DIRECTION DE LA PREVISION ET DES ETUDES … · 1 productivite agricole, croissance economique et...

Un Peuple - Un But – Une Foi

MINISTERE DE L’ECONOMIE ET DES FINANCES

DIRECTION DE LA PREVISION ET DES ETUDES ECONOMIQUES

Document d’Etude N°26

PRODUCTIVITE AGRICOLE, CROISSANCE ECONOMIQUE ET PAUVRETE

AU SENEGAL : ANALYSE PAR UN MEGC DYNAMIQUE RECURSIF EN

MICROSIMULATION

A. DIALLO

B. B. MBAYE

K. THIAW

@DPEE/DEPE – Septembre 2013

1

PRODUCTIVITE AGRICOLE, CROISSANCE ECONOMIQUE ET PAUVRETE AU SENEGAL : ANALYSE PAR UN MEGC DYNAMIQUE RECURSIF EN

MICROSIMULATION

Alassane DIALLO Baïdy Baro MBAYE Kalidou THIAW

Septembre 2013

Résumé La politique agricole du Sénégal, déclinée à travers la Stratégie Nationale de Développement Economique

et Sociale (SNDES), accorde une importance capitale à l’amélioration des performances. A travers un

modèle d’équilibre général calculable dynamique en micro simulation, cette étude a cherché à

appréhender l’impact d’une hausse annuelle de 4,4% de la productivité agricole sur la croissance et la

pauvreté. Ce rythme de progression de la productivité est estimé nécessaire par le Forum Africain de

Recherche Agricole (FARA) pour atteindre l’objectif de croissance annuelle de 6% de la valeur ajoutée

agricole, fixée par le Programme Détaillé de Développement de l’Agriculture en Afrique (PDDAA).

Les résultats des simulations indiquent une augmentation moyenne annuelle de 13,9% de la valeur

ajoutée agricole, comparativement au scénario de référence, en rapport avec les filières maïs, tomate, du

mil–sorgho, arachide, riz – paddy, canne à sucre et coton. Au plan social, l’incidence de la pauvreté

baisserait de 11,8% à l’horizon 2020, relativement au scénario tendanciel. Ce recul de la pauvreté serait

davantage ressenti en milieu rural, notamment dans les zones agro écologiques du Fleuve, du Bassin

arachidier, du Sénégal Oriental et du Ferlo. De légères variations des inégalités seraient également notées.

Mots clés : Productivité agricole, croissance économique, Modèle d’Equilibre Général calculable, Pauvreté

Classification JEL: D24, O4, C68, I32

Abstract The Senegalese agricultural policy as described in the National Strategy for Social and Economic

Development (SNDES) places productivity growth as a top priority. This paper uses a recursive dynamic

computable general equilibrium model, to estimate the impact of a 4.4% annual increase in agricultural

productivity on growth and poverty. Such a productivity growth is necessary to reach the 6% annual

increase of the agricultural value added according to the African Forum for Aricultural Research. That

target is defined by the Detailed Program for African Agricultural Development. Results show an average

increase of 13.9% of agricultural value added, compared to the baseline scenario, with respect to the

sectors maize, tomato, millet – sorghum, peanuts, paddy – rice, sugar cane and cotton. Furthermore,

poverty headcount would bend by 11.8% in 2020, compared to the baseline scenario. Improvements in

terms of poverty reduction would be perceived more in rural areas particularly the river, Saloum area,

Ferlo and East Senegal. Slight variations in inequality would also be noted.

Key words: Agricultural productivity, economic growth, Computable General Equilibrium, Poverty JELClassification: D24, O4, C68, I32

2

I. Introduction

Les progrès liés à la transformation structurelle des économies induisent une contribution en

constante diminution du secteur agricole aux revenus. Depuis les travaux de Rostow (1960) sur

les étapes de la croissance économique, il existe un large consensus autour de l’idée selon

laquelle le processus devant mener au développement économique nécessite la réussite du

passage de l’économie agricole à l’économie industrielle. Toutefois, le processus de croissance

est encore régi, dans une certaine mesure par le développement du secteur agricole, avec une

forte dimension liée à la satisfaction des besoins de subsistance des populations, notamment

les plus pauvres.

En effet, la croissance de l’agriculture est généralement favorable aux pauvres en zones rurales

étant donné qu’elle met en jeu les principaux actifs des populations défavorisées à savoir la

terre et le travail. Elle permet également de diminuer les prix des denrées alimentaires au

bénéfice des ménages urbains pauvres qui consacrent une part importante de leurs budgets à

la satisfaction des besoins alimentaires de base. Aussi, le secteur agricole a un effet

d’entrainement non négligeable sur l’activité industrielle et sur les services.

Par ailleurs, dans la plupart des pays en développement et particulièrement en Afrique au sud

du Sahara, l’essentiel de la population vit en milieu rural et tire principalement son revenu du

travail agricole. Gollin (2009), rappelle qu’en dehors de l’Afrique du Nord et de l’Afrique

Australe, la main d’œuvre du continent est fortement agricole avec environ 60% de la

population économiquement active. Dès lors, une réduction significative de la pauvreté est, en

Afrique, intimement liée à l’amélioration des performances du secteur agricole, et en

particulier, à l’augmentation de la productivité. Or, le niveau de celle-ci s’est révélé faible. Au

même moment, les importations de céréales ont explosé, rendant difficile la satisfaction des

besoins de consommation de base des ménages.

Ainsi, la politique agricole du Sénégal, déclinée à travers la Stratégie Nationale de

Développement Economique et Sociale (SNDES), accorde une importance capitale à

l’augmentation de la productivité. Elle est largement inspirée par le Programme Détaillé de

Développement de l’Agriculture en Afrique (PDDAA), une vision collective du continent africain

adoptée en 2003. Le PDDAA affiche principalement pour ambition d’atteindre les objectifs du

millénaire pour le développement (OMD), avec 6% de croissance annuelle du secteur agricole

3

et un minimum de 10% du budget global à allouer à l’agriculture dans chaque pays adhérent,

conformément à la déclaration de Maputo. Le Plan National d’Investissement Agricole du

Sénégal (PNIA) et son plan d’investissements (PI) constituent l’opérationnalisation de la

politique agricole commune de l’Afrique de l’Ouest (ECOWAP) et du PDDAA, au niveau national.

Dans ce contexte, il est important de développer des outils permettant de comprendre et de

quantifier les liens entre productivité agricole, croissance économique et réduction de la

pauvreté, au Sénégal. Le présent document s’inscrit dans cette perspective. Les mécanismes

par lesquels l’amélioration de la productivité agricole (au rythme préconisé par le Forum

Africain de Recherche Agricole (FARA) pour atteindre les objectifs du PDDAA) influence la

croissance de la valeur ajoutée du secteur sont identifiés et analysés. Les effets d’entrainement

sur l’industrie et les services sont également étudiés ainsi que les impacts sur le produit

intérieur brut (PIB), les prix et l’épargne du gouvernement. Au plan social, il s’agit d’examiner

les impacts sur les indicateurs de pauvreté et d’inégalité, en tenant compte de l’hétérogénéité

dans la structure des revenus et des dépenses de consommation des ménages. A cet effet, les

résultats de la récente enquête de suivi de la pauvreté au Sénégal (ESPS II, 2011) sont utilisés.

L’utilisation d’un modèle d’équilibre général calculable semble appropriée, en ce sens que ce

type d’instrument permet une meilleure prise en compte de toutes les interactions qui

caractérisent l’économie. Ce travail s’inscrit dans le cadre des MEGC dynamiques en micro

simulation. De type néoclassique, le modèle de base décrit la réalité économique sous formes

d'équations interdépendantes (équations de comportement des agents, équations comptables).

Il trouve les vecteurs de prix et de quantité, de sorte à équilibrer tous les marchés de biens et

de facteurs. En sus, la micro simulation permet d’affiner l’analyse de la pauvreté et des

inégalités, en levant l’hypothèse très forte du ménage représentatif longtemps postulée dans les

MEGC. Il s’agit de prendre en compte simultanément la variance intra groupe et la variance

intergroupe dans l’analyse de l’évolution des indicateurs de pauvreté et d’inégalité.

La suite du document est organisée comme suit. La revue de la littérature (section II)

documente l’état de la recherche sur la question. La section III établit des faits stylisés sur les

politiques agricoles et les caractéristiques des ménages. La méthodologie de l’étude est ensuite

décrite à la section IV avant la présentation des résultats des simulations (section V).

4

II. Revue théorique et empirique de la littérature

La question du lien entre la productivité agricole, la croissance économique et la pauvreté fait

l’objet d’une attention particulière depuis un certain nombre d’années. Ainsi, Jayne et al. (2010)

rappellent qu’à l’exception d’une poignée de villes-Etats, il n’y a pas d’exemple de réduction en

masse de pauvreté depuis 1700 qui n’ait commencé par une forte augmentation des revenus du

travail et de l’auto-emploi à la faveur de la hausse de la productivité dans les petites

exploitations familiales. Mais, déjà en 1976, Mellor soulignait que la croissance de l’agriculture

et de sa productivité est généralement jugée cruciale pour la réalisation d’une croissance

durable et la réduction substantielle de la pauvreté, notamment dans les pays en

développement. De même, dans un rapport de 2004, le Département Britannique pour le

Développement International (DFID) soulignait que la réalisation des Objectifs du Millénaire

pour le Développement (OMD) concernant la réduction de moitié de la pauvreté à l’horizon

2015 dépend, de manière cruciale de l’augmentation de la productivité agricole qui demeure

probablement le déterminant le plus important de la croissance économique et de la réduction

de la pauvreté.

C’est dire que, de longue date, l’importance de la croissance de la productivité agricole a

largement été reconnue ; celle-ci est jugée vitale, si l’agriculture doit augmenter à un rythme

suffisamment élevé pour, notamment, satisfaire la demande croissante en produits

alimentaires de la population non agricole en constante augmentation (Mellor, 1976). Selon

Lewis (1958), l’incapacité de l’agriculture paysanne à accroître sa productivité a probablement

été la principale raison ayant freiné l’expansion du secteur industriel dans la plupart des pays

pauvres.

A titre d’illustration, certains auteurs ont invoqué l’exemple de la révolution verte en Asie qui

serait édifiant quant au rôle important de l’agriculture et de la croissance de la productivité

agricole dans les expériences concrètes de réduction de la pauvreté (Irz et al., 2001).

Néanmoins, quelques inquiétudes ont émergé quant à la possibilité d’augmenter la productivité

agricole dans les zones où elle demeure très faible à ce jour et sur le rôle éventuel des petites

exploitations agricoles. Ces doutes s’expliquent par le fait que les bouleversements survenus

dans la structure de l’agriculture mondiale sont susceptibles de limiter les possibilités pour les

petites exploitations agricoles de réaliser des gains de productivité similaires à ceux obtenus en

Asie lors de la Révolution Verte (DFID, 2004).

5

Dans leur rapport de 2004, les experts de la DFID identifiaient des mécanismes à travers

lesquels l’amélioration des performances du secteur agricole pouvait, aujourd’hui, contribuer à

la réduction de la pauvreté, tout en insistant sur le fait qu’un bon fonctionnement desdits

mécanismes est subordonné à l’existence d’une réelle possibilité d’augmenter la productivité

agricole dans les zones où le besoin se fait le plus sentir. Ces mécanismes sont au nombre de

quatre et portent sur : (i) l’impact direct et relativement immédiat de l’amélioration des

performances agricoles sur les revenus ruraux ; (ii) l’impact des produits alimentaires meilleur

marché sur les pauvres dans les zones urbaines et rurales ; (iii) la contribution de l’agriculture

à la croissance et à la création d’opportunités économiques dans le secteur non agricole et (iv)

le rôle fondamental de l’agriculture dans la stimulation et le soutien à la transition économique,

à mesure que les campagnes (et les moyens de subsistance des pauvres) s’éloignent de leur

base agricole pour évoluer vers les produits manufacturiers et les services.

