, (2009), Performances économiques des Exploitations Familiales Agricoles à base de bananier plantain dans le sud Cameroun, Mémoire de DEA-NPTCI, Université de Yaoundé II -Soa.

Oliveira, B.F. (1997), «Les agricultures familiales au Portugal», option Méditerranéennes, Sér. B/ n° 12.

Ondoa, M.T. (2006), Analyse des politiques agricoles mises en oeuvre au Cameroun depuis 1960.

Onwuchekwa, R.I. (2008), «Technical Efficiency of Cassava Farmers in South Eastern Nigeria: Stochastic Frontier Approach», Agricultural Journal, 3, 152-156.

PCP-GSC, (2004), «Gestion intégrée des exploitations familiales agricoles dans les écosystèmes agro-forestiers tropicaux au Sud Cameroun, Programme scientifique», Document de travail provisoire, IRAD-CIRAD, Yaoundé.

Phillips, J.M. (1994), «Farmer Education and Farmer Efficiency», Economic Development and Cultural Change, 43, 149-166.

Picard, P. (1994), Eléments de microéconomie, théorie et application, Montchrestien.

Piette, F. (2006), Les déterminants de la productivité agricole dans le nord-est du Brésil : une investigation sur la relation négative entre la productivité et la taille des fermes, Université de Montréal, département d'économie.

Piot-Lepetit, P. et Rainelli, P. (1996), Détermination des marges de manoeuvre des élevages à partir de la mesure des inefficacités, INRA Unité d'Economie et Sociologie Rurales.

politique et de l'impôt, Flammarion, Paris, 508 p.

Ricardo, D. ( 1992, traduction de l'édition anglaise de 1821), Des principes de l'économie

Richmond, J. (1974), «Estimating the Efficiency of Production», International Economic Review, 15, 515-521.

Romain, R. et Lambert, R. (1995), «Efficacité technique et coûts de production dans les secteurs laitiers du Québec et de l'Ontario», Canadian Journal of Agricultural Economics, 43, 37-35.

Sadoulet, E. et De Janvry, A. (1995), Quantitative Development Policy Analysis. Baltimore, USA: The Johns Hopkins University Press.

Say, J.B. (1828-1829), Cours complet d'économie politique, Réédition, GF-Flammarion, 1996.

Schultz T.W. (1961). «Investment in Human Capital», The American Economic Review, 51, 1-17.

Seiford, L.M. et Thrall, R.M. (1990), «Recent developments in DEA: The mathematical approach to frontier analysis», Journal of Econometrics, 46, 7-38.

Sizhong, S. (2006), «Technical Efficiency and its Determinants in Gansu, West China, Pacific» Economic Paper, n° 355.

Solow, R. (1957), «Technical Change and the Aggregate Production Function», The Review of Economics and Statistics, 39, 312-320.

Tchale, H. (2009), «The Efficiency of Smallholder Agriculture in Malawi» AFJARE, 3, 101- 121.

Thiam, A., Bravo-Ureta, B.E. et Rivas, T.E. (2001), «Technical Efficiency in Developing Country Agriculture a Meta-analysis», Agricultural Economics, 25, 235-243.

Usabuwera, B.F. (1995), Determinants of Farm Productivity and the Size-Productivity Relationship under Land Constraints: the Case of Rwanda, Michigan State University.

Walras, L. (1874), Eléments d'économie politique pure : ou théorie de la richesse sociale, Paris, Economica, 1988.

World Bank, (2007), World Development Indicators, Development Data Group, Washington, D.C.

World Bank, (2008), World Development Report 2008, Agriculture for Development, Washington, D.C.

Yossi, G.O. (2004), Dynamique organisationnelle, professionnalisation des EFA, développement local in Pôle Compétence en Partenariat Grand-Sud Cameroun.

Zinan Liu et Juzhon Zhuang, (2000), «Determinants of Technical Efficiency in Post-Collective Chinese Agriculture: Evidence from Farm-Level Data», Journal of Comparative Economics, 28, 545-564.

ANNEXES

Annexe 1 : Questionnaire de l'enquête

Enquête sur les performances productives des exploitations familiales
agricoles de la localité de Zoetelé au sud Cameroun.

 
 

STRICTEMENT CONFIDENTIEL ET A BUT NON FISCAL

Les informations collectées au cours de cette enquête sont strictement confidentielles au terme de la loi N° 91/023 du 16 décembre 1991 sur les Recensements et Enquêtes Statistiques qui stipule en son article 5 que « les renseignements individuels d'ordre économique ou financier figurant sur tout questionnaire d'enquête statistique ne peuvent en aucun cas être utilisés à des fins de contrôle ou de répression économique ».

