See discussions, stats, and author profiles for this publication at: [Link]

net/publication/356422466

ADAPTATION AU CHANGEMENT CLIMATIQUE DANS LE BASSIN

ARACHIDIER (SENEGAL) : ANTICIPATIONS ET PRISE DE RISQUE DANS
UN GROUPE

Thesis · November 2021

CITATION
S READS

0 1,614

1 author:

Pape Bilal Diakhaté

Institut Sénégalais de Recherches Agricoles
15 PUBLICATIONS 34 CITATIONS

SEE
PROFILE

All content following this page was uploaded by Pape Bilal Diakhaté on 21 November 2021.
The user has requested enhancement of the downloaded file.
 UNIVERSITÉ CHEIKH ANTA DIOP DE DAKAR

ÉCOLE DOCTORALE DES SCIENCES JURIDIQUES, POLITIQUES,

ÉCONOMIQUES ET DE GESTION (ED-JPEG)
FACULTE DES SCIENCES ECONOMIQUES ET DE GESTION (FASEG)

Année : 2018 N° d'ordre :

THESE DE DOCTORAT

Formation doctorale : Économie et changement climatique

Présentée par : Pape Bilal DIAKHATE

Titre :
ENT CLIMATIQUE DANS LE BASSIN ARACHIDIER (SENEGAL) : ANTICIPATIONS ET PRIS

Soutenue devant le jury composé de :

Président : Pr. Mohamed Ben Omar Ndiaye, Maître de Conférences Agrégé, à l’Université
Cheikh Anta Diop de Dakar.

Rapporteurs :

Pr. Ibrahima Thiam, Maître de Conférences Agrégé, à l’Université de Thiès ;

Pr. Mohamed Ben Omar Ndiaye, Maître de Conférences Agrégé, à l’Université Cheikh
Anta Diop de Dakar ;

Pr. Malick Sané, Maître de Conférences, à l’Université Cheikh Anta Diop de Dakar.

Examinateurs :

Pr. Ndiack Fall, Maître de Conférences Agrégé, à l’Université Cheikh Anta Diop de Dakar ;

Dr. Mbaye Diop, Maître de recherche à l’Institut Sénégalais de Recherches Agricoles.

Directeur de thèse : Pr. Birahim Bouna NIANG, Professeur Titulaire

i
 L’Université Cheikh Anta Diop de Dakar n’entend donner aucune approbation ou
improbation aux opinions émises dans cette thèse. Ces opinions doivent être considérées comme
propres à leurs auteurs.

i
Cette thèse a été financée par le Bureau d’Analyses Macroéconomiques de l’Institut Sénégalais de
Recherches Agricoles (ISRA/BAME) par le biais du Programme de Productivité Agricole en
Afrique de l’Ouest (PPAAO) qui est le fruit d’une coopération avec la Banque mondiale.
Nous leur sommes reconnaissants.

i
 DEDICACES
Nous rendons grâce à DIEU et prions sur son Prophète MOUHAMED (PSL).

À la mémoire de mon défunt père

Abdoulaye DIAKHATE

et

de notre camarade de promotion du NPTCI 4

Souleymane Demba SOW

Je dédie ce travail :

à ma mère, pour tout l’amour que vous portez à mon égard,

à ma femme, pour son amour et sa compréhension,

à toute ma famille,

aux enseignants qui ont contribué à ma formation,

à mes collègues du BAME,

à mes amis,

et à tous mes camarades de promotion.

Que ce travail soit le témoignage de notre profonde gratitude et de notre sympathie.

i
 REMERCIEMENTS
J’adresse mes vifs remerciements à mon Directeur de thèse, le Professeur titulaire
Birahim Bouna NIANG. J’ai eu le privilège de travailler à vos côtés et d’apprécier vos
qualités et vos valeurs. Votre dévouement, votre compétence et votre sens du devoir nous ont
énormément marqués. Veuillez trouver ici l’expression de notre profonde admiration pour
toutes vos qualités scientifiques et humaines.

Mes remerciements sont aussi exprimés à l’endroit des membres du jury pour leur
intérêt qu’ils ont manifesté pour ce travail et surtout pour leurs observations qui ont permis
d’améliorer cette thèse. C’est ainsi que je remercie chaleureusement le Pr. Ibrahima
THIAM pour avoir accepté de rapporter cette thèse. Au Pr. Malick SANE à qui j’exprime
toute ma gratitude et ma reconnaissance pour ses orientations qui ont permis d’améliorer ce
travail mais aussi pour ses qualités en tant que Directeur national du NPTCI 4 en 2011. Au
Pr. Mohamed Ben Omar NIAYE, j’exprime mes vifs remerciements pour votre intérêt à ce
travail et de vos enseignements de qualité dont j’ai pu bénéficier en 2005. J’adresse aussi mes
chaleureux remerciements à mes examinateurs, le Pr. Ndiack FALL et le Dr. Mbaye Diop,
pour vos remarques et vos commentaires.

Nous exprimons notre profonde gratitude à l’ensemble du corps enseignant de la

FASEG, plus particulièrement au : Pr. Ahmadou Aly MBAYE, Pr. Abou KANE, Pr.
Abdoulaye SECK, Pr. Seydi Ababacar DIENG, Pr. Babacar SENE et Pr. Chérif Sidy
KANE. Je vous remercie d’avoir contribué à ma formation d’économiste.

Je remercie le Directeur actuel du NPTCI le Pr. Mouhamadou Lamine DIAL. Nos

remerciements s’adressent également à Pr. Kimseyinga SAVADOGO et à Pr. François
Joseph CABRAL pour leurs très utiles conseils, commentaires et observations qui ont
fortement enrichi cette thèse.

Je remercie le Dr. Djiby DIA, pour son appui scientifique, logistique et les multiples
conseils et encouragements formulés à mon égard.

Je réitère mes remerciements à l’endroit de Dr. Mbaye DIOP pour sa confiance en

acceptant d’être mon superviseur à l’ISRA. Je vous adresse ma reconnaissance pour toutes les
orientations apportées à ce travail.

v
 À tous les chercheurs du BAME qui ont contribué à ce travail, notamment Dr. Astou
Diao Camara, Dr. Moussa Sall et Dr. Sadibou Fall. Je vous remercie pour vos
commentaires et remarques pertinentes qui cherchent à augmenter la valeur de cette thèse.

Mes remerciements s’adressent également au Directeur général de l’ISRA, Dr. Alioune

FALL, et son Directeur scientifique, Dr. El Hadj. TRAORE. Je saisis cette occasion pour
vous exprimer ma profonde gratitude tout en vous témoignant mon respect.

À tous mes collègues enseignants de l’Institut Communautaire Africain (ICA), je vous

adresse mes sincères remerciements.

À mes collègues du BAME : Dr. Yacine NGOM, Dr. Ndeye Fatou Faye MANE, Amy
FAYE, Rhaisha DIEME, Khady CAMARA, Mor NGOM, Chérif Syaka Assembène MANÉ,
Mamadou Bobo BARRY, Saër SARR, Pape Abdoulaye KANE, Fama GUEYE,
Mouhamadou Rassoul SY, Nini DIABON et Mme DIOP (Secrétaire du BAME), Samba
Cissé, Mme DIAKHATE, Mme GUEYE, Thierno SYLLA … avec qui nous travaillons
quotidiennement.

À toutes les personnes qui ont relu ce document, en l’occurrence Dr. Alioune DIENG,
Dr. Yacine NGOM, Dr. Assane BEYE, Dr. Ndeye Fatou FAYE et Pape Abdoulaye KANE, je
vous remercie de vos remarques précieuses.

À tous mes camarades de la quatrième promotion du NPTCI plus particulièrement à

ceux de Dakar.

À tous les étudiants du Nouveau Programme du Troisième Cycle Inter-universitaire

(NPTCI), et à tous ceux qui, de près ou de loin, ont contribué à la réalisation de cette thèse de
Doctorat, recevez nos sincères remerciements.

v
 SOMMAIRE
DEDICACES...........................................................................................................................................iv
REMERCIEMENTS.................................................................................................................................v
SOMMAIRE...........................................................................................................................................vii
LISTE DES GRAPHIQUES.................................................................................................................viii
SIGLES ET ABREVIATIONS...............................................................................................................xi
INTRODUCTION GENERALE..............................................................................................................1
CHAPITRE I : AGRICULTURE SÉNÉGALAISE FACE AU CHANGEMENT CLIMATIQUE :
Éléments de contexte................................................................................................................................9
I. 1_/ Caractéristiques environnementales du Sénégal.......................................................................10

I.2_/ Performances du secteur agricole sénégalais face au changement climatique : faits stylisés....19

I.3_/ Dispositifs réglementaires et institutionnels sur l’agriculture et le climat.................................40

I. 4_/ Adaptation au changement climatique par les exploitants agricoles..........................................62

CHAPITRE II : COMPORTEMENT DE L’EXPLOITANT AGRICOLE DANS UN

ENVIRONNEMENT RISQUÉ : Revue de la littérature........................................................................71
II. 1_/ Incertitude, risque, anticipation, diffusion d’innovation et adaptation au changement
climatique : revue conceptuelle..........................................................................................................71

II.2_/ Prise de décision dans un contexte de changement climatique : cadre théorique.....................84

II. 3_ / Adoption des stratégies d’adaptation et adhésion au groupe : développements empiriques 114

II.4_/ Modélisation théorique du risque : la fonction Markowitz.....................................................124

CHAPITRE III : ANALYSE DES COMPORTEMENTS D’ANTICIPATION, DE PRISE DE

RISQUE ET D’ADOPTION DES STRATEGIES D’ADAPTATION AU CHANGEMENT
CLIMATIQUE DANS UN GROUPE : cas des exploitants agricoles du bassin arachidier du Sénégal
............................................................................................................................................................. 129
III. 1_/ Méthode d’échantillonnage et présentation du questionnaire...............................................130

III.2_/ Anticipations et prise de risque des exploitants agricoles : caractéristiques et typologies. . .144

III.3_/ Caractéristiques des stratégies d’adaptation et degré d’adoption........................................174

III.4_/ Influence du groupe sur l’adoption de stratégies d’adaptation : analyse économétrique......180

CONCLUSION GÉNÉRALE ET RECOMMANDATIONS DE POLITIQUES ECONOMIQUES . 191

BIBLIOGRAPHIE................................................................................................................................197
ANNEXE..............................................................................................................................................220
TABLE DES MATIERES....................................................................................................................254

v
 LISTE DES GRAPHIQUES
Graphique 1: Évolution de population du Sénégal de 1960 à 2015.......................................................13
Graphique 2: Évolution du taux de croissance de la population de 1960 à 2015...................................13
Graphique 3: Répartition des émissions de GES par activité en 2010...................................................15
Graphique 4 : Évolution de la consommation d’éléments fertilisants par ha de terres arables et cultures
permanentes............................................................................................................................................16
Graphique 5 : Évolution du cheptel par hectare de terres agricoles et production de méthane des bovins
et autres au Sénégal................................................................................................................................17
Graphique 6 : Évolution de la superficie des terres forestières en milliers d’ha et absorptions/émissions
net (CO2) en gigagrammes (Gg)............................................................................................................18
Graphique 7 : Contribution par secteur au PIB (en pourcentage)..........................................................20
Graphique 8 : Répartition de la main d’œuvre par secteur.....................................................................21
Graphique 9 : Croissance de la production par continent (2000-2013)..................................................22
Graphique 10 : Prévalence de la sous-alimentation en Afrique.............................................................22
Graphique 11: Prévalence de la sous-alimentation au Sénégal..............................................................23
Graphique 12 : Disponibilité alimentaire kcal/personne/jour au Sénégal..............................................23
Graphique 13: Évolution de la pluviométrie annuelle au Sahel.............................................................26
Graphique 14 : Évolution interannuelle des indices pluviométriques du Sénégal de 1921 à 2014........27
Graphique 15: Cumul de pluies de quelques stations (en mm)..............................................................28
Graphique 16: Évolution de la température moyenne annuelle au Sénégal...........................................29
Graphique 17: Six périodes importantes de baisse de la production......................................................30
Graphique 18: Croissance de la production agricole en pourcentage....................................................30
Graphique 19: Baisse significative de la production céréalière entre 2012-2014..................................31
Graphique 20: Évolution de la culture vivrière de 2011 à 2013 (en pourcentage).................................31
Graphique 21: Évolution de la production de quelques céréales sèches (en tonnes).............................32
Graphique 22 : Production d’arachide huilerie et niébé (en tonne)........................................................33
Graphique 23: Répartition des terres cultivées par système de culture en fonction des zones agro-
écologiques.............................................................................................................................................34
Graphique 24 : Zones agro écologiques du Sénégal..............................................................................35
Graphique 25 : Normales pluviométriques sur la période 1961-1990 en mm........................................36
Graphique 26 : Répartition des ménages agricoles en fonction des cultures (en pourcentage).............37
Graphique 27 : Superficie (en ha) et production en (tonnes) des régions du bassin arachidier.............38
Graphique 28 : Rendement (tonne/ha) de la culture céréalière en fonction des régions du bassin........38
Graphique 29 : Évolution des superficies cultivées de certaines spéculations (en hectare)...................39
Graphique 30 : Répartition des ménages agricoles affiliés à une organisation de producteurs.............64
Graphique 31 : Courbe iso-critique et matrice de risque........................................................................75
Graphique 32 : Évolution de la pluviométrie (en mm) et du rendement céréalier dans la région de
Louga (en T/Ha)...................................................................................................................................132
Graphique 33: Évolution de la pluviométrie (en mm) et rendement céréalier (T/ha) dans la région de
Kaolack.................................................................................................................................................135
Graphique 34 : Évolution de la pluie (mm) et du rendement céréalier (T/ha) à Kaffrine....................137
Graphique 35 : Cartographie des régions, des départements et les villages choisis.............................142
Graphique 36 : Classification des agriculteurs en fonction de leur type d’anticipation.......................148
Graphique 37 : Type d’anticipation en fonction des zones (en pourcentage)......................................149
Graphique 38 : Importance de la pluie dans les prévisions par zone...................................................149

v
Graphique 39 : Pourcentage des types d’anticipation sur la situation pluviométrique entre 2014-2015
............................................................................................................................................................. 150
Graphique 40 : Source d’information climatique utilisée....................................................................151
Graphique 41 : Niveau de confiance des sources d’information climatique........................................152
Graphique 42 : Source d’information par zone....................................................................................152
Graphique 43 : Canaux de transmission des sources modernes d’informations sur la pluie................153
Graphique 44 : Canaux sur les sources traditionnelles d’informations sur la pluie.............................154
Graphique 45 : Canaux modernes de diffusion des informations du vent............................................154
Graphique 46 : Canaux traditionnels de diffusion des informations sur le vent..................................155
Graphique 47 : Canaux modernes de diffusion d’informations sur la température..............................155
Graphique 48 : Volonté des exploitants à prendre des risques.............................................................163
Graphique 49 : Comportement des agriculteurs face au risque (en pourcentage)................................164
Graphique 50 : Phénomènes climatiques les plus ressentis..................................................................166
Graphique 51 : Décision des exploitants en cas de dépassement du seuil de perte tolérable...............167
Graphique 52 : Principales causes des risques agricoles......................................................................169
Graphique 53 : Principales causes des risques de production..............................................................169
Graphique 54 : Principales causes des risques de stockage..................................................................170
Graphique 55 : Principales causes des risques de commercialisation..................................................170
Graphique 56 : Classement des facteurs climatiques en fonction des risques agricoles......................171
Graphique 57 : Degré d’adoption des stratégies d’adaptation..............................................................177
Graphique 58 : Degré d’adoption des stratégies d’adaptation en fonction des zones..........................178
Graphique 59 : Contraintes liées à l’adoption de la rotation culturale.................................................178
Graphique 60 : Contraintes liées au changement de la date de semi....................................................179
Graphique 61 : Contraintes d’utilisation de variétés à cycle court.......................................................179
Graphique 62 : Taux d’adhésion des producteurs aux groupes............................................................184
Graphique 63: Contraintes d’adhésion au groupe en pourcentage.......................................................189

i
 LISTE DES TABLEAUX
Tableau 1 : Évolution des exportations de produits agricoles du Sénégal (2011-2015) en milliers
$U.S........................................................................................................................................................24
Tableau 2 : Principales céréales exportées par le Sénégal en milliers de $U.S......................................24
Tableau 3 : Évolution des importations de produits céréaliers du Sénégal en milliers $U.S.................25
Tableau 4 : Variation moyenne de la pluie par zone et par scénario......................................................28
Tableau 5 : Affiliation des chefs d’exploitation au groupement de producteurs dans le bassin
arachidier élargi......................................................................................................................................65
Tableau 6 : Relations chefs d’exploitation et types de structure............................................................66
Tableau 7 : Type d’incertitude et mode gestion.....................................................................................75
Tableau 8: Modèles d’estimation des choix d’adoption.......................................................................112
Tableau 9: Résumé des relations entre les variables socioéconomiques sur l’adoption des stratégies
d’adaptation..........................................................................................................................................123
Tableau 10 : Répartition des superficies cultivées (en Ha) par département à Louga........................131
Tableau 11 : Évolution de la production par spéculation entre 2012-2013 à Louga............................132
Tableau 12 : Superficie, rendement, production céréalière et cultures associées à Kaolack...............134
Tableau 13 : Répartition de la production selon les départements de Kaffrine (en tonnes) en 2013 . 136
Tableau 14: Nombre d’exploitants agricoles par commune et département........................................140
Tableau 15 : Caractéristiques des agriculteurs suivant les types d’anticipation...................................157
Tableau 16: Estimations des comportements d’anticipation à partir de l’utilisation d’information
climatique.............................................................................................................................................160
Tableau 17 : Liste de loteries permettant de déterminer le comportement des agriculteurs face au
risque....................................................................................................................................................162
Tableau 18: Caractéristiques socioéconomiques des agents face au risque financier..........................172
Tableau 19: Estimation de la propension pour le risque financier des exploitants agricoles...............173
Tableau 20 : Taux d’adoption des stratégies d’adaptation au changement climatique........................174
Tableau 21 : Effets marginaux des stratégies d’adaptation estimés avec le modèle probit..................176
Tableau 22: Description des variables du modèle................................................................................185
Tableau 23 : Présentation synthétique des coefficients estimés par type d’adoption...........................187

x
 SIGLES ET ABREVIATIONS
$U.S Dollar américain
ACMAD Centre africain pour les applications de la météorologie au développement
AFD Agence Française+ de Développement
ANACIM Agence Nationale de l’Aviation Civile et de la Météorologie
ANCAR Agence Nationale de Conseil Agricole et Rural
ANSD Agence Nationale de la Statistique et de la Démographie
ASPRODEB L’Association Sénégalaise pour la Promotion du Développement à la Base
ASRA Agricultural Sector Risk Assessment in Senegal
BNDS Banque Nationale pour le Développement du Sénégal
CCAFS Climate Change Agriculture and Food Security
CCNUCC Convention Cadre des Nations Unis sur les Changements Climatiques
CDB Convention sur la Diversité Biologique
CDD Convention Cadre de Lutte contre la Désertification
CdP Conférences des Parties
CEA Commission économique pour l’Afrique
CEDEAO Communauté Économique des États d’Afrique de l’Ouest
CEPOD Centre d’Études de Politiques pour le Développement
CER Centres d’Expansion Rurale
CILSS Comité permanent Interétatique de Lutte contre la Sécheresse dans le Sahel
CIMA Confédération Interafricaine des Marchés d’Assurances
CNAAS Compagnie Nationale d’Assurance Agricole du Sénégal
CNB Comité National sur la Biodiversité
CNCAS Caisse Nationale de Crédit Agricole du Sénégal
CNCR Conseil National de Concertation et de Coopération des Ruraux
CNDD Commission Nationale de Développement Durable
CONSERE Conseil Supérieur des Ressources Naturelles et de l’Environnement
CPDN Contribution Prévue Déterminée au niveau National
CRES Consortium pour la Recherche Économique et Sociale
CSE Centre de Suivi Écologique
DAPSA Direction de l’Analyse, de la Prévision et des Statistiques Agricoles
DEEC Direction de l’Environnement et des Établissements Classés
DMN Direction de la Météorologie Nationale du Sénégal
DPEE Direction de la Prévision et des Études Économiques
DPES Document de Politique Économique et Sociale
DPN Direction des Parcs Nationaux
ECO2 Équivalents de dioxyde de carbone
ESIS Enquête sénégalaise sur les indicateurs de Santé
ESPS Enquête de Suivi de la Pauvreté au Sénégal
F CFA Franc de la Communauté Financière Africaine
FAO Organisation des Nations unies pour l’alimentation et l’agriculture
FEM Fonds pour l’Environnement Mondial
FMI Fonds Monétaire International
GIEC Groupement Intergouvernemental d'Experts sur les évolutions du Climat
GOANA Grande Offensive pour l’Alimentation, la Nourriture et l’Abondance

x
GRAD Centres Régionaux d’Assistance au Développement
GRAST Groupe de Réflexion et d’Appui Scientifique et Technique
GTP Groupe de Travail Pluridisciplinaire
IED Innovation Environnement Développement
ISRA Institut Sénégalais de Recherches Agricoles
ITA Institut de Technologie Alimentaire
LOASP Loi d’Orientation Agro-Sylvo-Pastorale
LPDA Lettre de Politique de Développement Agricole
LPDFA Lettre de Politique de Développement de la Filière Arachide
LPI Politique du développement Institutionnel du secteur agricole
MAEE Ministère des Affaires étrangères et européennes
MEPN Ministère de l’Environnement et de la Protection de la Nature
MPDD Ministère du Plan et du Développement Durable
MPDDCI Ministère du Plan, du Développement Durable et de la Coopération Internationale
NASAN Nouvelle Alliance pour la Sécurité Alimentaire et la Nutrition
NEPAD Nouveau Partenariat pour le Développement de l’Afrique
NPA Nouvelle Politique Agricole
NSRDC Nouvelle Société Régionale de Développement de la Casamance
OCA Office de Commercialisation Agricole
OMD Objectifs du Millenium pour le Développement
ONCAD Office National de Coopération et d’Assistance pour le Développement
ONG Organisation non Gouvernementale
ONU Organisation des Nations unies
PA Programme Agricole
PAFA Projet d’Appui aux Filières Agricoles
PAN/LCD Plan d'Action National de Lutte Contre la Désertification
PANA Plan d’Action National d’Adaptation aux Changements Climatiques
PAS Programme d’Ajustement Structurel
PDDAA Programme Détaillé de Développement de l’Agriculture Africaine
PDDF Plan Directeur de Développement Forestier
PDES Plan de Développement Économique et Social
PIB Produit Intérieur Brut
PMA Pays les Moins Avancés
PNAE Le Programme d’Action pour l’Environnement
PNIA Programme National d’Investissement Agricole
PNUD Programme des Nations Unies pour le Développement
PRACAS Programme d’Accélération de la Cadence de l’Agriculture Sénégalais
PREF Programme de Redressement Économique et Financier
PRODDEL Programme d’Appui à la Décentralisation et au Développement Local
PSAOP Programme d’Appui aux Services Agricoles et des Organisations de Producteurs
PSE Plan Sénégal Emergent
RESOOP Réseau des Organisations Paysannes et Pastorales du Sénégal
REVA Retour vers l’Agriculture
RGPHAE Recensement Général de la Population, de l’Habitat, de l’Agriculture et de l’Élevage
SAED Société d’Aménagement et de l’Équipement du Delta

x
SCA Stratégie de la Croissance Accélérée
SESR Situation Économique et Sociale au niveau Régionale
SID/SISEI Système d’Information sur la Désertification / Système d’Information et de Suivi sur
l'Environnement par Internet
SNDD Stratégie Nationale de Développement Durable
SNMO Stratégie Nationale de Mise en Œuvre de la CCNUCC
SODAGRI Société de Développement Agricole et Industriel du Sénégal
SODEFITEX Société de Développement et des Fibres Textiles
SODEVA Société de Développement et de Vulgarisation Agricole
SPNACB Stratégie et Plan National d’Actions pour la Conservation de la Biodiversité
SRDR Sociétés Régionales de Développement Rural
SRSD Services Régionaux de la Statistique et de la Démographie
UNCA Union Nationale des Coopératives Agricoles
UPA Unité des Politiques Agricoles
UNESCO Organisation des Nations unies pour l’éducation, la science et la culture
WAAPP Programme de Productivité Agricole en Afrique de l’Ouest

x
 RÉSUMÉ
Au Sénégal, le changement climatique constitue une contrainte majeure à la croissance
agricole. Les niveaux de production enregistrés par an sont expliqués essentiellement par la
pluie. Celle-ci est marquée par une forte variabilité qui pousse certains exploitants agricoles à
mettre en œuvre des stratégies d’adaptation pour limiter les impacts négatifs du climat sur leur
activité. Cependant, l’usage d’informations climatiques, le degré d’aversion pour le risque et
l’environnement social du producteur jouent un rôle important dans l’adoption de stratégies
d’adaptation au changement climatique.

L'objectif principal de cette recherche est de montrer que l’adhésion à un groupe peut
inciter à l’adoption de stratégies d’adaptation au changement climatique sous certaines
conditions. Pour atteindre cet objectif, la recherche s’est appuyée sur la confiance accordée
aux informations climatiques pour analyser les types d’anticipation des exploitants agricoles ;
puis, à partir d’un système de loterie, à conséquences monétaires, inspiré des travaux d’Allais
(1953), le niveau d’aversion pour le risque des producteurs a été déterminé. Ces deux facteurs
ont été repris dans un modèle plus global de heckman probit pour analyser simultanément la
décision d’adoption de stratégies d’adaptation au changement climatique et l’adhésion au
groupe.

Les résultats de la recherche montrent que les exploitants agricoles utilisent des
informations climatiques dans leur anticipation en intégrant une marge d’erreur liée à la
source d’informations. En outre, l’analyse du comportement des producteurs vis-à-vis du
risque révèle que les producteurs qui ont moins d’aversion pour le risque sont prêts à payer
une somme d’argent pour se protéger contre une perte de production supérieure au seuil
tolérable. Ainsi, l’adoption de stratégies d’adaptation dans un groupe est plus importante si les
membres utilisent des informations climatiques dans leur anticipation et sont prêts à prendre
des risques financiers. À cet égard, il est nécessaire que les membres soient jeunes,
manifestent la volonté de discuter sur les changements climatiques, bénéficient de formations
et d’accès au crédit et se trouvent dans des zones moins enclavées.

En termes d’implications de politiques, il s’agit pour l’État, de faciliter l’accès aux

informations climatiques et, pour les compagnies d’assurance, de trouver un système de
crédit-assurance plus adapté au risque climatique. Une bonne détermination de l’indice
d’assurance permettra d’indemniser les « vrais victimes » du changement climatique.

x
 ABSTRACT
In Senegal, the climate change is a constraint in the agricultural growth. Annual
production is mainly explained by the rainfall. However this latter is marked by a strong
variability which urges some farmers to implement adaptation strategies to limit the negative
impacts on their agricultural activity. Therefore, the use of climatic information, the degree of
aversion and the social environment play an important role in adopting climate change
adaptation strategies.

The main objective of this search is to show that joining a group can motivate the
adoption of climate change adaptation strategies under certain conditions. To achieve this
goal, research has counted on climate information to analyze the types of anticipation made
by farmers; then, from a lottery system, with monetary consequences, inspired by the works
of Allais (1953), the level of risk aversion of the producers was determined. These two factors
had been used in a more general model of "heckman probit" to analyze simultaneously the
decision of adopting climate change adaptation strategies and being part of a group
membership.

The results of the research show that farmers use climatic information in their
anticipation by integrating a margin of error based on the source of information. In addition,
analysis of producers’ risk behavior reveals that the producers who have less risk-averse are
ready to pay a lump sum to protect themselves against a loss of production above the tolerable
threshold. Thus, adopting adaptation strategies in a group is more important if members use
climatic information in their anticipation and are willing to take financial risks. However, it is
necessary for members to be young, demonstrate willingness to discuss climate change,
receive training and live less landlocked areas.

In terms of policy implications, the state has to facilitate the access to the climate
information and insurance companies have to find a system of credit-insurance more adapted
to the climatic risk. A good determination of the insurance index will allow to compensate
indemnifying the "real victims" of the climate change.

x
 INTRODUCTION GENERALE
Les chocs climatiques constituent une véritable contrainte à la croissance agricole.
Selon le rapport de l’Organisation des Nations unies pour l’Alimentation et l’Agriculture
(FAO, 2007) : « du fait des changements climatiques, les pays en développement doivent
transformer significativement leur modèle de production pour atteindre l’autosuffisance
alimentaire… ». Cette thèse a aussi été confirmée lors de la 15 ème conférence des parties de la
Convention-Cadre des Nations Unies sur le Changement Climatique (CCNUCC) en 2009. En
effet, l’Institut International de Recherche sur les Politiques Alimentaires (IFPRI) déclarait
dans une note politique que : « si l’on veut atteindre les objectifs fondamentaux d’atténuation
des changements climatiques et d’adaptation à ces changements, il faut y inclure
l’agriculture. » (Gbetibouo, 2009).

Les rapports du Groupe Intergouvernemental d’Experts sur l’évolution du Climat

(GIEC) qui se sont succédés, sont unanimes à reconnaître que l’agriculture, composante
majeure du développement des pays africains et de l’Afrique de l’Ouest en particulier, figure
parmi les secteurs les plus à risque (République du Sénégal, 2015a). Au Sénégal, les impacts
du changement climatique sont directement observables à travers les pertes de production et
les conséquences monétaires qu’elles engendrent. Ainsi, entre 1980 et 2011, le secteur
agricole a subi onze (11) grands chocs climatiques qui se sont traduits par une perte de 32,7%
de la valeur brute de la production, soit 217 millions de dollars américains (République du
Sénégal, 2015c).

L’intensité de cette perte de production est expliquée principalement par la structure du

secteur agricole. L’agriculture du Sénégal est caractérisée essentiellement par de petites
exploitations familiales à faible productivité, 70% des terres cultivées, en 2013, ont moins de
5 ha (ANSD, 2014). L’essentiel de la production est pratiquée en saison hivernale qui dure
trois mois. En effet, les cultures sous-pluie représentent 87,1% de la production annuelle. La
forte dépendance de l’activité agricole au climat limite ses performances productives.

Les cultures vivrières et industrielles, pratiquées en saison des pluies, sont les plus
impactées par les effets du changement climatique. En effet, la production vivrière représente
91% des terres exploitées en hivernage réparties entre le mil (38%), le niébé (24%), le maïs
(20%), le riz (9%) et le sorgho (8%). L’arachide pluviale constitue la culture industrielle
dominante avec 75% de la production industrielle du Sénégal.

1
 La forte corrélation entre le climat et les niveaux de production est observée à travers
l’évolution des indices pluviométriques et les pertes de productions. Ainsi, de 2005 à 2010, le
pays a enregistré trois déficits pluviométriques de degrés différents : en 2006, 2007 et 2010,
avec des indices pluviométriques respectivement de -1,4, -0,1 et -0.6 par rapport à la normale,
ce qui a engendré en même temps des pertes de production de -13%, -6,3% et -28% (Sagna et
al. 2015 ; République du Sénégal, 2015c). La succession du déficit pluviométrique en 2006 et
2007 et la perte de production qu’elle a engendrée est à l’origine de la crise alimentaire en
2008.

Cependant, la campagne agricole de 2014 a enregistré une baisse de l’indice

pluviométrie d’environ 1,1 (Sagna et al. 2015). Dans la même période, les rendements ont
varié entre 1 et 1,5 tonne par hectare pour le mil et le sorgho, et de 2 à 2,5 tonnes par hectare
pour le maïs (ANACIM, 2015). Même si les rendements potentiels ne sont pas atteints, la
croissance de la production est restée positive. Cette situation serait due à l’adoption de
stratégies d’adaptation au changement climatique mises en œuvre par les exploitants
agricoles.

L’adaptation climatique, pour un exploitant agricole, consiste à une modification de

l’utilisation des facteurs de production pour réduire les impacts négatifs du climat (De
Perthuis, 2009). Ainsi, le changement climatique influence la décision du producteur qui
identifie le type de risque potentiel sur son activité, évalue les impacts et met en place la
meilleure stratégie d’adaptation.

L’identification du type et de la nature du risque climatique, par le producteur, requiert

la possession d’une bonne information sur le climat. Ainsi, le Sénégal a mis en place l’Agence
Nationale de l’Aviation Civile et de la Météorologie du Sénégal (ANACIM) qui est chargée
de la production et de la diffusion d’informations climatiques. Les données climatiques sont
diffusées aux producteurs sur demande mais aussi par le biais des radios communautaires, des
relais institutionnels et villageois. Les relais villageois mettent également en place des champs
de démonstration permettant une comparaison des rendements obtenus à partir des pratiques
traditionnelles avec ceux résultant des stratégies fondées sur les prévisions saisonnières ou à
court terme.