La pertinence de ces canaux de transmission est d’autant plus nette lorsqu’elle est mise en

perspective avec les résultats de travaux, tels ceux de Datt et Ravallion (1996) sur l’Inde, qui

ont établi l’importance de la composition sectorielle de la croissance économique pour la

réduction de la pauvreté. Dans le même ordre d’idées, des auteurs comme Woden (1999) et

Thorbecke et Jung (1996) suggèrent que la croissance économique des zones rurales réduit la

pauvreté aussi bien dans les zones rurales que dans les zones urbaines, tandis que la croissance

économique en zone urbaine ne permet pas d’éliminer la pauvreté en zone rurale. S’intéressant

aux liens entre la structure de la croissance et la pauvreté, selon la dichotomie zones rurales-

zones urbaines, Mellor (1999) rappelle que l’impact de la croissance rurale sur la réduction de

la pauvreté est presque trois fois plus élevé que celui de la croissance urbaine. Bresciani et

Valdes (2007) arrivent à la même conclusion en insistant sur la prise en compte des effets

directs et indirects de la croissance agricole. Ils identifient trois canaux de transmission

déterminants dans le lien entre la croissance du secteur agricole et la réduction de la pauvreté,

à savoir le marché du travail, le revenu des exploitations agricoles et les prix des produits

alimentaires.

D’ailleurs, concernant les prix des produits alimentaires, il est aujourd’hui globalement admis

que l’augmentation de la production résultant de l’amélioration de la productivité tend à les

réduire de façon substantielle, bénéficiant ainsi aux consommateurs et aux acheteurs nets de

tels produits. Dans la mesure où les ménages pauvres, aussi bien urbains que ruraux, dépensent

une plus grande proportion de leurs revenus en produits alimentaires comparativement aux

6

riches, ils constituent les principaux bénéficiaires. Ce mécanisme fonctionne d’autant plus que

l’inélasticité de la demande au prix est importante (Irz et al., 2001 ; Datt et Ravallion ; 1990,

1996, 1998).

En Afrique, en dépit des engagements pris, notamment dans le cadre de la Déclaration de

Maputo en 2003, la plupart des pays n’a pas encore réussi à atteindre le seuil fixé de 10% du

budget national consacré à l’agriculture. En conséquence, malgré les nombreuses initiatives et

engagements pris au cours des dernières années, aussi bien à l’échelle continentale que sous-

régionale (Programme Détaillé de Développement de l’Agriculture Africaine, Déclaration de

Maputo, Politique Agricole Commune de la CEDEAO, PNIA au Sénégal, etc.), la productivité

agricole demeure très faible. Certes, les efforts consentis ont permis de réaliser des progrès,

mais ces performances ont été juste suffisantes pour retrouver les niveaux de productivité

enregistrés dans les années 60, illustrant à souhait l’ampleur de la crise au cours des décennies

qui ont suivi (IFPRI, 2012).

Ce constat est tout aussi valable pour l’agriculture sénégalaise qui, à l’instar de la plupart des

pays en développement, reste marquée par l’insuffisance des surfaces cultivées et des

rendements, ainsi que par la faiblesse de la productivité du travail. En effet, comme le

soulignent Faye et al. (2007), elle demeure largement dominée par l’agriculture familiale,

pluviale et extensive. Ils constatent, par ailleurs que les revenus qui en découlent ne permettent

pas d’assurer la satisfaction des besoins de base et donc une capacité d’investissement, alors

que la majorité des ménages agricoles pauvres réside dans cette forme d’agriculture. En outre,

les achats de matériel de culture attelée, d’engrais et de semences sélectionnées de ces

ménages restent à un niveau extrêmement bas qui n’assure ni le renouvellement de

l’équipement des exploitations, ni le maintien de la fertilité des sols et du capital semencier.

En définitive, il existe donc un large consensus autour du rôle fondamental de l’augmentation

de la production et de la productivité agricole dans la croissance économique et de son

incidence sur la réduction de la pauvreté. En conséquence, plusieurs outils de modélisation ont

été développés afin d’évaluer l’impact de la productivité agricole sur les systèmes économiques

et les conditions de vie des ménages, notamment les plus pauvres. Cependant, au cours des

années, la modélisation en équilibre général calculable s’est progressivement imposée comme

un outil privilégié pour les analyses d’impact des politiques macroéconomiques et sectorielles

(notamment agricoles) sur la pauvreté et les inégalités.

7

La construction et l’utilisation d’un modèle d’équilibre général calculable ont, en effet, connu un

développement fulgurant depuis le premier modèle développé par Johansen (1960) sur

l'économie norvégienne et surtout depuis la découverte par Scarf (1967) d'un algorithme de

résolution numérique des problèmes spécifiés. Les thèmes étudiés dans un cadre d'équilibre

général calculable peuvent être classés en trois groupes: des problèmes sectoriels (agriculture

et énergie essentiellement), des problèmes relatifs aux politiques commerciales et des

problèmes liés aux réformes de la fiscalité et des finances publiques. Plus récemment, plusieurs

MEGC ont été développés pour étudier des questions environnementales.

Un intérêt majeur de la modélisation en équilibre général calculable de problèmes agricoles

réside dans le fait qu'il est possible de prendre en compte toutes les liaisons entre les branches

agricoles distinguées. Egalement, la modélisation en équilibre général permet de rendre

compte, de manière théoriquement cohérente, des mouvements des facteurs primaires de

production entre secteurs ; le soutien accordé aux secteurs agricoles ayant souvent pour effet

de maintenir des ressources primaires dans l'agriculture à des niveaux vraisemblablement

supérieurs à ceux qui seraient observés sans intervention publique (Hertel (1990)). Enfin, le

cadre de l'équilibre général permet de respecter toutes les identités comptables

macroéconomiques de l'économie considérée ou, en d'autres termes, toutes les égalités entre

les ressources et les emplois des différents comptes de la matrice de comptabilité sociale

(MCS).

A l’origine, un nombre important de MEGC ont été construits dans le secteur agricole pour

analyser les impacts de la libéralisation des politiques prônée dans le cadre des négociations

multilatérales du GATT1. Ces modèles ont, notamment, étudié les effets de la libéralisation

proposée lors de l’Uruguay Round. Par ailleurs, la remise en cause du rôle interventionniste des

états, imposée par les contraintes budgétaires, a occasionné la construction de MEGC qui se

sont intéressés aux conséquences des changements de politiques agricoles sur l’ensemble de

l’économie et sur le bien – être. Dans ce contexte, Burniaux, Waelbrock et al. (1988) ont

construit un modèle dénommé RUNS (Rural/Urbain/Nord/Sud) pour analyser les impacts de la

Politique Agricole Commune de l’Union européenne (PAC). Leurs résultats montrent un impact

positif de la PAC pour les populations rurales des pays en développement à la faveur de la

hausse des prix de production agricole et la baisse probable des prix des biens intermédiaires.

Pour sa part, le modèle WALRAS (World Agricultural Liberalization Study) de l’OCDE a analysé

les effets, en termes de bien – être, des politiques de l’institution sur les pays membres ; l’accent

1 General Agreement on Tariffs and Trade

8

étant mis sur les interactions entre les secteurs agricoles et non agricoles. Toutefois, le modèle

de l’OCDE n’a individualisé aucun pays en développement et a souffert d’une désagrégation

insuffisante du secteur agricole.

Les modèles (dits modèles mondiaux) comme ceux que nous venons de décrire ont été

beaucoup critiqués par l’utilisation abusive des équations de transmission des prix pour

représenter les politiques. Aussi, les lenteurs de l'ajustement du marché des facteurs font qu'il

est difficile de déterminer l'effet net d'attraction des ressources des politiques publiques sur le

produit marginal des facteurs aux prix mondiaux (Hertel 1990). Ces modèles souffrent,

également, de lacunes importantes dans la désagrégation du secteur agricole. En outre,

l'inclusion des pays en développement dans ce type de modèle a visé à permettre une

comptabilisation correcte de l'offre et de la demande globales dans une perspective mondiale

plutôt que du point de ces pays eux-mêmes (De Janvry et Sadoulet, 1990).

En revanche, les modèles par pays se sont directement concentrés sur l'incidence des

variations des prix internationaux sur les performances économiques. Ces modèles se sont

particulièrement appesantis sur les interactions entre les différentes branches de l'économie et

sur la spécification des caractéristiques des différentes catégories socio-économiques. Au total,

les MEGC par pays appliqués au secteur agricole comprennent deux variantes. Dans une

première approche le secteur agricole est modélisé comme les autres secteurs de l’économie

alors qu’une seconde démarche modélise d’abord le secteur agricole de façon détaillée, en

modèle multi marché, avant intégration dans un cadre d’équilibre général.

Les travaux de Loo et Tower (1990) illustrent la première approche. Ces auteurs ont étudié les

effets de la libéralisation des échanges agricoles dans les pays en développement en mettant

l’accent sur l’allocation des ressources et sur le financement du secteur public. Leurs résultats

montrent que l'augmentation des prix agricoles mondiaux, combinée à celle de la valeur des

importations et des exportations se traduit par un gain en termes de revenus réels. Ils

aboutissent, aussi, à la conclusion que la réallocation des ressources des secteurs protégés vers

les secteurs concurrentiels induit une augmentation des gains.

En Tanzanie, Lopez et al. (1991) ont désagrégé le secteur agricole en biens échangeables et non

échangeables pour analyser les impacts des politiques macro-économiques et commerciale.

Leur principale conclusion est, qu'en Tanzanie, l'agriculture d'exportation est fortement

9

sensible aux incitations par les prix et aux variations du prix relatif des biens agricoles

d'importation par rapport aux biens agricoles non échangeables.

Plus récemment, en 2001, Colin, Thirtle et al. ont étudié les effets de la croissance de la

productivité agricole sur la croissance économique dans les pays en développement. Selon ces

auteurs, les effets d’un accroissement de la productivité agricole seraient directs et positifs sur

les ménages pauvres en milieu rural alors que pour les pauvres des centres urbains les impacts

positifs se feraient par le canal de la réduction des prix.

Dans le cadre de la mise en œuvre du PDDAA au Mali, Berthé et Keita (2009) montrent à partir

d’un MEGC basé sur celui de l’IFPRI que la productivité agricole est la variable la mieux corrélée

avec le statut nutritionnel des ménages ruraux. Ainsi, accroitre la productivité céréalière serait

d’une grande importance pour réduire la pauvreté au Mali. Les auteurs montrent, également,

que les effets d’un accroissement de la productivité agricole seraient largement positifs pour

les plus pauvres qui auto-consomment une part importante de leur production.

Dans ce sillage, utilisant un MEGC en dynamique séquentielle sur la période 2009 -2019

(période de mise en œuvre du plan stratégique de développement agricole, PEDSA) appliqué à

l’économie mozambicaine, Pauw et al. arrivent à la conclusion que l’augmentation de la

productivité agricole dans le cadre du PEDSA entrainerait un gain de 1,2 point de croissance,

relativement au scénario tendanciel.

A travers un MEGC en dynamique récursive, les chercheurs de l’IFPRI, Xinshen et al. (2010)

montrent que si les objectifs fixés par le gouvernement nigérian pour certaines branches

agricoles sont atteints, alors le secteur agricole et l’économie dans son ensemble atteindraient

des taux de croissance respectifs de 9,5% et de 8% sur les prochaines années.

Concernant le Sénégal, Dansokho (2000) a analysé les effets du Plan d’Ajustement à Moyen et

Long Termes à travers un MEGC statique. Il a conclu que l’agriculture est la voie privilégiée si,

outre l’objectif de réduction du déficit public, les autorités désirent relancer la croissance

économique et accroître les revenus des ménages urbains et ruraux dans une optique de

politique nationale de lutte contre la pauvreté. Les effets d'interdépendance sur l'économie de

l'injection d'une unité monétaire dans les sous branches de l'agriculture sont nettement

supérieurs à ceux des branches non-agricoles, selon Dansokho.