SECTION 00 : IDENTIFICATION

Numéro du questionnaire : / / / /

 

Village :

Téléphone :

Nom du chef d'exploitation :

Statut matrimonial *** : / /

Sexe* : / /

Religion **** / /

Age : / / /

Expérience dans l'agriculture en année : / / /

Niveau d'instruction du chef d'exploitation ** : / /

Taille du ménage de l'exploitant : / / /

Composition du ménage de l'exploitant : A. /__ /__/ B. /__ /__/ C. /__ /__/ D. /__ /__/

(*) 1=Masculin ; 2= Féminin (****) 1=Catholique ; 2=Musulmane ; 3=Protestante, 4= Autres chrétienne, 5=

Aucune religion, 6=Autre ) ,

(**) 1= sans niveau, 2= primaire, 3= secondaire 4= Universitaire, 5= Autre (à préciser)

(***) 1=Célibataire, 2= Marié, 3=Veuf(ou veuve), 4=Union libre, 5=Divorcé (e)

A=Nombre d'enfant de moins de 15 ans, B=Nombre de femme de plus de 15 ans, C=Nombre d'homme de plus de 15 ans D=nombre de personnes de plus de 55 ans

S0Q01 avez vous reçu une formation en rapport directe avec l'agriculture ? (1=Oui, 2=Non S1Q01) /__/

S0Q02 si oui, quelle a été la durée totale de cette formation ? /__/

1=moins d'un an, 2= entre 1 et 3 ans, 3= plus de 3 ans

SECTION 01 : AGRICULTURE ET ACTIVITES ECONOMIQUES DE L'EXPLOITANT

S1Q01 quelles sont les principales cultures (spéculations) dans votre exploitation? : /__/__/__/__/__/ /

1=Arachide, 2=Maïs, 3=Manioc, 4=Macabo, 5=Autres (à préciser)

S1Q02 Exercez-vous une activité secondaire à l'exploitation ? (1=Oui, 2=Non S1Q04) /__/

S1Q03 Si oui, la quelle ? /__/

1=Elevage, 2= fonctionnaire, 3= pisciculture, 4= Artisanat, 5=Commerce, 6= Autres (à préciser)

S1Q04avez-vous bénéficié d'appui financier durant la dernière campagne agricole? /__/

(1=Oui, 2=Non S1Q07)

S1Q05 si oui quelles sont les sources ? /__/

1=Etat, 2= Microfinance, 3= ONG, 4= Famille, 5=Association, 6= Autres (à préciser)

S1Q06 quel est le montant de cet appui? (en milliers de FCA) /__/__/__/

S1Q07 appartenez-vous à une organisation paysanne(ou un GIC) ? (oui=1 ; 2=Non S1Q09) /__/

S1Q08 Depuis combien d'année ? /__/

1. moins de 2 ans, 2. Entre 2 et 5 ans, 3. Plus de 5 ans

S1Q09 Bénéficier vous d'un dispositif d'appui conseil? /__/ (oui=1 ; Non=2 S1Q11)

S1Q10 Si oui de quelle structure /__/

1= Etat, 2= ONG, 3= Autres (à préciser)

S1Q11 Bénéficier vous d'encadrement? /__/ (oui=1 ; Non=2 S2Q01)

S1Q12 Si oui de quelle structure /__/

1= Etat, 2= ONG, 3= Autres (à préciser)

SECTION 02 : CARACTERISTIQUES DE L'EXPLOITATION

S2Q01 Quelle est la superficie totale de votre exploitation (en ha ou en m2)? /__/

S2Q02 quel est le nombre d'actif familial utilisé lors de la dernière campagne ? /__/__/

(L'enquêteur fera la somme des actifs utilisé en tenant compte du calendrier des travaux ci-dessous)

 

Travaux

Homme adulte

Femme adulte

Enfant* et vieux**

 

Nbre de
Pers.

Nbre
De Jour

Total

Nbre de
Pers.

Nbre
De Jour

Total

Nbre de
Pers.

Nbre
De Jour

Total

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

(*) Moins de 15 ans (**) plus de 55 ans

S2Q03 avez-vous utilisé une main d'oeuvre salariale ? (oui=1 ; Non=2 S3Q01) /__/

S2Q04 si oui, quel est le nombre d'actif salarié utilisé lors de la dernière campagne ? /__/__/ (L'enquêteur fera la somme des actifs utilisé en tenant compte du calendrier des travaux ci-dessous)

Culture

Type de

travaux effectués

Homme adulte

Femme adulte

Enfant et vieux

 
 

Nbre de
Personne

Total des

Jour de

+rosin ii

Coin en FCFA

Nbre de

Personne

Total des

Jour de

+rovo ii

Coin en FCFA

Nbre de

Personne

Total des

jour de travail

Coin en FCFA

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

SECTION 03 : CAPITAL PHYSIQUE UTILISE

 

avez-vous au cours de la dernière campagne utilisé un des matériels suivant :

1= Oui 2= Non*

En quelle quantité ?

Quelle a été sa durée moyenne ? (en année)

 

a) Machette / /

/ / /

/ / /

 

/ / /

/ / /

 

/ / /

/ / /

 

/ / /

/ / /

 

/ / /

/ / /

 

/ / /

/ / /

 

/ / /

/ / /

 

/ / /

/ / /

 

(*)Si non Type de bien suivant ou section suivante

SECTION 04 : ACCES A LA TERRE

S4Q01 Quel est le mode d'appropriation de votre exploitation (si 1 S4Q02 ; sinon S5Q01) ? /__/

1. fermage; 2.métayage; 3. Héritage; 4= achat, 5. Autres

S4Q02 combien estimez-vous le coût de location par champagne? /__/

SECTION 05 : CONSOMMATIONS INTERMEDIARES

S5Q01 :

avez-vous au cours de la

dernière campagne utilisé les

S5Q02 :

En quelle

quantité ?