Cependant, les statistiques publiées par l’ANACIM ne sont pas transmises de manière
précoce aux agriculteurs. En d’autres termes, les données météorologiques ne sont pas
diffusées au moment où le besoin se fait ressentir. De même, l’accès à ces informations

2
représente une véritable contrainte pour le petit exploitant agricole à cause des coûts de
transaction. Par conséquent, les producteurs utilisent des systèmes de prévisions
traditionnelles pour déterminer l’évolution du climat. L’existence de deux références en
matière d’informations climatiques pose le problème du degré de confiance à accorder à
chaque source.

Certains exploitants agricoles se fondent uniquement sur les sources traditionnelles

basées sur les croyances culturelles ou religieuses pour formuler leurs anticipations
climatiques, et d’autres accordent plus de confiance aux données météorologiques de
l’ANACIM. Ainsi, des questions, comme : « quel est le niveau d’information climatique des
exploitants agricoles ? Et, quel est le degré de confiance accordée à ces informations ? »,
deviennent nécessaires pour comprendre la décision d’adoption de stratégies d’adaptation face
au changement climatique.

En outre, il est admis que le climat va changer quelle que soit l’évolution des activités
d’émission de gaz à effet de serre (GIEC, 2007). Les modèles de prévisions climatiques ne
donnent pas une idée précise de la variation du climat. En effet, au Sénégal, il est prévu des
températures comprises entre +1,1 à +1,8 degré Celsius et des niveaux de pluviométries
compris entre -30% et +30% à l’horizon 2035 (République du Sénégal, 2015b).

La difficulté d’obtenir des données convergentes et précises sur le climat plongent les
agriculteurs dans une grande incertitude. La méconnaissance de l’apparition des phénomènes
climatiques affecte le revenu agricole des producteurs agricoles. L’incertitude climatique sur
le revenu agricole résulte de l’ignorance, par le producteur, de la quantité à produire et le prix
de vente du produit (Cayatte, 2009). Cette situation conduit les agents soit à supporter les
risques soit à les transférer à un tiers sous forme d’assurance.

L’assurance permet au producteur de se protéger contre une perte éventuelle. Ainsi,

l’assureur accepte, moyennant le paiement d’une prime, de verser une indemnité en cas de
réalisation du risque. C’est en ce sens que le risque ou une partie du risque est pris en charge.
Au Sénégal, l’offre d’assurance agricole sur le climat résulte de la Compagnie Nationale
d’Assurance Agricole du Sénégal (CNAAS).

En effet, la CNAAS a mis en œuvre un produit d’assurance indicielle qui offre une
couverture des risques climatiques sur la base d’un indice prédéterminé. Ainsi, les
indemnisations sont déclenchées par un indice calculé à travers des relevés pluviométriques,

3
de données satellitaires et de l’historique des rendements. De même, 50% du montant de la
prime est financé par l’État du Sénégal.

Toutefois, le taux d’adhésion reste faible. Seulement, 20 000 producteurs ont bénéficié
de cette assurance avec un taux de sinistralité de 40% en 2015. En effet, les limites techniques
de la détermination de l’indice d’assurance et la non-prise en compte du comportement des
producteurs face au risque limitent son expansion dans le monde rural.

Certains producteurs ont un comportement passif vis-à-vis du risque et d’autres sont

plus actifs en cas de perte probable. À cet effet, la propension d’aversion pour le risque des
exploitants agricoles permet de comprendre pourquoi deux producteurs, placés dans les
mêmes contextes environnementaux avec des caractéristiques socio-économiques quasi
similaires, se comportent différemment vis-à-vis du risque.

Aussi, l’analyse de l’adoption de stratégies d’adaptation au changement climatique

nécessite aussi de prendre en compte le rôle du groupe (Ofuoku et Agbamu, 2012).
L’adoption de nouvelles pratiques introduites en monde paysan correspond à un processus de
négociation. En effet, dans un groupe chacun peut modifier l’état de la connaissance de l’autre
et l’amène ainsi à adopter certains comportements nouveaux (Branchet et Trogon, 1994).

La CNAAS et l’ANACIM travaillent en permanence avec les groupes formés au niveau

local notamment les organisations de producteurs (OP). L’affiliation à une OP permet le
renforcement de la cohésion entre producteurs dans un cadre de solidarité communautaire
d’une part, et d’autre part, améliore les capacités de gestion de l’exploitation : obtention de
conseils, de formation, de crédits etc. (ANSD, 2014). Cependant, le taux d’adhésion aux OP
reste faible. Seulement, 11,4% des producteurs agricoles sont affiliés aux OP. Les contraintes
d’adhésion généralement soulignées sont le manque de cohésion et l’accès difficile aux
services agricoles et financiers (Ofuoku et Urang, 2009).

Une meilleure connaissance, de l’usage d’informations climatiques par le producteur, de

sa propension d’aversion pour le risque et l’influence du groupe dans ses prises de décisions,
contribue à une meilleure compréhension de l’adoption de stratégies d’adaptation au
changement climatique dans le milieu rural.

Les questions de recherche se résument comme suit :

- dans quelle mesure l’adhésion à un groupe incite à l’adoption de stratégies

d’adaptation au changement climatique ?
4
 - suivant l’utilisation d’informations climatiques, quelles sont les formes
d’anticipation formulées par les producteurs?
- quelle est la propension d’aversion pour le risque des exploitants agricoles dans
un contexte de changement climatique ?

L’objectif principal de cette recherche est d’analyser la relation entre l’adhésion au

groupe et l’adoption des stratégies d’adaptation en mettant l’accent sur les types
d’anticipation et la propension d’aversion pour le risque des exploitants agricoles.
De façon plus spécifique, il s’agit :
- de mieux comprendre les types d’anticipation des exploitants agricoles suivant
l’utilisation d’informations climatiques ;
- de déterminer le degré d’aversion pour le risque climatique des exploitants
agricoles ;
- d’analyser les facteurs expliquant l’adoption des stratégies d’adaptation dans un
groupe.
Ce travail de recherche essaie de vérifier trois hypothèses :

h1 : les exploitants agricoles formulent des anticipations du type « adaptatif ».

Les producteurs agricoles utilisent des informations climatiques dans leurs anticipations.
Cependant, ils accordent une marge d’erreur à la source d’informations climatiques utilisée
pour effectuer ces anticipations.

h2 : la prise de risque financier par l’exploitant agricole diminue le niveau de perte de

production tolérable.

La propension pour le risque financier explique le faible niveau de perte de production

supportable par le producteur. Ainsi, le producteur adopte des stratégies d’adaptation au
changement climatique pour réduire les pertes de production.

h3 : l’utilisation d’informations climatiques et la propension d’aversion pour le risque

financier expliquent les différents degrés d’adoption de stratégies d’adaptation au changement
climatique dans un groupe.

L’appartenance à un groupe n’implique pas systématiquement l’adoption de stratégies

d’adaptation au changement climatique. Ainsi, les agriculteurs qui utilisent des informations
climatiques et prennent des risques financiers ont une propension d’adoption de stratégies
d’adaptation plus élevée.
5
 Pour atteindre les objectifs définis dans cette recherche, une enquête a été menée en
juillet 2015 sur une durée d’un mois. Elle concerne les régions de Louga, Kaolack et Kaffrine
et les départements de Kébémer, Kaolack, Nioro, Kaffrine et Koungheul. Ainsi, seize (16)
communes et 114 villages ont été sélectionnés. L’enquête a concerné 545 exploitants
agricoles choisis de façon aléatoire.

Le bassin arachidier du Sénégal a été choisi comme zone d’étude. Ce choix s’explique
par le système pluvial des activités agricoles. Ainsi, le bassin arachidier a été subdivisé en
trois sous-zones en fonction du niveau d’aridité : la partie nord aride représentée par la région
de Louga ; le centre semi-aride représenté par la région de Kaolack ; et le sud
humide constitué par la région de Kaffrine. Ces différentes zones ont la particularité d’être
toutes exposées aux risques climatiques (République du Sénégal, 2015b).

De plus, les régions qui composent le bassin fournissent 35% de la production céréalière
du pays et représentent 62% des superficies nationales consacrées à la culture de céréales
(ANSD, 2015).

La méthodologie utilisée pour déterminer les types d’anticipation formulés par les
exploitants agricoles s’appuie sur l’utilisation d’informations climatiques et le niveau de
confiance accordé à la source d’information. Cette approche est tirée des travaux de Kast
(2002) qui considère que le niveau d’information détermine la prise de décision en univers
incertain.

Ainsi, trois (3) formes d’anticipation sont définies dans ce travail. La première dite
«anticipation naïve » survient lorsque l’agent se fonde uniquement sur des informations de
l’année précédente et pense qu’elles seront identiques à celles de l’année en cours (Chavas,
1999) ; la deuxième, dite anticipation « adaptative » ou quasi rationnelle est observée lorsque
l’acteur fait des anticipations en prenant en compte ses erreurs effectuées lors des années
précédentes (Nerlove et Fornari, 1998) ; et enfin, les anticipations de l’agent peuvent être
« rationnelles » lorsqu’il utilise toute l’information à sa disposition au moment de la
formulation des anticipations (Muth, 1961 ; Wright, 2001 ; Pratt et Blake, 2007).

6
 Pour déterminer la propension d’aversion pour le risque financier, ce travail s’appuie
sur une approche proposée par l’économie expérimentale basée sur des loteries1 à
conséquences financières (Broihanne et al. 2004 ; Kahneman et Tvesky, 1979).

À cet effet, trois attitudes de l’agent sont observables face au risque. L’agent peut
aimer prendre des risques, on dit qu’il est « riscophile », dans ce cas, son choix se porte
uniquement sur les gains espérés. Il peut aussi présenter une aversion pour le risque, on parle
d’agent « riscophobe », son choix se porte alors que sur la probabilité de perte. Et, l’agent
peut cependant effectuer un choix en se focalisant à la fois sur les gains et sur la probabilité de
perte, on dit qu’il adopte un comportement « Markowitz ».

À l’aide du modèle probit, ce travail de recherche permet de déterminer les

caractéristiques socio-économiques de la probabilité d’utilisation d’informations climatiques
et la propension d’aversion pour le risque financier. De même, le modèle de Heckman probit
est utilisé pour déterminer le degré d’adoption des stratégies d’adaptation au changement
climatique dans un groupe.

Le modèle de Heckman probit est un processus à deux étapes qui permet de déterminer,
dans un premier temps, les caractéristiques socioéconomiques de l’adhésion à un groupe ;
puis, dans un deuxième temps, d’identifier les facteurs explicatifs d’adoption des stratégies
d’adaptation.

L’intérêt de ce travail se situe à trois niveaux :

- il permet d’identifier les meilleures stratégies de mise à l’échelle des informations

météorologiques diffusées par l’ANACIM en tenant compte de la diversité des
sources. En effet, en présence de plusieurs sources d’information climatique
(traditionnelle et moderne), le choix du producteur s’oriente vers celle qu’il accorde
plus de confiance ;
- la différenciation des exploitants agricoles en fonction de la propension d’aversion
pour le risque permet une meilleure détermination de la prime optimale. En d’autres
termes, un mauvais ciblage des assurés peut conduire à une fixation de prime
d’assurance qui sous-estime ou surestime le degré d’aversion pour le risque des
producteurs ;

1
La loterie traduit ici des actions dont les conséquences sont aléatoires et dépendent des
événements (pertes ou gains) qui peuvent se produire

7
- l’étude permet d’améliorer la compréhension des déterminants de l’adhésion au
groupe qui motivent le choix d’adoption des stratégies d’adaptation au changement
climatique. Ainsi, l’identification de ces adoptants potentiels permet une meilleure
rationalisation de l’offre en matière de nouvelles techniques agricoles.

L’étude est structurée en trois (3) chapitres :

- le premier chapitre propose une description de l’agriculture sénégalaise face au
changement climatique. À ce titre, une étude sur les caractéristiques de
l’environnement physique du Sénégal est effectuée, suivie de l’évolution climatique et
les performances du secteur agricole face au climat ; ensuite, l’état des dispositifs
institutionnels et réglementaires est abordé ; et enfin, les différentes stratégies
d’adaptation au changement climatique sont définies.
- le deuxième chapitre fait une revue de la littérature du comportement de l’exploitant
agricole dans un environnement risqué. Ainsi, une revue conceptuelle est élaborée afin
de comprendre les notions de base utilisées dans ce travail ; ensuite, le cadre théorique
est décrit avant d’aborder les développements empiriques sur l’adaptation et
l’adhésion à un groupe ; et enfin, la fonction d’utilité de Markowitz est présentée
comme modèle de référence pour caractériser le comportement du producteur face au
risque.
- dans le troisième chapitre, des analyses descriptives et économétriques, sur les
comportements d’anticipation, de prise de risques et d’adoption des stratégies
d’adaptation dans un groupe, sont présentées. Dans cette partie, la méthode
d’échantillonnage est abordée en premier lieu suivie de l’analyse des types
d’anticipation et les comportements des exploitants agricoles face au risque ; ensuite,
une description des stratégies d’adaptation est faite avant de conclure sur l’influence
du groupe à l’adoption des stratégies d’adaptation.

8
 CHAPITRE I : AGRICULTURE SÉNÉGALAISE FACE AU
CHANGEMENT CLIMATIQUE : Éléments de contexte

Introduction

Le rôle de l’agriculture dans l’économie sénégalaise est fondamental du fait de

l’importance de la population active qu’elle emploie, des recettes procurées par l’exploitation
mais aussi par sa contribution à la sécurité alimentaire. De plus, les produits agricoles servent
aussi de matières premières aux autres secteurs économiques. Sa contribution à la formation
du produit intérieur brute (6,6% du PIB) démontre son rôle-clef à la croissance économique.

Cependant, l’agriculture sénégalaise se heurte à sa forte dépendance au climat.

L’essentiel de la production est effectuée en saison hivernale, environ 96% de la production
dépend de la pluie (DAPSA, 2016). Toutefois, l’évolution de la pluviométrie est marquée par
une irrégularité depuis 1990 après avoir connu une période d’humidité (1950-1969) et de
sécheresse (1970-1990)2. Cette situation a provoqué une baisse de la production céréalière
fortement dépendante du climat (DAPSA, 2016) 3. Et, pourtant, des avancées significatives,
visant à réduire la vulnérabilité agricole vis-à-vis du climat, ont été notées depuis quelques
décennies. Il s’agit principalement de l’arsenal technologique mis en œuvre par les instituts de
recherche notamment l’Institut Sénégalais de Recherches Agricoles (ISRA) et l’Institut de
Technologie Alimentaire (ITA) mais aussi par la présence de nombreuses structures
d’encadrement pour réduire les effets de surprise liés au climat.

Dans les stratégies mises en œuvre à court terme pour réduire l’impact du changement
climatique dans le secteur agricole, l’adaptation est reconnue comme une solution pour les
acteurs. Les actions entreprises conduisent les producteurs agricoles à se former en groupe.
L’appartenance à un groupe procure plusieurs avantages liés à l’accès aux services
d’extension.

Dans ce chapitre, il est question, de procéder d’abord par une description des
caractéristiques environnementales du Sénégal en rapport avec l’agriculture (1) ; ensuite,
d’analyser les performances du secteur agricole face au changement climatique (2) ; puis, de
passer en revue les dispositifs réglementaires et institutionnels sur l’agriculture et le climat

2
Évolution de la pluviométrie annuelle au Sahel, données Agrhymet, 2010
3
Évolution de la production agricole au Sénégal et par région, données DAPSA 2015

9
(3) ; et, enfin, ce travail de recherche mettra en exergue les stratégies d’adaptation au
changement climatique mises en œuvre par les exploitants agricoles (4).

I.1_/ Caractéristiques environnementales du Sénégal

L’environnement est caractérisé par deux éléments appelés : biotope et biocénose. La
première composante est formée de trois réservoirs : l’air, l’eau et la terre. Il correspond à
l’environnement physico-chimique, abiotique, spécifique, ayant une dimension spatio-
temporelle bien définie. La seconde composante intègre l’ensemble des êtres vivants se
situant aux interfaces de la terre, de l’eau et de l’air (Tansley4, 1935).

Biotope et biocénose exercent l’un sur l’autre de perpétuelles interactions marquées

essentiellement par d’incessants transferts d’énergie et échanges de matières entre ces deux
entités et à l’intérieur de chacune d’elles.

Dans cette section, les aspects environnementaux abordés se limitent uniquement sur
l’eau et la terre car ces deux éléments représentent les principales ressources naturelles
utilisées durant le processus de production agricole. Par la suite, d’autres composantes
environnementales sont intégrées pour analyser la pression exercée sur ces deux ressources.

I.1.1 _/ État des ressources naturelles

Le Sénégal est situé à l’extrême-ouest du continent africain, entre 12°30 et 16°30 de
latitude nord et 11°30 et 17°30 de longitude ouest. Sa superficie est de 196 722 km2. Il est
limité au nord, par la République islamique de la Mauritanie, à l’est par le Mali, au sud par la
Guinée Conakry et la Guinée Bissau et à l’ouest par l’océan Atlantique. Dans sa partie
méridionale, la Gambie constitue une enclave de 300 km de long sur 32 km de large.

La position du Sénégal dans le bassin sédimentaire sénégalo-mauritanien explique en

grande partie la faiblesse des altitudes. La majeure partie du territoire est à moins de 100
mètres au-dessus du niveau de la mer. Les seules parties élevées se trouvent dans le sud-est du
pays (région de Tambacounda) et à l’ouest, dans les régions de Thiès et Dakar.

Le paysage sénégalais est marqué par sa forte disponibilité en eau et en terre. Toutefois,
une faible proportion est utilisée comme intrants pour les activités agricoles. L’insuffisance

4
Reprinted as part of Trudgill S. 2007, Classics in physical geography revisited, Tansley, A.G. 1935: The use
and abuse of vegetational concepts and terms. Ecology 16: 284-307.

1
des aménagements hydro-agricoles, malgré les réseaux de collecte et d’épuration des eaux
usées, limite la productivité végétale et animale.

I.1.1.1 _/ Disponibilité en eau pour l’agriculture

En plus de l’Océan Atlantique qui le limite à l’Ouest, le réseau hydrographique national

est marqué par la présence d’eau de surface et d’eau souterraine. Le niveau des cours d’eau
varie en fonction de la variation pluviométrique. En effet, les périodes de hautes eaux sont
observables de juillet à octobre alors que les eaux basses apparaissent durant la saison sèche
(CSE5, 2010).
Les deux grands systèmes fluviaux qui existent concernent le fleuve Sénégal et le cours
supérieur de la Gambie. Les autres cours d'eau ont uniquement des écoulements non pérennes,
temporaires. Il s’agit principalement des bassins et des rivières (cf. annexe 2)6.
Malgré la présence de ces nombreux cours d’eau, le Sénégal n’exploite pas encore toute
sa capacité d’eau mobilisable estimée à quelque 6 milliards de m³/an dont les ¾ sont assurés
par les aménagements du fleuve Sénégal et le reste par les eaux souterraines (CSE, 2010). Le
secteur agricole utilise 1 251 000 000 de m³ d’eau en 2005, soit 18 fois les quantités prélevées
pour l’eau potable.
Les volumes d’eau potable prélevés pour la population et le cheptel s’élèvent à 225 935
000 m³ par an (CSE, 2005). Le secteur industriel utilise 64 millions de m³/an en 2005 et
pourrait dépasser le double en 2020 (CSE, 2010). Cependant, le Sénégal dispose d’importants
réseaux collectifs et semi-collectifs ainsi que des stations de lagunage et d’épuration à boues.
Le taux de collecte des eaux usées est de 26% et le taux de traitement avoisine 24%
(CSE, 2010). Cela signifie qu’une grande partie des eaux usées est rejetée en mer (pour
Dakar), s’infiltre dans le sol (Louga), rejetée dans un cours d’eau (Saly et Kaolack), ou
réutilisée par les maraîchers (Saint-Louis).

I.1.1.2 _/ Disponibilité de terres arables

Pour une superficie de 196 722 km² que couvre le territoire national, les terres arables
ne représentent que 19%, soit 3,8 millions d’hectares en 2010 et 3,2 millions en 2014
(FAO7, 2014) dont 57% sont concentrées dans le bassin arachidier, 20% en Casamance, 10%
au Sénégal oriental et 8% dans la zone du fleuve (CSE, 2010). Les forêts, savanes et parcours

5
CSE : Centre de Suivi Écologique
6
Annexe 2 : Systèmes fluviaux et autres cours d’eau du Sénégal
7
Base de données statistiques de l’Organisation des Nations Unies pour l’Alimentation et l’Agriculture

1
classés couvrent environ 24 % du territoire national tandis que les zones non classées et les
terres non cultivables concernent 57 % du territoire (FAO, 2014).
Annuellement, la mise en valeur agricole ne porte que sur 65% des terres arables, soit
2,5 millions d’hectares environ (UPA 8, 1996). De plus, la plupart des terres sont cultivées
seulement pendant l’hivernage. Les taux d’exploitation les plus élevés se rencontrent dans le
bassin arachidier (81%) et la zone des Niayes (65%).
En revanche, l’étude réalisée par Fall et Diagne (2010) en utilisant la carte morpho-
pédologique à l’échelle de 1/500 000e, la plus précise actuellement disponible, couvrant le
territoire national, révèle que le potentiel de terres arables au Sénégal est beaucoup plus élevé
que les 3,8 millions d’hectares fournis par les travaux antérieurs. Ces auteurs estiment que
9 404 475 ha de terres, représentant 47, 81% de la superficie du territoire national, sont aptes
et disponibles pour l’agriculture. Ces terres, estimées après déduction des aires protégées et de
l’habitat, ont été catégorisées, compte tenu des caractéristiques pédologiques, des paramètres
climatiques en particulier la pluviométrie, et des eaux de surface pérennes ou temporaires. Cet
exercice a abouti à quatre catégories de terres aptes que sont :
- Catégorie A : terres très aptes et irrigables (2 146 175 ha) ;
- Catégorie B : terres aptes sans contraintes pluviométriques (3 910 696 ha) ;
- Catégorie C : terres aptes à possibilité de stress hydrique (4 516 752 ha) ;
- Catégorie D : terres marginalement aptes (1 839 751 ha).
Ces divergences traduisent la nécessité absolue d’une actualisation des bases de données
sur les ressources en terres. Cela est d’autant plus urgent que l’on s’accorde sur le fait que,
suite à une pression accrue sur les terres par les différentes utilisations, le Sénégal fait face à
une situation critique qui résulte de la dégradation des terres qui affecte, à des degrés
variables, une bonne partie des ressources terrestres soit 65% de la superficie du pays selon le
rapport de l’IIED9 (2011).
I.1.2 _/ Causes humaines de la dégradation des ressources naturelles

Plusieurs facteurs exercent des pressions sur les ressources, il s’agit principalement de
l’accroissement de la population, les différentes activités économiques génératrices de gaz à
effet de serre et certains phénomènes naturels. Ces différents éléments contribuent à la
modification de la structure naturelle de l’environnement bouleversant l’équilibre éco-
systémique.

8
UPA : Unité des Politiques Agricoles
9
IIED 2011 : Rapport sur les changements climatiques, stratégies d’adaptation et mobilités, Evidence à partir de
quatre sites au Sénégal.

1
I.1.2.1 _/ L’accroissement de la population

Sur la base des projections de la population de 2013, le Sénégal compte 14 256 346
habitants en 2017 dont 7 597 938 femmes et 6 658 408 hommes (ANSD 10, 2015e). Ce nombre
d’habitants a fortement évolué dans le temps. En effet, selon le rapport de projection de la
population du Sénégal (ANSD, 2015e), les tendances observées font état d’un accroissement
important de la population de 1976 à 1988 (2,7%), d’un léger fléchissement de la croissance
démographique de 1988 à 2002 (2,5%) et d’une légère hausse de 2002 à 2013 (2,7%).

Graphique 1: Évolution de population du Sénégal de 1960 à 2015

20000000
15000000
10000000
5000000
0
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
Source : l’auteur à partir des données de la Banque mondiale

Graphique 2: Évolution du taux de croissance de la population de 1960 à 2015

4
3
2
1
0
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014

Source : l’auteur à partir des données de la Banque mondiale

Cette forte croissance s’explique par la baisse significative de la mortalité et le niveau

élevé de la fécondité (ANSD, 2014). Cependant, l’évolution des comportements
démographiques montre une évolution à la baisse du taux de fécondité notamment en milieu
rural (ANSD, 2015e). Cette baisse était déjà engagée dans les villes entre 1978 à 1999
(ESIS11, 1999).

10
ANSD : Agence Nationale de la Statistique et de la Démographie : Rapport de projection de la population du
Sénégal
11
ESIS : Enquête sénégalaise sur les indicateurs de Santé 1999

1
 La poussée démographique a entrainé une extension des terres de culture et une pression
accrue sur les ressources forestières avec la forte demande en charbon de bois des villes. La
pression humaine se traduit principalement par des pratiques culturales ou pastorales
inadaptées et par une forte concentration de la population dans l’ancien bassin arachidier et
sur un axe nord-sud longeant la côte (CSE, 2010).
Des changements sont apparus dans l’utilisation des terres et de la couverture du sol
entre 1975 et 2000 (CSE, 2010). En effet, la superficie totale cultivée (pluviale et irriguée) qui
était de 3 286 800 ha en 1975, est passée à 3 335 600 ha en 2000, soit une légère
augmentation de 1,5% (ANSD, 2015e). Une analyse détaillée révèle une expansion dans
plusieurs régions et l’abandon de terres agricoles dans le bassin arachidier (CSE, 2010).
Beaucoup de paysans ont abandonné leur terre en faveur d’autres activités économiques
incluant la migration vers Dakar, Touba et d’autres centres urbains. En dehors du bassin
arachidier, l’expansion significative de l’agriculture s’est produite dans les savanes et terres
boisées du centre et du sud, principalement en Casamance.

I.1.2.2 _/ Les activités humaines génératrices de gaz à effets de serre

En plus de l’évolution démographique, les activités humaines créent un choc à

l’équilibre environnemental. Les changements opérés sur le milieu naturel résultent des
modifications de la composition atmosphérique.
Les concentrations des gaz à effet de serre ont dramatiquement augmenté à cause des
activités humaines. Il a été noté une augmentation globale de 70% entre l’ère préindustrielle et
2004 (GIEC, 2007). Les principaux gaz à effet de serre (GES) à savoir le gaz carbonique, le
méthane et l’oxyde nitreux sont produits essentiellement par la combustion des fossiles et les
activités agricoles (GIEC, 2007). La contribution africaine et sénégalaise est certes très faible
mais les conséquences y sont lourdes (République du Sénégal, 2015a).
Les émissions du Sénégal sont évaluées à 7 525 Gg ECO2 en 2000, 13 076 Gg ECO2
en 2005 et 30 873 Gg ECO2 en 2010 (FAO, 2017). La séquestration forestière est estimée en
2010 à 1 696 Gg ECO2 soit seulement 5,5% des émissions (FAO, 2017). Le secteur agricole
représente 37% de ces émissions, suivi des activités extractives (27%), de l’énergie (15%),
des déchets (6%), du transport et des procédés industriels 5% chacun. Les pollutions
résidentielles, commerciales, institutionnelles et les autres sources enregistrent moins de 5%
(graphique 3).

1
Graphique 3: Répartition des émissions de GES par activité en 2010

Transport 5%
Energie 15% Résidentiel,
Utilisaion des terres commercial, institutionnel 3%
27% Procédés industriels 5%

Agriculture 37%
Déchets 6%

Autres sources
1%

Source : l’auteur à partir des données de la FAO, 2017

Dans les activités agricoles, la dégradation résulte essentiellement des mauvaises

pratiques culturales et du développement des systèmes pastoraux (CSE, 2010). Ces différentes
actions conduisent à la réduction des superficies forestière (FAO, 2017).

- Mauvaises pratiques culturales

Les mauvaises pratiques appliquées après récolte et celles effectuées durant

l’exploitation ont un impact négatif sur les ressources naturelles.

Dans le premier cas, il s’agit principalement du brûlis et du ramassage des pailles dans
les champs après récolte pour constituer des réserves fourragères (CSE, 2010). Ces deux
habitudes paysannes courantes contribuent respectivement à la détérioration du couvert
végétal et à la réduction des exportations de substances nutritives par les plantes dans les aires
de production (CSE, 2010). Cependant, des techniques de conservation comme la jachère et la
fumure animale sont essentiellement utilisées pour la gestion des terres. Mais ces techniques
sont de plus en plus abandonnées à cause de la pression foncière due à l’explosion
démographique, mettant encore plus de pressions sur les terres déjà appauvries.

De même, les dispositions de la loi sur le domaine national qui ne reconnaissent pas la
jachère comme un mode de mise en valeur, ont plus ou moins indirectement concouru à
l’abandon de cette pratique (IIED, 2011).

1
 En outre, l’utilisation d’engrais chimiques et de produits phytosanitaires synthétiques a
entrainé la pollution des sols et des eaux (CSE, 2010). Au Sénégal, la fertilisation constitue un
élément-clé pour accroître les rendements et la production agricole. L'accès des producteurs
aux moyens de fertilisation constitue un élément essentiel de la politique alimentaire
(CSE, 2010). Les consommations moyennes d’engrais sur l’arachide et les céréales sont
respectivement 27 kg/ha et 8 kg/ha avec des taux de croissance moyens de 6,1% et 8,6% sur
la période de 1995 à 2007 (DAPS12, 2009). Il reste néanmoins, que la majeure partie des
usagers ignorent le danger des produits phytosanitaires surtout des produits persistants
(organochlorés) qui constituent une menace réelle pour les ressources en eau
(Fall et al., 2001).

Graphique 4 : Évolution de la consommation d’éléments fertilisants par ha de terres arables

et cultures permanentes

12
10
8
6
4
2
0

2002 2003 2004 2005 2006 2007 2008 2009 2010

Source : l’auteur à partir des données de la FAO, 2017

- Les systèmes pastoraux

Au Sénégal, les systèmes de productions animales sont basés, pour l’essentiel, sur un
élevage extensif où l’alimentation du cheptel est assurée par le pâturage naturel
essentiellement fourni par les forêts classées, les réserves sylvo-pastorales et les jachères
(CSE, 2010). La dégradation de l’environnement résulte généralement de l’excédent de
cheptel par rapport aux capacités de charge (CSE, 1995). L’érosion du sol s’observe
particulièrement autour des points d’eau et généralement dans les zones à forte concentration
animale où le piétinement répété met le sol dans un état de moindre résistance aux actions du
vent (Valentin, 1985).
Depuis 1990, les effectifs du bétail ont régulièrement augmenté (FAO, 2017). Cet
accroissement a favorisé la production de gaz méthane de 161 litres/jour pour le mois

12
Statistiques agricoles de la Direction de l’Analyse, de la Prévision et des Statistiques

1
d’octobre et de 33 litres/jour pour le mois de juillet avec une moyenne de 75 litres/jour/animal
(Traoré et al., 2016)
Graphique 5 : Évolution du cheptel par hectare de terres agricoles et production de méthane
des bovins et autres au Sénégal

10
8
6
4
2
0
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
Evolution de la production de méthane des bovins et autres
Evolution du cheptel par hectare de terres agricoles

Source : l’auteur à partir des données de la FAO, 2017

- Réduction de la superficie forestière
La forêt constitue un moyen de séquestration des gaz à effet de serre (GIEC, 2007). Au
Sénégal, l’évolution des superficies des forêts présente une baisse pendant les vingt-cinq
dernières années (1990-2015). Les superficies ont passé de 9 348 000 ha en 1990 à
8 273 000 ha en 2015 (graphique 6), soit environ une baisse de 13% (CSE, 2010).
Cependant, le rapport absorption et émission net de gaz carbonique a connu une hausse
significative en 2001 jusqu’en 2007 ; puis de 2011 jusqu’en 2015. En revanche, la capacité
d’absorption a été a été réduite par une exploitation ligneuse mal encadrée. Les coupes de bois
enregistrées entre 2001 et 2007, pour les besoins énergétiques (de la production de charbon de
bois et de bois de chauffe), ont augmenté de 2,1% (ANSD, 2008).
Aussi, les défrichements agricoles et les feux de brousse récurrente ente 2011 et 2015
ont engendré une réduction de la couvert végétale. En effet, les superficies brulées ont été
évaluées à 89 824 ha avec un nombre total 393 cas de feu déclarés (CSE, 2015). En plus, du
fait de la variabilité climatique, les pratiques pastorales non durables ont contribué à la
modification de la composition floristique (CSE, 2015).
Cependant, la perte du couvert végétal a un impact sur l’économie. Les services
écosystémiques des forêts constituent des facteurs de production pour divers secteurs
économiques. Par conséquent, la déforestation réduit à moyen terme la capacité de production
de l’économie. À long terme, il y a un risque plus important lié à la réduction de la capacité de
résilience du système.

1
Graphique 6 : Évolution de la superficie des terres forestières en milliers d’ha et
absorptions/émissions net (CO2) en gigagrammes (Gg)
14000
12000
10000
8000
6000
4000
2000
0
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
absorptions/émissions net (CO2) en gigagrammes
Evolution de la superficie des terres forestières en milliers d’ha

Source : l’auteur à partir des données de la FAO, 2017

I.1.3 _/ Phénomènes naturels de la dégradation des ressources

La pollution de l’eau et la dégradation du sol sont favorisées par des facteurs

environnementaux (Fall, 1995). Cependant, l’action du vent et du ruissellement des eaux
affecte considérablement la fertilité des sols, la disponibilité des terres agricoles, les zones
d’habitation et les infrastructures.