En somme, les enseignements de la littérature empirique, notamment dans les pays en

développement, montrent que l’accroissement de la productivité agricole entraine une plus

forte croissance économique et par ricochet une réduction de la pauvreté surtout en milieu

rural.

10

Mesure de la productivité agricole

La mesure appropriée des niveaux de productivité pour des variétés ou des régions données

est particulièrement importante pour le ciblage et l’efficacité des politiques agricoles, surtout

dans les pays en développement où les ressources disponibles sont généralement rares et

doivent faire l’objet d’une gestion scrupuleuse. De manière générale, la productivité agricole

désigne l’efficacité avec laquelle les agriculteurs combinent des intrants pour produire des

extrants. Dès lors, d’un point de vue pratique, l’activité agricole est d’autant plus productive

que le ratio extrants/intrants correspondant est élevé. La croissance de la production agricole

est expliquée, en grande partie, par un accroissement de la productivité pour Solow (1957).

Selon Hayami et Ruttan (1985), elle dépend soit de l’augmentation de l’utilisation de la terre, du

capital, du travail et des consommations intermédiaires, soit de l’amélioration des techniques de

production. En conséquence, les mesures de productivité agricole sont globalement divisées en

mesures partielles et en mesures plurifactorielles. Tandis que les premières traduisent le

rapport de la totalité de l’output mesuré à un seul input, les secondes renvoient au rapport

entre l’output mesuré et une combinaison de plusieurs inputs (Fulginiti et Perrin, 1998).

Tableau 1 : Principales Mesures de Productivité

Type de mesure de production

Facteurs

Travail Capital Terre Travail, Capital

et Terre

Travail, Capital et Facteurs

Intermédiaires (énergie,

matières et services)

Production Brute

Productivité du travail

(en production brute)

Productivité du capital


Productivité de la Terre


Productivité Multifactorielle travail, capital

et terre (en production

brute)

Productivité Multifactorielle

Elargie

Valeur Ajoutée

Productivité du travail (en valeur ajoutée)

Productivité du capital (en

valeur ajoutée)

Productivité de la Terre

(en valeur ajoutée)

Productivité multifactorielle travail-capital-

terre (en valeur ajoutée)

Mesures de productivité unifactorielle Mesures de productivité

multifactorielle Source : OCDE et auteurs

Les avantages du concept de productivité partielle consistent en sa simplicité de mesure et de

lisibilité (à condition que le champ d’enquête, dans ce cas la définition de la branche d’activité

11

agricole, soit le même pour les deux séries de données). Le principal inconvénient lié à cette

conception de la productivité agricole tient au fait qu’en pratique, l’évolution de la production

repose sur les variations de plusieurs intrants ou facteurs qui ont des effets concomitants et

sont étroitement liés les uns aux autres. En revanche, la productivité plurifactorielle s’exprime

comme le rapport entre une mesure de la production et une combinaison d’inputs. Le choix

porté sur la mesure plurifactorielle de la productivité agricole, plutôt que sur la mesure

partielle revient à mettre en avant le concept de rendement marginal par unité de facteurs, en

lieu et place de celui de rendement moyen par unité de facteur. Le principal inconvénient lié à

ce concept de productivité est que sa mesure peut, dans certains cas, requérir une grande

disponibilité de données ; en outre, certains soutiennent qu’une telle mesure peut obscurcir les

effets des changements qui surviennent dans sa composition (Mandal et Dhara, 2012).

Les mesures de la productivité les plus habituelles pour le secteur agricole sont le rendement

des cultures et la productivité du travail, qui renvoient à la valeur de la production pour une

unité d’un input particulier. De manière spécifique, le rendement d’une culture est une mesure

de la production par unité de terre, et il est normalement utilisé pour évaluer le succès de

nouvelles pratiques culturales ou technologiques. Concernant les mesures partielles de la

productivité du travail, elles pourraient conduire à des interprétations erronées car elles

reflètent l’influence conjointe de toute une série de facteurs sous-jacents et pourraient ne pas

donner d’indication claire sur les raisons de leurs variations. Plus précisément, selon Cook2

(2001), mettre l’accent sur la productivité partielle du travail (dans un secteur qui exige

beaucoup de main-d’œuvre) peut induire en erreur car il est probable que d’autres inputs se

modifient à des taux variables dans le temps et que certaines activités de l’agriculture changent

au fil du temps. A titre d’exemple, les productivités de la terre et du travail pourraient

augmenter en raison de l’utilisation accrue d’autres intrants tels que des tracteurs ou des

fertilisants, ou en raison d’une évolution en faveur de cultures à haute valeur ajoutée.

Dans la mesure où les inputs sont susceptibles d’évoluer à des rythmes différents, certains

travaux suggèrent qu’ils devraient par conséquent être agrégés pour fournir une mesure de la

variation totale des inputs. Dans la littérature, l’essentiel des discussions autour du concept de

productivité est liée à la technologie de production et à son évolution dans le temps.

Cependant, la technologie est un concept abstrait dans la mesure où il ne correspond pas à une

quantité facilement observable. S’il est relativement facile d’identifier des techniques

2 Productivité agricole dans l’UE (2001)

12

spécifiques comme une variété de culture dans une région donnée, la généralisation du concept

pour rendre compte d’une technologie impliquant plusieurs techniques rend le problème

beaucoup plus complexe.

Les mesures utilisées pour rendre compte de la productivité totale peuvent elles-mêmes être

regroupées selon qu’il s’agit d’indices ou de techniques issues de la comptabilité de la

croissance, de l’estimation économétrique de fonctions de production ou d’approches non

paramétriques (du type de la méthode DEA, Data Enveloping Analysis). Les indices ou les

techniques de la comptabilité de la croissance agrègent tous les inputs et outputs pour calculer

l’indice de la productivité totale des facteurs (PTF), tout en imposant de fortes hypothèses sur

la technologie de production. En effet, ces indices reposent généralement sur l’hypothèse sous-

jacente d’une technologie de production efficace. Parmi ces indicateurs de productivité qui

n’intègrent pas la notion d’efficience économique, un des plus utilisés est l’indice de Tornqvist3

(1936) qui permet de rendre compte de la croissance de la productivité, notamment dans le

secteur agricole. Il se présente généralement sous une forme logarithmique et peut s’écrire de

la manière suivante :

Dans cette expression, désigne la variation de la productivité totale des facteurs entre

les périodes et , est la quantité du e extrant de la période , est la quantité du

e intrant de la période . En outre, et représentent respectivement le nombre d’extrants

et le nombre d’intrants. Le terme correspond à la part du e extrant dans la valeur totale

des extrants de la période , soit : , tandis que correspond au prix de

l’extrant pour la période . Enfin, , renvoie à la part de l’intrant

dans le total des coûts de la période et le prix de l’intrant pour la même période.

D’autre part, l’indice de Malmquist (1953) est défini en utilisant des fonctions de distance. Les

fonctions de distance permettent de décrire une technologie de production multi-input – multi-

output sans avoir besoin de spécifier une fonction objectif comportementale. L’indice de la

productivité totale des facteurs de Malmquist mesure la variation de la productivité totale des

3 Grosskopf (1993) a montré que sous certaines hypothèses, la croissance de la productivité au sens de Solow était équivalente à

l’indice de Tornqvist.

13

facteurs entre deux points de données en calculant le ratio des distances de chacun des points

de données, par rapport à une technologie commune. Il présente la particularité d’offrir une

décomposition des variations de la productivité en variations de l’efficacité et en variations

dues à la technologie. Dès lors, pour une période comprise entre une date de référence s et une

date t quelconque, l’indice de variation de la productivité totale des facteurs de Malmquist est

donné par :

Dans cette expression, le terme représente la distance entre l’observation de la

période et la technologie de la période . Une valeur de supérieure (resp. inférieure à 1)

implique une croissance positive (resp. négative) de la productivité totale des facteurs entre les

périodes et . Comme l’ont montré Coelli et al. (1998), le premier terme du produit dans le

membre de droite mesure la variation de l’efficience technologique entre les périodes et ,

tandis que le terme restant correspond au changement technologique.

Il existe, par ailleurs, d’autres mesures de la productivité totale des facteurs, dépourvues de la

notion d’efficacité économique, qui procèdent de l’estimation économétrique des paramètres

d’une fonction de production dans la logique du progrès technique au sens de Solow (1957).

Dans ce groupe de mesures, la relation duale entre la fonction de production et la fonction de

coût a parfois été utilisée, en raison des avantages liés à la fonction de coût dans la résolution

des problèmes d’endogénéité et de multi colinéarité souvent présents dans les séries des prix et

des quantités de facteurs de production. La fonction de coût, habituellement décrite à l’aide

d’une spécification Cobb-Douglas ou CES (constant elasticity of substitution) présente aussi

l’avantage d’offrir une estimation directe de différentes élasticités de substitution (Biswanger,

1974).

Enfin, certaines mesures de productivité peuvent aussi être utilisées pour appréhender les

performances du secteur agricole en tenant compte de l’efficacité économique via le concept de

frontière de production, à l’image des approches non paramétriques (par exemple, la méthode

DEA4) qui utilisent les techniques de la programmation linéaire, et dans la mesure où le modèle

n’est pas statistique, il ne peut être testé ou évalué statistiquement. En fin de compte, ces

différentes méthodes ne devraient pas être considérées comme concurrentes, elles peuvent

4 Voir Lovell (1993)

14

faire l’objet d’importantes synergies pour obtenir des résultats détaillés pour l’analyse des

politiques (Hulten, 2001). En guise d’illustration, les méthodes économétriques sont utilisées

pour analyser les déterminants de la productivité totale des facteurs obtenus par la méthode

des indices.

III. Faits stylisés

Adoptée en 2004, la loi d’Orientation Agro Sylvo-Pastorale (LOASP) constitue le cadre de

développement de l’agriculture sénégalaise. Son objectif est de permettre au monde agricole de

retrouver un rôle moteur dans la stratégie de croissance de l’économie. La LOASP couvre

l’ensemble des activités économiques rurales. Elle vise principalement à promouvoir

l’entreprenariat agricole et à asseoir le développement rural sur le modèle d’une exploitation

agricole familiale moderne.

La LOASP constitue la base d’élaboration et de mise en œuvre des programmes opérationnels

de développement tels que le Programme National de Développement Agricole (PNDA), le Plan

National de Développement de l’Elevage (PNDE), le Plan d’Action pour le Développement de la

Pêche et de l’Aquaculture (PADPA) et le Plan d’Action Forestier du Sénégal (PAFS). Elle s’inscrit

dans le cadre de la mise en œuvre du programme agricole de la CEDEAO (ECOWAP) et du

PDDAA dont le volet opérationnel, au niveau national, est décliné à travers le Programme

National d’Investissement Agricole (PNIA).

La réduction de la pauvreté et des inégalités est au centre des objectifs de la LOASP et de ses

programmes connexes. Dans ce cadre, la LOASP vise, (i) l’amélioration du niveau de vie des

populations rurales et la mise en place d’un régime de protection sociale en leur faveur, (ii)

l’amélioration des conditions et du cadre de vie en milieu rural et (iii) l’incitation à

l’investissement privé dans l’agriculture.

Malgré les efforts consentis pour l’atteinte des objectifs de la LOASP, la pauvreté reste

importante notamment en milieu rural. Toutefois, une tendance baissière des principaux

indicateurs de pauvreté est notée même si les progrès réalisés entre 2001 et 2006 ont du mal à

être maintenus.