Quelle en est la provenance ?*

S5Q03 :

Quel a été le prix unitaire

S5Q04 :

Quel a été le coût
total d'acquisition ?

intrants suivant :

 
 

d'acquisition ?

(en milliers de FCFA)

 

(en Kg)

 
 
 

1= Oui 2= N

 
 
 
 

a) Semences améliorées /__/

/__/ __/

/__/

/__/ __/ __/

/__/ __/ __/

/__/

/__/ __/

/__/

/__/ __/ __/

/__/ __/ __/

b) Semences traditionnelles /__/

/__/ __/

/__/

/__/ __/ __/

/__/ __/ __/

 

/__/

/__/ __/

/__/

/__/ __/ __/

/__/ __/ __/

(*) 1= achat au marché, 2= Institut de recherche, 3=stock, 4=don, 5=Autres

SECTION 06 : PRODUCTION ET VALORISATION DES PRODUITS

Spéculations

Quantité produite en unité locale (*)

Quantité produite en Kg

Production en valeur

ARACHIDE

 
 
 

MAÏS

 
 
 

(*)Exprimé en unité de mesure traditionnelle (cuvette, sac, bâchée...) ou si possible en Kg S6Q01 Quelles sont les contraintes majeures à la production ? /__/

1=Manque de main d'oeuvre; 2=Pénibilité du travail; 3=Manque de terres; 4=Manque de semences ; 5=faible fertilité du
sol; 6=maladies des plantes ; 7= Coût des intrants trop élevés; 8=manque de formation; 9=Autres (à

préciser)

S6Q02 quel est votre objectif de production ? /__/

1= Subsistance, 2 =Vente, 3= Subsistance et vente, 4= Autres (à préciser)

S6Q03 Quelle est votre principale clientèle directe ? /__/

1=Consommateurs, 2=Revendeurs,, 4=Industriels,5= Autres (à préciser)

S6Q04 Pendant les cinq dernières années, comment évaluez-vous l'évolution de votre production ? /__/ 1 = A la hausse, 2 = A la baisse, 3 = Stable

Annexe 2 : Présentation et résultats de l'ACM et la CAH

Encadré 1: Présentation de l'Analyse des Correspondances Multiples (ACM)

Le principe de l'analyse factorielle est de réduire la dimension d'un tableau de données afin de condenser l'information qui y est contenue sous une forme simplifiée et organisée. Pour cela, les variables initiales (corrélées éventuellement) sont remplacées par des nouvelles variables latentes (fonction linéaires des variables initiales) et non corrélées entre elles, résumant au mieux l'information contenue dans le tableau initial, en déformant au minimum les proximités entre les individus et les variables. Dès lors, la dispersion du nuage des points devient facilement interprétable dans un sous-espace à faible dimension. L'ACM utilise et généralise une autre méthode d'analyse : l'Analyse Factorielle des Correspondances.

L'Analyse Factorielle des Correspondances (AFC)

L'objectif principal de l'AFC est d'étudier les proximités entre les modalités de deux variables qualitatives. Elle opère donc sur un tableau de contingences croisant deux variables qualitatives. Son principe est de confronter d'abord les hypothèses suivantes :

H0 : Il y a indépendance entre les deux variables A et B (dans la population dont a été extrait l'échantillon) ; H1 : Il y a dépendance entre les deux variables A et B.

Pour confronter ces hypothèses, on utilise la statistique du Khi-deux de Karl Pearson dont la formule est :

2

2

n p O T

- n p k k k k

- avec, Oij = kij = effectif observé, Tij = k

2 ij ij ij i j

. .

÷= =

obs T k k

i= 1 j =1 ij i= 1 j =1 i j

. .

k

effectif théorique d'indépendance, n = nombre de modalités de la variable A et p = nombre de modalités de la variable B, k

= taille de l'échantillon. Sous H0, ÷obs suit la loi du Khi-deux à (n-1)(p-1) degrés de liberté. On rejette H0 2

si

÷ obs > ÷

2

2

( 1 )( 1 )

n - p - au seuil de risque á ( á ? [ 0, 5%] le plus souvent). Une fois que H0 est rejetée,

on applique l'AFC en cherchant à expliquer les liaisons entre les modalités des deux variables qualitatives. Au cas contraire, il n'y a rien à expliquer.

ki . k . j

L'Analyse des Correspondances Multiples (ACM)

L'objectif de l'ACM est de décrire les liaisons entre p (p >2) variables qualitatives, simultanément observées sur n individus. Elle est adaptée à l'exploitation des données des enquêtes socio-économiques où elle permet de mettre en correspondance plusieurs ensembles de questions.

