DIRECTION DE LA PREVISION ET DES ETUDES … · 1 productivite agricole, croissance economique et...
-
Upload
nguyennguyet -
Category
Documents
-
view
214 -
download
0
Transcript of 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
(en production brute)
Productivité de la Terre
(en production brute)
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
Incidence de pauvreté 28,1 41,4 59,0 48,3
Ecart de pauvreté 6,8 11,6 20,2 15,5
Sévérité de la pauvreté 2,4 4,8 9,5 7,0
2010/2011
Incidence de pauvreté 26,2 41,3 57,3 46,7
Ecart de pauvreté 5,8 13,1 18,7 14,6
Sévérité de la pauvreté 2,1 5,9 8,7 6,6
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
Sources : FAO, Country stat, Ministère de l’Agriculture, CRES
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
Source : Calcul des auteurs
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
Arachide Coton Tomate Canne à
sucre
Autres
Agri. Ind
Elevage
Chasse
Sylviculture
Foresterie
Pêche Industrie Services
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
Source : Calcul des auteurs
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.
Arachide Coton Tomate Canne à
Sucre
Autres
Agri. Ind.
Elevage
Chasse
Sylviculture
Foresterie
Pêche Industrie Services
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
Source : Calcul des auteurs
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
Dakar ACU BA NIAYES CASAMANCE ZSP SO FLEUVE SENEGAL
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
Source : Calcul des auteurs
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.
Dakar ACU BA NIAYES CASAMANCE ZSP SO FLEUVE SENEGAL
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.
Sources : FAO, Country stat, Ministère de l’Agriculture, CRES
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