15

Tableau 2 : Indicateurs de pauvreté au Sénégal, 2001-2011

Dakar Autres Urbains Rural National

2001/2002

Incidence de pauvreté 38,1 45,2 65,2 55,2

Ecart de pauvreté 10,2 13,4 21,2 17,3

Sévérité de la pauvreté 3,8 5,5 9,2 7,3

2005/2006




2010/2011




Source : ANSD, Enquête de Suivi de la Pauvreté au Sénégal (ESPS II)

En réalité, les acquis de la lutte contre la pauvreté et les inégalités sont vulnérables aux chocs.

Ces derniers concernent, notamment, la production alimentaire et les prix à la consommation.

Le niveau élevé des prix à la consommation réduit le surplus des consommateurs notamment

les plus pauvres qui supportent difficilement une variation marginale positive. Ce constat

justifie l’accent que les autorités mettent sur la sécurité alimentaire par le truchement de

l’amélioration de la productivité agricole et la diversification des cultures. La maîtrise des

filières de production et la régulation des marchés constituent, également, de grandes priorités.

L’accroissement de la production agricole provient soit de l’amélioration de la productivité des

facteurs, soit de l’augmentation des quantités de facteurs de production. Les éléments qui

agissent sur la croissance de la production sont le volume et le type des ressources mobilisées,

les avancées technologiques et l’efficience avec laquelle les ressources sont utilisées.

Sur la dernière décennie, la croissance de la production agricole a été principalement portée

par l’augmentation de l’utilisation des sols et de la main d’œuvre alors que la productivité

globale des facteurs et le rendement agricole par habitant restent faibles (voir tableau 3). Cette

situation s’est traduite par une baisse de la production par habitant et par l’augmentation des

importations (30% des besoins céréaliers du Sénégal dépendent des importations). Le

16

graphique ci - après décrit les évolutions concomitantes de la production et des superficies

agricoles sur la dernière décennie.

Graphique 1 : Evolutions concomitantes de la production et des superficies agricoles

Sources : FAO, Country stat, Ministère de l’Agriculture, CRES

Toutefois, la liaison positive entre la production agricole et la productivité totale des facteurs

(graphique 2) montre l’influence de cette dernière sur la croissance du secteur.

Graphique 2: Evolution de la production et de la productivité globale des facteurs


L’analyse de la décomposition de la productivité globale des facteurs, effectuée sur la base

l’indice de Malmquist combiné à la méthode « analyse d’enveloppement de données » (AED),

montre que l’efficacité technique globale (produit de l’efficacité technique pure et de l’efficacité

d’échelle) n’a pas évolué durant la dernière décennie. Cela signifie que le niveau de

connaissance des agriculteurs sénégalais ne s’est pas amélioré sur la période. Par contre, un

changement technologique notable est observé, en rapport avec l’introduction d’équipements

agricoles modernes, en grande quantité, pour la riziculture.

0 500 1000 1500 2000 2500 3000 3500

0 20 40 60 80

100 120 140 160

1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Indice de production agricole brut* (base 2004-2006) Superficie agricole (1000 ha)

0

0,5

1

1,5

2

0

50

100

150

200

1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Pro

du

ctiv

ité

glo

bale

des

fact

eurs

Ind

ice

de

pro

du

ctio

n

Indice de production agricole brut (base 100 année de référence 2004-2006)

Productivité globale des facteurs

17

Tableau 3 : Décomposition de la productivité globale des facteurs

Période Efficacité technique

globale

Changement technologique

Efficacité technique pure

Efficacité d’échelle

Productivité globale des

facteurs

2000-2004 1 1,021 1 1 1,021

2005-2009 1 1,002 1 1 1,002

2000-2009 1 1,019 1 1 1,019 Sources : Données de la FAO et de Countrystat, Ministère de l’agriculture, CRES

Ainsi, le taux de croissance du secteur agricole est resté faible et volatile. Sur la période 2000-

2012, il s’est situé à 4,1%, loin en dessous de l’objectif de 6% du PDDAA.

Graphique 3 : Evolution du taux de croissance de la valeur ajoutée agricole

Source : ANSD

Quant à la part de l’agriculture dans le PIB, elle ne cesse décroitre. En moyenne, elle s’est

établie à 7,6% sur la dernière décennie.

Graphique 4: Part de l’agriculture dans le PIB

Source : ANSD

-40,0%

-30,0%

-20,0%

-10,0%

0,0%

10,0%

20,0%

30,0%

40,0%

50,0%

0,0%

2,0%

4,0%

6,0%

8,0%

10,0%

12,0%

18

L’atteinte des objectifs du PDDAA dépend en grande partie des gains de productivité qui seront

réalisés pour permettre à l’agriculture d’être compétitive sur le marché local et international. Il

faudra réussir le passage de l’agriculture traditionnelle à l’agriculture moderne, ce qui

« implique à la fois une évolution technique et la disponibilité d’intrants, de financements et de

systèmes de commercialisation saisonniers»5. Selon le Forum Africain de Recherche Agricole

(FARA), un taux de croissance minimum annuelle de la productivité de 4,4%6 est nécessaire

pour atteindre l’objectif d’au moins 6% de croissance du secteur agricole.

Tableau 4 : Taux de croissance de la productivité agricole et Objectif du Millénaire pour le Développement (OMD)

Productivité (PTF) Rendement

Agricole Stock

d'Intrants % PTF de la croissance du

rendement 1971-1980 -0,1 0,8 0,9 -15,7 1981-1990 0,7 2,8 2,1 25,9 1991-2000 1,3 3,1 1,8 41,7 Objectif OMD 4,4 6,2 1,8 71

Source : Ludena, 2005

Par ailleurs, un des principaux handicaps de l’agriculture sénégalaise est qu’elle est

essentiellement pluviale et saisonnière, comme en témoigne la forte fluctuation des

productions. Dans la grande majorité, les producteurs agricoles sont de petits exploitants qui

cultivent la terre sur des régimes fonciers traditionnels et pratiquent des assolements

traditionnels. La production agricole reste fortement dominée par les cultures céréalières (mil,

sorgho, maïs et riz), les cultures de rente (arachide et coton) et les autres cultures vivrières

(manioc et niébé). La filière arachidière qui est la première culture industrielle du pays et la

principale source de revenu pour la plupart des agriculteurs connaît une baisse de

performances. En revanche, les autres cultures industrielles telles que le coton et la tomate ont

enregistré des progrès relativement importants.

5 Poulton, Kydd et Dorward, Revue de Politique de Développement 2006(4), p.244.

6 « Cadre pour la productivité agricole en Afrique », FARA, 2006

19

Graphique 5 : Production moyenne des principales spéculations (1999-2011)

Source : ANSD, DAPS

Au regard de la forte dépendance des systèmes de production de l’agriculture sénégalaise aux

variations climatiques, la maîtrise de l’eau est d’une importance capitale pour les autorités du

pays. Le potentiel irrigable est énorme tournant autour de 397.100 hectares, mais seuls

106.600 des superficies sont aménagées dont 76.000 hectares dans la vallée du fleuve Sénégal.

Tableau 6 : Potentiel d’irrigation et niveau de valorisation par zone

Source : Ministère de l’Agriculture et Elevage / FAO-2001

La dégradation des sols et le manque de ressources humaines et financières sont d’autres

difficultés rencontrées par le secteur agricole au Sénégal. A ces contraintes s’ajoutent les

problèmes récurrents sur le foncier qui tardent à trouver des solutions adéquates.

Face aux difficultés, les autorités sénégalaises ont arrêté avec les partenaires au développement

des programmes et politiques de promotion de la production agricole. Les principales

orientations tournent autour du renforcement de la capacité des acteurs de la chaine de

production, du développement de l’investissement privé afin de favoriser un

0

200

400

600

800 722,3

223,8 304,5

700,9

73,1 35,5

Mill

iers

de

to

nn

es

Zones Potentiel agricole (ha) superficies aménagées (ha) superficies exploitées en moyenne (ha)

Fleuve Sénégal 240 000 76 000 41 300

Casamance

Basse/Moyenne 70 000 15 000 9 000

Anambé 16 000 5 000 3 000

Sénégal Oriental

Vallée de la Gambie 4 100 600 250

Bas fonds 5 000

Niayes 12 000 10 000 10 000

Bassin arachidier 50 000

Total 397 100 106 600 63 550

20

approvisionnement efficace des producteurs en intrants et de l’adaptation du crédit agricole

aux conditions d’exploitation de l’agriculture paysanne et des exploitations familiales. L’Etat

s’est également engagé à assurer une meilleure commercialisation des produits agricoles et à

promouvoir l’horticulture comme culture d’exportation.

Néanmoins, le développement de l’agriculture devra surtout s’appuyer sur les innombrables

potentialités du pays. En fonction de la diversité des sols six (06) entités géographiques

homogènes (Niayes, Vallée du fleuve Sénégal, Zone sylvo pastorale, Bassin arachidier, Sénégal

oriental et la Casamance) sont distinguées et désignées sous le vocable de zones agro-

écologiques7. Les caractéristiques des zones agro-écologiques déterminent les cultures qui y

sont pratiquées et expliquent en grande partie les écarts importants en matière de niveau de

rendement et de revenus agricoles.

En tout état de cause, les mesures de politique agricole ont des effets différents d’une zone à

l’autre. Un indicateur globalement satisfaisant suite à une variation de productivité dans le

secteur agricole peut cacher des disparités entre les groupes de ménages. Par conséquent,

conformément à la problématique de l’étude, les ménages sont classés en groupes pour tenir

compte de l’hétérogénéité. Cette classification des ménages en entités plus ou moins

homogènes facilite la compréhension des impacts d’un choc de productivité. A cet effet, les

ménages ruraux sont répartis suivant les six zones agro-écologiques. Au total, les groupes de

ménages retenus sont au nombre de huit (8) : Dakar, les Autres Centres Urbains (ACU), les

Niayes, la vallée du fleuve Sénégal, le bassin arachidier, la zone sylvo-pastorale (Ferlo), le

Sénégal Oriental et la Casamance. Le tableau 7 donne la structure des revenus des ménages par

zone.

Tableau 7 : Structure des revenus des groupes de ménages

Source : MCS 2010 et calculs des auteurs

7 Caractérisation des synthèses de production agricole au Sénégal (2007).

DAKAR ACU BA NIAYES CASAMANCE ZSP SO FLEUVE

Revenus du travail 41,1% 34,2% 11,1% 38,7% 19,8% 15,7% 59,4% 16,4%

Revenus du capital 40,1% 47,8% 41,8% 31,0% 37,8% 39,0% 17,2% 44,4%

Revenus de la terre 0,0% 0,0% 21,0% 14,0% 21,1% 13,1% 10,6% 17,0%

Transferts 18,8% 18,1% 26,1% 16,4% 21,3% 32,2% 12,8% 22,2%

Total 100,0% 100,0% 100,0% 100,0% 100,0% 100,0% 100,0% 100,0%

21

Comparativement aux autres sources, les revenus de la terre des groupes de ménages sont

faibles. Aussi, les inégalités de revenus sont assez fortes surtout en milieu urbain. L’indice de

Gini ressort à 0,36 au niveau national.

Enfin, la structure des revenus des ménages agricoles peut déterminer leur niveau de bien –

être mais celui –ci dépend également de leurs structures de consommation résumées dans le

tableau 8.