Le principe de l'ACM est d'appliquer l'AFC sur deux types de tableaux : le tableau disjonctif complet (Z) et le tableau de BURT (B).

Le tableau disjonctif complet résulte d'un codage binaire des réponses contenues dans le tableau initial des données. En ligne, on dispose les n individus sur lesquels les p variables disposées en colonne sont mesurées. Pour un individu i et une variable j donnés, chaque modalité reçoit la valeur 1 si l'individu i l'a choisie et 0 sinon.

Le tableau de BURT se déduit du tableau disjonctif complet à travers la formule suivante :

B = Z'Z, où Z' désigne la transposée de la matrice Z. C'est un tableau de dimension (J, J) qui croise deux à deux toutes les modalités actives (J = nombre total des modalités actives).

Quelques éléments d'aide à l'interprétation de l'ACM

n

La distance à l'origine : ( , ) 1

dð j G

2 = -

2 j k

jl

, où kjl est l'effectif de la modalité l de la variable Xj et n l'effectif total. Elle

donne une idée sur le caractère périphérique de certains points. Il s'agit généralement des points à faible masse.

Les contributions absolues des modalités actives sur les premiers axes décrivent la part de chaque modalité dans l'inertie

totale de l'axe. Pour une modalité l de la variable Xj et de coordonnée?ájl , sa contribution sur l'axe á de valeur propre

ëá est :

CRT c

( , )

jl á = fx ? 2

. jl á jl

ëá

actives sur les premiers axes concernent la qualité de représentation de ces modalités sur les axes. Pour l'interprétation, on
sélectionne les modalités dont les cosinus carrés sont les plus forts car elles sont les mieux représentées. Le cosinus carré de

x 100 Les cosinus carrés (ou contributions relatives) de chacune des modalités

k jl

la modalité l, de coordonnée ?ájl sur l'axeá , a pour formule:

2

Cos =

( , )

á

c jl

? á 2 jl

n 1

Présentation de la méthode de Classification Ascendante Hiérarchique

La technique de classification fournit une autre forme de synthèse des données qu'une analyse factorielle. Elle constitue des classes homogènes d'individus, les classes étant distinctes les unes des autres le plus probable relativement aux variables considérées. Les individus qui se ressemblent au niveau des variables actives sont rassemblés dans une même classe et la synthèse de toute l'information contenue dans le tableau de données se ramène alors à la caractérisation de ce petit nombre de classes homogènes. Il s'agit d'une classification sur facteurs issus de l'AFC ou de l'ACM. Elle revient à créer une variable qualitative qui correspond à l'appartenance à une classe ; la classification hiérarchique fournit une hiérarchie de partitions, et la méthode d'agrégation autour de centres mobiles conduit directement à une seule partition.

La méthode de classification sur les facteurs effectue une classification des individus à partir d'un ensemble de p variables (ou p facteurs) issus d'une analyse factorielle préalable. Elle est effectuée selon le critère de Ward. L'arbre d'agrégation appelé dendrogramme ainsi créé peut ensuite être coupé en un nombre donné d'éléments «terminaux» où les individus sont regroupés selon une hiérarchie H de façon ascendante : on regroupe les individus les plus proches et on recommence pour les n-1 points suivants et ainsi de suite. On produit donc une suite de partitions emboîtées ; L'Indice de niveau donne la valeur de l'indice d'agrégation de chaque noeud et mesure, au sens de Ward, la dissimilarité entre les classes. Et le choix du niveau de coupure du dendrogramme, et donc, du nombre de classes de la partition sera fait par examen de l'histogramme des indices croissants de niveau, en réalisant la coupure après agrégation correspondant à des valeurs peu élevées qui regroupent les éléments les plus proches à des valeurs élevées de l'indice, qui dissocient les groupes bien distincts dans la population (coupure au niveau pour lequel cet histogramme marque un palier important). La CAH présente l'avantage de laisser libre le choix du nombre de classes qui est imposé avec la méthode des centres mobiles.

RESULTAT DES ACM et CAH

Tableau A2.1 : histogramme des 16 premières valeurs propres

+

| NUMERO |

+

+ +

| VALEUR |

| PROPRE |

+ +

+
POURCENTAGE |
|
+

POURCENTAGE
CUMULE

+

|

|

+

| 1

| 0.2678 |

15.06 |

15.06

|************************************************************************* |

| 2

| 0.2127 |

11.96 |

27.03

| ****************************************************************

| 3

| 0.2008 |

11.30 |

38.32

| ************************************************************

| 4

| 0.1828 |

10.28 |

48.61

| *******************************************************

| 5

| 0.1351 |

7.60 |

56.21

| *****************************************

| 6

| 0.1181 |

6.64 |

62.85

| ************************************

| 7

| 0.1119 |

6.30 |

69.15

| **********************************

| 8

| 0.1048 |

5.90 |

75.04

| ********************************

| 9

| 0.1003 |

5.64 |

80.68

| ******************************

| 10

| 0.0824 |

4.64 |

85.32

| *************************

| 11

| 0.0671 |

3.78 |

89.09

| *********************

| 12

| 0.0619 |

3.48 |

92.58

| *******************

| 13

| 0.0544 |

3.06 |

95.64

| *****************

| 14

| 0.0385 |

2.16 |

97.80

| ************

| 15

| 0.0277 |

1.56 |

99.36

| *********

| 16

| 0.0114 |

0.64 |

100.00

| ****

+ + + + +

Tableau 2.A2.2 : coordonnées, contributions et cosinus carrés des modalités actives axes 1 à 5