- L’action du vent

Le vent a pour effet la fragilisation de la couche arable, contribuant ainsi à la

dégradation de la structure du sol et à la diminution de sa fertilité (Fall, 2002). En outre, les
actions éoliennes provoquent l’ensevelissement des cuvettes maraîchères, des mares et des
axes routiers ainsi que le déchaussement des racines de certains arbres (Fall, 2002). Les sols à
texture sableuse en sont les plus sensibles. Les zones les plus touchées sont celles en bordure
de la vallée du fleuve Sénégal, la zone littorale des «Niayes» de Dakar à Saint-Louis, le Ferlo
sableux et le centre-nord (Nord du Bassin arachidier) qui sont soumis, pendant toute la durée
de la saison sèche (7 à 9 mois), à l’action du vent (CSE, 2010).
- L’érosion hydrique
L’effet de l’eau sévit de manière importante dans plusieurs régions du Sénégal, en
raison de la forte sensibilité des sols à ce phénomène. Ce facteur explique 77% des terres
dégradées du pays (Sadio, 1985). Les zones les plus affectées par l’érosion hydrique sont
localisées le long du fleuve Sénégal, dans toute la moitié du territoire Est, dans le Ferlo
cuirassé, sur le plateau cuirassé de Ndiass (Thiès), au sud-est du Sine Saloum et dans toute la

1
partie Est de la Casamance (CSE, 1995). Dans ces zones, la végétation naturelle a totalement
disparu ou parfois par des pentes très fortes et une végétation très dégradée. Ils ne subsistent,
dans ce milieu, que des sols squelettiques entre les blocs et les pierres (CSE, 2010).
La dégradation des ressources naturelles contribue à la réduction de la productivité des
terres cultivables. Les terres dégradées pourraient baisser de 30% la production céréalière à
l’horizon 2025 (République du Sénégal, 2015a). En outre, la diminution en eau et en pâturage,
résultant de l’érosion hydrique, engendre une modification des indicateurs traditionnels qui
dictaient les mouvements des éleveurs dans l’espace et le temps (CSE, 2010). À cela s’ajoute,
la régression de la formation végétale due à la fréquence des feux de brousse.

Gonzalez (1997 et 2001), cité dans CSE (2010), a noté une réduction de la richesse
spécifique des plantes de 30%. Dans une étude plus globale de la végétation, Tappan et al.
(2000), cités par Tieszen et al. (2004), ont comparé des conditions de la végétation ligneuse
sur 300 sites entre 1982-1984 et 1994-1997. Ainsi, les résultats ont montré des taux de
mortalité modérés parmi les espèces les moins lignifiées et des taux de mortalité extrêmement
élevés parmi les espèces les plus lignifiées dans le Ferlo.

Au total, il convient de noter que les effets de la dégradation des ressources naturelles
affectent tous les secteurs d’activité. Le sens et l’intensité de l’impact sont différents d’un
secteur à un autre. Les activités économiques qui dépendent le plus au climat notamment
l’agriculture seront les plus impactées.

I.2_/ Performances du secteur agricole sénégalais face au changement climatique : faits

stylisés
L’agriculture contribue significativement à la formation du produit intérieur brut (PIB)
au Sénégal. Son importance est aussi expliquée par la part de la population active qu’elle
engendre, son rôle stratégique à l’autosuffisance alimentaire et son apport en devises
étrangères. Cependant, l’agriculture sénégalaise se heurte à l’incertitude climatique qui
neutralise sa performance. Une description des effets du changement climatique est effectuée
dans le bassin arachidier pour comprendre les contreperformances de l’activité agricole due
au climat.

I.2.1 _/ Importance du secteur agricole dans l’économie sénégalaise

Dans cette section, l’importance de l’agriculture dans l’économie est analysée par
rapport au PIB, à la création d’emplois, à la sécurité alimentaire et à l’entrée de devises.

1
I.2.1.1 _/ Contribution de l’agriculture à la formation du PIB

Pour comprendre l’évolution de la situation économique du pays, une analyse

temporelle du produit intérieur brut (PIB) a permis de capter la variation de la richesse créée
dans le temps. Les biens et services produits sont étudiés par secteur pour déterminer la
contribution des activités à la croissance économique.

En effet, le faible niveau de la croissance du PIB au Sénégal est expliqué en partie par le
secteur agricole, situation qui trouve son origine dans la structure de l’économie
(Kasse, 2015). La contribution du secteur tertiaire est la plus significative depuis 1980. Ce
secteur, qui contribue environ 42% du PIB (Mbaye et al., 2012), est fortement dominé par les
activités immobilières soit 5,5% en moyenne entre 1980-2015, le transport participe environ
4% du PIB en moyenne entre 1980-2015 et les activités de postes et télécommunications qui
ont connu une évolution très rapide entre 1980-2015 en passant de 1,7% à 6,1% (DPEE,
2015). Pour le secteur secondaire, il est noté une contribution stable se situant à 20% du PIB.
Cependant, le secteur primaire participe à environ 19% du PIB en 2015. Toutefois, ce secteur
connaît une reprise faible depuis 2005 (graphique 7).
Graphique 7 : Contribution par secteur au PIB (en pourcentage)

50,0%
40,0%
30,0%
20,0%
10,0%
0,0%

1 980 1 985 1 990 1 995 2 000 2 005 2 010 2 015

Secteur primaireSecteur secondaireSecteur tertiaire

Source : l’auteur à partir des données de la DPEE, 2015

Les performances du secteur primaire dépendent directement des ressources naturelles
(sol, eau) qui sont utilisées comme facteurs de production (République du Sénégal, 2015b). À
cet effet, la variation du climat (pluie, vent et température) diminue les performances
productives de ce secteur.

I.2.1.2 _/ Part de l’agriculture dans la population active

L’agriculture emploie la plus importante part de la main-d’œuvre disponible au niveau
nationale (CEPOD, 2013). En effet, le secteur agricole occupe 44,9% de la main-d‘œuvre,

2
suivi de l’informel (42,2%). Les secteurs publics et privés formels occupent de faibles
proportions d’employés estimées respectivement à 4,7% et 8,2% (ANSD, 2013).

Graphique 8 : Répartition de la main d’œuvre par secteur

public
privé formel
5%
8%

agricole
45%
privé informel
42%

Source : l’auteur à partir des données ANSD/ESPS-II, 2011

En 2015, le taux d’emploi agricole sur la population totale est estimé à 55%
(BIT13, 2016). Cette tendance est expliquée par la taille et la proximité des ménages agricoles
de leur lieu d’exploitation. En effet, 60,1% des ménages agricoles sont composés de 1 à 10
membres et 4 ménages sur 5 ont des exploitations comprises entre 0 à 5 km de leur lieu de
résidence. Les régions de Kaolack et Kaffrine ont la part des exploitations plus proches de
leur lieu résidence avec respectivement 91,7% et 91,2% (ANSD, 2014).

Le nombre de ménages pratiquant l’agriculture au sens large est estimé à 755 532
(ANSD, 2014). La majorité de ces ménages sont de petits exploitants agricoles au regard du
nombre de parcelles cultivées (82,1% des ménages agricoles cultivent moins de 5 parcelles) et
de la superficie cultivée (69,8% ont cultivé moins de 5 hectares). Cette tendance est observée
dans toutes les régions. Les régions de Kaffrine (16,0%), Kaolack (9,9%), Louga (8,6%) et
Diourbel (7,8%) représentent la plus grande part des ménages agricoles ayant cultivé entre 11
et 20 hectares.

L’âge des chefs de ménages est compris entre 25 ans et 75 ans avec une représentativité
forte des hommes (74,7% d’hommes).

I.2.1.3 _/Rôle stratégique de l’agriculture à la sécurité alimentaire

L’Afrique affiche le taux de croissance de la production le plus élevé du monde (3,1%).

Cette croissance est essentiellement expliquée par les superficies cultivées avec un taux de

13
Base de données de l’Organisation Internationale du Travail, 2016

2
croissance de 1%. Cependant, la croissance du rendement agricole est approximativement
identique à celle du continent américain et asiatique (FAO, 2013).

Graphique 9 : Croissance de la production par continent (2000-2013)

Source : données FAO, 2015

Cette croissance de la production a contribué depuis 2000 à une baisse significative de

la prévalence de la sous-alimentation en Afrique (20%). La diminution est particulièrement
rapide entre 2004 et 2006 (environ 3%) pour se stabiliser à 20% en 2015 (graphique 10).

Graphique 10 : Prévalence de la sous-alimentation en Afrique

Source : données FAO, 2015

Au Sénégal, la lutte contre la sous-alimentation a poussé l’État du Sénégal, le G8 et les

partenaires techniques et financiers à élaborer une « Nouvelle Alliance pour la Sécurité
Alimentaire et Nutritionnelle » (NASAN) lancée en 2012. Cette alliance s’est traduite par des
engagements financiers dans le cadre du Programme National d’Investissement Agricole
(PNIA)14 dont le coût est estimé à 1 346 milliards de francs CFA entre 2011 et 2015
(République du Sénégal, 2012a).

14
Le Sénégal a élaboré son Programme National d’Investissement Agricole (PNIA) pour la période 2009-2020
afin de rendre opérationnels ses engagements déclinés dans le cadre du Programme Détaillé de Développement

2
 Toutes ces mesures prises dans le secteur agricole ont permis de réduire drastiquement
le taux de prévalence de la sous-alimentation entre 2007 et 2015. Ainsi, le Sénégal affiche un
taux de prévalence (10%) inférieur à la moyenne africaine (graphique 11). De plus, la
disponibilité alimentaire s’est sensiblement améliorée depuis 1998 atteignant presque 2 500
kilocalories personne par jour en 2013 (graphique 12).

Graphique 11: Prévalence de la sous-alimentation au Sénégal

Source : données FAO, 2015

Graphique 12 : Disponibilité alimentaire kcal/personne/jour au Sénégal

3000
2500
2000
1500
1000
500
0
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
2013

Source : l’auteur à partir des données de la FAO, 2014

I.2.1.4 _/ L’agriculture est source d’entrée de devises

L’agriculture contribue à l’amélioration de la balance commerciale. Les exportations de

produits s’élèvent à 2 611 672 000 $U.S en 2015 et ont constitué à environ 2,7% du PIB
(OMC15, 2015). Les produits agricoles représentent 13,3% des exportations des produits
(TradeMap, 2015). Les principaux produits exportés en 2015 concernent : les préparations
alimentaires diverses (4,4%), les graines et fruits oléagineux et les légumes (3,5%), plantes,

de l’Agriculture Africaine (PDDAA) et de la Politique Agricole Commune de la CEDEAO (ECOWAP) :

NASAN, 2013.
15
Base de données de l’Organisation Mondiale du Commerce

2
racines et tubercules alimentaires (1,9%). Concernant les céréales, le taux d’exportation est de
1,5% des exportations totales en 2015 (Tableau 1).

Tableau 1 : Évolution des exportations de produits agricoles du Sénégal (2011-2015) en

milliers $U.S.
Libellé produit Valeur Valeur Valeur Valeur Valeur
exportée en exportée en exportée en exportée en exportée en
2011 2012 2013 2014 2015
Tous produits confondus 2 541 705 2 531 665 2 665 925 2 813 661 2 611 672

Préparations alimentaires 74 181 93 706 132 324 126 919 115 975
diverses
Graines et fruits 15 147 17 191 33 179 14 606 90 519
oléagineux; graines,
semences et fruits divers;
plantes industrielles ou ...
Légumes, plantes, racines 30 872 26 868 53 730 59 097 48 674
et tubercules alimentaires
Céréales 54 969 43 693 39 493 41 562 38 272
Fruits comestibles; 17 050 21 334 29 531 30 264 23 041
écorces d'agrumes ou de
melons
Coton 24 330 21 601 23 578 22 883 15 503
Engrais 13 065 7 373 11 458 31 813 10 508
Bois, charbon de bois et 5 537 6 795 6 094 5 363 5 281
ouvrages en bois
Source : données TradeMap, 2015

Les céréales exportées en 2015 sont le riz (99,6%), les sarrasins, millet, alpiste et autres
céréales (0,2%), le maïs (0,2%) et le sorgho (0,2%) (Tableau 2). Les principaux clients du
Sénégal sont le Mali, la Guinée Bissau, la Mauritanie, la Gambie et la Guinée. Les autres
États (Ghana, États-Unis et France) affichent des taux d’importation des céréales inférieurs à
0,5% (Tableau 3).

Tableau 2 : Principales céréales exportées par le Sénégal en milliers de $U.S.

Libellé produit Valeur Valeur Valeur Valeur Valeur

exportée exportée exportée exportée exportée
en 2011 en 2012 en 2013 en 2014 en 2015
Riz 52 528 42 171 37 038 41 315 37 992
Sarrasin, millet, alpiste et autres 38 21 336 203 94
céréales (exclus froment [blé],
du méteil, du seigle, ...
Maïs 2 120 1 467 2 079 40 67
Sorgho à grains 54 13 30 2 0
Total 38153
Source : TradeMap, données 2015

2
Tableau 3 : Évolution des importations de produits céréaliers du Sénégal en milliers $U.S.
Importateurs Valeur Valeur Valeur Valeur Valeur
exportée exportée exportée exportée exportée
en 2011 en 2012 en 2013 en 2014 en 2015
Monde 54969 43693 39493 41562 38272
Mali 29694 29615 32146 32664 31982
Guinée-Bissau 5224 4871 858 2250 2685
Mauritanie 3647 3273 1605 1486 1867
Gambie 865 961 1265 215 1020
Guinée 1034 0 831 749 466
Ghana 0 0 65 142 100
Etats-Unis d'Amérique 7 7 0 35 85
France 44 25 27 13 49
Source : TradeMap, données 2015

Malgré le rôle-clef de l’agriculture au développement économique et social du pays, la

production agricole repose essentiellement sur les conditions climatiques instables. Les
facteurs climatiques jouent un rôle prépondérant dans la répartition des paysages végétaux et
des types de sols (CSE, 2010). La péjoration du climat, et plus particulièrement le déficit
pluviométrique, constitue la contrainte principale du secteur agricole sénégalais.

I.2.2 _/ Contreperformances agricoles dans un contexte de changement climatique

Selon le GIEC, le changement climatique se définit comme « la variation de l’état du

climat que l’on peut déceler (par exemple au moyen de tests statistiques) par des
modifications de la moyenne et/ou de la variabilité de ses propriétés et qui persiste pendant
une longue période, généralement pendant des décennies ou plus. Il se rapporte à tout
changement du climat dans le temps, qu’il soit dû à la variabilité naturelle ou à l’activité
humaine. » (GIEC, 2007). Cette définition complète celle figurant dans la Convention-cadre
des Nations Unies sur les changements climatiques (CCNUCC) selon laquelle les
changements climatiques désignent des changements qui sont attribués directement ou
indirectement à une activité humaine altérant la composition de l’atmosphère mondiale et qui
viennent s’ajouter à la variabilité naturelle du climat observée au cours de périodes
comparables (ONU, 1992a).
Le changement climatique se manifeste par des modifications importantes des
paramètres climatiques tels que la pluie, la température et le vent (Sagna et al., 2015).

2
I.2.2.1 _/ Déterminant du changement climatique au Sénégal

Pour l’Afrique, il est prévu un réchauffement de l’ordre de 1,1 à 2,9°C dans les
cinquante prochaines années (GIEC, 2007). Au Sénégal, la problématique du changement
climatique représente une contrainte majeure au développement de l’agriculture. La variabilité
climatique se manifeste essentiellement par une recrudescence d’événements extrêmes
comme les sécheresses ou les inondations, et une grande variabilité dans la longueur des
saisons pluvieuses, et même des saisons thermiques (Agrhymet, 2010).
- Variabilité de la pluie au Sénégal

Les données d’Agrhymet sur l’évolution de la pluie dans le Sahel (graphique 13)
montrent une fluctuation forte de l’indice de la pluie depuis 1950. En effet, après une période
d’années humides, le paysage sahélien est marqué par une prédominance de la sécheresse
entre 1970 et 1995. Toutefois, depuis 1996 la zone est plongée dans une alternance entre
années humides et années sèches.

Graphique 13: Évolution de la pluviométrie annuelle au Sahel

Source : Agrhymet, 2010

Au Sénégal, les séries d’observations de la pluviométrie montrent, au cours des

dernières décennies, une baisse sensible marquée par un glissement des isohyètes du nord vers
le sud (CSE, 2010). Depuis les années 50, les précipitations ont subi une diminution de l’ordre
de 30% ponctuée par une très forte variabilité d’une année à l’autre et d’une région à l’autre
(CSE, 2010). En effet, sur tout le pays, la tendance est à la baisse des précipitations avec une
importante variabilité interannuelle des pluies se caractérisant par une succession d’années
sèches (baisse de pluviométrie) et d’années excédentaires (excédent de pluie). Cette
variabilité temporelle des pluies a rendu difficile la prévision du climat et donc aussi celle des
impacts (IIED, 2015).

2
 On note ainsi, une baisse du niveau des pluies à Dakar de 50% contre 7% à Kédougou
entre 1950 et 2000 (CSE, 2010). Au cours des 20 dernières années, les cumuls de la saison
pluvieuse sont restés relativement stables mais sont de 15% inférieurs à la moyenne 1920-
1969 (Funk et al., 2012). Dans le rapport de la Contribution Prévue Déterminée au niveau
National (CPDN) de 2015 (République du Sénégal, 2015a), il est noté une tendance baissière
de la pluie vers l’horizon 2035. La zone qui serait la plus touchée est le sud-ouest avec des
baisses allant entre 141 et 154 mm sur toute la saison. Une baisse modérée est attendue dans
la zone sud-est entre 14 et 27 mm. La baisse prévue est globalement faible et elle n’est pas
homogène (République du Sénégal, 2015a).

Graphique 14 : Évolution interannuelle des indices pluviométriques du Sénégal de 1921 à

2014

Source : Sagna et al., 2015

Depuis 2000, une légère reprise de la pluviométrie est observée, dans presque toutes les
stations du pays (Sène et Ozer, 2002). Les travaux de Sané (2003) montrent un retour des
conditions plus humides. Plus que les hauteurs de précipitation, ce sont les intensités des
pluies qui ont fortement augmenté, contribuant à l’aggravation des inondations dans les
grands centres urbains du Sénégal (Tschadkert et al., 2010 ; Decroix et al., 2013).
Dans plusieurs stations, la pluviométrie de 2011 est restée en deçà de celle de 2012 et de
2013 (graphique 15). Cependant, la situation de 2012 reste meilleure par rapport à 2013. Le
cumul moyen par station montre une baisse de 6,5% entre 2012 et 2013. Cette situation
s’explique par les pauses pluviométriques à la suite du retard de l’installation des premières
pluies observées en 2013 (ANSD, 2013d).

2
Graphique 15: Cumul de pluies de quelques stations (en mm)

Source : ANACIM16, 2015e

La différence de la moyenne pluviométrique prévue de 2021-2050 et l’année de

référence (1976-2005) montre une baisse du niveau des pluies quel que soit le scénario utilisé
(Tableau 4)
Tableau 4 : Variation moyenne de la pluie par zone et par scénario
Scénario Zone Nord Zone sud-est Zone sud-ouest Zone centre-ouest

RCP 4.517 -58 -27 -154 -128

Pluie (mm) RCP 8.518 -43 -14 -141 -112

Source : République du Sénégal, 2015b

- Variabilité de la température au Sénégal

Selon le rapport du GIEC (2007), « la concentration des gaz à effet de serre augmentera
de 25 à 90% entre 2000 et 2030 ; le CO2 augmentera à lui seul de 40 à 110%. Ceci entraînera
une augmentation globale de la température de 0,2°C par décade, ou 0,1°C par décade au
meilleur des cas ». De même en 2013, le 5ème rapport du GIEC (2013) estime que
l’augmentation de la température à la surface de la terre sera probablement supérieure à la fin
du XXIème siècle au seuil de 1,5°C à 2,0°C (GIEC, 2013).
Le rapport de la CPDN (2015) montre que pour les températures, la tendance générale
est à la hausse sur tout le territoire national. Les températures varieront en moyenne entre
1,1 à 1,8 degré Celsius d’ici 2035. Par rapport à la normale 1961-1990, les températures
moyennes annuelles ont augmenté entre 1950 et 2014 (Sagna et al., 2015).

16
Données de l’Agence Nationale de l’Aviation Civile et de la Météorologie du Sénégal
17
Simulation à partir d’un scénario moyen de changements climatiques (RCP 4.5)
18
Simulation à partir d’un scénario humide de changements climatiques (RCP 8.5)

2
Graphique 16: Évolution de la température moyenne annuelle au Sénégal

Source : Sagna et al. 2015

Selon Gaye et Sylla. (2008), les températures les plus chaudes au Sénégal se trouvent au
nord ; et le cycle annuel des températures montre deux maxima : un premier en mars-avril et
un deuxième en septembre-octobre. Entre ces deux pics de température, il existe un minimum
qui survient en plein cœur de la saison des pluies. Pour ces deux auteurs, la tendance des
températures est marquée par un réchauffement moyen de 1,6°C variant aussi d’une région à
l’autre. La plus forte hausse est observée dans le nord du Sénégal avec 3,0°C à Linguère et la
plus faible hausse dans le sud avec 0,7°C à Kédougou (CSE, 2010).
- Évolution du vent au Sénégal

À notre connaissance, peu de recherches ont essayé de mettre en relation le changement

climatique et l’évolution du vent. Ainsi, les scénarios montraient que l’air deviendra de plus
en plus sec, surtout dans les zones du nord-est et du sud-est du pays, entraînant des
diminutions moyennes d’humidité oscillant entre -3,5 à -5,0% (CSE, 2010). À l’horizon 2050,
la baisse du taux d’humidité, respectivement des régions de Dakar, Kédougou, Ziguinchor,
Saint-Louis et Matam, seront : - 1,0%, -1,5%, -1,6%, -10,0% et -11,0%. Matam et Kédougou
seront durement touchées (MEPN, 1998).
Les facteurs naturels contribuent fortement à la croissance agricole. L’augmentation des
températures et les risques accrus d’inondations et de sécheresses participent au
développement de pathogènes, prolifération d’espèces invasives, rupture d’équilibre entre
ravageurs et prédateurs naturels. Leur modification conduit à un stress thermique aussi bien
chez les plantes que chez les animaux et entraine des pertes de rendements. En outre, la
réduction en quantité et en qualité des ressources en eau douce provoque des risques liés au
stress hydrique.

2
I.2.2.2 _/ Performances agricoles face au changement climatique

Depuis 1980, le secteur agricole a subi au moins onze (11) grands chocs au niveau de
la production (graphique 17), qui sont survenus en moyenne tous les trois à quatre ans en
moyenne et qui se sont traduits par une croissance irrégulière de la production (graphique 18).
Ces chocs ont engendré des pertes supérieures à 5% de la valeur brute de la production
environ une année sur trois en moyenne en raison des risques naturels. Les pertes de
production dans les années extrêmes peuvent se révéler 3 à 4 fois plus élevées. En 2002, une
sécheresse particulièrement grave suivie d’une infestation acridienne généralisée a contribué à
des pertes supérieures à 217 millions $U.S., soit 32,7% de la valeur brute de la production.
Graphique 17: Six périodes importantes de baisse de la production

200
Production Index (2004-2006 = 100)
150

100 - 9.3%
- 31%
50 - 13% - 28%
- 14%
- 29%
0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010

Source : République du Sénégal, 2015c

Graphique 18: Croissance de la production agricole en pourcentage

15
10
5
0
-5
-10
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010

Source : République du Sénégal, 2015c

Les pertes de production cumulées sur cette période ont été estimées à environ
4,82 millions de tonnes, soit 3,9% de la production agricole sur une base annuelle moyenne
(République du Sénégal, 2015c). Cette perte constitue environ 10% de la valeur brute de la
production tous les cinq ou six ans à cause des risques non gérés. Les impacts ex ante sur les
investissements sont encore plus coûteux probablement. L’irrégularité des précipitations et/ou
la sécheresse grave ont été citées comme les principaux facteurs de la baisse de production
(50% de perte). En outre, les maladies et les ravageurs, notamment les criquets pèlerins, ont
aggravé ces pertes de 25% (République du Sénégal, 2015c).

3
 - Baisse de la production céréalière

Selon le rapport de la Banque mondiale sur la situation économique du Sénégal (2014),

le pays a enregistré une baisse de la production céréalière de 12% entre 2012 et 2014 et de
17% sur les 5 dernières années (graphique 19). De même, le taux de croissance de la culture
vivrière n’a jamais dépassé 0,5% (graphique 20). La réduction des terres cultivées, le recours
insuffisant aux semences certifiées et l’irrégularité des précipitations ont été les principales
causes de ces déficits agricoles (Banque mondiale, 2014).

Graphique 19: Baisse significative de la production céréalière entre 2012-2014

8,8 8,9

-12 1 2

céréales pêche arachide bétail horticulture

Source : l’auteur à partir des données du rapport de la Banque mondiale, 2014

La diminution de la production céréalière en 2014 explique en grande partie la
décroissance du secteur primaire entre 2010 et 2014 soit -9,84% (DPEE, 2014). Cette baisse
du taux de croissance compte tenu de l’accroissement annuel moyen censitaire de la
population (2,5%) fragilise la prévalence de la sous-alimentation du pays.
Graphique 20: Évolution de la culture vivrière de 2011 à 2013 (en pourcentage)

2013 0,1

2012
0,2
2011

0,3

Source : l’auteur à partir des données de la DPEE, 2014

3
 La production de céréale sèche a connu la même évolution que la pluviométrie. En effet,
l’année 2011 est marquée par une baisse très importante de la production du mil (DAPSA,
2016). De même, la culture de maïs et du sorgho a enregistré une baisse très légère ne
dépassant pas 100 000 tonnes (DAPSA, 2016). En effet, la baisse de la pluviométrie
enregistrée en 2011 et les changements d’habitude alimentaire en milieu rural, orientée vers la
consommation du riz, expliquent en grande partie la réduction des surfaces cultivées et une
diminution de la production. Toutefois, le maïs, qui est la céréale de base de la volaille, a
connu une hausse de la demande (graphique 21).

Graphique 21: Évolution de la production de quelques céréales sèches (en tonnes)

900000
800000
700000
600000
500000
400000
300000
200000
100000
0

2010 2011 2012 2013

mil maïs Sorgho

Source : L’auteur à partir des données de la DAPSA, 2016

- Baisse de la production des légumineuses : arachide et niébé

Comme la baisse observée du niveau de la pluie en 2011, la production arachidière a

connu une baisse de 31% par rapport à 2012 (DAPSA, 2016). La diminution a été plus
importante avec le niébé qui a enregistré une baisse de 96% en 2011 par rapport à 2012. De
même, les niveaux de production notés en 2010 n’ont pas encore été atteints pour ces deux
spéculations (graphique 22).

3
Graphique 22 : Production d’arachide huilerie et niébé (en tonne)

813295 186511
900000 200000
692572 678491
800000
700000 527528 150000
600000
500000
400000 100000 55015
41417
300000 28110
200000 50000
100000
0
0
2010201120122013 2010201120122013
arachide huilerie
niebe

Source : l’auteur à partir des données de la DAPSA, 2016

Les pics de production en 2010 pour l’arachide et le niébé s’expliquent principalement

par la pluviométrie. En effet, malgré la réduction des subventions pour la semence et
l’engrais, la pluviométrie a été globalement suffisante en 2009 avec un cumul moyen par
station de 769 millimètres, soit une hausse de 3% par rapport à 2008 (ANSD, 2010).

Toutefois, il faut constater que les niveaux de perte enregistrés ont varié d’un endroit à
un autre suivant les zones agro-écologiques. Les régions les plus touchées sont celles qui sont
fortement dépendantes de l’agriculture pluviale notamment le bassin arachidier. En effet, cette
zone offre l’essentiel de la production agricole nationale et les cultures se font principalement
sous pluies. Cette partie du pays est reconnue comme la zone de culture par excellence du mil
et de l’arachide, près de deux tiers de la production nationale (FAO, 2007).

I.2.3 _/ Spécificité du Bassin arachidier

Dans toutes les zones agro-écologiques les surfaces destinées à la culture pluviale
dépassent la moitié des terres cultivées sauf dans la vallée du fleuve où l’agriculture irriguée
occupe 46,15 %. Dans le Bassin arachidier, la production sous-pluie est pratiquée par 87,1%
des ménages agricoles (ANSD, 2014). Une grande proportion des ménages agricoles s’active
dans les « navétanes19 » au profit de l’agriculture pluviale. La plupart d’entre eux sont
concentrés dans les régions de Thiès (12,3%), Louga (10,4%), Fatick (9,4%), Kaolack (8,7%),

19
Navétane est une expression qui traduit, dans le paysage agricole, des travailleurs saisonniers.

3
Kaffrine (8,3%), Diourbel (8,4%) et le reste est observé dans les autres zones
agroécologiques.

Graphique 23: Répartition des terres cultivées par système de culture en fonction des zones
agro-écologiques

La zone Casamance (1000 ha) 99,60 0,40

Zone du Bassin arachidier (1000 ha) 100 0

zone du Littoral et des Niayes (1000 ha) 72,88 27,12

zone Sylvo-pastorale (1000 ha) 100

30,77 46,15 23,08

Vallée du fleuve Sénégal (1000 ha)

0,00 20,00 40,00 60,00 80,00 100,00

Cultures pluviales Cultures irriguées Cultures de décrue

Source : l’auteur à partir du plan céréalier 1996

Le Bassin arachidier constitue l’une des six zones agro-écologiques du Sénégal

(graphique 24). Il couvre l’ouest et le centre du pays et correspond à six (6) régions
administratives que sont : Louga, Thiès, Diourbel, Fatick, Kaolack et Kaffrine. Sa population
est estimée à 6 409 201 habitants soit 47% de la population du Sénégal. La zone couvre le
tiers de la superficie du Sénégal (ANSD, 2014).
La zone est marquée par une sécheresse persistante depuis 1970. Les conditions
climatiques ont accéléré la dégradation des écosystèmes et ont aussi contribué à l’épuisement
du patrimoine foncier (fertilité du sol et ressources ligneuses). L’acidification des sols et la
salinisation des bas-fonds constituent des contraintes majeures à la régénération des sols.
La disponibilité en eau dans les régions permet de subdiviser le Bassin arachidier en
trois (3) sous-zones (Ouest, Centre et Est). La zone se caractérise aussi par sa diversité des
sols et une dégradation importante de sa végétation. C’est une zone qui est caractérisée par
l’importance de la culture céréalière dépendante du climat (culture sous-pluie) et l’intensité
des mutations observées dans les communautés villageoises suite à la crise arachidière
(ISRA, 2010).

3
Graphique 24 : Zones agro écologiques du Sénégal

Source : BAME, 2008

I.2.3.1 _/ Caractéristiques physiques et climatiques du Bassin arachidier

Le milieu physique du Bassin arachidier est défini par sa disponibilité en eau, ses
caractéristiques du sol et de sa végétation et enfin par sa situation météorologique :
 Disponibilité de l’eau dans le Bassin arachidier
Le Bassin est marqué depuis plus de 20 ans par une baisse de la pluviométrie. Sur le
plan des ressources hydrauliques trois zones ont été identifiées par la Société de
Développement et de Vulgarisation Agricole (SODEVA) en 1990 (AFRENA, 1985) :

- La zone Ouest où le niveau statique de la nappe est de bonne qualité et varie de 25 à

40m. Les débits varient entre 75 à 100m³/h et peuvent être obtenus par forage à des
profondeurs variant entre 50 et 100m.
- La zone Centre qui presque dépourvue de ressources en eaux souterraines en quantité
et en qualité satisfaisantes.
- La zone Est couverte par la nappe du Maestrichien profonde de 200 à 250 m, mais où
la qualité de l’eau est assez bonne.
L’exploitation des ressources hydriques des nappes profondes est assez limitée
contrairement à celle des nappes phréatiques dont l’alimentation est tributaire de la
pluviométrie et de la nature des roches imperméables.