Tableau 8 : Budget de consommation des ménages

Source : Calculs des auteurs, ANSD - ESPS II (2011)

DAKAR ACU RURAL

Maïs 0,1% 0,3% 1,2%

Mil_sorgho 0,4% 0,9% 3,0%

Riz local (paddy) 0,1% 1,3% 2,1%

Autre agriculture vivrière 0,1% 0,9% 13,0%

Arachide 0,5% 1,1% 1,7%

Tomate 1,0% 1,3% 1,3%

Riz brisé, riz entier 4,4% 5,3% 7,6%

Légumes, racines et tubercules 2,5% 4,0% 3,4%

Fruits 0,7% 0,4% 0,3%

Elevage 5,3% 5,0% 5,9%

Pêche 5,3% 6,5% 4,7%

Forêt 0,7% 1,9% 1,2%

Huiles 3,5% 5,4% 5,9%

Industries alimentaires 9,0% 12,9% 12,9%

Autres industries 20,8% 19,1% 12,0%

Construction 1,2% 2,5% 1,9%

Education 8,2% 5,2% 2,1%

Santé 2,9% 2,6% 3,0%

Communication 0,5% 0,5% 0,3%

Autres services 31,2% 21,8% 16,1%

Autres 1,7% 1,3% 0,5%

Total 100% 100% 100%

22

IV. Méthodologie de simulation des impacts

La méthodologie retenue dans le cadre de cette étude repose sur un modèle d’équilibre général

calculable (MEGC) dynamique récursif en micro simulation. Ce type de formalisation est issu

des travaux précurseurs de Orcutt (1957, 1961) et, plus récemment, de nombreux auteurs tels

Tongeren (1984), Cogneau (1999), Cockburn (2001), Cogneau et Robilliard (2001) l’ont utilisé

pour analyser les effets des politiques économiques et sociales. L’articulation entre la structure

des MEGC et les techniques de micro simulation, est destinée à surmonter l’hypothèse très forte

du « ménage représentatif », usuelle dans la modélisation en équilibre général calculable. En

effet, les efforts de désagrégation du compte des « ménages » sur la base unique des données de

la comptabilité nationale sont généralement insuffisants pour assurer l’identification de

ménages véritablement représentatifs. Or, la mesure des effets des changements de politique

économique ou des chocs exogènes sur la redistribution des revenus ou les niveaux de

pauvreté et d’inégalités nécessite une analyse plus fine de la population que celle

habituellement conduite dans le cadre des MEGC. En effet, par construction, les indicateurs

utilisés dans les analyses de pauvreté nécessitent généralement des données de ménages ou

d’individus (Fofana et Cockburn, 2003). En particulier, de nombreux travaux ont permis

d’établir que la variabilité intra-groupe des revenus des ménages, ignorée par construction

dans les MEGC standards, est toujours au moins égale à la moitié de l’inégalité observée8.

Dès lors, en ayant recours aux données détaillées des enquêtes sur les ménages, les techniques

de micro simulation permettent de compenser les lacunes des MEGC, et de corriger les biais

importants qui découlent systématiquement de la non-prise en compte de l’hétérogénéité

structurelle des individus et des ménages9.

Dans cette étude, le modèle comporte quatre agents (État, ménages, firmes et reste du monde),

trois facteurs de production (travail, terre et capital) et quatorze branches. La structure du

modèle repose sur cinq blocs d’équations décrivant la production, les revenus et l’épargne, la

demande, les prix et les échanges avec l’extérieur ; l’équilibre est réalisé sur les marchés des

facteurs et sur les marchés des produits. L’égalité entre épargne et investissement est aussi

réalisée.

8 Savard (2004), Decaluwé et al. (1999) 9Cogneau et al. (2003)

23

Les activités de production sont représentées par les branches du système de comptabilité

nationale dont l’organisation repose sur la nomenclature NAEMAS. Dans le modèle de base,

chacune des activités j (j=1,.., J) consiste en la production d’un bien unique noté i (i=1,.., I).

Cependant, la présente étude ayant pour objectif d’analyser l’impact des variations de la

productivité agricole sur la croissance économique et la pauvreté, les secteurs représentatifs de

l’agriculture seront désagrégés (en particulier, la branche « agriculture vivrière »), dans la

mesure du possible. Par ailleurs, cette désagrégation est particulièrement importante dans

l’exercice de conciliation des données de la Matrice de Comptabilité Sociale (MCS) avec les

données d’enquête sur les ménages.

De manière générale, chaque producteur a pour objectif de minimiser ses coûts, sous contrainte

de la technologie de production disponible selon la structure décrite dans l’Annexe 2. La

technologie est telle que la production est une fonction Léontief de la valeur ajoutée et d’une

mesure composite des consommations intermédiaires. La valeur ajoutée est, quant à elle,

spécifiée comme une fonction Cobb-Douglas du travail et du capital dans les secteurs non

agricoles, tandis que dans le secteur agricole, elle agrège la terre10 et un composite des facteurs

primaires que représentent le travail et le capital. Le travail est spécifié selon une combinaison

entre le travail qualifié et celui non qualifié. Quant à la mesure composite des consommations

intermédiaires, elle regroupe les consommations intermédiaires désagrégées de l’activité

considérée, selon une fonction Léontief.

Les facteurs de production sont le travail, la terre et le capital. Il est fait l’hypothèse d’une

segmentation parfaite des deux marchés du travail (qualifié et non qualifié). Sur chacun de ces

marchés l’offre de travail sera supposée exogène tandis que les taux de salaire s’ajusteront

pour équilibrer lesdits marchés, en réponse aux variations de la demande de travail.

L’évolution de l’offre de travail non qualifié sera déterminée par le taux de croissance

démographique, tandis que l’offre de travail qualifié sera supposée croître à un rythme plus

lent. Par ailleurs, différents types de terre seront définis, selon les informations disponibles sur

les zones agro-écologiques.

L’offre de capital sera supposée spécifique aux secteurs. L’évolution annuelle du stock de

capital sera endogène et déterminée par l’équation suivante :

10

Dans le modèle, l’offre de terre est supposée croître au même rythme que la population

24

est le stock de capital de la branche j à l’instant t ; ( )est le taux de dépréciation du

capital pour la branche j et représente le volume d’investissement de la branche j à la

période t.

L’investissement par destination est défini tel que le ratio de l’investissement sur le stock de

capital est une fonction croissante du ratio rendement du capital sur coût d’usage du capital

(Bourguignon et al. 1989, Jung et Thorbecke, 2003).

Le coût d’usage du capital est calculé comme suit :

est le taux d’inflation et le prix de l’investissement.

Les ménages ont pour objectif de maximiser leur fonction d’utilité sous contrainte de leur

budget. Leur revenu, est constitué des rémunérations perçues de leur offre de facteurs de

production, à savoir le travail, le capital et la terre. En outre, les ménages reçoivent des

transferts du Gouvernement et du « reste du monde »11. Le revenu ainsi constitué est d’abord

utilisé pour payer des impôts et taxes, puis pour consommer et épargner. Les préférences des

ménages concernant leur demande en biens de consommation sont représentées à l’aide d’un

système linéaire de dépenses provenant de la maximisation d’une fonction d’utilité de type

Stone-Geary (SG). Cette spécification des préférences des ménages est telle que ces derniers

utilisent d’abord leur revenu pour satisfaire leur consommation minimale ou incompressible de

chaque type de bien i. Le revenu résiduel ou super numéraire est ensuite réparti entre la

consommation non incompressible et l’épargne.

Le programme de maximisation de l’utilité du ménage h se présente comme suit:

11

L’évolution des transferts est supposée exogène dans le modèle.

25

Les restrictions suivantes sont naturellement imposées et

est la propension marginale à consommer le bien i.

est la consommation minimale (en volume) du bien i par le ménage h au temps t. Elle est

estimée à partir de l’élasticité-revenu et du paramètre de Frisch.

Le paramètre de Frisch (Frisch, 1959) correspond à l’opposé du rapport entre les dépenses de

consommation totales du ménage et le super-numéraire (c'est-à-dire la différence entre les

dépenses de consommation totale du ménage et les dépenses consacrées aux produits

incompressibles ou de subsistance). Une valeur élevée renvoie à une forte utilité marginale du

revenu du ménage ; ce paramètre diminue évidemment si le pays se développe.

La résolution du programme du ménage h conduit, après quelques manipulations, à la fonction

de demande suivante:

La fonction du gouvernement est de collecter des taxes indirectes sur la production, les

composantes de la demande finale, des taxes directes sur les revenus des ménages et des

entreprises et enfin, des droits de douane et des taxes sur les exportations. Il reçoit des

transferts de la part du « reste du monde » et procède lui-même à des transferts aux ménages,

ainsi qu’à des subventions à l’endroit des entreprises. Par ailleurs, le gouvernement dispose de

ressources au titre de la rémunération du capital. Son revenu ainsi constitué est ensuite utilisé

pour ses dépenses. Les ressources publiques sont destinées, d’une part, à la consommation de

biens (consommation publique) et, d’autre part, à l’investissement (investissement public). La

différence entre les ressources de l’Etat et ses dépenses (courantes et d’investissement)

constitue le solde budgétaire.

S’agissant du bloc du commerce extérieur, il découle des activités d’exportation et

d’importation de biens de la part de l’économie sénégalaise. Les prix mondiaux des

importations et des exportations seront supposés exogènes, dans la mesure où l’analyse est

conduite dans le cadre d’une petite économie ouverte. De façon générale, pour chaque produit,

26

l’offre d’exportation sera déterminée par l’arbitrage entre les exportations et l’offre sur le

marché domestique, à travers une fonction à élasticité de transformation constante (CET). En

revanche, les importations seront issues de l’arbitrage entre la demande de biens produits

localement et celle adressée au « reste du monde », selon une fonction à élasticité de

substitution constante, du type (CES) ou fonction Armington.

La demande finale de chacun des biens i est égale à la somme des demandes globales de ce

bien adressées au marché domestique et à l’extérieur, à travers les importations.

L’équilibre du modèle est réalisé sur le marché des biens et services et sur le marché des

facteurs. L’égalité entre l’épargne totale et l’investissement est également réalisé.

Pour ce qui est de la fermeture macroéconomique du modèle, il sera fait l’hypothèse d’une

épargne extérieure exogène. L’équilibre du compte extérieur sera réalisé sur la base de

l’hypothèse d’exogénéité de la balance commerciale et donc, le processus d’ajustement

s’effectuera à travers le taux de change réel. Le sens de cette hypothèse est que l’économie

sénégalaise ne peut pas s’ajuster sur la dette extérieure pour couvrir les déséquilibres

intérieurs, mais doit plutôt générer des recettes d’exportation suffisantes pour procéder à

l’achat des biens et services importés. Autrement dit, toute augmentation des importations de

certains biens sera systématiquement compensée par la baisse des importations d’autres biens

ou par une augmentation équivalente des exportations, afin de respecter la contrainte. De

manière générale, les prix des différents biens s’ajustent pour équilibrer les marchés

correspondants.

Une des étapes importantes de la méthodologie passe par la désagrégation de la MCS, la

conciliation avec les données d’enquête et le calcul des indicateurs de pauvreté et d’inégalité.

Compte tenu de l’accent mis sur l’incidence des variations de la productivité agricole sur les

conditions de vie des ménages, l’analyse consistera tout d’abord à désagréger la MCS, en

particulier le secteur agricole. Dans cet exercice, l’accent sera mis sur les variétés de production

les plus importantes pour l’agriculture nationale et le bloc des ménages ruraux sera désagrégé

selon les zones agro-écologiques identifiées. Il va sans dire que ce choix de désagrégation n’est

pas fortuit et découle de la présence importante de niches de pauvreté dans le monde rural

dont les activités tournent essentiellement autour de l’agriculture. De même, les niveaux de

pauvreté peuvent aussi varier d’une région à une autre, en raison des disparités liées à la

géographie, notamment à la qualité des terres cultivées.

27

Dans cette perspective, il est question d’assurer la cohérence des informations issues de

l’enquête sur les ménages avec celles de la MCS, en tenant notamment compte des dotations de

facteurs des ménages et de la structure de leurs dépenses. Certains travaux ont, en effet, mis

l’accent sur les problèmes récurrents liés à la sous-estimation des revenus et à l’observation de

taux d’épargne négatifs dans les données provenant d’enquêtes sur les ménages. Cela

s’explique notamment par la tendance qu’ont les ménages à sous-estimer leurs revenus issus

des activités d’autoproduction ainsi que les transferts inter-ménages domestiques (voir Fofana

et Cockburn, 2003).