AXES 1 A 5

|

+

|

|

MODALITES

+
|
+

 

+ COORDONNEES |

+

 

CONTRIBUTIONS

+
|
+

 

COSINUS CARRES

+
|
|

| IDEN

- LIBELLE P.REL

DISTO |

1

2 3 4 5 |

1

2

3

4

5 |

1

2

3

4

5 |

+

 

+

 

+

 
 
 
 

+

 
 
 
 

+

| 2

. village

 
 
 
 
 
 
 
 
 
 
 
 

|

| LO01

- Nsimi 3.41

2.26 |

-0.39

-0.02 -0.69 -0.21 0.52 |

1.9

0.0

8.2

0.8

6.9 |

0.07

0.00

0.21

0.02

0.12 |

| LO02

- Ebamina 3.94

1.82 |

-0.35

0.10 0.76 -0.12 -0.17 |

1.8

0.2

11.4

0.3

0.8 |

0.07

0.01

0.32

0.01

0.02 |

| LO03

- Otetek 3.76

1.95 |

0.72

-0.09 -0.17 0.31 -0.30 |

7.3

0.1

0.5

2.0

2.5 |

0.27

0.00

0.02

0.05

0.05 |

+

 

+

 

CONTRIBUTION CUMULEE =

11.1

0.3

20.2

3.2

10.2 +

 
 
 
 

+

| 19

. Avez vous bénéficié d'appui

financier

 
 
 
 
 
 
 
 
 
 
 

|

| FI01

- oui 1.61

5.89 |

-0.41

0.23 0.81 -0.56 -0.64 |

1.0

0.4

5.2

2.8

4.9 |

0.03

0.01

0.11

0.05

0.07 |

| FI02

- non 9.50

0.17 |

0.07

-0.04 -0.14 0.10 0.11 |

0.2

0.1

0.9

0.5

0.8 |

0.03

0.01

0.11

0.05

0.07 |

+

 

+

 

CONTRIBUTION CUMULEE =

1.2

0.5

6.1

3.2

5.7 +

 
 
 
 

+

| 22

. Appartenance à une organisation paysanne

 
 
 
 
 
 
 
 
 
 

|

| OP01

- oui 4.12

1.70 |

-0.69

0.87 -0.18 -0.32 -0.29 |

7.3

14.5

0.7

2.3

2.5 |

0.28

0.44

0.02

0.06

0.05 |

| OP02

- non 6.99

0.59 |

0.41

-0.51 0.11 0.19 0.17 |

4.3

8.6

0.4

1.3

1.5 |

0.28

0.44

0.02

0.06

0.05 |

+

 

+

 

CONTRIBUTION CUMULEE =

11.6

23.1

1.1

3.6

4.0 +

 
 
 
 

+

| 24

. Bénéficiez vous d'un encadrement

 
 
 
 
 
 
 
 
 
 
 

|

| EN01

- oui 1.79

5.20 |

0.37

1.59 0.51 0.64 -0.75 |

0.9

21.2

2.3

4.0

7.5 |

0.03

0.48

0.05

0.08

0.11 |

| EN02

- non 9.32

0.19 |

-0.07

-0.31 -0.10 -0.12 0.14 |

0.2

4.1

0.4

0.8

1.4 |

0.03

0.48

0.05

0.08

0.11 |

+

 

+

 

CONTRIBUTION CUMULEE =

1.1

25.3

2.8

4.8

9.0 +

 
 
 
 

+

| 26

. Bénéficiez vous d'appui conseil

 
 
 
 
 
 
 
 
 
 
 

|

| AP01

- oui 1.97

4.64 |

-1.44

0.41 -0.69 -0.84 -0.27 |

15.2

1.6

4.7

7.7

1.1 |

0.44

0.04

0.10

0.15

0.02 |

| AP02

- non 9.14

0.22 |

0.31

-0.09 0.15 0.18 0.06 |

3.3

0.3

1.0

1.7

0.2 |

0.44

0.04

0.10

0.15

0.02 |

+

 

+

 

CONTRIBUTION CUMULEE =

18.5

1.9

5.8

9.3

1.3 +

 
 
 
 

+

| 63

. Destination de la production

 
 
 
 
 
 
 
 
 
 
 
 
 

| OB01

- autoconsommation 6.09

0.82 |

0.47

0.24 -0.34 -0.19 -0.20 |

5.0

1.6

3.4

1.2

1.9 |

0.27

0.07

0.14

0.04

0.05 |

| OB02

- vente+autoconcammati 5.02

1.21 |

-0.57

-0.29 0.41 0.23 0.25 |

6.0

1.9

4.2

1.5

2.3 |

0.27

0.07

0.14

0.04

0.05 |

+

 