3
  Caractéristiques du sol et de la végétation dans le Bassin arachidier
Les sols présentent des disparités en fonction des trois zones mais les plus dominants
sont :
- les sols ferrugineux tropicaux peu lessivés (Dior) : ils sont situés sur les dunes de
sables avec un relief plat. La caractéristique commune pour ces sols est leur faible
teneur en argile dans les horizons de surface. Ils sont sableux et très perméables avec
une faible teneur en matières organiques (Badiane et al., 1999) ;
- les sols bruns calcimorphes (Deck) : ils sont situés sur les dépressions. Ils sont sableux
avec 3 à 8% d’argile, possèdent un horizon humifère, sont mieux structurés que les
sols Dior mais moins répandus.
La végétation du Bassin est du type sahélien caractérisé par le genre Acacia. Le tapis
herbacé y est composé de graminées annuelles. De même, la végétation naturelle y est
complètement transformée par les activités agricoles. Il en résulte la disparition de plusieurs
espèces. Cependant, le paysage du Bassin arachidier montre une forte dégradation de la
végétation. Cette détérioration de la végétation s’explique par l’exploitation clandestine et
abusive des produits forestiers, aux feux de brousse, à la sécheresse et aux pratiques culturales
(ISRA-BAME, 2010)
 Situation météorologique du Bassin arachidier
Le climat est du type sahélien au Nord et sahélo-soudanien vers le Sud avec des
précipitations dont l’inégalité et la faiblesse s’accentuent du Sud vers le Nord. Il constitue une
transition de la zone aride (200 mm au nord) vers la zone humide du pays (1000 mm au sud).
Graphique 25 : Normales pluviométriques sur la période 1961-1990 en mm

Source : Diagne et al.2003

3
 Le glissement des isohyètes vers le Sud a entrainé une baisse de la pluviométrie et
l’avancée de l’aridité (ISRA, 1996). À l’instar du pays cette zone connaît deux saisons :
- une saison sèche d’octobre à juillet et est favorable aux cultures fruitières, au
maraîchage et aux productions animales. Pendant cette période les températures sont
en moyenne plus élevées, l’air est sec et l’éclairement important.
- une saison pluvieuse de juillet à octobre où la zone est comprise entre les isohyètes
400-500 mm au Nord et 800-900 mm au Sud (Dancette, 1981).
Les températures moyennes mensuelles sont particulièrement élevées notamment en
avril, mai et juin où elles dépassent largement les 30°C. Les vents sont très véloces dans cette
zone et leurs effets se manifestent par une érosion éolienne qui s’exprime souvent par de
véritables vents de sable.

I.2.3.2 _/ Importance de la culture céréalière dans la zone

La zone compte 6 402 768 habitants (ANSD, 2013) et la principale activité pratiquée
demeure l’agriculture. Cette zone regroupe 52% des ménages agricoles et concentre
l’essentiel des superficies cultivées. En effet, 73% des ménages agricoles pratiquent
l’agriculture pluviale, 17% s’active à la culture irriguée et seulement 10% à la culture de
décrue (graphique 26).

Graphique 26 : Répartition des ménages agricoles en fonction des cultures (en pourcentage)

Culture de décrue
10%

Culture Irriguée 17%

Culture
Pluviale 73%

Source : ANSD, 2014

Les régions qui composent le bassin arachidier fournissent 35% de la production
céréalière du pays et représentent 62% des superficies nationales consacrées à la culture de
céréales (ANSD, 2015e). Les régions de Kaolack (116 786 tonnes) et de Kaffrine (108 932
tonnes) ont des niveaux de production et de rendement les plus élevés de la zone
(graphique 27).

3
Graphique 27 : Superficie (en ha) et production en (tonnes) des régions du bassin arachidier

140000
120000
100000
80000
60000
sup
prod

40000
20000
0

DIOURBELKAOLACKLOUGA THIES KAFFRINEFATICK

Source : l’auteur à partir des données de l’ANSD, 2014

Toutefois, le rendement céréalier de la zone (0,70 tonne/hectare) reste inférieur à celui

observé sur le territoire (1,23 tonnes/hectare). Sur toutes les régions de la zone, les
rendements n’ont pas dépassé 1 tonne à l’hectare durant la saison 2015/2016 (graphique 28).

Graphique 28 : Rendement (tonne/ha) de la culture céréalière en fonction des régions du

Bassin

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0

DIOURBEL KAOLACK LOUGA THIES KAFFRINE FATICK

Source : l’auteur à partir des données de l’ANSD, 2015

3
I.2.3.3 _/ Intensité des mutations observées dans la zone

La rotation mil-arachide a dominé le système de production avec une prépondérance de

l’arachide depuis les temps coloniaux (DAPS, 2009). Actuellement, l’évolution des
superficies cultivées affiche une baisse pour l’arachide et une hausse pour le mil
(graphique 29). Néanmoins, ce rapport mil-arachide, en termes de production, s’est totalement
inversé à cause des faibles rendements observés pour le mil. Cependant, depuis 2013, les
superficies d’arachide sont entrain de gagner du terrain dépassant même celles du mil
(graphique 29). Cette situation est imputable en grande partie à la volonté de l’État de
promouvoir la filière arachidière dans le cadre du Plan Sénégal Émergent (République du
Sénégal, 2014b).

La grande offensive alimentaire pour l’alimentation et la nourriture lancée en 2007 a

contribué à l’accroissement des superficies cultivées de 2007 jusqu’à 2010. Ainsi, depuis cette
période, les pertes significatives en termes de production résultant de mauvaises conditions
climatiques ont favorisé la diminution des superficies emblavées. À cet effet, les producteurs
ont fait le choix de la substitution par d’autres cultures notamment la pastèque, le sésame, les
légumes et le fonio qui dépendent moins de la pluie.

Graphique 29 : Évolution des superficies cultivées de certaines spéculations (en hectare)

900000
800000
700000
600000
500000 mil_BA
400000 maïs_BA Sorgho_BA Arachide_BA
300000 Niebe_BA
200000
100000
0

200520062007200920102011201320142015

Source : l’auteur à partir des données de la DAPSA, 2016

Les systèmes de production dans la zone associent l’arachide et les céréales à cycle
court (mil et sorgho) ont progressivement pris la place des variétés à cycle long. En outre, les
systèmes traditionnels, qui intégraient savamment l'agriculture, l'élevage et la foresterie pour
compenser les pertes de l’activité de production agricole, ont connu une forte modification

3
(DAPS, 2009). En effet, les agriculteurs avaient la capacité de récupérer leur équilibre après
avoir été soumis à des pressions mais ces pratiques ont subi de profondes mutations du fait de
l'intervention de l'État, des changements climatiques et de l'accroissement de la population
(CSE, 2010). Néanmoins, les connaissances paysannes de ces systèmes ne sont pas tout à fait
perdues, elles survivent au moins partiellement dans les mémoires et les pratiques
(Hane et al., 2001).

Parallèlement aux cultures, l’élevage est pratiqué dans ce système comme source de
revenus supplémentaires, pouvant représenter jusqu’à 10 à 50 % du revenu brut des
populations (ISRA, 2010). Le bétail élevé sert à la subsistance (viande, lait et produits
laitiers), à la reproduction, aux transports (ânes), à la préparation des terres (bœufs), aux
ventes ou échanges, à l’épargne, à la dot pour le mariage et à l’assurance contre les pertes de
récolte (Kagoné, 2001).

Cependant, le Bassin arachidier est frappé depuis plus de 20 ans par un déficit
pluviométrie (CSE, 2010). La croissance démographique et le changement climatique ont
contribué à une dégradation accélérée des écosystèmes et induit des changements profonds
dans le système d’exploitation. Cette région se caractérise aussi par le caractère de son
système de production essentiellement agro-pastoral sahélien (ISRA, 2010). Ainsi,
l’épuisement du patrimoine foncier, tant au niveau de la fertilité des sols qu’à celui des
ressources ligneuses, montre la nécessité de promouvoir des stratégies d’adaptation efficaces
contre les changements climatiques (ISRA, 2010).

I.3_/ Dispositifs réglementaires et institutionnels sur l’agriculture et le climat

D’importantes mesures ont été prises pour réduire les contraintes liées à la production
agricole. En effet, des programmes et politiques ont été élaborés pour encadrer les agriculteurs
afin d’accroitre leur niveau de productivité dans un contexte de changement climatique. Ainsi,
des dispositifs institutionnels et réglementaires sont mis en œuvre dans les secteurs de
l’agriculture et de l’environnement.

Dans cette section, il sera question d’analyser l’évolution des politiques agricoles et
environnementales élaborées depuis les indépendances (1960) mais aussi de passer en revue
les différentes structures participant à la gestion du risque climatique dans le secteur agricole.

4
I.3.1 _/ Évolution des politiques agricoles au Sénégal

L’histoire de la politique agricole du Sénégal peut être définie suivant cinq grandes
périodes. D’abord, le Programme Agricole (PA) appliqué durant les deux premières décennies
de l’indépendance ; ensuite, le Programme de Redressement Économique et Financier (PREF)
qui avait pour objectif de réorienter la structure économique du pays ; en troisième temps, la
mise en œuvre de la Nouvelle Politique Agricole (NPA) qui s’est traduite par un
désengagement de l’État de la sphère agricole ; de 1995 jusqu’à 2013, des lettres, des
documents de réduction de la pauvreté, des stratégies nationales et des initiatives des autorités
sont définis avec des objectifs précis d’accroitre la production de certaines spéculations ; et
enfin, le Plan Sénégal Emergent (PSE) dans sa version du Programme d’Accélération de la
Cadence de l’Agriculture Sénégalaise (PRACAS) se propose un investissement massif dans
quelques filières pour construire une agriculture compétitive, diversifiée et durable
(République du Sénégal, 2014b) :
- Une politique volontariste de diversification agricole : le PA (1960-1980)

La politique de monoculture arachidière basée sur la spécialisation internationale a

marqué la période coloniale jusqu’en 1958. Après la décolonisation, l'État a mis en place un
programme volontariste répondant aux défis du développement du secteur privé quasi
inexistant et aux sollicitations diverses du monde rural. C'est dans ce contexte que deux plans
quadriennaux ont été conçus.

Le premier plan de développement économique et social a été mis en œuvre pour les
périodes 1961-1964 pour permettre la mise sur pied d’un système d’encadrement des ruraux à
travers la création des centres d’encadrement et d’assistance des ruraux. Le second plan
(1965-1969) visait la diversification de l’agriculture tout en renforçant la culture arachidière.

Pour les deux plans, il s’agissait principalement d’augmenter la production arachidière

par son intensification et d’accroitre la culture céréalière afin de réduire et de résorber le
déficit vivrier du pays. Pour cela, trois structures ont été créées. D’abord, l'Office de
Commercialisation Agricole (OCA) est mis en place pour s’occuper de l’exportation
d’arachide et assurer l’importation et de la distribution du riz. Puis, les Centres Régionaux
d’Assistance au Développement (CRAD) sont créés pour encourager le développement de
nouvelles cultures comme la tomate et le coton. Et, la Banque Nationale pour le
Développement du Sénégal (BNDS) a été installée pour fournir du crédit à l’activité agricole.
Plus tard, des Centres d’Expansion Rurale (CER) seront créés pour renforcer la coordination

4
avec l'OCA et le CRAD, mais aussi pour prodiguer des conseils techniques aux ruraux sur
l'agriculture, la santé, la sylviculture, l'élevage et les coopératives. Aussi, la Société
d’Aménagement et de l’Équipement du Delta (SAED) est créée en 1965 pour prendre en
compte la culture rizicole dans la Vallée du Fleuve Sénégal jusque-là pratiquée en Casamance
et destinée à l’autoconsommation.

Entre 1965-1969 (second plan quadriennal), l’Office National de Coopération et

d’Assistance pour le Développement (ONCAD) a été créé en 1966 pour consolider les
fonctions de l’OCA et du CRAD afin de pallier aux déséquilibres générés par la rupture du
prix préférentiel20 payé par la France pour l’achat de l’arachide sénégalaise. Cette structure
devrait faciliter un meilleur accès aux facteurs de production et la commercialisation des
produits agricoles. D’autres structures ont été créées pour appuyer les producteurs à l'adoption
de nouvelles techniques culturales et des variétés de semences afin de résorber la baisse des
revenus (25%) d’exportation du Sénégal notamment, la Société de Développement et de
Vulgarisation Agricole (SODEVA) créée en 1968 et l'Institut Sénégalais de Recherches
Agricoles (ISRA) mis en place en 1974 pour accompagner la recherche agricole.

Malgré toute l’attention portée au secteur agricole, les contraintes institutionnelles et

agro-climatiques n’ont pas permis d’accroître de façon significative la production céréalière
(Dieng, 2005). De même, les exportations d’arachide et de coton qui représentaient 82 % des
exportations totales en 1961, vont se réduire jusqu’à 12% en 1980 (IPAR et
ASPRODEB, 2007). Cette baisse s’explique par l’évolution erratique de la production et des
cours mondiaux. Cependant, la faillite de l'ONCAD et la crise financière sur laquelle
débouche ce programme, entraîneront un assèchement du crédit qui se traduira par la chute
brutale de la consommation d'engrais à partir de 1978 (Dieng, 2005).

- Le désengagement de l’État et la réorientation de la politique agricole : PREF

(1981-1984)

Malgré des financements considérables et le dispositif institutionnel déployé de façon

ramifiée à travers le pays, les résultats du programme agricole se sont révélés très en deçà des
objectifs visés soit une augmentation de 25 % de la production (Dieng, 2005). En effet, le
soutien de l’État aux organismes d’encadrement s’est traduit par des dépenses budgétaires non
soutenables conduisant à des distorsions sur tous les équilibres macroéconomiques. De même,

20
La France qui soutenait le prix de l’arachide décide désormais de s’aligner sur le marché mondial : Programme
agricole (PA), 1960-1980.

4
les aléas climatiques, les fluctuations du cours de l’arachide et la non-maîtrise fréquente des
itinéraires techniques amenèrent les paysans à s’endetter davantage, cumulant cependant les
impayés (Dieng, 2005). Ainsi, pour corriger ces déséquilibres, un Programme de
Redressement Économique et Financier (PREF) a été mis en œuvre au début des années 1980.
Ce programme marque le tournant d’une nouvelle politique économique caractérisée par le
début du Programme d’Ajustement structurel (PAS) qui devait aboutir à la définition d’une
Nouvelle Politique Agricole (République du Sénégal, 1984).

Le Sénégal, secoué par l’évolution anarchique des cours mondiaux et la crise

arachidière, est le premier à entamer une négociation d’un accord avec le Fonds Monétaire
International (FMI) et la Banque Mondiale sous forme de Programme d’ajustement structurel
(PAS). Dans le programme d’ajustement, il était question d’assainir la situation
macroéconomique à travers la réduction du déficit budgétaire de l’État (122 milliards de
francs pour l’ONCAD) et les contraintes d’exportations. Pour atteindre ces objectifs, l’État
s’est désengagé progressivement de la production d’arachide pour soutenir les cultures
céréalières à travers les organismes parapublics. À ce titre, les activités de commercialisation
et de distribution d’intrants étaient confiées directement aux producteurs plutôt qu’aux
sociétés d’encadrement. L’Union Nationale des Coopératives Agricoles (UNCA) a été créée
en 1978 pour constituer un maillon central de la chaine de distribution d’engrais avec l’appui
des Sociétés Régionales de Développement Rural (SRDR). Ces acteurs devaient également
réformer et développer la recherche, évaluer les prix agricoles et les subventions, développer
le crédit agricole, réformer les sociétés d’encadrement et passer des contrats-plans entre l’État
et les partenaires sociaux (République du Sénégal, 1981).

Ces stratégies définies au début du programme d’ajustement n’ont pas donné les
résultats probants. En effet, elles ont plutôt engendré la précarité des petits producteurs et les
couches sociales les plus défavorisées.

- La Nouvelle Politique Agricole (NPA) : 1985-1994

Le Programme d’Ajustement Structurel (PAS) a accordé une place de choix au secteur

agricole. La définition de la Nouvelle Politique Agricole (NPA) depuis 1984, fixe les grands
axes du développement rural à travers la relance de la production locale en réduisant le rôle de
l’État. La NPA visait trois objectifs. D’abord, il fallait mettre en place une politique de prix
incitative pour les producteurs agricoles avec un relèvement des prix de l’arachide et une
protection des céréales locales à travers un monopole de l’État sur les importations et la

4
commercialisation du riz. Ensuite, il était question d’inculquer le principe de la
« responsabilisation » des producteurs en favorisant notamment l'émergence des organisations
paysannes, la réduction du rôle de l'État au profit du secteur privé dans la commercialisation
des produits agricoles, la libéralisation des diverses filières agricoles, la baisse des dépenses
publiques en éliminant les subventions et en allégeant le secteur parapublic. Et, le programme
devrait permettre une mise en œuvre d'actions ciblées de soutien à la production pour la
promotion des cultures irriguées et d’informations de marché afin en éliminant les contraintes
au développement des opérateurs privés (République du Sénégal, 1984).

La NPA devrait s’appuyer essentiellement sur une politique de manipulation du prix et

la mise en place d’un plan céréalier. Ainsi, dès 1986 un projet est élaboré pour réduire l’écart
entre la production céréalière et la demande nationale pour passer d’un niveau de satisfaction
de 56% en 1986 à 80% en 2000 ; et maintenir le niveau des importations de riz à 340 000
tonnes par an (IPAR et ASPRODEB, 2007). Ce projet avait également pour but l’appui à la
distribution d’engrais aux paysans. L’État sénégalais a encouragé les acteurs commerciaux à
se substituer aux sociétés de développement dans la fourniture d’engrais.

Au total, ces actions ont eu un impact positif dans le secteur agricole. De plus, les
conditions climatiques favorables et la volonté affichée de l’État ont permis d’accroitre la
production céréalière qui a atteint son niveau record de 1 243 000 tonnes en 1986
(DAPS, 2006). Toutefois, la baisse tendancielle des cours mondiaux, la baisse des
subventions et le manque de compétitivité du secteur ont conduit à un recul des revenus
monétaires réels des producteurs. Ces contraintes corrélées aux difficultés d'accès au crédit
expliquaient le sous-équipement et la faible utilisation d'intrants agricoles de qualité au niveau
du paysannat, qui connaît une période de soudure de plus en plus difficile. En effet, la Caisse
Nationale de Crédit Agricole du Sénégal (CNCAS) créée en 1984 a connu de réelles
difficultés. La dégradation des taux de remboursement du crédit et les stratégies paysannes de
contournement des dispositifs de sécurisation du crédit mis en œuvre par la CNCAS amènent
cette dernière à réduire progressivement le volume des crédits octroyés par campagne.

- Les acteurs ruraux au cœur des lettres de politiques agricoles : 1995-2003

La dévaluation du franc CFA en 1994 a coïncidé avec la mise en place du Programme

d’Ajustement Structurel du Secteur Agricole (PASA). Avec cette nouvelle politique, l’État du
Sénégal est soumis à des conditionnalités du FMI et de la Banque Mondiale. Ainsi, en 1995 la
première Lettre de Politique de Développement Agricole (LPDA) est établie pour une

4
autosuffisance alimentaire. Ce document vise aussi à améliorer les revenus en milieu rural et
la promotion de l'investissement privé (République du Sénégal, 1995a). Pour ce faire, trois
réformes institutionnelles sont définies spécifiquement dans les filières de riz, de coton,
d’arachide et d’élevage. Premièrement, le prix au producteur est désormais déterminé par
l’interprofession. Ensuite, les activités de production, de transformation et de
commercialisation sont confiées au secteur privé. Et, enfin, les dépenses publiques en
recherche, vulgarisation, missions de définition de politiques et de suivi-évaluation, sont
déléguées à l’ISRA et les sociétés régionales de développement telles que la SAED, la Société
de Développement et des Fibres Textiles (SODEFITEX) et la Nouvelle Société Régionale de
Développement de la Casamance (NSRDC).

En 1998, la Lettre de Politique du développement Institutionnel établie pour le secteur

agricole (LPI) est élaborée pour mettre en place des structures capables de faire des
organisations de producteurs (OP) les partenaires privilégiés du monde rural (Dieng, 2005).
Cette lettre cherche aussi à promouvoir un entreprenariat agricole privé dynamique afin de
renforcer et de recentrer la mission des services publics. Elle prévoit que le mode
d’organisation dominant de la production agricole locale sera l’agriculture paysanne à travers
des exploitations familiales polyvalentes, malgré l’expansion progressive de l’agrobusiness.
Ces agriculteurs traditionnels devraient être encadrés par les services agricoles et les
organisations de producteurs à travers le Programme de Soutien et d’Appui aux Services
Agricoles et des Organisations de Producteurs (PSAOP). Ce document définit aussi les
conditions d’accès au marché des producteurs ou aux organisations de producteurs. Il promeut
également un cadre réglementaire et législatif approprié (en recentrant les services agricoles
sur ces missions essentielles) et met en place des services de conseil et de recherche agricole
et rurale capables de répondre à la demande paysanne par l’intermédiaire de l’Agence
Nationale de Conseil Agricole Rural (République du Sénégal, 2004).

Les résultats observables sur la période restent décevants. Les multiples réformes
agricoles intervenues sur la période 1995-2003 n'ont pas réussi à stimuler la production
céréalière. La consommation d'engrais reste instable avec un minimum de 22 000 tonnes en
1995 et un maximum de 48 000 tonnes en 2000 (Dieng, 2005).

- L’ère des Documents Stratégiques de Réduction de la Pauvreté (DSRP)

Pour apporter une réponse à la pauvreté qui sévit surtout en milieu rural, l’État du
Sénégal met en œuvre le premier Document Stratégique de Réduction de la Pauvreté

4
(DSRP 1) pour la période 2003-2005 (République du Sénégal, 2006). Ainsi, le DSRP 1 visait
à réduire la forte dépendance de l’agriculture au climat et à diminuer la pauvreté de 15%. À ce
titre, une Lettre de Politique de Développement de la Filière Arachide (LPDFA) est élaborée
en 2003 pour combler les insuffisances du PASA en matière de réformes institutionnelles.
Cependant, ces objectifs n’ont pas été atteints ce qui a poussé l’État du Sénégal à mettre en
place un second Document de Stratégie pour la Croissance et la Réduction de la pauvreté
(DSRP II). Ce dernier, s’étale sur quatre ans (2006-2010), est combiné avec la Stratégie de la
Croissance Accélérée (SCA, 2005), et devrait permettre d’atteindre les Objectifs du
Millenium pour le Développement (OMD).

Le DSRP II, qui repose sur l’accès des services sociaux de base, la protection sociale, la
prévention et la gestion des risques et catastrophes, a apporté quelques réponses aux
problèmes du monde rural notamment ceux liés à la faiblesse de la croissance et à la pauvreté
chronique. Toutefois, son succès a été rapidement anéanti par les crises alimentaire,
énergétique et financière de 2008 (République du Sénégal, 2014b).

- Une stratégie nationale pour inscrire le Sénégal dans la trajectoire de

« l’émergence »

Afin de trouver une solution à la crise économique et de réduire son impact sur la
population vulnérable, le gouvernement du Sénégal élabore un nouveau document appelé :
Document de Politique Économique et Sociale (DPES). Ce document a été conçu en 2011
dans le but d’accroître la croissance potentielle à un niveau lui permettant d’amortir les
mouvements erratiques liés aux chocs exogènes (République du Sénégal, 2011). Ainsi, pour
prendre en compte la demande sociale et concevoir une émergence à partir des territoires, la
Stratégie Nationale de Développement Économique et Social (SNDES) est mise sur pied pour
la période 2013-2017 (République du Sénégal, 2012b). Ce document trace les premiers axes
stratégiques de l’émergence du Sénégal à travers la relance de l’économie et une gouvernance
vertueuse et efficace.

Dans le volet environnemental, la SNDES devrait permettre : i) d’atténuer les effets des
changements climatiques sur les écosystèmes ; ii) de renforcer les capacités de gestion de
l’environnement et des ressources naturelles ; et de promouvoir l’économie verte et la création
d’emplois verts. Cependant, ce document n’a pas atteint son épilogue et sera supplanté par le
Programme Sénégal Émergent (PSE) en 2014 (République du Sénégal, 2014b).

4
 Par ailleurs, le contexte économique et social sur lequel s’est installé le pays en 2008
pousse les autorités à définir des initiatives de croissance à court terme afin de réduire
l’insécurité alimentaire.

- Des initiatives agricoles pour répondre aux chocs conjoncturels

Deux initiatives majeures ont été prises. D’abord, en 2006, le Plan REVA (Retour vers
l’Agriculture) est lancé pour lutter contre l’émigration clandestine. Ce plan vise à améliorer la
productivité et à développer la production agro-industrielle à travers l’utilisation des variétés à
cycle court, le renforcement de la formation des paysans et la promotion des cultures
extensives. Ainsi, l’État prend en charge certains aménagements structurants sur chaque site :
terre, moyens logistiques, intrants agricoles ainsi qu’un fonds de roulement. La deuxième
initiative porte le nom de la Grande Offensive pour l’Alimentation, la Nourriture et
l’Abondance (GOANA). Cette initiative, définie en 2008, devrait apporter une réponse à la
hausse des prix sur les marchés mondiaux des produits alimentaires (République du
Sénégal, 2014b).

En plus de ces deux initiatives, la Loi d’Orientation Agro-Sylvo-Pastorale (LOASP) a

été mise en œuvre en 2004 pour renforcer les capacités des organisations professionnelles
agricoles, des organisations de la société civile, des collectivités locales et des services de
l’État (République du Sénégal, 2004). Cette loi devrait permettre le développement de la
recherche et du conseil agro-sylvo-pastoral. En outre, l’État du Sénégal a établi des
partenariats agricoles à travers le Nouveau Partenariat pour le Développement de l’Afrique
(NEPAD) lancé en 2002, le Programme Détaillé de Développement de l’Agriculture
Africaine (PDDAA) mis en œuvre en 2003, la Nouvelle Alliance pour la Sécurité Alimentaire
et la Nutrition (NASAN) établie 2012. Ces collaborations visent à répondre aux défis
environnementaux pour atteindre la sécurité alimentaire et nutritionnelle à travers la maîtrise
de l’eau à petite échelle et la valorisation des aménagements existants.

- La stratégie de développement du secteur agricole à travers le PSE : le Plan de

Relance et d’Accélération de la Cadence de l’Agriculture Sénégalaise (PRACAS)

Les contreperformances affichées dans les documents de politique économique et

sociale jusqu’ici adoptés n’ont pas permis une réduction durable de la pauvreté. Seule la
décennie 1995-2005 a permis de maintenir l’économie sénégalaise sur une bonne trajectoire
(République du Sénégal, 2014b). Mais, depuis 2006, le sentier de croissance s’est infléchi
avec l’essoufflement des moteurs de croissance traditionnelle (BTP, télécommunications,
4
services financiers). C’est dans ce contexte que le Plan Sénégal Emergent (PSE) est établi en
2014 pour porter la croissance économique de 7 à 8%.

À travers le PSE, les secteurs agricole et agroalimentaire, l’habitat, les mines, le

tourisme sont identifiés comme les moteurs de l’émergence en 2035 (République du Sénégal,
2014b). Les investissements sont ainsi orientés vers trois (3) axes majeurs: i) une
transformation structurelle de l’économie à travers la consolidation des moteurs actuels de la
croissance et le développement de nouveaux secteurs créateurs de richesses, d’emplois,
d’inclusion sociale et à forte capacité d’exportation et d’attraction d’investissements. Cet axe
s’inscrit dans une option de développement plus équilibré, de promotion de terroir et des pôles
économiques viables afin de stimuler le potentiel de développement sur l’ensemble du
territoire ; ii) une amélioration significative des conditions de vie des populations, une lutte
plus soutenue contre les inégalités sociales tout en préservant la base de ressources et en
favorisant l’émergence de territoires viables ; et, iii) le renforcement de la sécurité, de la
stabilité et de la gouvernance, de la protection des droits et libertés et de la consolidation de
l’État de droit afin de créer les meilleures conditions d’une paix sociale et de favoriser le plein
épanouissement des potentialités.

L’agriculture reste dans le PSE une priorité avec un financement de 261,8 milliards de
FCFA, soit 11,1% du budget (République du Sénégal 2014b). Ainsi, le Plan de Relance et
d’Accélération de la Cadence de l’Agriculture Sénégalaise (PRACAS) constitue le document
de référence pour accroître la productivité et la compétitivité agricole inscrites dans le premier
axe. Ainsi, le PRACAS se fixe l’objectif de développer trois corridors céréaliers. Même si les
filières mil, sorgho, maïs ne sont pas inscrites dans le premier programme prioritaire 21, elles
sont incluses dans le second cercle concentrique de priorité (République du Sénégal, 2014a).

Le PRACAS s’appuie sur les dotations factorielles de chaque zone agro-écologique

pour promouvoir les productions agricoles qui présentent des avantages comparatifs. En
d’autres termes, le programme considère que la promotion des territoires ruraux constitue le
seul procédé permettant de garantir un aménagement du territoire cohérent, équilibré et
durable. La mise en œuvre de l’acte 3 de la décentralisation constitue le socle de cette vision
globale de responsabilisation des acteurs à la base (République du Sénégal, 2014a). Dans ce
document, le coût des projets relatifs aux risques et catastrophes est estimé à hauteur de

21
Les filières inscrites sur le programme prioritaire (2014-2017) sont dans un premier temps le riz, l’oignon,
l’arachide et les fruits et légumes de contre-saison (PRACAS, 2014).

4
40 milliards de FCFA, avec un projet de gestion des eaux pluviales, de résilience climatique et
de gestion des risques et catastrophes.
Cependant, le budget consacré à l’environnement tourne autour de 36,4 milliards de
FCFA avec un accent sur l'adaptation au changement climatique dans la voie d'un
développement durable du pays (République du Sénégal, 2014a).
État des politiques agricoles sur la production céréalière et prise en compte du
changement climatique

Le premier programme agricole (PA) insistait déjà sur la nécessité d’augmenter la

production céréalière. Les autres politiques qui ont suivi ont toutes manifesté l’intérêt de
protéger et de soutenir les cultures locales (PREF et NPA). Les mesures généralement prises
pour accroître l’offre de céréales se sont portées particulièrement sur l’augmentation de la
consommation d’engrais et la gestion de l’eau (République du Sénégal, 2014b).

Cependant, ces stratégies se sont traduites par de faibles performances. Les programmes
agricoles ont été mis en œuvre sans une réelle prise en compte des contraintes institutionnelles
et météorologiques sur les résultats attendus (République du Sénégal, 2014b). Cette situation
a créé un déséquilibre qui a conduit à une série d’ajustements macroéconomiques.

Par ailleurs, le désengagement de l’État dans la sphère économique a favorisé

l’émergence des organisations paysannes qui deviennent des partenaires privilégiés du monde
rural. La loi d’orientation en 2004 donne un nouvel élan à la formation des groupements de
producteurs en favorisant le renforcement de leur capacité. Toutefois, les mouvements
paysans n’ont pas pu se substituer à l’État dans l’exercice de la vulgarisation des pratiques
agricoles dans un contexte de changement climatique.

I.3.2 _/ Dispositifs réglementaires sur le changement climatique

Le Sénégal a signé plusieurs traités internationaux sur le climat (conventions et

protocoles). Ces derniers se sont traduits par des actions en termes de plans, de stratégies et de
communications mis en œuvre pour lutter contre les changements climatiques. Le pays a aussi
ratifié la convention sur les zones humides d’importance internationale pour une utilisation
rationnelle de l’environnement.

4
 - les traités internationaux

Nous distinguons les conventions de Rio en 1992 qui donne une idée sur la façon de
gérer le climat au niveau mondial, le protocole de Kyoto qui dégage le bilan des émissions de
gaz à effet de serre et définit les instruments réduisant les émissions (ONU, 1992a).

 Les conventions de Rio

En juin 1992, lors du Sommet de la Terre ou Sommet des Nations Unies sur
l’Environnement et le Développement, des pays, notamment le Sénégal, ont signé des
conventions internationales sur le climat. Ces conventions sont au nombre de trois : la
Convention sur la Diversité Biologique (CDB), la Convention Cadre de Lutte contre la
Désertification (CDD) et la Convention Cadre des Nations Unies sur les Changements
Climatiques (CCNUCC).

 La Convention sur la Diversité Biologique (CDB)

En 1993, 164 États dont le Sénégal reconnaissent la diversité biologique comme une «
préoccupation commune à l'humanité » (ONU, 2010). Ainsi, la Convention sur la Diversité
Biologique (CDB) a été signée en vue d’atteindre trois objectifs : la conservation de la
biodiversité, l’utilisation durable de ses éléments constitutifs et le partage juste et équitable
des avantages découlant de l'exploitation de ses ressources génétiques (ONU, 1992b). Elle
constitue, cependant, un texte clé du développement durable, et s’intègre dans la lutte contre
les changements climatiques.
Le Sénégal s’est ainsi engagé à élaborer des stratégies, plans ou programmes nationaux
tendant à assurer la conservation et l’utilisation durable de la diversité biologique. La mise en
œuvre de la CDB est coordonnée par la Direction des Parcs Nationaux (DPN) et par le Comité
National sur la Biodiversité (CNB), créé en 1995. La DPN se fait conseillée par le Groupe de
Réflexion et d’Appui Scientifique et Technique (GRAST). Le Sénégal a pris des mesures
concrètes de gestion de la biodiversité, qui se sont traduites par la création du CNB, puis par
la réalisation d’une monographie nationale sur l’état des connaissances en matière de diversité
biologique nationale, en 1996. La stratégie et le Plan National d’actions pour la conservation
de la biodiversité, créé en 1999, fait aussi partie du train de mesures envisagées par le
gouvernement du Sénégal aussi bien sur le plan de la gestion macroéconomique que de celui
des ressources naturelles avec pour objectif de rétablir les équilibres indispensables qui
doivent assurer un développement durable pour le pays (République du Sénégal, 1999).