L’objectif global de l’analyse est de mesurer l’incidence des variations de la productivité

agricole sur la croissance, la pauvreté et les inégalités. Pour ce faire, l’analyse s’appuiera sur les

indicateurs de pauvreté et d’inégalité couramment utilisés dans la littérature (indices de

pauvreté de Foster, Greer et Thorbecke (1984) – FGT pour la suite– qui permettent

d’appréhender l’incidence, la sévérité et la profondeur de la pauvreté; indicateurs d’inégalité de

Gini). Les indices FGT appartiennent à une classe d’indicateurs de pauvreté qui présentent la

particularité appréciable d’être additivement décomposables12. Ils sont définis de la manière

suivante :

Autrement dit, exprime la moyenne, sur la population constituée des ménages h, d’une

mesure de pauvreté qui prend la valeur

pour les pauvres et la valeur 0 pour les non

pauvres. Dans l’expression de , l’indice h renvoie aux ménages ayant un revenu inférieur au

seuil de pauvreté, désigne le revenu du ménage ; , le seuil de pauvreté ; , le nombre de

ménages, et , l’indice de pauvreté. Le paramètre est représentatif du degré d’aversion vis-

à-vis de la pauvreté. Dès lors :

Si , permet d’évaluer l’incidence de la pauvreté, c’est-à-dire la

proportion des ménages vivant en dessous du seuil de pauvreté.

Si , mesure la profondeur de la pauvreté, soit, l’écart moyen entre le

revenu des pauvres et le seuil de pauvreté.

Si , , qui mesure alors la somme du carré des déficits de pauvreté par

rapport au seuil, permet de rendre compte de la sévérité de la pauvreté .

12

Voir Ravallion (1994)

28

Concernant l’analyse des inégalités, elle repose habituellement sur les courbes de Lorenz qui,

sur un graphique en deux dimensions, permettent de représenter, le long de l’axe horizontal, la

proportion cumulative de la population (par groupes ou globale) ordonnée selon le niveau de

revenu (axe vertical). Autrement dit, elles permettent de mettre en liaison, de façon directe, la

proportion du revenu total détenue par un pourcentage donné de la population. Dans ce cadre,

l’indicateur le plus utilisé pour rendre compte des inégalités entre ménages est le coefficient de

concentration de Gini (1921) qui peut s’écrire de la manière suivante :

Où désigne le nombre de ménages, et renvoient à la représentativité des ménages

et dans la population totale, tandis que correspond au revenu moyen. L’indice de Gini

correspond au ratio de l’aire située entre la courbe de Lorenz et la droite à 45° et l’aire totale

située en dessous de cette droite. La valeur de l’indice ainsi calculé est comprise entre 0 (cas

d’une parfaite égalité de revenus) et 1 (cas de l’inégalité parfaite).

29

V. Présentation des résultats des simulations

L’analyse et l’interprétation des effets de l’augmentation de la productivité agricole sur la

croissance, la pauvreté et les inégalités sont effectuées sur la base du modèle décrit ci-dessus.

Auparavant, les données et le calibrage des paramètres sont présentés.

V.1 Les données et le calibrage du modèle

La matrice de comptabilité sociale utilisée, dans le cadre de cette étude, a été élaborée pour

l’année 2010. Elle décrit les flux de revenus et de dépenses des différents agents économiques

pour cette année. S’agissant des données ménages, elles sont issues de l’Enquête de Suivi de la

Pauvreté (ESPS II, 2011) qui a concerné des unités de Dakar, des autres centres urbains et du

milieu rural.

Le calibrage est une étape usuelle très importante dans la construction des MEGC. Il s’agit de

spécifier les paramètres du modèle afin de le rendre opérationnel. Les choix sont opérés de

sorte qu’à l’origine le modèle réplique la MCS initiale. Les simulations sont effectuées, par la

suite, sur la base de l’équilibre initial.

En dehors des paramètres issus de la MCS, nous avons eu recours à plusieurs sources

empiriques pour calibrer le modèle. Les élasticités-revenus de la demande, sont estimées pour

chaque produit à partir des séries temporelles de l’ANSD. L’élasticité de transformation de la

fonction CET selon la destination du produit (ventes locales ou exportations) est calibrée de

manière à refléter la possibilité pour les producteurs locaux d’accroitre leurs ventes à

l’étranger en cas de tassement des ventes domestiques. Quant aux élasticités de substitution

imparfaite entre les produits (élasticités Armington), elles sont tirées de la base de données

GTAP Africa Database 6. Elles sont comprises entre 0,25 et 1,8.

S’agissant du paramètre de Frisch, sa valeur affecte les consommations minimales des

ménages. La littérature empirique propose différentes valeurs pour le calibrage du paramètre

de Frisch dans les pays en développement. Par exemple, ces valeurs vont, respectivement pour

les ménages urbains et les ménages ruraux, de -2,5 et -3,5 (Dissou, 2001) à -3,34 et -5,85

30

(Hertel, Mc Dougall et Dimaranum, 1997)13. Aussi, une analyse de sensibilité a été menée pour

le choix du paramètre de Frisch.

V.2 Impacts macroéconomiques et sectoriels

La simulation effectuée porte sur une hausse annuelle de la productivité de 4,4%14 dans le

secteur agricole. Les résultats sont analysés par rapport à un scénario de référence (business as

usual) c'est-à-dire par rapport à une situation prévue sans choc. Les écarts en pourcentage

entre le scénario de base et celui obtenu suite à un choc détermineront les impacts.

Auparavant, il convient d’examiner les évolutions obtenues dans le scénario de référence.

V.2.1 Evolutions dans le scénario de référence

Le scénario tendanciel laisse entrevoir un taux de croissance moyen annuel du PIB réel de

4,3% sur la période 2013-2020. Le taux de croissance moyen de la valeur ajoutée du secteur

agricole se situerait à 3,6% contre, respectivement, 4,9% et 4,3% pour l’industrie et les

services. L’objectif de 6% de taux de croissance annuel moyen du secteur agricole, fixé par le

PDDAA, ne serait donc pas atteint d’ici 2020 si la tendance actuelle se poursuit. Par ailleurs,

l’épargne du gouvernement s’améliorerait, en moyenne annuelle, de 7,8% sur la période sous

revue alors que l’inflation resterait faible.

Tableau 9: Variation moyenne de la valeur ajoutée sectorielle dans le scénario de référence

Source : Calcul des auteurs

Concernant les facteurs de production, la rémunération du capital décroitrait en moyenne de

1,1% sur la période alors que le coût unitaire du travail et la rétribution de la terre

13

Voir aussi la base de données Global Trade Analysis Project (GTAP). 14

Taux de croissance minimum pour atteindre l’objectif de 6% de croissance du secteur agricole, selon le FARA.

Agriculture Maïs Riz Paddy Mil

sorgho

Autres

Agri. Viv.

Arachide Coton Tomate Canne à

sucre

Autres

Agri. Ind.

Elevage

Chasse

Sylviculture

Foresterie

Pêche Industrie Services

Variation moyenne

de la valeur ajoutée 3,6% 3,1% 4,3% 3,7% 3,1% 3,7% 4,6% 3,0% 4,6% 2,8% 4,3% 4,1% 4,4% 4,9% 4,3%

31

s’amélioreraient, respectivement, de 1,5% et 2,8% impactant positivement sur les revenus des

ménages.

Tableau 10: Variation moyenne des taux de rémunération des facteurs dans le scénario de référence


V.2.2 Hausse annuelle de 4,4% de la productivité agricole

Une hausse de la productivité agricole de 4,4% par an, telle que préconisée par le FARA, se

traduirait globalement par une augmentation de la valeur ajoutée du secteur. En moyenne sur

la période 2013-2020, le PIB agricole augmenterait de 13,9% relativement au scénario de base,

en liaison avec l’accroissement des valeurs ajoutées respectives des différentes filières : canne

à sucre (+3,6%), coton (+3,6%), riz – paddy (+6,8%), mil–sorgho (+12,1%), arachide (+8,9%),

maïs (+21%) et tomate (+22,7%). Cette hausse de la valeur ajoutée vient directement de

l’augmentation de la productivité. Elle entrainerait des accroissements de la demande de travail

qualifié et non qualifié de respectivement 3,1% et 6,3%. La demande de capital progresserait

également de 16%. Par ailleurs, l’examen de la dynamique du taux de croissance de valeur

ajoutée agricole après le choc de productivité révèle que l’objectif fixé par le PDDAA serait

atteint avec un taux moyen de croissance de la valeur ajoutée agricole de 7,6%.

Graphique 6 : Evolution du taux de croissance de la valeur ajoutée agricole après le choc

Source : Calculs des auteurs

Agriculture Maïs Riz - Paddy Mil

Sorgho

Autres

Agri Viv


sucre

Autres

Agri. Ind

Elevage

Chasse

Sylviculture

Foresterie


Variation moyenne de

la rémunération du

capital

-1,1% -1,5% -0,7% -1,1% -1,5% -1,1% -0,5% -1,6% -0,5% -1,7% -1,7% -1,7% -1,5% -1,5% -1,5%

Variation moyenne du

taux de salaire1,5% 1,5% 1,5% 1,5% 1,5% 1,5% 1,5% 1,5% 1,5% 1,5% 1,5% 1,5% 1,5% 1,4% 1,4%

Variation moyenne de

la rémunération de la

terre

2,8% 1,4% 4,5% 2,9% 1,4% 3,0% 5,2% 1,0% 5,2% 0,6%

0,0%

2,0%

4,0%

6,0%

8,0%

10,0%

2014 2015 2016 2017 2018 2019 2020 2021 2022 2023

6,3% 6,4% 6,6% 6,8% 7,1% 7,5% 7,9%

8,4% 9,1%

9,8%

32

Dans le secteur de l’élevage et de la chasse, la valeur ajoutée s’accroitrait en moyenne de 3%

comparativement au scénario de référence, suite à l’accroissement de la demande de capital

(+3,6%), du travail qualifié (+0,3%) et du travail non qualifié (+1,7%). De même, une

augmentation de la valeur ajoutée du sous secteur de la pêche serait notée (+1,3%), imputable

au renforcement de la demande de capital (+2,4%), atténuée par un léger recul de la demande

de travail qualifié (-1,4%).

L’amélioration des performances agricoles aura des effets positifs non négligeables sur les

autres secteurs de l’économie. Concernant l’industrie et la construction, une augmentation

moyenne de la valeur ajoutée de 4,3% serait enregistrée sur la période, relativement au

scénario de référence. Cette situation résulterait des augmentations de la demande de capital

(+5%), de la demande de travail qualifié (+2%) et non qualifié (+3,4%).

Enfin, le secteur des services noterait une hausse de sa valeur ajoutée de 1,9% en moyenne, en

rapport avec la progression attendue de la demande de capital (+3,2%) et de la main d’œuvre

non qualifiée (+1,1%). Par contre, la demande de travail qualifié se contracterait, en moyenne,

de 0,3%.

Tableau 11: Evolutions par rapport au scénario de référence


Les évolutions positives de la valeur ajoutée dans tous les secteurs entraineraient une

augmentation du PIB de l’ordre de 2,7% par rapport au scénario de référence. Cette hausse du

PIB provient directement ou indirectement de l’augmentation de la productivité du secteur

agricole. Par ailleurs, l’épargne du gouvernement augmenterait de 6,5% de même que le revenu

des ménages (+2,1%). Egalement, une détente sur les prix est attendue (-6,8%) en rapport avec

l’augmentation de la production notamment dans le secteur agricole.

Agriculture Maïs Riz Paddy Mil

sorgho

Autres

Agri. Viv.


Sucre

Autres

Agri. Ind.