+

 

CONTRIBUTION CUMULEE =

11.0

3.5

7.6

2.7

4.1 +

 
 
 
 

+

| 70

. Superficie cultivée

 
 
 
 
 
 
 
 
 
 
 
 

|

| SU01

- moins de 0,5 ha 5.73

0.94 |

-0.14

-0.51 0.10 0.35 -0.25 |

0.4

7.1

0.3

3.9

2.6 |

0.02

0.28

0.01

0.13

0.07 |

| SU02

- )0,5-1) 4.12

1.70 |

0.13

0.43 -0.53 -0.14 -0.01 |

0.2

3.5

5.7

0.4

0.0 |

0.01

0.11

0.16

0.01

0.00 |

| SU03

- )1-1,5) 0.72

14.50 |

0.54

0.28 0.01 -2.24 1.68 |

0.8

0.3

0.0

19.7

15.0 |

0.02

0.01

0.00

0.35

0.20 |

| SU04

- plus de 1,5 ha 0.54

19.67 |

-0.16

1.82 2.97 0.26 0.49 |

0.1

8.4

23.7

0.2

1.0 |

0.00

0.17

0.45

0.00

0.01 |

+

 

+

 

CONTRIBUTION CUMULEE =

1.5

19.2

29.6

24.3

18.6 +

 
 
 
 

+

| 77

. Productivité de la terre

 
 
 
 
 
 
 
 
 

|

 
 
 

| PV01

- moins de 100000 FCFA 2.51

3.43 |

0.70

0.66 0.45 -0.76 0.85 |

4.6

5.2

2.6

7.9

13.6 |

0.14

0.13

0.06

0.17

0.21 |

| PV02

- )100000-200000) 4.12

1.70 |

0.37

-0.33 -0.18 -0.31 -0.79 |

2.1

2.1

0.7

2.2

19.2 |

0.08

0.06

0.02

0.06

0.37 |

| PV03

- )200000-300000) 1.43

6.75 |

0.05

0.57 -1.19 1.49 0.77 |

0.0

2.2

10.1

17.4

6.3 |

0.00

0.05

0.21

0.33

0.09 |

| PV04

- plus de 300000 3.05

2.65 |

-1.10

-0.37 0.43 0.34 0.01 |

13.8

1.9

2.8

1.9

0.0 |

0.46

0.05

0.07

0.04

0.00 |

+

 

+

 

CONTRIBUTION CUMULEE =

20.5

11.5

16.1

29.4

39.1 +

 
 
 
 

+

| 78

. Productivité du travail

 
 
 
 
 
 
 
 
 
 
 

|

 

| PV01

- moins de 1000 FCFA/a 4.66

1.38 |

0.71

-0.25 0.39 -0.40 -0.06 |

8.9

1.4

3.6

4.0

0.1 |

0.37

0.05

0.11

0.11

0.00 |

| PV02

- )1000-2000) 3.94

1.82 |

-0.46

-0.05 -0.54 -0.11 -0.27 |

3.1

0.0

5.8

0.3

2.2 |

0.12

0.00

0.16

0.01

0.04 |

| PV03

- )2000-3000) 1.79

5.20 |

-0.01

1.12 -0.08 1.24 0.51 |

0.0

10.5

0.1

15.2

3.5 |

0.00

0.24

0.00

0.30

0.05 |

Figure : A2.1 : Dendrogramme

| PV04 - plus de 3000 0.72 14.50 | -2.08 -0.91 0.63 0.08 0.65 | 11.6 2.8 1.4 0.0 2.3 | 0.30 0.06 0.03 0.00 0.03 |

+ + CONTRIBUTION CUMULEE = 23.6 14.7 10.8 19.5 8.1 + +

Source : Auteur à partir de CAH

Tableau A2.3 : décomposition de l'inertie

+ + + + +

| | INERTIES | EFFECTIFS | POIDS | DISTANCES

| INERTIES | AVANT APRÈS | AVANT APRÈS | AVANT APRÈS | AVANT APRÈS

+

|

| INTER-CLASSES

|

| INTRA-CLASSE

|

+

|

| 0.6809
|

|

|

+

|

0.6841 | | | |

 

+

|

|

|

|

|

 

+
|

|

|

|

|

 
 

| CLASSE

1 / 6

| 0.2590

0.2432 | 15

14

|

15.00

14.00 |

0.4160

0.4550

| CLASSE

2 / 6

| 0.0219

0.0219 | 3

3

|

3.00

3.00 |

2.2437

2.2437

| CLASSE

3 / 6

| 0.3284

0.3410 | 26

27

|

26.00

27.00 |

0.1882

0.1836

| CLASSE

4 / 6

| 0.0363

0.0363 | 3

3

|

3.00

3.00 |

2.9090

2.9090

| CLASSE

5 / 6

| 0.0408

0.0408 | 4

4

|

4.00

4.00 |

2.0672

2.0672

| CLASSE

6 / 6

| 0.1494

0.1494 | 11

11

|

11.00

11.00 |

0.6690

0.6690

|

 

|

|

 

|

 

|

 
 

| TOTALE

 

| 1.5168

1.5168 |

 

|

 

|

 
 

+

 

+

+

 

+

 

+

 
 

QUOTIENT

(INERTIE

INTER /

INERTIE TOTALE) :

AVANT

...