5
  La Convention Cadre de Lutte contre la Désertification (CCD)
Adoptée à Paris en 1993 par 133 États après le premier plan d’action lancé en 1977, la
Convention Cadre de Lutte contre la Désertification (CCD) a pour objectif de lutter contre la
désertification et d’atténuer les effets de la sécheresse et/ou de la désertification, en particulier
en Afrique. Elle vise particulièrement à prévenir ou réduire les facteurs de dégradation des
terres et à remettre en état les terres partiellement dégradées ou désertiques (ONU, 1997).
Pour exécuter les activités définies dans la Convention, la CCD est dotée d’un
secrétariat, de la conférence des parties qui se déroule une fois par an, d’un comité de la
science et de la technique chargé de donner des conseils dans les domaines technique et
scientifique, et enfin, d’un comité et d’un groupe de travail spécial chargé de l’examen de la
mise en œuvre de la convention (ONU, 1992a).
Le principal instrument de mise en œuvre de la CCD au niveau national est le
Programme d’Action National (PAN/LCD) élaboré en concertation avec différents acteurs qui
identifient les facteurs induisant la désertification et proposent des mesures correctives
(République du Sénégal, 1998).
 La Convention Cadre des Nations Unis sur les Changements Climatiques
(CCNUCC)
La CCNUCC est composée de 194 États signataires. Elle a pour objectif de permettre la
stabilisation des concentrations de gaz à effet de serre (GES) dans l’atmosphère « à un niveau
qui empêche toute perturbation anthropique dangereuse du système climatique »
(ONU, 1992a). L’accord devrait permettre de stabiliser le réchauffement climatique à 2°C
par rapport à 1990. Pour cela, la CCNUCC s’appuie sur la Conférences des Parties (CdP), les
points focaux et le Comité National « changements climatiques ».
Au Sénégal, le document est entré en vigueur le 21 mars 1994. Ainsi, le ministère de
l’Environnement est chargé de représenter le pays à la Conférence des Parties (CdP). D’autres
structures, comme la Direction de l’Environnement et des Établissements Classés (DECC), le
Conseil Supérieur des Ressources Naturelles et de l’Environnement (CONSERE), la Direction
des parcs nationaux et la Direction de la météorologie nationale, sont définies respectivement
en tant que point focal de la CCNUCC et du Fonds Mondial pour l’Environnement (FEM), de
la CCD, de la CDB et du GIEC. Ces points focaux représentent des personnes physiques ou
morales, membre du gouvernement et considérées comme références sur un thème précis. En
outre un Comité National sur les Changements Climatiques (COMNACC) a été créé en 1994
pour coordonner les différentes activités relatives à l’atténuation et à l’adaptation aux
changements climatiques (République du Sénégal, 2012).

5
  Les conventions sur les zones humides d’importance internationale (Ramsar)

Adoptée à Ramsar en Iran en 1971, la Convention Ramsar ou Convention sur les zones
humides d’importance internationale est un traité intergouvernemental. Son but est
d’encourager la conservation et l’utilisation rationnelle des zones humides aux niveaux
national et international (UNESCO, 1994).
En adoptant la convention, le Sénégal s’engage à veiller à l’utilisation rationnelle de ses
zones humides, à coopérer au niveau international pour la protection des zones humides, et à
inscrire ses zones humides d’importance internationale sur la « liste de Ramsar », ainsi qu’à
rendre compte de leurs activités dans un rapport national. Pour cela, le pays a inscrit quatre
sites sur cette liste, parmi lesquels le parc national du Delta du Saloum, classé Ramsar en
1984.
Ces Conventions et protocoles se sont traduits au niveau national par la mise en œuvre
de plans, de communications et de stratégies de lutte contre les changements climatiques.

- Les politiques mises en œuvre au niveau national

Le Programme National d’Action pour l’Environnement (PNAE) et le Plan d’Action

National d’Adaptation aux Changements Climatiques (PANA) sont les documents de
référence en matière de planification nationale et d’adaptation aux changements climatiques.
De même, la Stratégie Nationale de Mise en Œuvre de la CCNUCC (SNMO) met en exergue
l’implication des facteurs climatiques dans les programmes prioritaires de développement. Par
ailleurs, deux communications sont faites pour donner un état des lieux des émissions de gaz
à effet de serre au niveau national.
 Plan National d’Action pour l’Environnement (PNAE)

Le Plan National d'Action pour l'Environnement (PNAE), élaboré en 1999, constitue un

cadre stratégique global visant à harmoniser les différentes politiques sectorielles en matière
de gestion des ressources naturelles et de l'environnement. Un de ses principaux objectifs est
la prise en compte de la dimension environnementale dans la planification du développement
économique et social. Il a été validé par un forum national et adopté en conseil
interministériel. La Stratégie et le Plan National d'Action pour la Conservation de la
Biodiversité et le Plan d'Action National de Lutte Contre la Désertification (PAN/LCD)
découlent du PNAE.

5
 En tant que référence nationale des différentes politiques sectorielles dans le domaine de
l’environnement, le PNAE a identifié les mécanismes d'articulation des divers programmes
sectoriels avec l'orientation stratégique du IXe Plan de Développement Économique et Social
relative à « une saine gestion des ressources naturelles et de l'environnement pour un
développement durable ».

 Plan d’Action Forestier du Sénégal (PAFS)

Le Sénégal a lancé depuis 1981 le Plan Directeur de Développement Forestier (PDDF)

qui constitue une véritable planification forestière. Ce plan a défini une première stratégie
d’action à moyen et long terme qui a permis d’impulser une dynamique en faveur de la
conservation des forêts et des espaces naturels, mais également de promouvoir un
accroissement substantiel des investissements publics dans le sous-secteur. En raison d’un
contexte national et international évolutif, le PDDF a été actualisé en 1990 sous la forme du
Plan d’Action Forestier du Sénégal (République du Sénégal, 2002).

Les causes du déboisement et de la dégradation des ressources forestières se situant

davantage dans la complexité globale des systèmes et pratiques de gestion des ressources
naturelles que dans la seule coupe symbolique de bois. Ainsi, le service forestier fut amené à
reconsidérer ses attitudes et interventions sur une base plus participative. La foresterie rurale
qui intègre la foresterie, l’agriculture et l’élevage, contribue par ce fait, à l’amélioration de la
productivité des ressources naturelles tout en sauvegardant l’équilibre écologique et la lutte
contre les changements climatiques.

 Programme d’Action National de Lutte Contre la Désertification (PAN/LCD)

Le Sénégal, qui fut l’un des premiers signataires de la CCD, a réalisé son PAN/LCD en
octobre 1998, avec une démarche très participative visant à impliquer de façon effective les
populations locales (PAN/LCD). Celui-ci fait partie du Plan National d’Action pour
l’Environnement (PNAE) qui rend compte des orientations stratégiques du gouvernement
résultant du processus de développement économique et social du pays (République du
Sénégal, 2002).
Le PAN/LCD se fait sous l’égide du Conseil Supérieur des Ressources Naturelles et de
l'Environnement (CONSERE) avec l’appui du Système d’Information sur la Désertification /
Système d’Information et de Suivi sur l'Environnement par Internet (SID/SISEI). Le Plan se
fixe comme objectif une croissance agricole soutenue à travers une amélioration de la sécurité
alimentaire et une meilleure gestion des ressources naturelles. À cet égard, l’État du Sénégal a

5
défini un certain nombre d’actions permettant de lutter contre la désertification (République
du Sénégal, 1998). Il s’agit principalement de : i) la lutte contre l'érosion et la régénération
des sols, ii) la lutte contre la salinisation des terres, la restauration des milieux dégradés
(reboisement, travaux de défense et de restauration des sols, mise en défens), la
réglementation de l'utilisation des ressources (législation régissant l’exploitation de la forêt,
de la faune et des ressources halieutiques) et iii) la rationalisation de l'exploitation des
ressources fauniques et halieutiques.
 Plan d’Action National d’Adaptation aux changements climatiques (PANA)

Le Plan Action National d’Adaptation aux Changements Climatiques (PANA) est le

troisième document élaboré par le Sénégal pour faire appliquer la CCNUCC. Élaboré en
2004, le PANA constitue un document spécifique pour les pays les moins avancés (PMA)
définis par leur faible capacité d’adaptation et leur besoin urgent d’aide extérieure. Il permet
d’établir des activités prioritaires à mettre en œuvre dans le cadre de l’adaptation aux
changements climatiques, et de communiquer des activités et les besoins urgents et immédiats
qui en découlent afin d’accéder au fond spécial créé pour les PMA (le fonds pour les PMA).
Dans la mise en œuvre du Plan, un découpage du territoire a été réalisé pour permettre
un arrimage des options d’adaptation en fonction des besoins spécifiques de chaque zone.
Ainsi, quatre groupements de régions (bassin arachidier, zone nord, zone sud et les Niayes)
sont identifiés pour répondre aux défis du développement de l’agroforesterie, l’utilisation
rationnelle de l’eau, l’amélioration de la protection du littoral et pour finir, la sensibilisation et
l’amélioration de l’éducation du public sur les changements climatiques. Les solutions
d’adaptation retenues au niveau des regroupements de régions ont permis d’élaborer un
programme national de gestion intégrée des ressources naturelles.

- Les stratégies nationales de gestion environnementale

Le Sénégal dispose de quatre stratégies de gestion de l’environnement définies au

niveau national dont l’une est partagée au niveau sous-régional.

 Stratégie Nationale de Mise en Œuvre de la Convention-Cadre des Nations Unies

sur les Changements Climatiques (SNMO)

Rédigée en 1999, la Stratégie Nationale de Mise en Œuvre de la Convention Cadre des

nations Unies sur les Changements Climatiques (SNMO), a été élaborée par la DEEC, point
focal de la CCNUCC, avec l’appui technique de l’ONG ENDA Tiers-Monde, Programme
Énergie. Elle n’est pas obligatoire au vu des engagements du Sénégal relativement à la
CCNUCC (comme les Communications nationales), mais vise à montrer à la communauté
5
internationale comment le Sénégal entend intégrer la dimension Changements climatiques
dans sa politique de développement économique et social.
La SNMO met en exergue les différents projets de diffusion d’informations, de
formation et de sensibilisation en matière de changement climatique. Dans le secteur agricole
la SNMO vise cinq (5) objectifs : i) l’efficacité accrue de l’irrigation ; ii) l’amélioration des
pratiques de labour des sols ; iii) l’application de la jachère ; iv) la promotion de nouvelles
variétés de semences ; v) le développement de la recherche pour l’amélioration des matériels
génétiques.

 Stratégie Nationale de Développement Durable (SNDD)

Le Sénégal fait partie des premiers pays africains à dévoiler sa SNDD (SNDD, 2002).
Élaborée en 2002 grâce à l’appui du Programme : Capacité 21, du Programme des Nations
Unies pour le Développement (PNUD), la SNDD a fait l’objet de modifications en 2005 et
2007, suite à l’ancrage successif de la Commission Nationale de Développement Durable
(CNDD) au Ministère du Plan et du Développement Durable (MPDD) (2004-2006) et au
Ministère du Plan, du Développement Durable et de la Coopération Internationale (MPDDCI)
en 2007. Elle s’articule autour d’axes stratégiques visant à intégrer le développement durable
dans différents secteurs jugés prioritaires et porteurs de croissance pour le pays.

 La stratégie et le plan d’action pour la réduction de la vulnérabilité face au

changement climatique en Afrique de l’Ouest
Les experts des États membres de la Communauté Économique des États d’Afrique de
l’Ouest (CEDEAO), en collaboration avec le Comité permanent interétatique de lutte contre la
sécheresse dans le Sahel (CILSS), la Commission économique pour l’Afrique (CEA) et le
Centre africain pour les applications de la météorologie au développement (ACMAD), ont
élaboré une stratégie et un plan d’action visant à renforcer la capacité d’adaptation des pays
de l’Afrique de l’Ouest face au changement climatique. À ce titre, la CEDEAO aide les États
membres à acquérir les ressources humaines, techniques et financières pour faire face aux
changements climatiques. Ainsi, un document est élaboré pour appuyer les initiatives
nationales et sous-régionales. Le document a été validé en mars 2010 et met l’accent sur trois
objectifs : la bonne gouvernance et le développement durable des ressources naturelles,
l’approche participative de toutes les franges de la population et la coordination, et le
développement de synergies au sein des programmes et projets réalisés (CEDEAO, 2010).
De même, la Stratégie et le Plan National d’Actions pour la Conservation de la
Biodiversité (SPNACB) a été élaborée pour une meilleure intégration de conservation de la

5
biodiversité dans les programmes et activités de production tout en luttant contre les impacts
négatifs des modifications climatiques.

- Les communications nationales sur le changement climatique

Une communication nationale est un document rédigé périodiquement par chaque État-
Partie à la CCNUCC et rendant compte des moyens qu’il a mis en œuvre pour développer la
convention au niveau national. Les communications nationales sont l’outil principal
permettant à la CdP de suivre les activités définies par la CCNUCC dans les différents États-
Parties et d’en mesurer l’impact global. De plus, elles sont un moyen de présenter et diffuser
l’information. Elles rendent compte du contexte, des objectifs et des priorités de
développement de chaque pays. Elles peuvent également être utilisées pour présenter les
programmes et plans d’actions nationaux ainsi que les projets nécessitant un financement.
Enfin, elles obligent les États-Parties à traiter des questions relatives au changement
climatique au niveau national, à suivre les objectifs de la CCNUCC, à mettre leurs
engagements sur papier, et à les respecter (ONU, 2010). La communication donne aussi une
idée sur le contexte économique, environnemental, et social du pays, sur l’inventaire national
des GES et sur une étude de vulnérabilité relative aux zones côtières et à l’agriculture.
Le Sénégal a élaboré deux communications nationales. La première élaborée, en mai
1994 et soumise à la communauté internationale en 1995, sur la base des données de 1991, a
permis de faire un inventaire national des émissions de gaz à effet de serre (GES). La
Communication définit aussi les paramètres à prendre en compte pour réduire la vulnérabilité
du secteur agricole et des zones côtières. Ensuite, une deuxième communication est élaborée
en 2006 pour faire l’inventaire des émissions des gaz à effet de serre afin d’évaluer les
stratégies de réponses développées dans la première communication (DEEC, 2010).
 Bilan des politiques environnementales
Même si la mise en œuvre des politiques environnementales a permis de renforcer
l’implication des collectivités locales dans la gestion des ressources naturelles (les
programmes TACC22 et PCTI23 délégués aux collectivités locales), la création d’organe de
coordination interinstitutionnelle (CONSERE), de même que le développement de
l’information environnementale dans certaines structures (DECC, Direction des Parcs
Nationaux (DMN), CSE, etc.), les résultats observés sont inférieurs aux attentes en matière de
gestion des risques climatiques dans le secteur agricole. Les principales contraintes résultent

22
TACC : « Territorial Approach to Climate Change » appuyé par le PNUD.
23
PCTI : Plan Climat Territorial Intégré de la région de Dakar élaboré avec l’appui de la France dans le cadre de
la coopération décentralisée.
5
de l’absence de coordination des actions, du déficit d’engagements et de l’insuffisance des
ressources nécessaires à la mise en œuvre des programmes d’adaptation (IIED, 2011).

En effet, la CCNUCC de 1992 et le protocole de Kyoto de 1997 a mis principalement

l’accent sur les stratégies d’atténuation alors que les questions d’adaptation jouent un rôle
relativement secondaire dans les traités internationaux (Klein et al., 2007). Par ailleurs, si
depuis 2000 (année des accords de Marrakech en 2001) les questions d’adaptation sont
traitées de manière prioritaire (Oberthür et Ott, 1999), le Sénégal reste un pays à faible
capacité d’adaptation24 (Schneider et Lane, 2006). Néanmoins en 2015, l’État a traduit sa
volonté à prendre part aux stratégies globales d’atténuation et d’adaptation aux changements
climatiques. Ainsi, les coûts sont estimés à 21,5 milliards de dollars US (République du
Sénégal, 2015a).
Toutefois, les stratégies d’adaptation au changement climatique prenant en compte le
processus décisionnel et le rôle des groupes formés au niveau local ont été peu étudiées
(Dovers et Hezri, 2010).

I.3.3 _/ Dispositif institutionnel d’encadrement des risques dans le secteur agricole

Au-delà des documents élaborés pour accroitre la production agricole, les pouvoirs
publics ont joué un rôle-clef dans la production et la diffusion d’informations sur le
changement climatique. D’autres structures ont été créées pour prendre en compte l’assurance
agricole, les bonnes pratiques agricoles et la production de variétés plus adaptées à la
variabilité climatique.

- La production d’informations climatiques

La production d’informations climatiques est assurée par l’Agence Nationale de

l’Aviation Civile et de la Météorologie du Sénégal (ANACIM). En réponse à la forte
demande des agriculteurs, les informations météorologiques sont diffusées dans certaines
régions par le biais des radios communautaires, des relais institutionnels et villageois. Les
relais villageois mettent également en place des champs de démonstration pour comparer les
rendements obtenus à partir des pratiques traditionnelles avec ceux issus de stratégies fondées
sur les prévisions météorologiques saisonnières et à court terme.

24
Un pays est désigné faible capacité d’adaptation en fonction des indicateurs tels que le PIB par habitant ou le
taux d’alphabétisation, critères fortement liés au degré de développement économique (Smith et al., 2001).

57
 Selon l'année et la solidité des indicateurs clés, une première prévision est effectuée en
mars avec des mises à jour en mai et juin. Cette dernière fournit un résumé général de qualité
sur les paramètres saisonniers : début prévu de la saison, durée et niveau cumulé des
précipitations.

En 2014, les prévisions saisonnières ont annoncé un démarrage très tardif de la saison
(à peu près le 10 août dans de nombreux endroits, une situation inédite depuis 1966). À
travers le Groupe de Travail Pluridisciplinaire (GTP), le CNSA a lancé une opération
d'urgence pour distribuer des semences améliorées à cycle court afin de compenser un déficit
attendu de la production céréalière (cf. encadré 1).

Encadré 1: Éléments probants tirés de la saison agricole 2014/2015

Atténuation précoce des effets du démarrage tardif de la saison

S'appuyant sur une alerte précoce et une campagne agricole exceptionnellement tardive et
courte, en juin 2014, le gouvernement du Sénégal a fourni environ 2 000 tonnes de variétés de maïs,
de mil et de sorgho à maturation précoce, résistantes à la sécheresse et à haut rendement à quelque 200
000 agriculteurs. En dépit de mauvaises conditions de culture, les rendements ont varié entre 1 et 1,5
tonne par hectare pour le mil et le sorgho, et 2 et 2,5 tonnes par hectare pour le maïs.

Par rapport à l'utilisation de variétés traditionnelles, la production supplémentaire de mil, de

sorgho et de maïs peut être estimée avoir été de l'ordre de 125 000 tonnes (environ 56 millions de
dollars de pertes évitées). Cela représente, au prix à la ferme, une augmentation brute du chiffre
d'affaires d'environ 275 $ par ménage agricole bénéficiaire.

Atténuation précoce plus prévisions météo

Pour un échantillon de ménages recevant des semences à cycle court (ainsi que des prévisions
météorologiques saisonnières et à court terme), le revenu brut par ménage issu du mil, de l'arachide et
du niébé est estimé avoir été plus élevé (604 $) que pendant une année moyenne (520 $). Sans de tels
avantages de l'alerte précoce et des prévisions météorologiques, les revenus agricoles bruts pour le
même échantillon en 2014 auraient chuté à 364$.

Amélioration de la planification et de la réponse d'urgence

En dépit des interventions décrites ci-dessus, la production agricole globale 2014/2015 a été
estimée à environ 40 % en dessous de la moyenne sur cinq ans, tandis que la biomasse dans les
principales zones pastorales a chuté de plus de 30 % par rapport à l'année précédente. Cependant, le
Sénégal a fait valoir pour la première fois l'assurance sécheresse ARC pour faciliter le financement et
la planification des opérations de secours. Pour une prime de 3 125 000 $, il a reçu un versement de
16,5 millions de dollars au début de 2015.

ANACIM, 2015

58
 Par conséquent, les résultats enregistrés à la campagne 2014/15 ont montré une
augmentation des rendements de 85 % à 100% pour le mil, et de 66 % à 140 % pour
l'arachide et le niébé. Cette situation serait due au recours aux prévisions météorologiques
(République du Sénégal, 2015c).

Toutefois, la difficulté d’accès à l’information et le non pris en compte des données

socioéconomiques, pour différencier les différentes sources d’information climatique,
constituent des barrières à son appropriation. En plus, dans les zones où l’accès est facile, il
est noté que l’information n’arrive pas à temps, c’est-à-dire, au moment voulu par le
producteur (PARM25, 2017).

L’information climatique n’est pas seulement utilisée par le producteur, elle est aussi
employée pour déterminer les paramètres de l’assurance agricole (assurance indicielle et
assurance déficit pluviométrique).

- La gestion du risque climatique : assurance agricole

Pour le transfert du risque climatique, la Compagnie Nationale d’Assurance Agricole du

Sénégal (CNAAS), créée en juillet 2008, se spécialise dans la couverture des risques
agricoles. La CNAAS est présente dans quatre (4) régions : Kaolack, Louga, Saint-Louis et
Tambacounda. Elle s’appuie sur des relais locaux tels que les réseaux d’institutions
financières et les organisations de producteurs agricoles et d’éleveurs. Les produits
d’assurance basés sur le climat consistent : l’assurance indicielle « Kaarangne Mbay » et
l’assurance déficit pluviométrique.

Avec l’assurance indicielle, le risque couvert est la sécheresse. Elle est calculée sur la
base des données pluviométriques fournies par le service national en charge de la
météorologie. Ainsi, avant le début de la période d’assurance, un indice statistique est
développé, il mesure les déviations de la norme pour les paramètres de recherche tels que les
précipitations, la température, la magnitude des séismes, la vitesse du vent, le rendement des
cultures ou les taux de mortalité du bétail (Banque Mondiale, 2017). Les produits concernés
sont le maïs et l’arachide dans les zones de Nioro, Kaffrine et Ndoffane. L’assurance
indicielle peut aussi être étendue à toutes les zones en fonction des données statistiques et des
infrastructures de gestion. Les seuils sont variables d’une phase 26 à une autre en raison de la
différence de sensibilité de la culture. En dessous du seuil de sortie par phase, on considère

25
PARM : Platform for Agriculture Risk Management, Managing risk at farm level: a farmers’ workbook
26
Phase signifie une étape de la production par exemple opération de semi.
59
100% de la production est perdue et que l’indemnisation doit être maximale en fonction de la
somme assurée pendant la phase. Le montant maximal assurable est de 200 000 F CFA/ha.

Pour l’assurance déficit pluviométrique, les récoltes assurées sont le mil, le sorgho,
l’arachide, le coton, le maïs et le riz. Ainsi, en utilisant les données pluviométriques totales
sur la période 1960-2004 au niveau départemental, toute pluviométrie en deçà de la quantité
de pluies de déclenchement (mm/m²) donne lieu à une indemnité qui ne doit pas excéder 80%
de la valeur de la récolte. La prime convenue résulte d’une négociation et spécifiée dans le
contrat d’assurance.

Toutefois, les contrats d’assurance sont spécifiés par produit suivant une étude de
chaîne de valeur et des données météorologiques au niveau départemental ce qui constitue des
barrières à leur souscription. Ainsi, les nouveaux défis pour la CNAAS restent à mettre en
œuvre des produits d’assurance adaptés prenant en compte la dynamique des exploitations
agricoles qui pratiquent la diversification d’une part, mais aussi, de prendre en compte les
statistiques météorologiques au niveau local (village) dans les contrats d’assurance, d’autre
part.

- La promotion des bonnes pratiques agricoles : les services d’encadrement et de

crédit

L’Agence Nationale de Conseil Agricole et Rural (ANCAR), créée en mars 1997 par le
gouvernement du Sénégal avec l’appui de la Banque Mondiale dans le cadre du Programme
de Soutien des Services Agricoles et des Organisations de Producteurs (PSAOP), est chargée
de « promouvoir, animer et piloter un service de conseil agricole et rural décentralisé à la
demande des producteurs ». Les services en conseil agricole permettent aux petits producteurs
d’améliorer durablement la productivité, les productions, la sécurité alimentaire et les
revenus. À cet effet, l’ANCAR joue un rôle essentiel dans la promotion des techniques
agricoles nouvelles, le développement des bonnes pratiques agricoles et rurales (BPA),
l’information et la formation des producteurs. L’agence intervient dans la majorité des
communautés rurales et couvre toutes les filières agricoles. Elle travaille aussi avec toutes les
catégories sociales de la population agricole et rurale. D’autres structures jouent le rôle de
conseil agricole, il s’agit de la SAED, la SODAGRI et la SODEFITEX. Cependant, ces
structures ne sont pas présentes dans toutes les localités ce qui pose le problème de mise à
l’échelle des innovations agricoles.

60
 Dans le domaine du financement agricole, la Caisse Nationale de Crédit Agricole du
Sénégal (CNCAS), créée en 1984, permet aux agriculteurs de bénéficier des prêts de façon à
promouvoir les activités économiques en milieu rural. L’emprunt bancaire constitue un
moyen de diversification des sources de financement agricoles généralement constituées de
ressources propres. Toutefois, la question de la mise en place d’un système de crédit-
assurance reste entière. La seule assurance-crédit agricole qui existe est destinée à garantir, la
banque ou l’institution de microfinance, un remboursement contre les risques de décès ou
d’invalidité absolue et définitive de l’emprunteur. D’autres interrogations méritent encore des
réflexions scientifiques, il s’agit : de la prime de risque optimale applicable aux assurés et la
question de la soutenabilité de la subvention de l’assurance indicielle.

- La recherche des variétés plus adaptées au climat : les services de recherche

agricole

Dans la recherche variétale, l’Institut Sénégalais de Recherches Agricoles (ISRA), créé

en 1974, et l’Institut de Technologie Alimentaire (ITA) sont chargés d’accompagner les
acteurs ruraux dans la production de connaissances scientifiques et d’innovations
technologiques. Ces deux structures ont participé au développement de plusieurs espèces
végétales (Badiane et al., 2000). En effet, en 2012, le nombre de variétés végétales, dont la
semence ou le matériel de plantation est certifié et prêt pour le commerce, était de 174
incluses dans le catalogue officiel27. Ainsi, il existait 69 variétés de céréales à paille réparties
entre quatre espèces (riz, sorgho, mil et maïs), 30 variétés de légumineuses alimentaires à
graines réparties entre deux espèces : arachide et niébé et le reste étant des espèces
maraîchères. De même, le Programme de Productivité Agricole en Afrique de l’Ouest
(WAAPP), dans sa première phase (2008-2012), a mis en place des mécanismes pour le
renforcement des capacités et la diffusion des technologies. Ceci a permis de produire des
résultats importants en termes de productivité des filières concernées. À cet effet, le WAAPP
a permis la diffusion de 70 technologies, parmi lesquelles des variétés de mil, de sorgho et de
maïs produites par l’ISRA.

Au total, les institutions mises en place ont permis le développement des mécanismes de
gestion des risques climatiques. Pour la plupart des agriculteurs, ces variétés améliorées sont
27
Le catalogue officiel recense l’ensemble des espèces et variétés végétales. Il s’inscrit dans le cadre
de l’application de la disposition 9.3 du Règlement C/REG.4/05/2008, portant harmonisation des
règles régissant le contrôle de qualité, la certification et la commercialisation des semences végétales
et plants dans l’espace CEDEAO

61
connues même si le taux d’adoption reste faible (CRES 28, 2017). Toutefois, leurs actions
atteindront les objectifs visés que si les agriculteurs y adhèrent.

Plusieurs caractéristiques socioéconomiques expliquent l’adoption de ces variétés

améliorées (CRES, 2017). Ainsi, un bon ciblage des producteurs conduit à la mise en œuvre
des stratégies d’adaptation adéquates et spécifiées aux besoins.

I. 4_/ Adaptation au changement climatique par les exploitants agricoles

Le degré d’adoption des stratégies d’adaptation au changement climatique des
exploitants agricoles dépend de leur perception de l’évolution des phénomènes climatiques,
de leur environnement social et de leurs connaissances acquises des techniques d’adaptation.
À cet égard, le groupe permet une extension rapide des stratégies d’adaptation.

I.4.1 _/ Perception des risques climatiques

D’après Diop et al. (2005) cités dans CSE (2010), les agriculteurs sénégalais ont une
assez bonne perception de l’état actuel du climat. En effet, sur un échantillon de 1 080
ménages, les auteurs montrent que 69% ont perçu une augmentation de la température et 2%
une diminution de celle-ci. Concernant la pluie, l’étude a aussi a révélé que 84 % des ménages
ont observé un changement dans le début de la saison et 84% ont noté un changement dans la
fréquence des périodes sèches durant la saison des pluies. De même, les paysans ont confirmé
que la situation des pluies s’est détériorée sous forme de déficit, d’irrégularité et de mauvaise
distribution dans l’espace et le temps.
Les enquêtes de perception effectuées par l’ANACIM dans le cadre de la mise en œuvre
du projet « Climate Change Agriculture and Food Security » (CCAFS, 2011) ont aussi
constaté que les agriculteurs avaient une fine compréhension de la différence existant entre
une saison de précipitations abondantes mais erratiques et une saison durant laquelle moins de
pluies cumulées seraient mieux réparties, produisant ainsi un rendement agricole supérieur. Ils
étaient également en mesure de décrire dans les détails la manière dont les stratégies
culturales pouvaient varier, selon que les prévisions annonçaient une saison sèche ou humide.

Les entretiens menés avec huit communautés des départements de Kaffrine, Fatick,
Kaolack, Nioro et Louga ont mis en exergue à quel point les informations de prévision
météorologique jouissent d'une grande considération auprès des producteurs qui les
recherchent (ANACIM, 2011).

28
CRES : Consortium pour la Recherche Économique et Sociale du Sénégal

62
 Les enquêtes ESPS-II montrent que plus de 70% des personnes vivant en milieu rural
estiment que leur localité est affectée par les changements climatiques dont au moins les 10%
de manière très importante. Ainsi, la déforestation, une production agricole plus erratique,
l’aridité et l’érosion des sols sont évoquées dans plus de 60% des cas. La recherche montre
aussi qu’un peu plus de 50% évoquent les feux de brousse. Par ailleurs, les enquêtés ont
déclaré que les activités agricole et élevage sont les plus affectées par l’évolution climatique.
Dans la plupart des cas, elles dépendent essentiellement des phénomènes naturels, telle que la
pluie, de sorte que tout changement aussi minime qu’il soit y est ressenti (République du
Sénégal, 2013).

La disponibilité de l’information a contribué à la bonne perception des phénomènes du

changement climatique. Cependant, sa prise en compte sur les décisions agricoles restent
faibles (République du Sénégal, 2015c).

I.4.2 _/ Influence du groupe dans l’adaptation au changement climatique

Pour beaucoup d’auteurs, les agriculteurs adhèrent aux groupements pour bénéficier des
services d’extension et des facilités de crédit (Kebede et al., 1990 ; Gedikoglu et McCann,
2007 et Ofuoku et al., 2008). Ainsi, les groupes de producteurs, formés au niveau villageois,
constituent les principales cibles pour les services techniques de l’État ou les partenaires au
développement afin d’atteindre le maximum d’agriculteurs (Ofuoku et al., 2008). Toutefois,
l’adoption de stratégies d’adaptation dans un groupe requiert la cohésion entre les membres
(Gedikoglu et McCann, 2007). En d’autres termes, l’adaptation au changement climatique par
le producteur nécessite parfois des relations interpersonnelles attractives entre les différents
membres du groupe.

Au Sénégal, la création de groupements coopératifs était assuré par l’État de 1960

jusqu’en 1980. Ces groupements constituaient les relais dans le monde rural afin d’éliminer la
dépendance des paysans à l’égard des commerçants intermédiaires. Ainsi, les mouvements
coopératifs étaient les acteurs-clés de la distribution des intrants et organisaient collectivement
la vente de leurs cultures (Fall, 2007). Depuis 1985, les groupements de producteurs sont
formés sous l’initiative des ménages agricoles eux-mêmes pour renforcer la cohésion entre
producteurs dans un cadre de solidarité communautaire d’une part et développer des capacités
de gestion de leurs exploitations : obtention de conseils, de formation, de crédits etc., d’autre
part. Les années 2000 marquent l’expansion des organisations de producteurs formés par la
société civile (le Conseil National de Concertation et de Coopération des Ruraux : CNCR,

63
l’Innovation Environnement Développement : IIED, le Réseau des Organisations Paysannes
et Pastorales du Sénégal : RESOPP, etc.), des Organisations non Gouvernementales (ONG),
des structures techniques étatiques, des collectivités locales et des organisations
communautaires de base. En effet, la LOASP (2004) a permis de promouvoir les conventions
locales comme un outil de co-gouvernance des ressources naturelles, à travers la mise en
place d’un cadre d’échange et d’apprentissage mutuel pour réfléchir sur les mécanismes à
développer pour une meilleure articulation entre les bonnes pratiques locales et les politiques.