Elevage

Chasse

Sylviculture

Foresterie


Variation de la valeur

ajoutée13,9% 21,0% 6,8% 12,1% 19,8% 8,9% 3,6% 22,7% 3,6% 27,0% 3,0% 2,1% 1,3% 4,3% 1,9%

Variation de demande

de capital16,0% 24,2% 7,9% 13,9% 22,7% 10,3% 4,1% 26,1% 4,2% 31,0% 3,6% 2,8% 2,4% 5,0% 3,2%

Variation de la

demande de travail

qualifié

3,1% 4,7% 1,5% 2,7% 4,4% 2,0% 0,8% 5,1% 0,8% 6,1% 0,3% -0,8% -1,4% 2,0% -0,3%

Variation de la

demande de travail

non qualifié

6,3% 9,5% 3,1% 5,4% 8,9% 4,0% 1,6% 10,2% 1,6% 12,1% 1,7% 0,6% 0,0% 3,4% 1,1%

33

Tableau 12 : Evolution des agrégats macro économiques


V.3 Impacts sur la pauvreté et les inégalités

Les changements intervenus dans l’allocation sectorielle des ressources et sur les niveaux

moyens des prix à la consommation n’affectent pas de manière uniforme les différentes

catégories de ménages. En effet, ces dernières ont des structures de revenu et de

consommation différentes. La technique de micro simulation utilisée dans cette étude permet

de tenir compte de l’hétérogénéité des ménages, répartis suivant huit groupes (Dakar, les

autres centres urbains, le bassin arachidier, les Niayes, la zone Sylvo– pastorale, le Sénégal

oriental, la Casamance et la zone du Fleuve). Le calcul des indicateurs de pauvreté et

d’inégalités sont effectués sur la base des revenus par équivalent adulte avant et après

simulation et à l’aide du logiciel DAD15.

V.3.1 Evolution des indicateurs de pauvreté et d’inégalités dans

le scénario de base

A l’origine, l’incidence de la pauvreté est ressortie à 46,7% au niveau national. La proportion de

pauvres est moins importante à Dakar (26,2%) et dans les autres centres urbains (43,1%)

qu’en milieu rural (57,3%). Au niveau de cette dernière strate, la zone de la Casamance

enregistre le plus fort taux de pauvreté (59,3%) du fait, notamment, de la situation d’insécurité

civile qui sévit dans cette partie du pays. Elle est suivie du bassin arachidier (57%) et du

Sénégal Oriental (56,7%). Le taux élevé de pauvreté dans le bassin arachidier s’explique

principalement par le déclin des activités économiques liées à l’arachide et l’absence d’activités

alternatives. Par ailleurs, l’incidence de la pauvreté se situe respectivement à 49,2%, 47% et

43,3% dans les zones du Fleuve, des Niayes et du Ferlo.

15

Distributive Analysis

PIB Epargne du

gouvernement

Prix

Variations par rapport

au scénario de

référence

2,7% 6,5% -6,8%

34

Pour ce qui est de la profondeur et de la sévérité de la pauvreté, elles s’établissent

respectivement à 14,6% et à 6,6% au niveau national. Elles sont plus accentuées en Casamance,

dans le bassin arachidier et dans le Sénégal Oriental.

Tableau 13 : Indices FGT à l’origine

Source : ANSD et calculs des auteurs

En revanche, les inégalités sont moins profondes au niveau des ménages ruraux que des

ménages urbains. En effet, le coefficient de Gini est plus élevé à Dakar (0,42) et dans les autres

centres urbains (0,40) qu’en milieu rural (0,32). Selon les zones agro écologiques, les

disparités de revenus en milieu rural sont plus accentuées en Casamance et dans le Sénégal

Oriental. Au total, les inégalités de revenus sont assez fortes au niveau national, l’indice de Gini

se situant à 0,36. S’agissant de l’indice de Gini inter – groupes, il s’établit à 0,3 reflétant des

disparités non négligeables entre les huit groupes de ménages considérés.

Tableau 14: Coefficients de Gini à l’origine

Source : ANSD et calculs des auteurs

A l’horizon 2020, l’évolution de l’économie (scénario de référence) conduirait à une baisse du

niveau de la pauvreté de 15%. Les plus fortes contractions de l’incidence de la pauvreté

seraient notées dans les Niayes (-46,5%), la zone Sylvo-pastorale (-44,5%), à Dakar (-23,3%) et

dans la zone du Fleuve (-17,7%). Par ailleurs, les niveaux de profondeur et de sévérité de la

pauvreté se replieraient respectivement de 19,7% et 21,4% sur l’ensemble de la population,

les plus importants reculs étant enregistrés dans la zone Sylvo-pastorale, dans les Niayes, à

Dakar et dans la région Fleuve.

Tableau 15: Evolution des Indices FGT dans le scénario de référence (horizon 2020)

Source : Calculs des auteurs

Dakar ACU BA NIAYES CASAMANCE ZSP SO FLEUVE SENEGAL

P0 26,2 41,3 57,0 47,0 59,3 43,3 56,7 49,2 46,7

P1 5,8 13,1 17,9 8,9 23,8 11,7 15,9 12,9 14,6

P2 2,1 5,9 8,9 4,4 10,7 1,8 6,8 6,4 6,6

DAKAR ACU BA NIAYES CASAMANCE ZSP SO FLEUVE SENEGAL

Coefficient Gini 0,42 0,4 0,32 0,29 0,34 0,23 0,33 0,28 0,36


P0 -23,3% -16,4% -13,9% -46,5% -4,5% -44,5% -10,1% -17,7% -15,0%

P1 -30,8% -17,3% -22,2% -53,7% -13,7% -59,8% -17,0% -27,2% -19,7%

P2 -28,0% -14,3% -25,0% -25,0% -15,4% -82,1% -22,0% -17,6% -21,4%

35

S’agissant des inégalités intra groupes, elles baisseraient dans la zone Sylvo – pastorale

(-12,7%), dans les Niayes (-0,7%), à Dakar (-0,2%) et dans les autres centres urbains (-0,2%).

Par contre, elles demeureraient inchangées dans la zone du Fleuve et dans le Bassin arachidier.

Sur l’ensemble de la population, les inégalités de revenus baisseraient de 0,3% alors que les

disparités intergroupes reculeraient de 2,4% à l’horizon 2020.

V.3.2 Evolution des indicateurs de pauvreté en cas de réalisation de l’objectif du FARA

Relativement au scénario de base, une hausse annuelle de 4,4% de la productivité agricole

entrainerait un repli de l’incidence de la pauvreté de 11,8%, au niveau national qui serait

davantage ressenti dans la zone du Fleuve (-20,9%), dans le Bassin arachidier (-16,6%), dans le

Sénégal Oriental (-14,4%) et dans le Ferlo (-13,7%). En milieu urbain, la proportion de

ménages pauvres baisserait de 8,6% à Dakar et de 6,6% dans les autres centres urbains. Le

recul de la pauvreté en milieu urbain serait principalement dû à la baisse du seuil de pauvreté,

suite au repli des prix à la consommation. En outre, sur l’ensemble de la population, la

profondeur et la sévérité de la pauvreté reculeraient respectivement de 14,4% et 15,4%.

Tableau 16: Evolution des indices FGT, suite au choc de productivité


Ces reculs de la pauvreté s’accompagneraient d’une baisse des inégalités de 0,6% au niveau

national, en phase avec le repli des inégalités intra-groupes en Casamance (-2%), dans le

bassin arachidier (-1,6%), dans les Niayes (-0,3%), à Dakar (-0,2%) et dans les autres centres

urbains (-0,2%). Pour leur part, les disparités intergroupes de revenus se tasseraient de 0,7%,

comparativement au scénario de référence.


P0 -8,6% -6,6% -16,6% -9,1% -11,5% -13,7% -14,4% -20,9% -11,8%

P1 -13,3% -8,1% -22,7% -2,9% -13,8% -44,7% -43,4% -27,0% -14,4%

P2 -16,7% -7,9% -24,6% -20,5% -14,2% -60,0% -22,1% -42,9% -15,4%

36

VI. Conclusion

La lutte contre la pauvreté et la réduction des inégalités sont en droite ligne des objectifs du

millénaire pour le développement. Au Sénégal, une frange importante de la population active

est rurale et tire principalement son revenu du secteur agricole. Dès lors, l’accroissement de la

productivité et de la production agricole constitue un moyen sûr d’assurer la sécurité

alimentaire et d’améliorer les conditions de vie en milieu rural. De même, l’amélioration des

performances agricoles contribue à alléger les dépenses alimentaires des ménages urbains par

le biais de la baisse des prix des denrées de premières nécessités.

Ainsi, les autorités publiques ont fait du développement de l’agriculture un levier important

pour parvenir à une croissance économique saine et durable permettant de réduire

considérablement la pauvreté et les disparités. Dans ce cadre, la politique agricole du Sénégal

est en phase avec les visions continentale et régionale, définies à travers le PDDAA et

l’ECOWAP, qui consistent notamment à porter la croissance du secteur agricole à au moins 6%

par an et à hisser à au moins 10% la part du budget national de chaque Etat membre allouée à

l’agriculture.

A travers un MEGC dynamique en micro simulation cette étude a tenté de mettre en relief et de

quantifier les liens existants entre l’augmentation de la productivité agricole, la croissance

économique et la lutte contre la pauvreté, au Sénégal. La technique de micro simulation a

permis de prendre en compte l’hétérogénéité des ménages dans leurs structures de revenus et

de consommation. En dehors des ménages de Dakar et des autres centres urbains, les ménages

ruraux ont été répartis en six groupes (Bassin arachidier, Niayes, zone Sylvo-pastorale,

Casamance, Sénégal Oriental et Fleuve) reflétant les principales zones agro écologiques du

pays.

En somme, les résultats de la simulation d’une hausse annuelle de 4,4% de la productivité

agricole indiquent une augmentation annuelle moyenne de 13,9% de la valeur ajoutée du

secteur sur la période 2013 - 2020, en liaison avec les filières tomate (+22,7%), maïs (+21%),

du mil–sorgho (+12,1%), arachide (+8,9%), canne à sucre (3,6%), coton (3,6%) et riz paddy

(+2,6%). Egalement, des augmentations de la valeur ajoutée seraient notées dans l’industrie et

les services, à la faveur d’une hausse de la demande de capital, du travail non qualifié (pour les

deux secteurs) et du travail qualifié (concernant le secteur industriel). Le PIB augmenterait en

37

moyenne de 2,7%, relativement au scénario de référence alors qu’une détente serait notée sur

les prix (-6,8%).

Au plan social, l’augmentation de la productivité induirait une réduction de 11,8% de

l’incidence de la pauvreté, relativement au scénario tendanciel. Le recul de la pauvreté serait

plus noté en milieu rural (-14,9%), notamment dans les zones du Fleuve (-20,9%), du Bassin

arachidier (-16,6%), du Sénégal Oriental (-14,4%) et du Ferlo (-13,7%). Le taux de pauvreté

baisserait également de 8,6% à Dakar et de 6,6% dans les autres centres urbains. Parallèlement

au recul de la pauvreté, les inégalités de revenus se tasseraient en Casamance (-2%), dans le

bassin arachidier (-1,6%), dans les Niayes (-0,3%), à Dakar (-0,2%) et dans les autres centres

urbains (-0,2%). Quant aux disparités intergroupes, elles baisseraient de 0,7%.

En définitive, un accroissement soutenu de la productivité agricole, au rythme suggéré par le

FARA, permettrait au Sénégal d’atteindre les objectifs fixés par le PDDAA et l’ECOWAP en

termes d’augmentation des revenus des ménages pauvres et de croissances économiques

sectorielles et globale. Le taux de croissance moyen annuel de la valeur ajoutée du secteur

agricole atteindrait 7,6% entre 2013 et 2020. Aussi, l’amélioration des performances agricoles

permettrait de réduire considérablement la pauvreté aussi bien en milieu urbain que rural.