0.4489

 
 
 
 
 
 
 

APRÈS

..

. 0.4510

 
 
 

Source : Auteur à partir de CAH

Figure A2.2 : Carte des variables-modalités

Source : Auteur à partir de CAH

Tableau A2.4 : Caractérisation des classes

Libellés des variables

Modalités caractéristiques

% de la
modalité dans
la classe

% de la
modalité dans
l'échantillon

% de la classe
dans la modalité

CLASSE 1

Superficie cultivée (en ha)

] 0,5-1]

78,57

37,10

47,83

Productivité du travail

] 2000-3000]

50,00

16,13

70,00

Productivité de la terre

] 200000-300000]

42,86

12,90

75,00

Destination de la production

Autoconsommation

85,71

54,84

35,29

Destination de la production

vente+autoconsommation

14,29

45,16

7,14

Productivité de la terre

] 100000-200000]

7,14

37,10

4,35

CLASSE 2

Superficie cultivée (en ha)

]1-1,5]

100,00

6,45

75,00

Productivité de la terre

moins de 100000 FCFA

100,00

22,58

21,43

CLASSE 3

Appartenance à une OP

Non

92,59

62,90

64,10

Productivité de la terre

] 100000-200000]

66,67

37,10

78,26

Accès aux conseils

Non

100,00

82,26

52,94

Superficie cultivée (en ha)

moins de 0,5 ha

74,07

51,61

62,50

Productivité du travail

moins de 1000 FCFA par h/j

62,96

41,94

65,38

Appartenance à une OP

Oui

7,41

37,10

8,70

CLASSE 4

Superficie cultivée (en ha)

plus de 1,5 ha

100,00

4,84

100,00

CLASSE 5

Productivité du travail

plus de 3000

100,00

6,45

100,00

Productivité de la terre

plus de 300000

100,00

27,42

23,53

CLASSE 6

Appartenance à une OP

Oui

100,00

37,10

47,83

Accès aux conseils

Oui

72,73

17,74

72,73

Productivité du travail de l'EFA

] 1000-2000]

90,91

35,48

45,45

Accès aux conseils

Non

27,27

82,26

5,88

Source : Auteur à partir de la CAH

Tableau A2.5 : Tests du Khi-deux

 

Valeur

ddl

Signification
asymptotique
(bilatérale)

Signification
exacte
(bilatérale)

Signification
exacte
(unilatérale)

Khi-deux de Pearson

22,675(b)

1

,000

 
 

Correction pour la continuité (a)

19,517

1

,000

 
 

Rapport de vraisemblance

26,123

1

,000

 
 

Test exact de Fisher

 
 
 

,000

,000

Association linéaire par linéaire

22,309

1

,000

 
 

Nombre d'observation valides

62

 
 
 
 

Source : construction de l'auteur

Tableau A2.6 : Corrélation entre la productivité de la terre et la superficie cultivée

 

Superficie cultivée

Productivité de la terre

Productivité du travail

Superficie cultivée

1.0000

 
 

Productivité de la terre

-0.3880

1.0000

 

Productivité du travail

-0.1943

0.6471

 
 
 
 

1.0000

Source : construction de l'auteur

TABLE DES MATIERES

AVERTISSEMENT iii

DEDICACES iv

REMERCIEMENTS v

LISTE DES TABLEAUX vi

LISTE DES FIGURES vii

LISTE DES ABREVIATIONS ET SIGLES viii

RESUME ix

ABSTRACT x

INTRODUCTION GENERALE 1

CONTEXTE ET PROBLEMATIQUE 2

OBJECTIF DE RECHERCHE 5

HYPOTHESES DE TRAVAIL 5

REVUE DE LITTERATURE 5

INTERET DE L'ETUDE 8

DEMARCHE METHODOLOGIQUE 9

ORGANISATION DE L'ETUDE 9

Premiere Partie : Analyse de la productivité des exploitations familiales agricoles . 10

INTRODUCTION DE LA PREMIERE PARTIE 11

CHAPITRE 1 LA PRODUCTIVITE : ETAT DES LIEUX 12

Section 1 : Analyse théorique de la productivité 13

I. Généralités sur la productivité 13

A. Définition des concepts 13

B. Les mesures de productivité 15

II. Approche théorique de la productivité 18

A. Des théories physiocrates à la théorie néoclassique de la répartition 18

B. Théorie microéconomique de la production 20

Section 2 : Pertinence du concept de productivité en agriculture 22

I. L'importance de la productivité 23

A. Les enjeux de la productivité 23

B. Les déterminants de la productivité 25

II. Les facteurs limitant la productivité agricole 27

A. La taille de l'exploitation 27

B. Les coûts de transaction 29
CHAPITRE 2 : EVIDENCE EMPIRIQUE SUR LA PRODUCTIVITE DES

EXPLOITATIONS FAMILIALES AGRICOLES 31

Section 1 : Méthodologie de recherche et description des comportements productifs des

exploitations familiales agricoles 32

I. Les caractéristiques de l'échantillon 32

A. Echantillonnage 32

B. Présentation des variables 34

II. Analyse des comportements productifs des exploitations familiales agricoles 36

A. Caractéristiques sociodémographiques du chef d'exploitation 37

B. Présentation du circuit de production 39
Section 2 : Structure économique et typologie des exploitations familiales agricoles40