En 2013, le nombre de ménages agricoles affiliés à une organisation de producteurs est

estimé à 11,4% (ANSD, 2013). Les régions de Fatick, Saint-Louis et Kaolack présentent les
taux d’adhésion les plus élevés soit respectivement 20,3%, 17% et 15%. Les régions de Thiès
et de Louga, qui enregistrent le plus grand nombre de ménages agricoles du Sénégal
(respectivement 12,8% et 7,6% des ménages agricoles du Sénégal), ont des taux d’affiliation
faibles soit 6,9% et 5,8% respectivement (graphique 30).

Graphique 30 : Répartition des ménages agricoles affiliés à une organisation de producteurs

Sédhiou 12,40%
Kédougou 12,70%
Kaffrine 14,20%
Matam 13,60%
Kolda 14,20%
Fatick 20,30%
Louga 5,80%
Thiès 6,90%
Kaolack 15%
Tambacounda 11,60%
Saint-Louis 17%
Diourbel 7,40%
Ziguinchor 12,30%

Source : ANSD, 2014

Les enquêtes réalisées par le Bureau d’Analyses Macroéconomiques de l’Institut

Sénégalais de Recherches Agricoles (ISRA-BAME, 2010) montrent que 29,5% des chefs
d’exploitation du Bassin arachidier « élargi » sont affiliés aux organisations paysannes
(Tableau 5). Ce groupe est le plus représentatif dans la zone. En outre, les associations
religieuses et les groupements d’intérêt économique (GIE) constituent aussi des groupes qui
attirent le plus de membres soit 9,9% et 7,3%. En revanche, l’enquête révèle que le taux de

64
non-adhésion est très élevé dans la zone avec 46,5% des chefs d’exploitation. Ainsi, il
apparaît que malgré son plus fort taux d’adhésion aux organisations paysannes, la région de
Fatick enregistre un taux d’affiliation au groupe le plus faible après les régions de
Tambacounda, Thiès et Kaolack.

Tableau 5 : Affiliation des chefs d’exploitation au groupement de producteurs dans le bassin

arachidier élargi
Types organisation Régions Total

Fatick Kaffrine Kaolack Kédougou Tambacounda Thiès

Pas d’affiliation 52,7% 18,2% 53,8% 27,3% 70,0% 58,1% 46,5%

Association culturelle 1,8% 0,5% 0,6%

Association politique 4,3% 1,8% 1,9%

Association religieuse 12,9% 61,8% 38,5% 3,0% 9,9%

Autres 1,1% 1,8% 0,5% 0,4%

Coopérative 1,1% 1,8% 2,7% 1,5% 2,7%

GIE 7,7% 0,9% 3,0% 7,3%

GIE, Coopérative 0,1%

ONG 2,2% 0,9% 0,5% 0,8%

Organisation 25,8% 12,7% 72,7% 25,5% 32,5% 29,5%

paysanne

PDEF 0,5% 0,1%

Source : Enquête ISRA/BAME, 2010

Les données de cette même enquête (ISRA-BAME, 2010) montrent aussi que le rapport
entre chefs d’exploitation et les services extérieurs est faible soit 50,6% du taux de
fréquentation. Les chefs d’exploitation entretiennent plus de relations avec les services de
développement technique (37,2%), les structures de recherche (9,2%), les institutions
financières (1,5%) et dans une moindre mesure avec les structures de formation (0,3%),
(Tableau 6).

Les types de relation que les chefs d’exploitation entretiennent avec les structures
concernent principalement le crédit soit 13,4%, l’achat de semence avec 12,2% et
l’encadrement technique avec 8,6% (ISRA-BAME, 2010).

65
 À notre connaissance aucune recherche au Sénégal n’a essayé de désagréger et
d’évaluer le taux d’adoption des stratégies d’adaptation au changement climatique. De même,
la plupart des recherches effectuées sur le changement climatique ne renseignent pas sur les
coûts d’adoption des stratégies d’adaptation. Toutefois, la littérature permet d’identifier les
réponses techniques utilisées par les producteurs pour limiter les impacts négatifs du climat
(Diarra, 2014 ; Dugue, 2012 et Ndewé, 2006).

Tableau 6 : Relations chefs d’exploitation et types de structure

Type de Structure

Régions Institution
Pas de Développement de
relation Autres technique Formation financement Recherche

Fatick 32,3% 4,3% 47,3% 1,1% 3,2% 11,8%

Kaffrine 80,0% 3,6% 3,6% 12,7%

Kaolack 30,8% 15,4% 23,1% 15,4% 15,4%

Kédougou 9,1% 90,9%

Tambacounda 15,4% 72,5% 12,1%

Thiès 100,0%

Total 49,4% 2,4% 37,2% 0,3% 1,5% 9,2%

Source : Enquête ISRA/BAME, 2010

I.4.3 _/ Réponses des agriculteurs face au changement climatique

Les réponses techniques face aux changements climatiques varient selon les
agriculteurs, le type d’aléa et le niveau d’information (Diarra, 2014). Les stratégies
développées permettent de limiter les effets liés au retard de la date de semis, le
raccourcissement de la saison des pluies, la baisse des rendements, les espaces inondables et
la vulnérabilité du revenu agricole (Dugue, 2012). Les stratégies d’adaptation concernent
aussi les savoirs locaux (Ndewé, 2006).

- Action sur le retard de la date de semis

La première adaptation spontanée consiste à caler le calendrier cultural sur les

conditions climatiques de l’année (Dugue, 2012). En effet, mis à part la culture de mil, les
dates de semis sont en général déterminées par le début des pluies. Ainsi, lorsque celui-ci est

66
retardé, trois techniques sont généralement utilisées pour tenter de rattraper le retard (Dugue,
2012) : le surtravail qui nécessite une mobilisation de main-d’œuvre supplémentaire,
l’utilisation de variétés plus précoces disponibles le plus souvent dans les zones
traditionnelles plus sèches (variétés de sorgho et d’arachide) et la pratique de semis à sec afin
de gagner du temps au démarrage de la culture. Ces stratégies de résilience sont définies en
tenant compte des paramètres personnels, sociaux et environnementaux (Diarra, 2014). En
effet, l’utilisation de main-d’œuvre supplémentaire est possible lorsque le producteur dispose
d’un réseau social efficace et/ou de ressources suffisantes. En outre, les variétés précoces sont
fréquemment moins productives et/ou assez exigeantes en termes de fertilité du sol (Dugue,
2012). Cependant, arrivant à maturité avant les variétés traditionnelles, elles sont également
très vulnérables aux attaques aviaires. Par ailleurs, l’adoption de semis à sec expose les
producteurs au risque de perdre la semence en cas de première pluie isolée, et cette pratique
est en général le fait d’individus plus audacieux que la moyenne, disposant de solutions de
secours (stocks de semence, autoassurance).

- Techniques sur le raccourcissement de la saison des pluies

Dans certaines zones agroécologiques, les agriculteurs parvenaient à réaliser trois

récoltes par an sur une partie de leurs surfaces irriguées, mais du fait du raccourcissement de
la saison des pluies et du retard d’implantation de la première culture, ils ne parviennent le
plus souvent qu’à en faire deux. Dans certaines zones, les récoltes sont passées de deux à une
seule par an (DAPS, 2009).

Dans le Sénégal oriental, les Peulhs exploitaient quelques parcelles de cultures vivrières
pour satisfaire les besoins de leur famille. Ils disposaient de variétés précoces qui leur
permettaient de produire successivement le mil et de «niébé» sur la même parcelle. Le
raccourcissement de la saison des pluies ne permet plus désormais cette pratique (Dugue,
2012).

- Actions sur la baisse des rendements

Les producteurs adoptent des stratégies d’extension des terres cultivées pour compenser
la baisse des rendements (Dugue, 2012). Cette solution exige qu’il existe encore de terres
disponibles. La stratégie d’extension est aussi contrainte par la pratique de la jachère sur les
terres les moins fertiles (UNESCO, 2004). Une autre mesure pour limiter la baisse des
rendements est le choix porté sur les spéculations qui se manifeste par l’abandon ou à
l’introduction de nouvelles espèces (Ouedraogo, 2010). Ainsi, les espèces les plus sensibles
67
au stress hydrique sont remplacées par d’autres plus rustiques (Dugue, 2012). De même,
certaines cultures à croissance lente et continue telles que les tubercules (manioc, igname)
sont préférées aux cultures à stade critique (sensible au déficit pluviométrique) telles que le
maïs, afin de limiter le risque de récolte nulle (Dugue, 2012).

Pour l’élevage, les petits ruminants se sont substitués aux gros ruminants car les caprins
sont moins exigeants que les ovins quant à la qualité des fourrages, valorisent mieux les
pâturages aériens et supportent mieux la chaleur (DAPS, 2009). En revanche, les caprins sont
plus résistants que les ovins, les chèvres sont plus destructeurs et moins efficaces en matière
de fertilisation organique, car ils se déplacent beaucoup plus (DAPS, 2009).

- Actions sur les espaces inondés

Le changement climatique conduit à un changement d’espaces de culture. Le

déplacement vers les zones de culture, où les ressources sont moins affectées par les effets du
changement climatique, peut être expliqué par plusieurs facteurs. Globalement, il est observé
un glissement général des aires de culture ou d’élevage (CSE, 2010). À cet effet, les zones
basses sont souvent plus exploitées dans les régions sèches. Il est aussi noté un déplacement
vers les zones les moins menacées par les inondations. Dans certaines situations, ce
glissement d’aire de culture exige un changement de spéculations pratiquées (CSE, 2010).

- Actions sur la vulnérabilité du revenu

Les exploitants agricoles sont davantage amenés à effectuer des calculs rationnels sur le
choix des facteurs de production afin de réduire les risques qu’ils attribuent aux parcelles. À
cet égard, les actions menées peuvent prendre deux formes: soit le producteur concentre
l’essentiel des facteurs de production sur les zones a priori plus favorables à la production,
soit ses moyens sont au contraire répartis proportionnellement entre les parcelles
(Dugue, 2012 ; Diarra, 2014). Quel que soit le type de décision prise, une bonne anticipation
des événements climatiques est nécessaire pour limiter la probabilité de perte.

Une autre mesure qui a un impact sur le revenu est la diminution des besoins en période
difficile pour faire face à la vulnérabilité des exploitants au changement climatique. En effet,
les dépenses funéraires et cérémoniales sont drastiquement réduites en période de forte
sécheresse même si cette stratégie n’est pas toujours acceptable (Dugue, 2012).

En dehors de l’activité d’exploitation agricole, les paysans sont occupés à d’autres

activités économiques pour assurer la survie de leur famille. L’élevage, la transformation des
68
produits locaux et l’artisanat constituent des activités secondaires génératrices de revenus
pour les petits producteurs (ISRA, 2010).

Par ailleurs, la migration des jeunes permet de diminuer le nombre de personnes à

nourrir. C’est dans cette optique, que les jeunes « Sérères » partent nombreux se faire
employer à Dakar pendant la saison sèche (Dugue, 2012). Toutefois, les revenus issus des
activités complémentaires et réinvestis dans les l’activité agricole dépendent du profil du
migrant et des réseaux utilisés pour accéder à des emplois urbains et ruraux (Dugue, 2012).

- Réhabilitation des savoir-faire traditionnels

Il existe au sein des sociétés, des mécanismes de gestion traditionnelle permettant de

répondre aux nouvelles conditions climatiques. C’est ainsi qu’au Sahel, le zaï29 s’est
spontanément redéveloppé dans les années 80, pour récupérer les terres dégradées
(Dugue, 2012). Cependant, certains paysans ont étendu la pratique traditionnelle des
« boulis » (micro-retenues permettant de stocker les eaux de ruissellement). Ces techniques
ont d’ailleurs souvent été reprises par les opérateurs de développement qui les ont améliorées
et/ou diffusées largement dans les zones d’origine et dans d’autres régions (Dugue, 2012).

Ces solutions techniques, même si elles sont efficaces, sont souvent limitées par
l’espace réduit sur lequel elles ont été mises en œuvre. Leur adoption dans le bassin arachidier
au Sénégal reste fable malgré la présence des contraintes climatiques dans les activités
agricoles (Diao, 1999 ; Ndjewé, 2006).

Conclusion

L’agriculture sénégalaise joue un rôle important à la croissance et au développement

économique du pays. Cependant, les performances enregistrées sont contrebalancées par la
dégradation des ressources naturelles due aux évolutions de la population, des activités
économiques et du climat.

L’instabilité climatique opérée depuis les années 90 a engendré des chocs de production
liés à des risques mal maitrisés (République du Sénégal, 2015c). Cette situation a engendré
une baisse de la production céréalière et des légumineuses.

29
Zaï : Technique de conservation d’eau de la pluie là où elle le plus utile, c'est-à-dire au voisinage des racines
de plante cultivée.

69
 Le bassin arachidier, qui concentre 57% des terres cultivables (ISRA, 2010) et fournit
35% de la production céréalière (ANSD, 2015e), constitue la zone agroécologique la plus
affectée par les effets du changement climatique. Les rendements céréaliers sont inférieurs à 1
tonne par hectare (ANSD, 2015e).

Les politiques agricoles élaborées de 1960 jusqu’à 1990 se sont effectuées sans une
réelle prise en compte des contraintes climatiques. Toutefois, depuis 1992, des conventions et
de nombreuses structures sont créées pour la gestion des risques et catastrophes liés au climat.
Au niveau local, des groupes se sont formés pour renforcer les relations entre les services
extérieurs et les producteurs agricoles. Néanmoins, le taux d’adhésion et les informations
climatiques utilisées au sein de ces groupes restent encore faibles.

Parmi les dispositifs techniques mis en œuvre pour la gestion des risques climatiques,
l’utilisation d’informations climatiques et l’assurance agricole permettent de réduire les
incertitudes liées à la production et au revenu des exploitants agricoles. À cet égard, une
bonne connaissance des notions du risque et des anticipations permet de comprendre les
décisions prises par les producteurs dans un contexte de changement climatique.

70
 CHAPITRE II : COMPORTEMENT DE L’EXPLOITANT AGRICOLE
DANS UN ENVIRONNEMENT RISQUÉ : Revue de la littérature

Introduction

L’incertitude et le risque dans les choix d’adoption ont été abordés par plusieurs auteurs
dans la littérature économique. Plusieurs outils d’évaluation du risque ont été développés pour
comprendre la prise de décision des agents économiques face aux aléas probables. De même,
la théorie de la convention met l’accent sur le comportement individuel lorsque l’individu est
régi par des règles déterminant l’allocation ou la production d’une ou de plusieurs ressources.

Dans cette partie, il sera question de voir comment les concepts de risque, d’anticipation
et de prise de décision dans l’incertitude ont été abordés dans la littérature économique et
leurs implications dans l’environnement agricole. Pour cela, une revue conceptuelle fera
l’objet du premier point (1); ensuite, les développements théoriques autour de ces concepts
clefs seront abordés (2); le troisième point s’intéressera aux travaux empiriques réalisés sur
l’adoption des stratégies d’adaptation au changement climatique avec un accent particulier sur
le rôle des réseaux sociaux (3); enfin, une modélisation théorique du comportement du
producteur face à l’incertitude sera élaborée pour compléter cette partie (4).

II. 1_/ Incertitude, risque, anticipation, diffusion d’innovation et adaptation au

changement climatique : revue conceptuelle
Pour mieux cerner la relation entre risque climatique et adaptation au changement
climatique des agriculteurs, un cadre conceptuel est nécessaire pour comprendre le sens des
expressions utilisées dans ce travail. Ainsi, les notions d’incertitude, de risque, d’anticipation,
de diffusion d’innovations et d’adaptation au changement climatique doivent être bien
spécifiées pour cerner leurs significations dans le contexte de cette recherche.

II.1.1 _/ Incertitude et risque

Dans le sens commun, l’incertitude traduit un degré d’ignorance/connaissance qui

entoure les résultats des décisions. Le degré de certitude est plus ou moins élevé selon qu’il
est possible ou pas de définir à l’avance, sous la forme d’une distribution de probabilités, les
alternatives futures d’une action. Ainsi, la différence entre une situation de risque et celle
d’incertitude s’observe lorsque la distribution de probabilité des événements futurs est
connue, dans le premier cas, ou inconnue, dans le second.

71
II.1.1.1 _/ Incertitude

Déjà, en 1921 dans son ouvrage “Risk, Uncertainty, and Profit” Knight considérait que
les individus ont des connaissances et une rationalité limitées, et ont, par conséquent, la
difficulté à prédire le futur lorsqu’ils sont confrontés à la complexité, à la nouveauté et aux
aléas. Deux raisons principales permettent d’insister davantage sur cette notion. La première
est d’ordre microéconomique et s’interroge sur la possibilité de trouver des explications au
comportement des individus confrontés à l’incertitude (Rivaud-Danset, 2004) ; la seconde
essaie d’imaginer le type de modélisation de l’action correspondant à chaque degré
d’incertitude. Pour comprendre ces raisons, Knight (1921) distingue l’incertitude partielle de
l’incertitude totale :

- « L’incertitude partielle » concerne le cas où la distribution de probabilités est

inconnue, ce qui signifie que les « états de la nature30 » sont connus, mais non leurs
probabilités d’occurrence. Dans cette situation, le futur est déterminé à travers une prévision
statistique (fréquentiste) mesurant l’occurrence des phénomènes aléatoires. Ce raisonnement
se base sur la règle implicite que les proportions découvertes dans le passé s’appliquent au
futur. La gestion de ce type d’incertitude nécessite des techniques d’estimation jusqu’à ce que
la distribution de probabilités soit connue et propice à l’analyse. Là encore, avec le
changement climatique, la forte variabilité interannuelle du climat rend les statistiques
fondées sur des occurrences du passé inopérantes. C’est le cas lorsqu’un individu doit gagner
1000 francs en tirant une boule rouge dans une urne qui contient un nombre inconnu de
boules. Dans ce jeu, il n’existe aucune distribution de probabilités.

- « L’incertitude totale » ou knightienne correspond aux situations où les états de la

nature et les probabilités ne sont pas connus. C’est le cas des événements futurs sur lesquels
des jugements guident l’action (Knight, 1921). Dans ce cas, la gestion de l’incertitude
s’exprime sur la base d’intuitions, de croyances (probabilités épistémiques) et non des
probabilités scientifiques. Exemple, on demande à un individu de tirer une boule rouge dans
une urne contenant ou pas des boules, et même l’existence de l’urne est questionnable. Knight
constate que l’action ne peut pas s’expliquer par des modèles rationnels en fonction
d’objectifs de calculs. Pour prendre une décision, l’agent se base sur son degré de croyance
dans des situations qu’il forme sur les résultats possibles de ses actions.

30
États de la nature ou états du monde est l’ensemble des événements alternatifs, mutuellement exclusifs entre
lesquels la « nature » doit choisir. Drèze, 1979

72
 Cependant, Gonod (2000) dans son analyse « Penser l’incertitude » intègre le degré de
certitude et d’incertitude dans les situations rencontrées par les individus. Il distingue deux
approches dans la gestion des situations futures : i) la prévision qui concerne les situations de
certitude et, ii) la prospective qui concerne les situations d’incertitude. Dans les deux cas,
l’individu essaie de réduire l’incertitude et tente de légitimer ses actions. Il considère que dans
la « certitude », les états de la nature et leur vraisemblance sont connus et le résultat est soit
connu soit aléatoire. Dans une telle situation, les prévisions sont quasi mécaniques (lorsque le
résultat est connu) ou socioéconomiques (lorsque les résultats sont aléatoires). Dans une
situation d’incertitude, le futur n’a pas de distribution de probabilités, soit les états de la
nature existent mais ne peuvent pas être assortis de probabilités, ou bien les alternatives sont
inconnues. Pour ce cas, le degré d’incertitude dépend de la connaissance ou non du résultat lié
à l’absence de connaissance ou d’informations, mais surtout de la nature du changement.

L’analyse de Gonod et Knight diffère de l’incertitude moyenne (énoncé par Gonod) qui
nécessite une prospection et non une prévision car lorsque les alternatives possibles sont
inconnues, il est impossible d’établir des probabilités. En revanche, les deux auteurs
constatent la difficulté à modéliser l’action dans des situations « d’incertitude totale ». Pour
Knight, en cas « d’incertitude totale » les individus doivent former des conjonctures sur les
résultats de leurs décisions. Gonod soulève aussi le problème de l’inconnaissable en
reconnaissant que le véritable problème de l’incertitude c’est l’ignorance totale de la zone
d’incertitude : on ne sait pas ce qu’on ignore. Pour faire face, il suggère une pratique
d’interrogation dans les zones d’incertitude.

Dans son analyse, Knight (1921) détermine la frontière entre l’incertitude et le risque
par des éléments « connus » et « inconnus ». Dans la première situation on parle de risque et
la seconde correspond à une situation d’incertitude.

II.1.1.2 _/ Risque
On dit que les gains sont risqués parce qu’ils ne se réalisent pas de manière certaine. Le
risque désigne un danger potentiel qui se différencie de la chance ; il peut être un événement
aléatoire ou sa probabilité : par exemple, le risque d’inondation ; il peut se traduire par un
objet d’assurance, par exemple un risque de décès ou un risque de chômage ; et enfin, le
risque peut être attribué à une statistique lorsqu’on parle de risque de première espèce.

73
 Le risque est défini comme un « danger » ou un inconvénient plus ou moins probable
auquel un individu ou un système est exposé (Larousse, 201231). Dans ce contexte, le
« danger » exprime une propriété intrinsèque d’une substance dangereuse ou d’une situation
physique à pouvoir provoquer des dommages (SEVESO II32, 1996). En d’autres termes, pour
qu’il ait risque, il faut une cible (une ou un groupe de personnes, un processus, un marché,
etc.) sur laquelle les dommages s’exercent. Le risque est un concept utilisé dans plusieurs
domaines. Il peut être industriel, commercial, environnemental, économique ou financier.

Dans le secteur de l’industrie, la version 2010 de la norme ISO 31 000 33 définit le risque
comme l’effet de l’incertitude sur l’atteinte des objectifs. Dans cette optique, l’incertitude est
considérée comme un état, même partiel, de défaut d’information concernant la
compréhension ou la connaissance d’un événement ou de ses conséquences. Pour les
objectifs, ils peuvent être de différentes natures (sécurité alimentaire, sanitaire,
environnementale, financière, etc.) et concerner différents niveaux comme le niveau
stratégique.

Face à cette définition, Farmer (1967) met en œuvre une conception du risque basée sur
un couple « probabilité-gravité ». La gravité dépend de la nature même du risque qui peut
aller de « mineure » jusqu’à « importante », mais aussi de la fréquence du risque qui s’étale
sur une échelle de probabilité dans la matrice du risque (graphique 31). Dans ce schéma, il
existe cependant un niveau de tolérance du risque en deçà duquel l’individu juge le degré du
risque « acceptable ». Cette acceptabilité dépend de la gravité et de la probabilité d’apparition
du phénomène. Par exemple, les accidents de transports aériens sont moins acceptés que les
accidents routiers car ils ont des conséquences plus graves, bien qu’étant moins fréquents.

Dans le secteur agricole, une bonne évaluation des coûts d’adaptation au changement
climatique doit ainsi prendre en compte la perception du producteur sur la fréquence
d’apparition du risque et sa gravité.

31
Collection : Le petit Larousse Illustre. (2012). 1910 p.
32
Circulaire relative à la prévention des accidents majeurs impliquant des substances ou des préparations
dangereuses présentes dans certaines installations classées pour la protection de l’environnement soumises à
l’autorisation, France.
33
ISO 31000 désigne une famille de normes de gestion des risques codifiés par l'Organisation internationale de
normalisation dans le but de fournir des principes et des lignes directrices du management des risques ainsi que
les processus de mise en œuvre au niveau stratégique et opérationnel.

74
Graphique 31 : Courbe iso-critique et matrice de risque
Gravité (G)
Gravité
Très
Fréquence Mineure Peu fréquente Importante importante
Très peu
probable
Peu
probable Acceptable
Inacceptable Probable Inacceptable
Très
Acceptable probable

Probabilité (P)

Source : Geoffrey F. Firdy (2013)

En microéconomie, Knight (1921) décrit le risque comme une partie du degré

d’incertitude (Tableau 7). Par conséquent, le risque se traduit sous la forme d’une fréquence
mathématique (Knight, 1921). Ainsi, dans une situation de risque, les méthodes d’analyse
classiques peuvent être utilisées car la distribution de probabilité est connue, c'est-à-dire les
alternatives de la décision et leurs probabilités d’occurrence. Seuls les résultats sont inconnus.
Par exemple, on demande à un individu de participer à un jeu auquel le tirage d’une boule
rouge fait gagner 1000 francs dans une urne contenant 5 boules vertes et 5 boules rouges.

Tableau 7 : Type d’incertitude et mode gestion

"risque" "incertitude" "incertitude totale"

Connue Inconnue Inconnaissable

États du monde États du monde connus États du monde

connus inconnus
Distribution du futur
Probabilités connues Probabilités inconnues Probabilités
inconnues

Résultats aléatoires Résultats inconnus Résultats inconnus

Expression de Probabilités Probabilités Probabilités

l'incertitude mathématiques fréquentistes épistémiques

Logique de gestion l'analyse 'estimation l'intuition

Source : Knight, 1921

75
 Le concept de probabilité est le plus approprié pour faire la différence entre le risque et
l’incertitude. Dans une situation de risque la vraisemblance est définie par une probabilité
objective alors que dans l’incertitude on parle de probabilité subjective (Savage, 1954). Dans
ce dernier cas, l’analyse des décisions se fonde, d’une part, sur les jugements, les
appréciations et les mêmes intentions des décideurs et, d’autre part, sur la possibilité d’obtenir
une probabilité d’événement qui ne se répète pas. D’après Finetti et Morini (2007), la
probabilité dans la conception subjective est un affinement de la notion de vraisemblance
innée de chaque individu.

L’analyse du risque est prise en compte dans cette recherche pour déterminer la prise de
décision des producteurs face aux différentes situations économiques et climatiques
probables. Cependant, l’action de l’agent économique dépend de la connaissance des états de
la nature et sa capacité à les interpréter. Une autre méthode d’étudier le risque est de savoir
comment le succès ou l’échec des expériences passées influence les anticipations.

II.1.2 _/ Anticipations

La théorie des anticipations est utilisée lorsque le phénomène étudié est aléatoire ou
cyclique. Elle permet de voir si les observations du passé sont reproductibles dans l’avenir.
Selon Myrdal (1931), les anticipations sont des représentations individuelles, plus ou moins
informées, d’événements futurs généralement aléatoires. Relevant, à titre principal, du
domaine de la compétence de la psychologie, elles ont été progressivement prises en compte
par les autres sciences sociales, en particulier les sciences économiques.

L’anticipation établit un lien entre le passé, le présent et l’avenir (Keynes, 1921). Les
agents économiques se fondent sur l’évolution passée et courante pour former leurs
représentations de l’avenir : l’anticipation est l’articulation de la mémoire et du projet, dans
des proportions variables d’un individu à l’autre. Selon Lucas (1972), les mauvaises
anticipations provoquent de mauvaises adaptations. Keynes (1921) considère que les
anticipations constituent un élément important de l’analyse conjoncturelle, car elles sont le
moyen par lequel se crée un « chaînage » entre les périodes. En mettant l’accent sur la
dimension temporelle et de l’incertitude radicale qui caractérise l’économie, il affirme que les
décisions d’aujourd’hui dépendent de la situation de demain et des constats tirés du passé.

Toutefois, les anticipations formulées par les agents sont souvent aléatoires et dépendent
plus ou moins de « pulsions vitales ». À ce titre, les anticipations sont exogènes car les agents
ne sont pas en mesure de les expliquer (Keynes, 1921). À cet effet, la notion d’anticipation est
76
liée à celle d’incertitude, car dans un monde d’information « parfaite et gratuite », la question
des anticipations est absente.

Aussi, compte tenu de l’imperfection de l’information et des erreurs d’anticipation

effectuées dans les prévisions ou les estimations de l’environnement, la science économique
distingue deux groupes d’anticipations: endogènes et rationnelles.

II.1.2.1 _/ Anticipations endogènes

Les anticipations endogènes ou autorégressives trouvent leur source dans le
comportement des agents décideurs. C’est un comportement qui est censé être la démarche
empruntée par l’agent pour élaborer ses anticipations. La particularité de ces anticipations
autorégressives réside du fait que la valeur d’une variable pour la période suivante dépend de
l’histoire de cette variable, c'est-à-dire de l’évolution de cette valeur dans le passé. Ainsi, le
présent est expliqué à partir du passé récent. La prise en compte de l’histoire de la valeur de
cette variable fait intervenir les erreurs produites dans les anticipations passées.

La littérature distingue deux types d’anticipations autorégressives : les anticipations

extrapolatives et les anticipations adaptatives. En effet, pour l’hypothèse des anticipations
extrapolatives, elle a été mise en œuvre par Metzler (1941) en essayant de comprendre les
cycles de stocks à partir de l’idée que les agents ont de l’évolution des prix futurs. Ce postulat
considère que les prix anticipés à la période suivante dépendent de deux éléments : i) la valeur
des prix enregistrés à la période précédente ; ii) la tendance de l’évolution des prix qui
s’évalue par la progression des prix d’une période à l’autre. Cela implique la nécessité de
considérer deux séquences verbales : le passé immédiat et le passé médiat. Ces deux types de
passé influent sur le présent grâce à leur influence sur l’avenir. Autrement dit, le
comportement des variables actuelles est expliqué par les anticipations des agents
économiques sur la valeur future de ces variables ; pour leurs prévisions les agents
considèrent le comportement passé. La conception la plus simple des anticipations
extrapolatives est de considérer que demain se reproduira identiquement par rapport à
aujourd’hui. Cette formulation de ce type d’anticipation prend la forme d’une équation de
récurrence qui permet de trier des évolutions dynamiques d’une variable en temps discret. Ce
schéma a l’inconvénient de décrire les comportements assez myopes34 :

𝑃�𝑒 = 𝑃𝑡−1 + 𝛼(𝑃𝑡−1 − 𝑃𝑡−2) [1.1]

�

34
Pour une défense de la myopie en économie, voir Hirschman (1967)

77
 Ainsi, les agents ne s’intéressent pas à leurs erreurs passées pour améliorer leur présent
et leur futur. Il n’y a pas un processus d’adaptation. Pour intégrer les défauts de prévisions
constatées dans les anticipations antérieures, un autre modèle d’anticipations autorégressives a
été établi. Le concept d’anticipations adaptatives a été élaboré par Cagan en 1956 pour
analyser le processus d’hyperinflation. Selon cet auteur, les anticipations adaptatives
dépendent de deux éléments : i) les anticipations formulées dans le passé ; ii) les erreurs
commises sur ces mêmes anticipations. Pour lui, ces deux facteurs sont les causes qui peuvent
expliquer le développement de l’hyperinflation et la tendance de l’autoréalisation des
anticipations. Dans ce schéma, l’expression mathématique des anticipations adaptatives se
transforme en :

𝑃𝑒 = 𝑃𝑒 + 𝛽(𝑃𝑡−1 − 𝑃𝑒 ) [1.2]
𝑡 𝑡−1 𝑡−1

Avec 0 < 𝛽 < 1 ; et avec 𝛽: le coefficient d’adaptation. Si 𝛽 est nul, les agents sont
myopes. Ils reconduisent pour chaque période la même anticipation. En revanche, si 𝛽 =1, on
retrouve la plus simple des anticipations adaptatives. Pour Varondakis (1999), l’hypothèse
d’anticipations adaptatives nécessite un processus d’apprentissage progressif de la part des
agents, en d’autres termes, une prise en compte obligatoire du passé et du présent.

Alors, trois inconvénients limitent l’hypothèse d’anticipations adaptatives.

Premièrement, les anticipations adaptatives sont rétrospectives. Pour prévoir l’avenir, les
agents sont paradoxalement tournés vers le passé. Cela implique que, même si des
événements futurs sont attendus avec « certitude », les agents n’en tiendraient pas compte
dans leurs prévisions. Ensuite, l’hypothèse d’anticipations adaptatives conduit à une
utilisation inefficace de l’information disponible. Dans la formulation des anticipations
adaptatives, les agents économiques ne se focalisent qu’uniquement sur les valeurs passées de
la variable concernée sans toutefois se préoccuper des autres facteurs qui peuvent influencer
la variable cible. De même, former ou élaborer des anticipations adaptatives, induit des
erreurs de prévision systématiques. Ce sont des erreurs qui se reproduisent même dans les
situations où elles ont été identifiées.

La rationalité des comportements individuels semble difficilement conciliable avec une

formation d’anticipation adaptative pour maximiser le bien-être. Ces trois contraintes sont
surmontées par l’hypothèse des anticipations rationnelles introduite au début des années 1970
par les modèles macroéconomiques de Lucas (1972).

78
II.1.2.2 _/ Anticipations rationnelles

Les anticipations rationnelles s’observent lorsque l’agent décideur utilise toute

l’information disponible pour déterminer la valeur future d’une variable. Elles se sont
progressivement imposées en macroéconomie, aussi bien chez les monétaristes que chez une
bonne partie des keynésiens.