L’atteinte de ces objectifs nécessite des semences en quantité et de bonne qualité ; la

modernisation des techniques de production à travers notamment la formation des acteurs

ruraux, l’incitation à l’innovation et à la recherche développement ; le renforcement des

politiques de diversification de la production (surtout dans les zones où les cultures

traditionnelles connaissent une perte de vitesse en termes de production et de rendement) et

un meilleur accès des agriculteurs au crédit. L'accent devrait également être mis sur des

politiques permettant aux populations les plus pauvres d’atteindre et de dépasser l'agriculture

de subsistance, en particulier dans les régions où la sévérité de la pauvreté est la plus

importante. En effet, la probabilité de sortie de la pauvreté est d'autant plus forte que l'on est

moins éloigné du seuil et que les cultures dominantes dans la zone concernée sont intégrées au

circuit économique. Enfin, les autorités devraient améliorer les infrastructures de transport et

de télécommunication pour permettre aux paysans de mieux écouler leurs productions sur les

marchés intérieur et international.

38

Bibliographie

Bresciani et Valdès (2007), « Beyond food production: the role of agriculture in poverty

reduction »; FAO, Rome

Byerlee et al. (2009), «Agriculture for development: toward a new paradigm », Annual review of

resource economics, vol.1:15

D. Gollin et W. College (2009), «Agriculture as an engine of growth and poverty reduction:

What we know and what we need to know? »

Faye et al. (2007), « Implications structurelles de la libéralisation sur l’agriculture et le

développement rural au Sénégal (1950-2006) » , première phase, rapport final. i-par,

BM/cf/ASPRODEB, Dakar, 202 pages

Berthé et Keita (2009), « Investissements agricoles et croissance économique en vue de la

réduction de la pauvreté », Programme de Développement de l’Agriculture en Afrique (PDDAA)

I. Fofana et J. Cocburn (2003), « La micro simulation en équilibre général calculable : procédure

d’analyse et de conciliation des données », Réseau-Politique Economique et Pauvreté (PEP)

Irz et al. (2001), «Agriculture productivity growth and poverty alleviation », Development Policy

Review, 19(4) :449-466

J. Davies (2009), «Combining microsimulation with CGE and macro modeling for distributional

analysis in developing and transition countries »; International Journal of Microsimulation, 49-65

Jayne et al. (2010), «Maize revolutions in Sub-Saharan Africa»; the World Bank development

research group agriculture and rural development team

K. Pauw et al. (2012), «Agriculture growth and poverty in Mozambique: Technical analysis in

support of the comprehensive Africa agriculture Development Program (CAADP) »

K. Schneider et M. Gugerty (2011), « Agriculture productivity and poverty reduction: linkages

and pathways », The Evans School Review vol. 1, num.1 spring 2011

Lewis (1955), «The theory of economic growth », R.D Irwin. Homewood, illinois

Loo et Tower (1990), «Agriculture liberalization, welfare, revenue and nutrition in LDCS », In

lan Goldeb and Odin Knudsen (Eds)

M. Dansokho (2000), « Essai de simulation de l’ajustement structurel dans le secteur agricole au

Sénégal à l’aide d’un modèle d’équilibre général calculable (MEGC) », Thèse de Doctorat d’Etat es

sciences économiques, Faculté de Sciences Economiques et de Gestion, Université Cheikh Anta Diop

de Dakar

Mellor (1999), «Pro-poor growth, the relation between growth in agriculture and poverty

reduction », Prepared for USAID/G/EGAD

39

Ravaillon et Datt (2002), «Why has economic growth been more pro-poor in some states of

India than others? », Journal of Development Economics, 65: 381-400

Ravallion, M. (2004), «Poverty Comparisons, Reading», Harwood Academic Publisher

P. Timmer (1988), «The agriculture transformation, handbook of development economics»,

Vol.1, Elsevier Science Publishers B.V.

Thirtle et al. (2003), «The impact of research-led agriculture productivity growth on poverty

reduction in Africa, Asia and Latin America », World Development, Vol. 31, No. 12, 99 1959-1975

Thorbecke et Jung (1996), «A multiplier decomposition method to analyze poverty

alleviation », Journal of Development Economics 48 (2) 279-300

X. Diao et al. (2010), «Agriculture growth and investment options for poverty reduction in

Nigeria », Development Strategy and Governance Division

Forum Africain pour la Recherche Agricole (2006), « Cadre pour la productivité agricole en

Afrique », Framework for African Agricultural Productivity. Accra, Ghana. 72 pp

Annabi et al. (2006), «Libéralisation commerciale, croissance et pauvreté au Sénégal : Une

analyse à l’aide d’un MEGC microsimulé dynamique», Réseau PEP

Latruffe, L (2010), « Compétitivité, productivité et efficacité dans les secteurs agricole et

agroalimentaire», Editions OCDE

Cabral, J. F (2005), «Implications de l’accord agricole sur la distribution des revenus en milieu

rural au Sénégal», CREA/FASEG/UCAD

Benkahla et al. (2011) «Analyse du plan national d’investissement dans le secteur agricole au

Sénégal», IPAR

Boccanfuso et al. (2003), «Pauvreté et distribution de revenus au Sénégal : une approche par la

modélisation en équilibre général calculable micro simulé», CIRPEE, Cahier de recherche

/Working Paper 03-33

Cook. (2001), «Productivité agricole dans l’UE», Eurostat

Ajubola et al. (2011), «A review of literature on agricultural productivity, Social capital and

food security in Nigeria», NSSP, Working paper n°21

Diskin (1999) «Agricultural Productivity Indicators Measurement Guide», USAID

40

Annexes

Annexe 1: Facteurs de production des cultures (1999 – 2009)

Année

Indice de production

agricole brut* (base 2004-2006)

Population rurale

Superficie agricole (1000

ha)

Engrais (en

tonnes)

Matériels agricoles

(tracteurs) en service

1999 112 5527026 2592 22039 600

2000 113 5667372 2478 48467 609

2001 106 5811248 2325 29063 618

2002 65 5958642 2269 26347 627

2003 97 6072506 2140 27025 636

2004 97 6226636 2201 30103 645

2005 113 6384711 2346 34365 654

2006 90 6547049 2065 30870 663

2007 81 6713490 1995 43505 672

2008 132 6883879 2793 43324 681

2009 144 7058054 3015 37438 690 * Seules les productions végétales sont prises en compte.


41

Annexe 2: Schéma de modélisation de l’économie

=

Travail (Lj)

Capital (j)

Valeur Ajoutée

(VAj)

Ci1 Ci2

.

.

Cij

.

.

. Cin

Consommations Intermédiaires

(CIj)

Production (XTSj)

Exportations (EXj)

Offre Domestique

(XDSj)

Demande Domestique

(XDDi)

Terre (Landj)

(*)

Facteurs Primaires

(FPj)

Travail Qualifié

(LQj)

Travail Non

Qualifié (LNQj)

Importations (Mi)

Demande Domestique

(XTDi)

(Gi)

Σj Cij

(Ci)

(Ii)

CD

CD

CD

Léontief

efef

Léontief

efef

CET

CES

somm

e

42

Annexe 3 : Liste des variables du modèle

Variables positives

C(i,h,t) Consommation en volume du ménage h en bien i à la période t

CH(h,t) Consommation total du ménage h

DINV(i,t) Demande d’investissement en volume en bien i

INT(j,t) Indice des consommations intermédiaires utilisées par l’industrie j

KD(j,t) Stock de capital dans l’industrie j à la période t

LD(j,t) Demande de travail par industrie j (volume)

LDQ(j,t) Demande de travail qualifié par industrie j

LDNQ(j,t) Demande de travail non qualifié par industrie j

LAND(j,t) Demande de terre par industrie j (volume)

P(i,t) Prix du bien i (sans taxes)

PV(i,j,t) Prix des consommations intermédiaires en biens utilisés par j (avec taxes)

PINT(j,t) Indice des prix des consommations intermédiaires totales utilisées par

l’industrie j

PVA(j,t) Prix de la valeur ajoutée de l’industrie j

PFP(j,t) Prix du facteur composite primaire dans l’industrie j

RL(j,t) Taux de rendement de la terre

W(j,t) Taux de salaire dans l’industrie j

WQ(t) Taux de salaire du travail qualifié dans l’industrie j

WNQ(t) Taux de salaire du travail non qualifié dans l’industrie j

PXTS(j,t) Prix de la production dans l’industrie j (net des taxes)

PCH(i,h,t) Prix du bien i consommé par le ménage h (avec taxes)

PCINV(i,t) Prix l’investissement en bien I (avec taxes)

PCG(i,t) Prix du bien I consommé par le Gouvernement (avec taxes)

43

R(j,t) Taux de rentabilité du capital dans l’industrie j

SAV_E(t) Epargne des ménages

SAV_H(h,t) Epargne du ménage h

TOTSAV(t) Epargne totale

V(i,j,t) Volume du bien i utilisé comme consommation intermédiaire dans

l’industrie j

VA(j,t) Valeur ajoutée en volume dans l’industrie j

FP(j,t) Facteur primaire composite dans l’industrie j

XTS(j,t) Production dans l’industrie j

YTH(h,t) Revenu totale du ménage j

YDH(h,t) Revenu disponible du ménage h

YE(t) Revenu des entreprises

YG(t) Revenu du Gouvernement

SAV_G(t) Epargne du Gouvernement

XTD(i,t) Demande totale en volume du bien i

M(i,t) Importation en volume du bien i

EX(i,t) Exportation en volume du bien i

XDD(i,t) Demande domestique en bien i

XDS(i,t) Offre domestique en bien i

PM(i,t) Prix du bien importé i (avec droits de douanes)

PEX(i,t) Prix du bien i à l’exportation

PD(i,t) Prix domestique du bien i

PINDTOT(t) Prix total de l’investissement par destination

INDTOT(t) Volume total de l’investissement par destination

IND(J,t) Volume de l’investissement par destination dans l’industrie j

PIBnom(t) Produit intérieur brut nominal à la période t

PIBreel(t) Produit intérieur brut réel à la période t

44

TC(i,h,t) Taux de taxe sur le bien i consommé par le ménage h

TINV(i,t) Taux de taxe sur le bien i investi

TG(i,t) Taux de taxe sur le bien i consommé par Le Gouvernement

TV(i,j,t) Taux de taxe sur le bien intermédiaire i utilisé par l’industrie j

TY_H(h,t) Taux d’impôt appliqué sur le revenu total du ménage h

TY_E(t) Taux d’impôt appliqué sur le revenue des entreprises

TP(j,t) Taux de taxe sur la production

SH(h,t) Taux d’épargne du ménage h

Variables libres

KS(j,t) Offre de capital dans l’industrie j

LSQ(t) Offre totale de travail qualifiée

LSNQ(t) Offre totale de travail non qualifiée

LANDS(j,t) Offre totale de terre par industrie (en volume)

TRGH(h,t) Transferts du Gouvernement vers le ménage h

TRROWH(h,t) Transferts du reste du monde vers le ménage h

TRROWG(t) Transferts du reste du monde vers le Gouvernement

VVSTOCK(i,t) Variation de stock du bien i

SAV_F(t) Epargne du reste du Monde

G(I,t) Consommation du Gouvernement en volume du bien i

CMIN(i,h,t) Consommation minimale en bien I du ménage h

ER(t) Facteur de conversion entre devise et monnaie locale

PWM(i,t) Prix mondial du bien i importé (sans droits de douanes)

PWEX(i,t) Prix mondial du bien i exporté

TM(i,t) Taux de taxe sur l’importation du bien i

TEX(i,t) Taux de taxe sur l’exportation du bien i

AVD(i,t) Paramètre d’échelle

DIRECTION DE LA PREVISION ET DES ETUDES … · 1 productivite agricole, croissance economique et...

Documents

Transcript of DIRECTION DE LA PREVISION ET DES ETUDES … · 1 productivite agricole, croissance economique et...