I. Structure économique des exploitations familiales agricoles 40

A. Analyse de la production 41

B. Analyse de la productivité partielle des exploitations familmiales agricoles 44

II. Typologie des exploitations familiales agricoles à partir des indices de productivité

partielle 47

A. Présentation des variables 48

B. Présentation des résultats de la typologie 49

CONCLUSION DE LA PREMIERE PARTIE 53

Deuxieme Partie : Analyse de l'efficacité des exploitations familiales agricoles 55

INTRODUCTION DE LA DEUXIEME PARTIE 55

CHAPITRE 3 L'EFFICACITE DANS LA THEORIE ECONOMIQUE 56

Section 1 : L'efficacité et ses déterminants 57

I. La notion d'efficacité 57

A. Fondements de l'efficacité 57

B. L'efficacité : notion à plusieurs sens 59

II. L'analyse des déterminants potentiels de l'efficacité 62

A. La théorie du capital humain 62

B. Les autres déterminants de l'efficacité 64

Section 2 : Les méthodes d'estimation de l'efficacité 66

I. L'approche non paramétrique 66

A. Fondement de l'approche non paramétrique 66

B. La méthode DEA 68

II. Approche paramétrique et approche non paramétrique : une complémentarité

certaine 71

A. L'approche paramétrique 71

B. Approche non paramétrique « versus » approche paramétrique 73
CHAPITRE 4 : EVIDENCE EMPIRIQUE SUR L'EFFICACITE DES

EXPLOITATIONS FAMILIALES AGRICOLES 76

Section 1 : Spécification des modèles utilisés 77

I. Présentation des modèles 77

A. Les modèles DEA 77

B. Le modèle TOBIT 79

II. Caractéristiques socio-économiques des exploitations familiales agricoles 81

A. Présentation des variables 81

B. Description statistique des variables des modèles 83

Section 2 : Présentation et analyse des résultats 84

I. L'efficacité technique des exploitations familiales agricoles 84

A. Distribution des indices d'efficacité technique 85

B. L'efficacité d'échelle et les « input slacks » 88

II. Les déterminants de l'efficacité technique des exploitations familiales agricoles91

A. L'effet des variables liées au capital humain 91

B. Les autres facteurs qui expliquent l'efficacité technique 93

CONCLUSION DE LA DEUXIEME PARTIE 96

CONCLUSION GENERALE 97

REFERENCES BIBLIOGRAPHIQUES 100

ANNEXES 109

Annexe 1 : Questionnaire de l'enquête 109

Annexe 2 : Présentation et résultats de l'ACM et la CAH 113

TABLE DES MATIERES 119

MEMOIRE DE FIN D'ETUDES EN VUE DE L'OBTENTION DU
DEA/MASTER EN SCIENCES ECONOMIQUES

ANALYSE DES PERFORMANCES PRODUCTIVES DES EXPLOITATIONS

FAMILIALES AGRICOLES DE LA LOCALITE DE ZOETELE AU SUD

CAMEROUN

Présentée et soutenue publiquement par KANE Gilles Quentin
(16 Novembre 2010)

Membre du jury :

Professeur Abessolo Yves (Président) Professeur Fondo Sikod (Directeur) Docteur Minkoa Nzie Jules (Rapporteur)

REPUBLIC OF CAMEROON
Peace - Work - Fatherland
THE UNIVERSITY OF YAOUNDE II
Faculty of Economics and Management
PO.BOX 13

REPUBLIQUE DU CAMEROUN
Paix - Travail - Patrie
UNIVERSITE DE YAOUNDE II

Faculté des Sciences Economiques et
de Gestion

B.P. 1365 Yaoundé

MEMOIRE DE FIN D'ETUDES EN VUE DE L'OBTENTION DU
DEA/MASTER EN SCIENCES ECONOMIQUES

ANALYSE DES PERFORMANCES PRODUCTIVES DES EXPLOITATIONS FAMILIALES AGRICOLES DE LA LOCALITE DE ZOETELE AU SUD

CAMEROUN

Présentée et soutenue publiquement par KANE Gilles Quentin
(16 Novembre 2010)

Membre du jury :

Professeur Abessolo Yves (Président) Professeur Fondo Sikod (Directeur) Docteur Minkoa Nzie Jules (Rapporteur)






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"En amour, en art, en politique, il faut nous arranger pour que notre légèreté pèse lourd dans la balance."   Sacha Guitry