Dans ces modèles, les anticipations se font comme si les événements futurs sont
parfaitement connus par les agents. Pour Varoudakis (1999), l’avantage essentiel des
anticipations rationnelles réside dans la correction des défauts d’anticipations adaptatives.
Cependant, les anticipations rationnelles ne sont pas soumises à la critique d’un quelconque
gaspillage d’information. Comme l’exploitation de l’information disponible est, par ailleurs,
optimale, les anticipations rationnelles ne peuvent pas générer d’erreurs de prévision
systématiques. En d’autres termes, en l’absence de surprises, l’hypothèse des anticipations
rationnelles est équivalente à l’hypothèse de prévision parfaite de la part des agents. En effet,
les agents connaissent la vraie valeur future et sont parfaitement informés sur la nature et les
dates des chocs.

Les anticipations rationnelles sont des anticipations prospectives, qui sont formées en
tenant compte de tous les événements susceptibles de se produire dans le futur. Selon Devoluy
(1998), l’hypothèse d’anticipations rationnelles conduit à la propriété suivante : lorsqu’on
anticipe la valeur d’une grandeur, l’écart entre la grandeur anticipée et la grandeur qui se
réalisera est représenté par une variable aléatoire dont l’espérance mathématique est égale à
zéro. Pour Guerrien (2002), la relation entre anticipations rationnelles et autoréalisation des
croyances provient de ce que tout choix rationnel admet une représentation préalable du
système par celui qui choisit, représentation qui prend la forme d’un modèle.

Dans la sphère agricole, Chavas (1999) considère que les anticipations effectuées par les
agriculteurs sont naïves car ils considèrent que le prix de l’année suivante sera identique au
prix de l’année en cours. Cette théorie est toutefois souvent critiquée, et de nombreux auteurs
s’accordent plutôt sur une hypothèse d’anticipations rationnelles, c’est-à-dire basées sur une
connaissance du marché identique à celle du modélisateur (Muth, 1961 ; Wright, 2001 ;
Williams et Wright, 1991 ; Pratt et Blake, 2007). Pour Nerlove et Bessler (2001), l’hypothèse
d’anticipations rationnelles est le plus souvent posée car il n’y a pas d’autre hypothèse
théoriquement acceptable quand on utilise un modèle de comportement agrégé. Pourtant,
certains auteurs soutiennent que bien que l’hypothèse d’anticipations naïves ne soit pas

79
correcte, celles-ci ne sont pas non plus rationnelles, en raison des coûts d’acquisition et de
traitement de l’information (Just et Rausser, 2002).

Une autre forme d’anticipation semble, en fait, plus en adéquation avec le

comportement des agriculteurs et l’information dont ils disposent, il s’agit des anticipations
quasi rationnelles (Nerlove et Fornari, 1998), c’est-à-dire basées partiellement sur
l’information passée. Chavas (1999) conclut dans son étude que les anticipations quasi
rationnelles sont majoritaires dans la population, et cela vient de la capacité de chaque agent à
collecter et traiter l’information et des coûts qui en découlent. Selon Stigler (1971) les agents
considèrent que le coût supplémentaire des anticipations rationnelles est plus important que la
perte liée aux erreurs induites par l’approximation quasi rationnelle.

Dans cette recherche, le concept d’anticipation est pris en compte sous l’angle de
l’utilisation d’information climatique diffusée par diverses sources (traditionnelles et
modernes) et le degré de confiance accordée à cette information. Ainsi, la marge d’erreur
accordée à la source d’information permet de caractériser les agriculteurs effectuant des
anticipations « adaptatives » ou « rationnelles ».

Même si certains organismes sont chargés d’évaluer l’évolution future de

l’environnement agricole, d’autres s’exercent sur la diffusion des informations relatives à une
bonne pratique agricole.

II.1.3 _/ Diffusion d’innovation et adaptation climatique

Le rôle de la diffusion dans l’adoption d’innovation a été investi pour la plupart par les
sociologues (Rogers, 1962). Les travaux sociologiques ont mis en évidence l’importance de la
zone géographique dans le processus de diffusion.

II.1.3.1 _/ Diffusion d’innovation

La problématique de l’adoption se distingue de celle de la diffusion. En effet, la

diffusion représente une dynamique majeure s’exerçant dans un espace géographique, elle
participe à la création, au maintien et à la transformation des structures spatiales. La diffusion
renvoie à la propagation d’un phénomène, telle une nouvelle technique dans le temps et dans
l’espace.

80
 Selon Cliff et al. (1981), la diffusion se distingue sous deux formes : i) la diffusion par
extension qui correspond à un mouvement par lequel un phénomène apparaît en lieu et se
répand progressivement dans une plus large étendue, sans que diminue son intensité à la
source. Il s’agit d’une aventure progressive de l’espace, jusqu’à ce que l’ensemble des lieux
susceptibles d’être atteint le soit effectivement ; ii) la deuxième forme concerne la diffusion
par transfert. La principale caractéristique de cette catégorie est que le transfert se réalise une
fois que les ressources nécessaires, pour la survie en lieu, sont épuisées.

Quel que soit le type de diffusion, l’existence de contact, entre ceux qui ont déjà adopté
l’innovation et les adoptants potentiels, est nécessaire pour la diffusion. Les relations issues de
l’ensemble des contacts constituent la structure essentielle des phénomènes qui se propagent
dans un milieu.

Toutefois, le processus de diffusion nécessite des canaux de transmission. En effet, la

diffusion exige des interactions entre émetteurs, récepteurs et un système qui assure le
déplacement du phénomène. Ainsi, deux systèmes de diffusion se dégagent.

Le premier type de diffusion se fait par contagion. Il suggère des contacts directs entre
agents et met en avant l’importance des effets de voisinage. Ces effets diminuent au fur et à
mesure que l’on s’éloigne de la source, ils se réduisent aussi avec la distance entre l’émetteur
et le récepteur. De même, la proximité économique, culturelle, temporelle sont des éléments
tout aussi important de ce processus de décision.

Le second canal renvoie à la diffusion suivant la hiérarchie. Dans ce système,

l’information circule soit verticalement assurant la dissémination de l’information entre
niveaux différents sur l’ensemble de l’espace, soit horizontalement entre niveaux équivalents.
Dans les deux cas, l’existence de seuils pour qu’une innovation puisse apparaître et se
diffuser, le potentiel d’interaction, le nombre d’individus innovants sont autant de facteurs qui
peuvent expliquer une diffusion précoce.

Concernant les réseaux de communication, Hägerstand (1952) montre que certains

individus n’opèrent qu’à une échelle locale, et d’autres, à une échelle locale et régionale.
Plusieurs auteurs, comme Brown (1981), Coleman et al. (1966) et Weber (1972), ont montré
que les caractéristiques économiques des espaces, l’importance d’un organisme de contrôle de
la diffusion et le rôle des médias (radios, télévisions, internet…) sont autant d’éléments qui
expliquent l’apparition d’innovation et l’orientation de la trajectoire dans le processus de
diffusion.
81
 Si certains déterminants favorisent la circulation de l’innovation, d’autres constituent un
frein à sa propagation. Ainsi, un obstacle est un phénomène relatif dont les effets éventuels
doivent être analysés au regard des caractéristiques de l’innovation concernée. En effet, une
pratique peut être considérée comme un obstacle à la diffusion d’innovation par un individu,
alors qu’il ne l’est pas, ou seulement dans une moindre mesure, par un autre.

Yuill (1964) distingue des barrières externes et des barrières internes à la diffusion
d’innovation. Dans le premier cas, l’origine des obstacles est indépendante de l’individu. Il
s’agit, pour la plupart, des caractéristiques de son milieu physique. Au-delà, de ces aspects
physiques, les barrières externes peuvent s’exprimer à travers la distribution des hommes et
des cultures dans l’espace géographique. Dans le dernier cas, les barrières surviennent lorsque
l’innovation contient en elle-même des limites qui peuvent être identifiées dans son espace de
diffusion.

Dans le domaine agricole, Ansaloni et Fouilleux (2006) considèrent que la diffusion de

technologie ne suit pas un processus linéaire. À cet égard, les agriculteurs ne sont pas que de
simples récepteurs lorsqu’une technologie est lancée à partir d’un centre producteur pour une
adoption à l’échelle. L’adoption de techniques et de pratiques nouvelles, introduites par les
agriculteurs dans leur système productif, correspond à une forme de processus de négociation.
Cela se traduit par un jeu d’influences réciproques entre agriculteurs, et entre agriculteurs et
d’autres acteurs concernés.

Le succès d’une innovation dépend de ses qualités intrinsèques mais également de sa

capacité à susciter l’adhésion de nombreux alliés (Callon, 1986). Le changement de
techniques (l’innovation) se définit comme la construction des liens inédits entre les acteurs
disjoints ; ces liens sont le résultat d’une série d’opérations d’intéressement et de
désintéressement sans lesquelles l’innovation serait nulle (Akrich et al., 1988).

Toutefois, la diffusion de l’information constitue un processus dynamique qui varie

avec le temps en fonction des évolutions de l’innovation et de son taux de propagation. En
effet, les individus manifestent un temps de réaction face à une innovation. Ce temps de
latence détermine la rapidité et le succès de la diffusion (Rogers, 1962).

Dans cette recherche, il sera aussi question de voir comment les groupes sociaux
s’approprient des stratégies d’adaptation aux changements climatiques et la manière de les
diffuser à leurs membres.

82
II.1.3.2 _/ Adaptation climatique

L’incertitude et les risques climatiques qui affectent l’activité agricole amènent les
agriculteurs à mettre en place des stratégies d’adaptation pour limiter les conséquences
négatives sur leur bien-être.

L’adaptation est définie comme « l’ensemble des évolutions d’organisation, de

localisation et de techniques que les sociétés devront opérer pour limiter les impacts négatifs
du changement climatique et en maximiser les effets bénéfiques » (De Perthuis, 2009). Par
exemple, éloigner les populations et le capital productif de zones rendues inondables par le
changement climatique, adopter les variétés de plantes plus résistantes et mieux adaptées au
climat futur, ajuster les réseaux énergétiques aux variations attendues de la consommation
d’énergie. Selon le rapport du CEDD35 (2010), l’adaptation revêt deux caractères :

Elle peut être réactive lorsqu’elle consiste à réagir ex post aux impacts adverses du
changement climatique ;

Elle peut être anticipative quand elle est effectuée avant que les impacts ne se
produisent pour réduire la vulnérabilité à ces impacts et en limiter les conséquences adverses
ou en tirer des bénéfices nouveaux.

Même si la définition de ces deux concepts est claire, il est cependant, difficile de tracer
une frontière précise entre l’adaptation réactive et l’adaptation anticipative. Elles différent
plus ou moins de leurs motivations. Ainsi, l’adaptation réactive utilise des ressources pour
faire face à des événements au moment où ceux-ci se produisent. En pratique, des décisions
sont souvent plus faciles à prendre après une crise. Mais les coûts des actions préventives
peuvent souvent s’avérer largement plus faibles que les coûts des actions réactives, même si
ceux-ci sont actualisés. Par exemple, un système d’alerte précoce pourrait mieux limiter les
dégâts qu’une intervention ex-post en cas de tsunami (Athukorala et Resossudarmo, 2005).

Cependant, l’adaptation recouvre des formes d’actions très variées qui s’appliquent à de
nombreux secteurs. Ces problématiques différent suivant les zones et les échelles
géographiques et leur mise en œuvre implique de combiner des instruments divers.

D’après Brunette et al. (2014), la mise en place des stratégies d’adaptation permet de
prendre en compte quatre enjeux majeurs de l’environnement. Premièrement, la prise en
compte de trois types d’incertitude qui s’additionnent. Il s’agit de l’évolution future du climat,

35
Centre d’Études du Développement Durable, France : CEDD
83
des impacts attendus du changement climatique, et de l’évolution des capacités d’adaptation
en tenant compte de la flexibilité au fur et à mesure que viendra s’ajouter une information
supplémentaire. Deuxièmement, l’utilisation de stratégies d’adaptation nécessite de prendre
conscience des inerties techniques, économiques, politiques et institutionnelles. En troisième
lieu, il faut considérer que le changement climatique est un processus continu. En effet, il faut
des stratégies de transition permanente sur une très longue période. Et, enfin, l’adaptation doit
prendre en compte les conditions financières de l’agent et les activités de substitution par
rapport à son activité principale. Autrement dit, s’adapter au changement climatique requiert
souvent des bifurcations vers d’autres activités ou d’autres localisations.

Il est nécessaire de distinguer l’adaptation de l’atténuation climatique. En effet, dans le

cadre de l’atténuation climatique, par exemple, les agents économiques utilisent des
stratégies pour réduire les émissions de gaz à effet de serre. Ainsi, l’atténuation agit sur les
causes alors que l’adaptation est considérée comme une solution n’agissant que sur les
conséquences (Dugue, 2012).

Il semble alors intéressant d’étudier ces différents concepts pour comprendre la décision
des agents économiques à s’adapter au changement climatique. Ainsi, pour un agent décideur,
la décision d’adopter une stratégie d’adaptation au changement dépend de son environnement
incertain, son degré d’aversion pour le risque et sa capacité d’anticipation suivant les
informations climatiques passées, présentes ou futures qu’il a à sa disposition.

II.2_/ Prise de décision dans un contexte de changement climatique : cadre théorique

Les modalités de prise de décision dans le modèle néoclassique sont modifiées en
univers incertain. La prise en compte de l’imperfection de l’information oblige les agents
décideurs à définir des mécanismes de gestion du risque. Dans la sphère agricole, les
producteurs peuvent soit assumer les risques soit les transférer à un tiers. Ainsi, la théorie
économique permet de déterminer pour chaque stratégie choisie, le résultat attendu en termes
de bien-être.

II.2.1 _/ Préférences sur les actions dans un contexte d’information imparfaite

Le choix d’un agent en univers incertain dépend de ses préférences sur les actions
possibles, des conséquences que peuvent procurer chaque action, de la vraisemblance qu’il
accorde à chaque état de la nature et de son attitude face au risque. Dans un univers certain,
ces problèmes ne se posent plus car le décideur connaît exactement le résultat de son choix.

84
II.2.1.1 _/ Rationalité et prise de décision : les limites du modèle néoclassique

Dans un univers certain, les agents économiques sont supposés détenir toute
l’information nécessaire et sont capables de l’analyser. Ainsi, à titre d’exemple, il est postulé
que le consommateur connaît avec certitude son revenu futur et qu’il peut, de cette façon,
déterminer les quantités optimales de biens (lui procurant la plus grande satisfaction) à
consommer compte tenu de sa contrainte budgétaire car ne pouvant consommer plus que ce
qu’il possède. De la même manière, le producteur est amené à définir les quantités de biens à
produire en vue de maximiser son profit tout en se basant sur des prix de vente futurs connus.

La microéconomie traditionnelle développée par Menger36 (1840-1921), Jevons37 (1835-

1882) et Walras38 (1834-1910) a essayé de démontrer qu’il est possible de parvenir à un
équilibre stable assurant une allocation optimale et socialement efficiente des ressources, une
situation sans gaspillage et où la satisfaction de chacun est la plus élevée possible. Toutefois,
il est possible d’atteindre ces objectifs que si les individus sont rationnels (homo-
oeconomicus) et évoluent dans un marché où s’exerce une concurrence pure et parfaite.

La rationalité en microéconomie traditionnelle suppose que l’homo-oeconomicus soit

égoïste car ne cherchant que son propre intérêt. La prise de décision pour le consommateur
résulte de l’arbitrage entre l’utilité marginale d’un bien et le prix auquel le bien est acheté, et
pour le producteur, le coût marginal et le prix de vente de la production conditionnent l’offre
de biens produits. Cette approche du comportement des agents économiques a été fortement
contestée (Elster39, 1986).

Pour Simon (1982), la rationalité est limitée car les agents n’ont pas la possibilité de
démontrer toutes les actions possibles et d’en étudier les conséquences. De même, dans le
processus de prise de décision néoclassique, les individus sont considérés comme libres et
égaux ; or ceux-ci s’insèrent dans une société qui leur préexiste. À cet effet, il faut tenir
compte de leur passé, de leur place dans la société, des relations sociales qu’ils entretiennent
entre eux.

Williamson (1985) montre que de nombreuses transactions se passent sous forme de

contrats. Ainsi, toutes les décisions d’allocation de ressources ne s’effectuent pas sur le
marché, il existe d’autres institutions capables d’affecter les ressources (Coase, 1937). La

36
Menger C., 1874, Fondements de l’économie politique pure, Paris.
37
Jevons W.S., 1871, La théorie de l’économie politique, Londres.
38
Walras L., 1874, Éléments d’économie politique pure, Paris.
39
Elster, Jon. 1986. Rational Choice, Oxford, Basil Blackwell

85
nouvelle microéconomie (1960-1970) considère que les relations entre les agents s’effectuent
dans un environnement caractérisé par une asymétrie d’information où la prise de décision de
chaque agent est régie par des comportements stratégiques anticipant la réaction des autres.
La situation d’incertitude et de risque qui apparaît dans les choix effectués pousse les
producteurs à ne plus considérer uniquement les coûts de production, mais tiennent compte
aussi des coûts de transaction induits par la recherche de l’information.

Néanmoins, ces critiques, aussi pertinentes qu’elles soient, n’enlèvent en rien

l’importance de l’analyse microéconomique pour comprendre les comportements individuels
et collectifs des phénomènes économiques. Dans cette recherche la rationalité s’interprète
comme la capacité de l’agent agricole à adopter des stratégies d’adaptation au changement
climatique. En effet, cette rationalité se manifeste lorsque l’individu adopte des mesures lui
permettant de résister contre les chocs climatiques tout en minimisant ses coûts de l’activité
(perte production, revenu insuffisant, baisse des prix de ventes, etc.).

II.2.1.2 _/ Déterminants de la prise de décision en univers incertain

Lorsqu’une personne prend une décision en univers incertain, deux situations peuvent se
produire: i) soit elle la prend immédiatement sur la base d’une information imparfaite dont
elle dispose ; ii) soit elle prend le temps d’améliorer son niveau d’information avant
d’effectuer son choix. L’étude du premier cas nécessite la détermination de trois facteurs
clefs.

Premièrement, les états du monde qui traduisent un ensemble d’environnements

alternatifs, mutuellement exclusifs, entre lesquels la «nature» doit choisir. Cela constitue un
point de départ fondamental dans l’analyse en univers incertain. Ainsi, un problème
décisionnel pourrait être représenté dans une «matrice d’information»40 décrite par des états
de la nature, des actions alternatives et des conséquences associées à chaque état et action
donnée. Par exemple, pour deux états : pluie ou soleil incertain, un producteur peut décider de
faire pousser soit des tomates en serre soit des tomates à l’extérieur qui lui procurent des
revenus différents ou identiques suivant la réalisation d’un état donné.

La représentation d’un tel environnement décrit un ordre de préférence sur les actions
conditionnées par les conséquences, la vraisemblance que le décideur affecte aux différents
états possibles et les préférences face au risque. Dans cette situation, il est possible de

40
Une matrice d’information est un tableau rectangulaire comportant autant de colonnes que d’états du monde,
autant de lignes que d’actions et des conséquences associées à un état et une action donnée. .

86
considérer que deux personnes peuvent être soumises aux mêmes contraintes avec le même
ordre de préférence sur les conséquences, accordant la même vraisemblance aux différents
états du monde, et néanmoins se comporter différemment, l’une choisit l’action A et l’autre
l’action B (Cayatte, 2009).

Deuxièmement, la vraisemblance qui suppose que les agents soient capables ou non
d’affecter une distribution de probabilité aux états du monde. Comme il est démontré dans le
concept du risque (section II.1.1.2), l’attribution d’une probabilité aux différents événements
futurs peut être objective ou subjective. Ainsi, Savage (1954) montre que la probabilité
objective s’appuie sur la répétition des événements. Alors, il existe une confiance en la
capacité de systèmes empiriques de converger vers une vraie probabilité.

Les implications pour l’analyse de la décision sont claires : un événement seul ne peut
être défini de façon probabiliste. L’autre aspect consiste à la capacité des hommes
raisonnables de converger vers une probabilité inhérente à un système physique donné.
Carnap (1973) et Keynes (1921) introduisent la notion de probabilité logique définie comme
une relation entre une proposition et un corps d’hypothèses. Elle est indépendante des
préférences personnelles et il peut seulement y avoir une probabilité vraie logiquement pour
une proposition particulière sur la base d’une évidence spécifiée. Par exemple, la probabilité
de tirer une boule rouge dans une urne qui contient cinq boules noires et deux boules rouges
est de deux sur sept (2/7). Dans ce cas, l’assurance de probabilité logique implique la
connaissance de toutes les lois physiques utiles, de toutes les circonstances et de toutes les
interactions.

En revanche, chez Laplace et Bayes (1820), la probabilité s’interprète comme une

mesure du degré de confiance qu’un individu a dans la vérité d’une proposition particulière. À
ce titre, la probabilité devient subjective et dépend des intuitions personnelles. Il est donc
possible d’obtenir des probabilités d’événements qui ne se produisent pas ou peu.

En partant de la proposition qu’il y a un classement parmi les actions (à travers des

loteries41), Savage démontre le théorème suivant lequel ce classement appliqué à des
événements est une probabilité qualitative. De plus, Savage (1954) considère que cette
probabilité qualitative a un équivalent numérique qui possède des équivalents mathématiques
ordinaires de probabilité.

41
La loterie est une action composée de lots de conséquences possibles affectés de d’une probabilité.

87
 La définition de la probabilité subjective accepte les différences personnelles entre les
individus. La théorie ne demande pas que tous les hommes raisonnables soient d’accord. Le
concept de probabilité semble donc être plus approprié pour l’analyse des décisions car, d’une
part, se fondant sur les jugements, les appréciations et les mêmes intentions des décideurs et
d’autre part, sur la possibilité d’obtenir une probabilité d’événement qui ne se répète pas.

Cependant, une difficulté majeure des probabilités subjectives est dans l’obtention des
valeurs numériques. Comme il y a des différences importantes entre ce que dit un individu et
ce qu’il fait réellement, les probabilités subjectives doivent être obtenues par l’interrogation
sur le comportement. Par exemple, on présente à une personne une série de probabilités parmi
lesquelles elle doit choisir. Mais un des intérêts majeurs des probabilités subjectives est
qu’elles permettent d’utiliser la procédure bayésienne sur la valeur d’une information
supplémentaire.

La probabilité subjective de la réalisation de tel ou tel événement peut être

« améliorée » par de nouvelles informations. Les premières probabilités sont qualifiées d’à
priori, les secondes d’à postériori. Mais le processus devient séquentiel, les probabilités à
postériori deviennent les probabilités à priori de la phase suivante. Par ailleurs, le théorème
de Bayes permet d’évaluer s’il est intéressant d’acquérir et à quel prix telle nouvelle
information qui permettra le calcul de nouvelle probabilité que l’on pense plus précise.

Dillon en 1971, sur une étude effectuée sur des éleveurs australiens, montre que les gens
utilisent intuitivement une information supplémentaire pour réviser leur probabilité initiale
(cité dans Brossier42,2006).

Dans cette recherche, les probabilités subjectives seront utilisées pour comprendre la
fréquence du changement climatique dans le milieu rural et l’attention que les agriculteurs y
accordent dans le cadre de leurs activités socio-économiques. Ainsi, des interrogations sont
effectuées pour évaluer la valeur accordée au risque climatique par rapport aux autres risques
agricoles.

Troisièmement, l’aversion de l’individu vis-à-vis du risque qui se caractérise par une

situation dans laquelle l’agent décideur ne souhaite pas courir un risque et est prêt à le
transférer à un tiers moyennant une rémunération, ou refuse tout actif ou toute action lui
faisant courir un risque qu’il perçoit comme excessif compte tenu de sa capacité à le

42
Étude sur : Risque et Incertitude dans la gestion de l’exploitant agricole.
[Link]

88
supporter. Cependant, tous les individus n’ont pas le même degré d’aversion pour le risque.
En effet, l’approche classique distingue trois attitudes face au risque (Broihanne et al. 2004) :

- les riscophobes en référence à la traduction du terme anglo-saxon : « un agent est

riscophobe si, pour toute loterie, la satisfaction que lui procure la moyenne des gains de façon
certaine est supérieure ou égale à la satisfaction obtenue de sa participation à la loterie ». On
dit que l’agent n’aime pas le risque ;

- ceux qui sont neutres au risque : « un individu est neutre au risque s’il est indifférent
entre participer à la loterie ou recevoir la moyenne des gains de façon certaine » ;

- les riscophiles : « un individu est dit riscophile si la satisfaction qu’il retire de la

participation à la loterie est supérieure ou égale à la satisfaction associée à l’obtention certaine
de la moyenne des gains ». On dit que l’individu aime le risque.

La loterie traduit ici des actions dont les conséquences sont aléatoires et dépendent des
événements (pertes ou gains) qui peuvent se produire. Dans la plupart des cas, le choix de
l’agent à participer à une loterie se fait à partir de sa fonction d’utilité dont la concavité sera
plus ou moins forte selon le coefficient d’aversion au risque (Broihanne et al. 2004).

L’aversion pour le risque est un processus à la fois statique et dynamique. En effet,

certains secteurs regroupent plus d’individus « riscophiles » ou « moins averses » que
d’autres (Simon et Houghton, 2003) ; en outre, Kahneman et Tvesky (1979) ont montré que le
comportement des agents investisseurs, face au risque, est changeant, et dépend directement
du contexte dans lequel ils se situent : prudence en situation de gains latents, afin de les
concrétiser ; audace en situation de pertes latentes, dans l’espoir de revenir à l’équilibre.

La prise de décision ne relève pas toujours du choix unique et personnel de l’individu,

elle est aussi conditionnée par la société au sein de laquelle il évolue avec les autres.

II.2.1.3 _/ Rôle du groupe dans la prise de décision

En économie, l’analyse de la prise de décision dans un groupe est formulée par la

théorie des fonctions sociales, la théorie du contrat et la théorie des institutions. La première
démontre que le bien-être de la collectivité s’exprime dans son ensemble à travers des
jugements de valeur et des normes éthiques en vigueur ; que ces normes soient imposées
d’une manière autoritaire ou le résultat d’une décision démocratique.

89
 Les néoclassiques ont préconisé des critères en vue de déterminer si un changement
introduit dans l’économie est socialement préférable à la situation initiale. Pour Kaldor
(1940), la situation A est socialement préférable à la situation B si ceux qui ont avantage à la
situation A peuvent compenser financièrement les pertes de ceux qui ont avantage à la
situation B et se retrouver néanmoins gagnants.

Hicks (1939) considère que la situation de A est socialement préférable à la situation de

B, si ceux qui n’ont pas avantage à la situation de A ne peuvent pas convaincre ceux qui y
trouvent intérêt à renoncer en passage de B à A. Aussi, Sutovski (1941) montre que l’état A
représente une amélioration par rapport à l’état B si ceux qui gagnent peuvent convaincre les
perdants d’accepter le changement et si en même temps, les perdants ne peuvent pas
convaincre les gagnants de renoncer au changement.

La théorie du bien-être est limitée par le caractère relatif sur lequel repose son analyse.
Lafaye, en 2008, montre que le bien-être est un concept de nature intrinsèque et subjective,
car il appartient à l’individu de le définir et de l’apprécier. La deuxième relative à la théorie
de l’agence apporte une compréhension nouvelle sur les différentes relations entre les agents
économiques. Les résultats tirés de l’agencement dépendent de l’incertitude due au manque
d’information. L’agence se traduit par une convention qui correspond à des règles sociales qui
normalisent les comportements privés en leur fournissant un système d’évaluation a priori.

Ainsi, pour Keynes (1921), la convention est une « orthodoxie financière » s’’imposant
à chacune avec la force convaincante des lois coutumières ; elle frappe d’insignifiance toute
anomalie provenant d’un écart entre variables observées et théorie. À cet effet, le
comportement du groupe s’identifie à un processus d’aveuglement collectif qui soude la
communauté des opérateurs et provoque une stabilité provisoire.

Les psychologues sociaux ont, quant à eux, montré comment la situation du groupe, où
chacun modifie l’état de la connaissance de l’autre et l’amène ainsi à adopter certains
comportements nouveaux, génère une influence qui accélère la prise de décision et facilite le
changement (Branchet et Trognon, 1994). Ils considèrent également que les groupes sont
importants pour deux raisons majeures : premièrement parce que l’adoption d’une nouvelle
technologie requiert un effort de formation que les groupes peuvent fournir à travers des
référentiels techniques ; et deuxièmement, parce qu’ils offrent aux acteurs qui désirent
modifier leur système productif, un accompagnement psychologique nécessaire dans un
contexte économique difficile où tout changement est perçu comme risqué. En revanche,

90
Coase (1937) considère que les contrats sont biaisés à cause de l’information qui n’est pas
gratuite et par conséquent, génèrent des coûts de transaction.

Pour Ostrom (1992), l’action collective est une résolution de dilemmes sociaux
d’acteurs en situation d’interdépendance. Sa démarche repose sur une analyse de la nature et
du fonctionnement des dispositifs de gestion de ressources communes, par l’analyse des
« institutions » vue comme des « ensembles de règles mises en pratique ».

Dans son modèle de « première génération » en 1992, Ostrom montre que l’hypothèse
de rationalité permet d’expliquer l’échec de l’action collective lorsque les acteurs n’ont pas la
possibilité de communiquer. En 1998, elle propose une construction du « modèle de deuxième
génération » basée sur l’élaboration des normes, des règles et des processus d’apprentissage,
qui permettent d’augmenter le degré de coopération. Dans ce dernier modèle, la réciprocité, la
confiance et la réputation restent au cœur de l’action collective, et se situe dans un cadre de
rationalité limitée et d’information incomplète. Elle montre, en effet, que l’apprentissage
augmente l’adaptation de savoirs et de savoir « mieux faire ». Ainsi, en situation de rationalité
limitée, d’incomplétude d’information et de complexité des objets, l’apprentissage devient
une pratique heuristique. Mais dans ces deux modèles, elle insiste sur le degré de coopération
pour aboutir à une répartition optimale des biens communs. Cependant, l’auteur n’aborde pas
la décision de l’agent face à une situation risquée.

Les facteurs individuels et collectifs, limitant la prise de décision dans un univers

incertain, amènent les acteurs à chercher des outils d’évaluation et de gestion des risques. Les
instruments qui prennent en compte le risque sont fonction de la nature du risque et des
anticipations faites sur l’évolution des événements. Selon la nature, le risque peut être
indépendant ou idiosyncratique lorsqu’il n’affecte pas tous les agents en même temps ; il est
dit systémique dans le cas contraire.

II.2.2 _/ Mécanismes de gestion du risque

Les mécanismes de gestion du risque sont constitués des éléments qui améliorent le
niveau d’information ou réduit les pertes probables au moment de la prise de décision. Ces
facteurs dépendent de la valeur de l’information, de la valeur de l’attention accordée au
risque, des systèmes de diversification, de l’assurance et de l’existence d’un marché à terme.

91
II.2.2.1 _/ La valeur de l’information dans un environnement incertain

Les agents économiques prennent souvent des décisions sur la base d’informations
limitées. À ce titre, toute information supplémentaire est susceptible d’améliorer les
prévisions et de réduire le risque (Vernier, 2009).

L’information est un bien ayant de la valeur. Ainsi, elle peut s’exprimer en termes de
prix. La valeur de l’information complète est la différence entre la valeur espérée en
information complète et la valeur espérée de l’information incomplète. Ainsi, cette valeur
permet au décideur de réduire son niveau d’incertitude sans tenir compte du futur.

Selon Keynes (1921), dans une situation de risque, le producteur anticipe une quantité
demandée d. La seule information dont il dispose au moment de prendre sa décision est la loi
de probabilité de d. Après vente sur le marché, il réalise que la demande effective est D.
Ainsi, lorsque d = D, son information est parfaite.

Toutefois, l’information parfaite obtenue après avoir fait un choix n’a pas d’utilité que
si cette information permet au producteur d’apprendre quelque chose sur la prochaine
production. En revanche, si l’information obtenue dans le passé est indépendante de la
décision de production future, toute action prise constitue un risque. Par exemple, si nous
considérons l’ensemble E des états e du monde, il est possible de dire que :

- Être parfaitement informé, c’est savoir quel état e de E se réalisera ;

- Être informé, c’est savoir que e appartient à un sous-ensemble H de E

- Si l’agent j sait que e appartient à Hj et que l’agent k considère que e appartient à Hk,
l’agent j est mieux informé que l’agent k si Hj est un sous-ensemble de Hk

Ces notions permettent de calculer la valeur d’une information, par rapport à celle dont
on dispose, ou de la flexibilité par rapport à une technologie donnée. Cette valeur de
l’information ou de la flexibilité dépend de celle que l’agent possède déjà et de son aversion
pour le risque (Keynes, 1921).

Cayatte (2009) démontre que l’information parfaite domine stochastiquement

l’information imparfaite et considère que la valeur de l’information dépend de son coût
d’acquisition et de sa flexibilité. Cependant, cette flexibilité dépend du moment auquel
l’information est disponible. Par exemple, l’information obtenue avant la prise de décision n’a
pas la même valeur que celle obtenue après que le choix est effectué.

92
 Les investisseurs ne paraissent pas accorder le même degré d’importance à leurs sources
d’information. Certains privilégient l’information publique, d’autres ne l’utilisent qu’à titre
indicatif, et tendent à la confronter à leurs propres informations et convictions individuelles.
En outre, l’investisseur ne semble pas pouvoir changer de disposition quant à sa décision
d’investissement dans la mesure où chaque information est susceptible de modifier son choix
car remettant partiellement son point de vue en cause. De ce fait, l’investisseur a tendance à
chercher les informations qui confirmeront sa pensée et essayer de ne pas se laisser influencer
par les autres.

Néanmoins, pour qu’une information ait un sens pour le producteur il faut qu’elle soit
pertinente. À cet effet, l’attention accordée par l’exploitant apparaît comme une condition
nécessaire à l’exploitation de toute information supplémentaire.

II.2.2.2 _/ La valeur de l’attention

Avec la croissance des sources d’information, l'attention sollicitée devient une ressource
rare et précieuse. Goldhaber montre, en 1997, que l’information n’est pas seulement
disponible mais elle est très abondante sur le net (Goldhaber, 1997). Ainsi, l’attention permet
à l’individu de se protéger de la surcharge informationnelle et à améliorer son allocation.

Simon (1959) dans la théorie de la rationalité limitée, montre que les êtres humains,
rationnels puisque capables d'expliquer et justifier leurs décisions, sont limités dans leurs
raisons et raisonnement préalables. Et, ce notamment, par une impossibilité à prendre en
compte l'ensemble des informations afférentes à une question donnée: « Chaque organisme
humain vit dans un environnement qui produit des millions de bits de nouvelle information
chaque seconde, mais le goulot d'étranglement de l'appareil de perception n'admet
certainement pas plus de 1000 bits par seconde et probablement moins ».

Pour Machlup (1962) et Porat (1977), toute information supplémentaire reçue par
l’individu diminue son capital d’attention. À cet effet, il est possible de dire que l’information
consomme de l’attention. Par exemple, un petit producteur faisant une agriculture de
subsistance attribue plus d’attention à la production des biens qui lui permettent de satisfaire
ses besoins de consommation.

Kessous et al. (2010) ont démontré que l’attention dépend de la reconnaissance, la

pertinence, le style et la puissance de l’émetteur d’information. Il permet à une structure de
capter les aspirations de ses membres avant d’élaborer une politique.

93
 Cependant, même si l’attention constitue un facteur essentiel à la prise de décision, son
évaluation économique constitue un problème majeur. Citton (2014) montre qu’il est possible
de donner une valeur à l’attention en fonction du temps que l’individu accorde à une
information donnée.

II.2.2.3 _/ L’assurance

L’assurance se présente comme un contrat dans lequel l’assuré possède ou envisage de

posséder un actif (un immeuble, une voiture, une machine, production, …) qui est la source
potentielle d’une perte ; par cette hypothèse, il se protège contre cette perte éventuelle.
Cependant, l’assureur accepte, moyennant un prix appelé prime, de verser une indemnité en
cas de réalisation du sinistre. C’est en ce sens qu’il prend le risque, ou une partie du risque en
charge. Pour l’assureur, il lui faut trouver un montant de prime supérieure aux indemnités
totales à verser à travers la prime pure (espérance des indemnités actualisées nettes des
produits financiers).

Les personnes qui ont une aversion pour le risque, souhaitant éliminer ou réduire les
pertes probables, s’assurent pour se couvrir. Le fait de s’assurer conduit un individu à
stabiliser son niveau de revenu suivant les événements probables.

En univers incertain, le coût de l’assurance est égal à la perte espérée (Cayatte, 2009).
Cette charge transforme le revenu espéré d’une situation risquée à un revenu certain. La
détermination de la prime d’assurance, appliquée aux différents groupes d’individus ayant des
niveaux d’aversions pour le risque différents, se fait à partir de la « loi des grands nombres ».

En effet, les entreprises d’assurance sont des preneurs de risque. Ainsi, elles acceptent
de récupérer la prime de l’assuré lorsqu’elles jugent le risque relativement faible. La loi des
grands nombres stipule que les événements uniques se produisent de façon aléatoire et sont
largement imprévisibles, mais la réalisation moyenne de nombreux événements peut être
prévue. Par exemple, il n’est pas possible de prédire si un lancer d’une pièce de monnaie
donnera pile ou face, mais il est possible, après plusieurs lancers, de déterminer
approximativement que la moitié tombera sur pile et l’autre moitié sur face.

De la même façon, l’entreprise d’assurance n’est pas en mesure de détecter si un assuré

particulier est risqué, mais elle peut identifier avec une forte certitude, à partir de l’expérience
passée, à quel niveau de risque il pourrait classer l’assuré. C’est ce principe qui permet aux
compagnies d’assurance de recevoir plus de primes de risque que d’indemnités à verser.

94
 En 1975, Rotchild et Stiglitz décrivent les effets de l’information asymétrique sur le
marché des assurances. Ils considèrent que certains assurés ont un comportement à haut risque
alors que d’autres ont une probabilité plus faible de subir le risque. Les auteurs considèrent
que les assurés connaissent leur potentiel de risque, mais pas les assureurs (Rotchild et
Stiglitz, 1975).

Toutefois, certains risques échappent à la loi des grands nombres, c’est le cas des
catastrophes climatiques telles que les tremblements de terre, les ouragans qui sont uniques et
imprévisibles. Dans cette situation, l’État doit se substituer aux entreprises d’assurances qui
refusent de vendre les contrats avec ces types de risques (A. November et V.
November, 2004).

Un autre problème est la détermination de la prime optimale pour l’assureur. En effet,

l’assureur, ne pouvant trier les assurés en fonction de leur aversion au risque, est obligé de
fixer une prime élevée pour se prémunir des agents à haut risque. À cet effet, il ne sélectionne
progressivement que les assurés à risque moyen ou élevé ; ce qui conduit à augmenter encore
les primes qui feront fuir les assurés à risque faible. Ce phénomène se poursuit jusqu’à la
faillite de l’entreprise d’assurance.

II.2.2.4 _/ La diversification
Le risque peut être minimisé par la diversification en allouant les ressources de sorte
que les biens produits aient des comportements différents face à l’aléa. La diversification des
cultures est définie comme la culture de deux ou plusieurs cultures sur un champ par un
agriculteur (Sichoongwe et al., 2014).

La diversification n’est pas toujours facile car les produits ont tendance à évoluer dans
le sens opposé ; quand la production d’un bien est forte, l’autre est faible. Mais le principe de
la diversification est général : tant qu’il est possible d’allouer les ressources parmi une variété
d’activités dont les événements ne sont pas interdépendants ; cependant, il devient possible
d’éliminer certains risques (Dugue, 2012).

Sur le marché boursier par exemple, la diversification est spécialement importante pour
les investisseurs. En effet, sur ce marché la valeur des actifs peut augmenter ou diminuer
fortement. Un individu qui investit tout son argent dans une seule valeur (c'est-à-dire met tous
œufs dans un même panier) prend, par conséquent, plus de risques que nécessaires. Le risque

95
peut être réduit, bien que non éliminé, en investissant dans un portefeuille de dix à vingt
valeurs différentes.

Pour mesurer le degré de diversification agricole, des études s’appuient sur des indices
élaborés en fonction du nombre de spéculations par superficie cultivée. Swades et Shyamal
(2012) utilisent l’indice de Herfindahl pour mesurer l’aire de chaque spéculation sur la
superficie totale. De même, l’indice de Shannon peut être aussi utilisé pour déterminer le
nombre de spéculations par parcelle.

II.2.3 _/ La gestion du risque en agriculture

Les stratégies de traitement du risque agricole peuvent se diviser en deux catégories: le

risque peut être assumé ou transféré (Cordier, 2006 ; Roguet et al., 2006). Ce type
d’instrument est l’objet d’une grande partie de l’étude (AFD 43 et MAEE44, 2009) au travers
des outils issus de la catégorie A (mécanismes privés de stabilisation des prix).

- Assumer le risque

Le producteur peut assumer seul le risque ou se donne les moyens de le faire. Dans le
cadre de « l’assumation », deux stratégies sont possibles : le stockage ou la diversification du
risque. Il s’agit d’outils de gestion symétriques du risque. Ces outils sont «gratuits» hormis les
frais de gestion.

En effet, l’agriculteur peut conserver toute ou une partie de la production précédente

afin de limiter les impacts négatifs d’une destruction totale ou partielle de la production en
cours. Le stockage permet de satisfaire les besoins de consommation future ou d’accéder à un
crédit dans le cas de warrantage 45 lorsqu’il existe une perturbation éventuelle de l’activité
agricole. Néanmoins, le mécanisme de stockage n’a pas toujours des effets bénéfiques sur le
bien-être à cause des coûts de stockage et la périssabilité de certains produits agricoles. En
effet, Lebailly et al. (2000) montrent que plus les coûts de stockage sont élevés, moins le
stockage est efficace. Selon Anderson (1992) la stabilité des marchés est très sensible au coût
de stockage. À la limite, certains produits ne sont pas stockables du fait de leur périssabilité.

La diversification de l’activité agricole s’avère également une méthode traditionnelle et

efficace d’assumer le risque. Le producteur diversifie ses cultures. Etant donné que chaque
type de culture est exposé à des degrés divers au risque, le risque global est réduit. Il lui est
43
AFD : Agence Française de Développement
44
MAEE : Ministère des Affaires étrangères et européennes
45
Warrantage consiste à utiliser un stock de production comme garantie pour un prêt (AFD, 2011)

96
aussi possible de diversifier ses sources de revenus et réaliser de l’artisanat ou du petit
commerce pour assurer des revenus alternatifs. Il est alors moins exposé aux risques agricoles,
son revenu dépendant également d’activités extra-agricoles.

- Transfert du risque

Les stratégies de transfert du risque se définissent par la cession du risque à un tiers

contre le paiement d’une prime. Il s’agit de stratégies de gestion asymétrique du risque. La
prime payée est composée d’une prime pure correspondant à la valeur de marché théorique du
risque cédé et des frais de gestion de « l’acheteur du risque ».

Le risque peut être transféré à un assureur. Dans ce cas, le contrat d’assurance porte
uniquement sur des aléas spécifiques affectant la production agricole (inondation, invasion
acridienne, mortalité du bétail, etc.). Du point de vue des agriculteurs, l’assurance n’est
attractive que pour les personnes qui ont une aversion pour le risque.

Pour Cordier (2008), l’assurance ne peut intervenir que pour des risques quasiment
indépendants et dont les pertes ne sont pas catastrophiques. En revanche, une grande majorité
des risques agricoles ont la particularité d’être systémiques : ils touchent un grand nombre de
producteurs (toute une région est généralement touchée par des aléas climatiques). Ces risques
sont donc difficilement assurables par les compagnies d’assurance privées et, s’ils l’étaient,
les primes d’assurance seraient prohibitives. Une solution éventuelle à ce problème réside
dans le recours aux marchés financiers pour la réassurance des risques systémiques (Cordier
et Guinvarch, 2002). Dans ce contexte, les marchés des capitaux servent de sources de
financement ex post et ex ante.

Un autre problème posé aux assureurs réside dans l’asymétrie d’information (les
agriculteurs disposent de plus d’information sur leur production que les assureurs) qui génère
des problèmes d’anti-sélection (seuls les producteurs présentant le plus de risque s’assurent)
et d’aléa moral (la souscription entraîne une modification de comportement de l’agriculteur
qui prend plus de risque). Pour cela, Mahul (1998), Barnett (1999) et Glauber (2004)
proposent un système de contrats dont l’indemnité est basée sur un indice, c’est-à-dire une
variable exogène indépendante des actions des producteurs et observable en temps réel par
les deux parties.

De même, les contrats à terme ou de produits dérivés tels que les « futures »,
« forwards » ou les options constituent des moyens de transfert du risque. Leur utilisation

97
nécessite une forte intégration au marché mondial. Cependant, le marché à terme souffre de
quelques limites, ces marchés ne sont pas disponibles pour toutes les activités agricoles et
toutes les campagnes futures.

Et, enfin, le crédit pour le financement de l’activité agricole constitue une autre stratégie
de partage du risque, avec le banquier cette fois-ci. Hardaker et al. (1997a) considèrent que si
les préférences de l’agriculteur et ses revenus anticipés sont définis, le marché du crédit
permet une prise en charge de l’incertitude sur la production future. Ils montrent qu’il est
essentiel de connaître les caractéristiques du comportement des acteurs. Il existe, cependant,
certains obstacles au marché du crédit qui rejoignent d’ailleurs ceux de l’assurance : les
prêteurs ont une information imparfaite.

II.2.3.1 _/ Modélisation du risque agricole et optimum du producteur

Dans l’activité agricole, par nature dépendante des conditions climatiques, le risque est
particulièrement présent. Cordier et al. (2008) distinguent cinq catégories de risque pour le
producteur agricole suivant l’origine des aléas :

 le risque climatique et sanitaire qui affecte le rendement agricole et la qualité des

produits ;

 le risque de prix des produits finis et ceux des intrants ou risque de marché ;

 le risque financier lié au non remboursement du crédit emprunté ;

 le risque institutionnel généré par les changements de politique ou de régulation qui

affectent l’agriculture ;

 les risques humains et professionnels liés aux maladies, décès, dégradation,

destruction des outils de production.

Ces différents risques influencent la décision de production des exploitants agricoles.

Ainsi, les producteurs identifient les types risques potentiels sur leur activité, évaluent les
conséquences et mettent en œuvre la meilleure stratégie de gestion. Une modélisation
mathématique de la décision de production en univers incertain permet de comprendre les
modifications des conditions d’équilibre par rapport à un environnement non risque.

98
 - Décision de production en univers incertain : modélisation mathématique

En agriculture, les préférences sur la décision de produire ou non ne sont pas un jeu de
plaisir car la conséquence affecte directement l’activité économique et le bien-être du
producteur (Cayatte, 2009). En effet, l’incertitude climatique à laquelle est confrontée le
producteur a deux conséquences : le processus de production (incertitude technique) et le
marché (Hardaker et al., 2004).

Les conséquences techniques résultent de la quantité produite qui peut être affectée par
plusieurs aléas tels que les conditions météorologiques, défaillances de machines, rareté des
ressources naturelles, etc. Pour ces différentes situations, le producteur n’a aucun pouvoir sur
la réalisation des états du monde. Dans ce cas, la production anticipée s’écarte de la
production effective suivant l’intensité des événements. Cette différence entre ces deux
niveaux de production engendre des coûts supplémentaires. Ces coûts qui peuvent être positifs
ou négatifs dépendent du type d’aléa. En effet, l’aléa n’aura pas le même impact s’il vient
s’ajouter à la production que s’il affecte chaque niveau de production. Dans le premier cas, on
parle d’incertitude additive et, dans le second, on note une incertitude multiplicative
(Cayatte, 2009).

Les effets sur le marché apparaissent lorsque l’agent décideur ignore le prix de vente du
bien produit, le prix des facteurs de production ainsi que la quantité de produits qu’il va
mettre sur le marché. Mais lorsque la firme a un pouvoir de marché, l’incertitude sur le prix
de vente et l’incertitude sur la demande de facteurs se combinent en une seule variable
aléatoire, la recette (Cayatte, 2009).

Qu’il s’agisse des effets sur le processus technique ou le marché, la richesse finale du
producteur est risquée. L’intensité du risque dépend de sa nature additive ou multiplicative sur
la variable cible (Cayatte, 2009).

Dans le cas d’incertitude additive, où la firme est preneuse de prix et qu’il n’y a pas
d’incertitude de marché, le producteur compare l’utilité de la production à celle obtenue avec
le choix de ne pas produire. Ainsi, lorsque l’utilité de la production est supérieure, le
producteur détermine la production planifiée comme en univers certain. Son objectif se
résume alors à la détermination de la quantité optimale qui permettrait de maximiser
l’espérance de l’utilité de la richesse obtenue avec les biens produits.

99
 Cayatte (2009) propose une formulation simple du comportement de l’exploitant
agricole en univers incertain. Il considère une situation dans laquelle le producteur n’a aucun
pouvoir sur l’aléa. Formalisation, soit :

q le niveau de la production planifiée ;

Q le niveau de la production effective, aléatoire, qui s’écarte de q en fonction de

l’aléa ;

X représente l’aléa qui s’applique sur la production de façon additive ou

multiplicative ;

Q = q + X : forme additive de la production effective aléatoire ; [1.3]

Q = q (1 + X) : la forme multiplicative de la production effective aléatoire [1.4]

Le producteur supporte des coûts fixes φ (certain) et des coûts variables.

Le niveau de production entraine des coûts de production : c (q) ;

w détermine la richesse initiale ;

π le résultat d’exploitation ;

(W = w + π) : la richesse finale ; [1.5]

d (X) coûts résultant de l’aléa.

Ainsi, dans une situation d’incertitude additive, la richesse finale s’écrit :

𝑊 (𝑞) 𝑤 + 𝑝 (𝑞 + 𝑋) − 𝑐(𝑞) − 𝑑 (𝑋) − 𝜑 𝑠𝑖 𝑞 > 0

= {
𝑤− 𝜑 𝑠𝑖 𝑞 = 0
[1.6]

La détermination des conditions de premier ordre donne la production planifiée

optimale en supposant qu’elle est strictement positive. En plus, la comparaison de l’utilité de
cette production par rapport à l’utilité de ne pas produire constitue un outil efficace de
décision.

Si le producteur choisit de produire une quantité strictement positive, son programme de

max 𝐸 [𝑢 (𝑊(𝑞))], a pour condition de premier ordre l’annulation de la dérivée première, soit :
𝑞

𝐸 [𝑢′( 𝑊(𝑞∗))(𝑝 − 𝑐′𝑞 )] = 0

∗
[1.7]
10
 Comme 𝐸 [𝑢′( 𝑊(𝑞∗))] est strictement positif sous l’hypothèse de non satiété, alors :

𝑐′𝑞 = 𝑝
∗
[1.8]

Soit l’égalité entre le coût marginal et le prix. La condition d’optimalité en univers

certain se vérifie dans ce cas en univers incertain.

De même la dérivée du second ordre donne :

− 𝑐′′(𝑞∗)𝐸 [𝑢′(𝑊(𝑞∗))] < 0 [1.9]

Au point où la première condition est satisfaite, la deuxième l’est aussi, et on a

− 𝑐′′(𝑞∗) > 0 [1.10]

Ce qui est à nouveau, une condition vérifiée univers certain : le coût marginal de la
production planifiée est croissant à l’optimum.

Le coût marginal à l’optimum est croissant et égal au prix. Donc les deux conditions
étant vérifiées quel que soit le producteur « riscophobe » ou non.

Au total, exactement comme en univers certain, la quantité planifiée est optimale, si elle
existe et qu’elle est strictement positive, est égale au prix. Bien que le risque déplaise au
« riscophobe », son comportement ne dépend pas de l’incertitude : il se comporte comme un
« riscophile » ou agent neutre. Si l’utilité de la production est supérieure à l’utilité obtenue
sans production, alors les producteurs choisiront de produire, on dit que la décision de
produire domine stochastiquement.

Cependant, plus le coût fixe supporté par la firme est élevé, plus il y a de chance que le
producteur choisisse de ne pas produire. En conclusion, on peut dire qu’en cas d’incertitude
additive, l’aversion pour le risque n’a pas d’influence sur le niveau de production planifiée
quand la firme décide de produire, mais il en a sur la décision ou non. On peut dire de manière
plus condensée que l’incertitude diminue la production.

En supposant à présent une incertitude de forme multiplicative, la richesse finale du

propriétaire de la firme s’écrit, s’il choisit de produire :

𝑊(𝑞) = 𝑤 + 𝑝𝑞 (1 + 𝑋) − 𝑐(𝑞) − 𝑑(𝑞𝑋) − 𝜑 [1.11]

La condition du premier ordre du programme max 𝐸 (𝑢 (𝑊(𝑞))) a pour expression :

𝑞

10
 𝐸 (𝑢′(𝑊(𝑞∗))(𝑝(1 + 𝑋) − 𝑐′(𝑞∗) − 𝑑′(𝑞∗𝑋)𝑌)) = 0 [1.12]

Cette équation est l’espérance d’un produit aléatoire qui donne après simplification :

𝑑 (𝑞𝑋) = 0 [1.13]

En supposant que le coût ne dépend que de la production planifiée ; toute l’incertitude

se concentre sur la recette :

Pq= [p (1+X)] q [1.14]

Abordant la question des effets de l’incertitude sur le prix, Cayatte (2009) démontre que
la recette devient incertaine du fait du prix (dont la densité de probabilité résume les
croyances ou informations du producteur). L’optimum obtenu résulte de l’égalité entre
l’espérance des prix et le coût marginal comme en univers certain. Dans cette situation, le
coût marginal est composé de « coût marginal physique » et du « coût marginal
psychologique du risque».

La seule richesse certaine possible correspond à la nullité de la variable de choix (q =0).

Ainsi, pour toutes les valeurs positives de q, il existe une espérance de prix positive. Plus la
quantité planifiée est plus importante moins le producteur a une aversion pour le risque c'est-
à-dire plus que sa prime payée est faible. Elle atteint la même production lorsque l’individu
est « riscophile » ou neutre par rapport au risque.

De manière rigoureuse, il convient de retenir de cette démonstration que l’incertitude

sur le prix de vente diminue la production. Cependant, avec le changement climatique, la
production planifiée est accompagnée d’un coût marginal psychologique du risque qui peut
affecter l’optimum de la production (Cayatte, 2009).

10
 - Optimum de l’agriculteur face au risque

De nombreux travaux de recherche sur le comportement des agriculteurs s’appuient sur

l’observation directe des pratiques agricoles (recherche sur les systèmes de production) dans
les perspectives de développement. Dans ce cadre, une théorie générale du comportement
adaptatif a été proposée par l’INRA 46 en 1977 (Brossier et al. 1977). Elle s’appuie sur le
postulat de cohérence : « toute chose peut être expliquée comme résultant d’objectifs
explicites ou implicites et d’une situation telle qu’elle est perçue consciemment ou non par
l’agriculteur ». En d’autres termes, les agriculteurs, compte tenu de leur situation et de leurs
objectifs, ont des raisons de faire ce qu’ils font.

Cependant, l’observation des méthodes de gestion des agriculteurs par Huijsman (1986)
aux Philippines a montré que la plupart des paysans cherchent à atteindre un double objectif :
réduction des risques et obtention des meilleurs résultats économiques. Pour atteindre ces
objectifs, les agriculteurs adoptent une attitude prudente vis-à-vis du risque. Ils cherchent à
améliorer graduellement leur productivité et à augmenter leur niveau de revenu en limitant le
risque d’entreprise et financier à un niveau acceptable et maitrisable. Alors, les agriculteurs
décomposent le risque global sur la production en risques partiels sur les facteurs de
production. Ils cherchent à savoir jusqu’à quel degré de risque tel risque, sur tel facteur peut
être contrôlé et à quel degré les nouvelles technologies sont plus risquées que les technologies
existantes.

Globalement, les paysans ne souhaiteraient pas se contenter de résultats stables si cela

doit impliquer des niveaux de revenus faibles. Huijsman (1986) considère aussi que la façon
dont les fermiers répondent aux propositions d’innovation dépend des facteurs liés à
l’exploitation et au ménage (situation financière, cycle familial, force de travail) et des
facteurs exogènes. Cependant, il montre que les agriculteurs ont une attitude active vis-à-vis
du risque. Leur principal objectif n’est pas de limiter la variabilité de la production mais de
pouvoir agir sur les contraintes pour utiliser positivement leurs ressources. Pour cela, ils
choisissent des systèmes de cultures flexibles et ayant des options diversifiées de culture. Ils
cherchent les facteurs de production qui s’adaptent le mieux à la modification de leur
environnement pendant le cycle de production et qui sont les plus souples quant aux dates
d’utilisation.

46
INRA-SAD est l’Institut national de la recherche agronomique de France

10
 L’incertitude affecte concrètement le comportement des agriculteurs. En l’absence de
mécanismes de réduction ou de cession du risque permettant d’améliorer leur situation, ils ont
le choix entre deux attitudes classiques, visant non pas à gérer le risque mais à l’éviter
(Cordier, 2006).

II.2.3.2 _/ Évaluation économique des instruments de prise de décision en

univers incertain
Dans un univers incertain toute décision économique transforme la richesse initiale. La
richesse finale qui en résulte dépend de l’utilité de l’action et non de l’action en elle-même
(Cayatte, 2009). Dans cette partie, il est question de faire l’inventaire des critères sur lesquels
les agents économiques se fondent pour prendre une décision.

La littérature économique distingue deux types de critères : les critères quantitatifs et les
critères qualitatifs. En effet, dans un environnement risqué, les problèmes peuvent être décrits
de la manière suivante : soit une situation dans laquelle il existe m états possibles 𝑒1,
𝑒2,
… , 𝑒𝑚. Un décideur a le choix entre n actions réalisables : 𝑎1,𝑎2, … 𝑎𝑛, pour chaque couple
« action/état », il y a un résultat 𝑅(𝑎𝑖,𝑒𝑗) qui peut être positif ou négatif. Il est alors possible de
définir la valeur de chaque action 𝑉𝑎𝑖 pour la réalisation de chaque événement 𝑒𝑗. Cependant,
la meilleure stratégie consiste à déterminer l’action optimale 𝑎∗ en se basant sur les valeurs
des actions calculées.

- Les critères quantitatifs

Lorsque le décideur se focalise uniquement sur les résultats attendus pour déterminer le
meilleur choix, on dit qu’il utilise un critère quantitatif. La revue économique distingue
principalement cinq critères quantitatifs majeurs :

 le critère de Laplace qui se fonde sur une approche d’équiprobabilité entre les
différents événements. Il consiste à évaluer chaque action en calculant la moyenne des
résultats possibles comme suit :

𝑉(
)= 1 𝑅 )
∑𝑚 (
[1.15]
𝑎𝑖 𝑎𝑖,𝑒𝑗
𝑚
𝑗=1

L’action choisie est celle dont la moyenne est la plus grande :

10
a* є {𝑎1, 𝑎2, … , 𝑎𝑛} / V (a*) = 𝑚𝑎𝑥𝑖∈{1,2,…,𝑛} {𝑉(𝑎𝑖)} [1.16]

10
 Le choix optimal est celui dont la valeur maximale moyenne est la plus élevée
compte tenu des autres décisions que peuvent prendre le décideur.

 le critère de Wald ou de Maximin qui se base sur une approche pessimiste totale. En
effet, le décideur cherche l’action qui offre les gains les plus faibles suivant les états de la
nature. Cette situation correspond à l’événement avec le résultat minimal :

𝑉(𝑎𝑖) = 𝑚𝑖𝑛𝑗∈{1,2,…,𝑚}{𝑅(𝑎𝑖, 𝑒𝑗)} [1.17]

L’action choisie est celle dont le résultat moyen dans le pire des cas est le plus élevé
compte tenu des autres choix possibles :

a* є {𝑎1, 𝑎2, … , 𝑎𝑛} / V (a*) = 𝑚𝑎𝑥𝑖∈{1,2,…,𝑛} {𝑉(𝑎𝑖)} [1.18]

 le critère Maximax qui se fonde sur l’hypothèse d’optimisme total. Ainsi, le décideur
évalue pour chaque action le gain le plus élevé suivant les états de la nature. En d’autres
termes, il considère la meilleure action comme l’événement avec le résultat maximal :

𝑉(𝑎𝑖)= 𝑚𝑎𝑥𝑗∈{1,2,…,𝑚}{𝑅(𝑎𝑖, 𝑒𝑗)} [1.19]

L’action choisie est celle avec le meilleur résultat dans le meilleur des cas compte tenu
des autres actions possibles :

a* є {𝑎1, 𝑎2, … , 𝑎𝑛} / V (a*) = 𝑚𝑎𝑥𝑖∈{1,2,…,𝑛} {𝑉(𝑎𝑖)} [1.20]

 le critère d’Hurwitz qui combine à la fois l’approche optimiste et l’approche

pessimiste en instaurant un coefficient d’optimisme. Autrement dit, pour chaque action, le
décideur considère le résultat maximal et le résultat minimal. La valeur maximale est affectée
d’un coefficient d’optimisme 𝖺 et la valeur minimale d’un coefficient (1- 𝖺) :

𝑉(𝑎𝑖) =𝖺∗ 𝑚𝑎𝑥𝑗∈{1,2,…,𝑚}{𝑅(𝑎𝑖, 𝑒𝑗)} + (1- 𝖺) * 𝑚𝑖𝑛𝑗∈{1,2,…,𝑚}{𝑅(𝑎𝑖, 𝑒𝑗)}𝑏 [1.21]

L’action choisie est celle dont la valeur des gains est la plus élevée compte tenu des
autres actions possibles :

a* є {𝑎1, 𝑎2, … , 𝑎𝑛} / V (a*) = 𝑚𝑎𝑥𝑖∈{1,2,…,𝑛} {𝑉(𝑎𝑖)} [1.22]

Ce critère est une généralisation des critères MaxiMin et de MaxiMax. En effet, en

définissant 𝖺 = 0, le critère d’Hurwitz se résume au pessimiste total (Maximin).

10
  Le critère de Savage ou Minimax qui se base sur la notion de regret pour un état
donné. En effet, le regret pour un état donné est défini comme étant le manque à gagner en ne
choisissant pas « la bonne action » pour cet état. Pour chaque action, il faut d’abord évaluer le
regret pour chaque état, puis la valeur de chaque action est définie comme étant le regret
maximal :

𝑉(𝑎𝑖)= 𝑚𝑎𝑥𝑗∈{1,2,…,𝑚}{(𝑚𝑎𝑥𝑗∈{1,2,…,𝑚}{𝑅(𝑎𝑘, 𝑒𝑗)} − 𝑅(𝑎𝑖, 𝑒𝑗))} [1.23]

L’action choisie est celle dont le regret maximal est le plus faible compte tenu des
regrets maximaux calculés au niveau des autres actions :

𝑎∗ ∈ {𝑎1, 𝑎2 … 𝑎𝑛} /𝑉 (𝑎∗) = 𝑚𝑖𝑛 𝑖 ∈ {1,2 … 𝑛}{𝑉(𝑎𝑖)} [1.24]

Cependant, même si les critères quantitatifs évaluent la décision qui permet au

producteur de choisir la réponse qui minimise le plus les pertes ou maximise le mieux les
gains, la plupart des décisions des agents économiques obéissent à une certaine croyance et à
des préférences spécifiques par rapport au risque. Celles-ci tiennent en compte les notions de
probabilité et de risque.

- Les critères quantitatifs probabilistes

Le second critère se fonde sur des probabilités d’occurrence de chaque état en plus des
résultats attendus des actions. La vraisemblance affectée à chaque événement 𝑒𝑗 est supposée
connue et elle est notée P (𝑒𝑗).

Sous ce registre, trois principaux critères de décisions probabilistes seront mis en revue
à savoir le critère de Pascal basé sur l’espérance de la richesse finale, le critère d’utilité
espérée de Von Neumann Mongerstern (1947) et le critère de décision de Markowitz (1970).

 le critère de l’espérance mathématique de la richesse finale qui fut développé par

Blaise Pascal en 1654 pour montrer qu’entre deux actions, l’agent préfère celle qui conduit à
la plus grande espérance mathématique des gains. Par rapport au schéma probabiliste, ce
critère s’appuie sur la loi des grands nombres qui nécessite la répétition d’un événement.
Ainsi, pour différents « états du monde » possibles, la valeur de l’action est donnée par la
formule suivante :

𝑉(𝑎𝑖) = 𝐸(𝑎𝑖) = 𝑅(𝑎𝑖, 𝑒𝑗) ∗

∑𝑚
𝑗=
1 𝑃(𝑒𝑗)
[1.25]

10
 L’action choisie est celle dont l’espérance des gains est la plus élevée compte tenu des
autres choix possibles:

𝑎∗ ∈ {𝑎1, 𝑎2, … 𝑎𝑛} / 𝑉 (𝑎∗) = 𝑚𝑎𝑥𝑖∈{1,2,…𝑛}{𝑉(𝑎𝑖)} [1.26]

Ce critère de l’espérance de la richesse suppose que l’individu soit prêt à adopter le

choix a* si toutefois son revenu le lui permet. Dans la réalité, les décideurs ne sont pas prêts à
miser toute leur fortune même si l’espérance espérée tant vers infini (démontrer à travers le
paradoxe de Saint Petersbourg47). Bernouilli (1738) propose un substitut à l’espérance
mathématique de gain. Ce substitut, appelé espérance d’utilité, s’appuie sur la proposition que
« toute augmentation de richesse, quelle qu’elle soit, donnera une augmentation d’utilité qui
est inversement proportionnelle à la quantité de bien déjà possédée ».

 le critère de l’utilité espérée ou de Von Neumann et Mongerstern qui prend en compte

la psychologie de l’individu en fonction de sa rationalité monétaire et non monétaire. En effet,
l’action optimale est celle qui donne l’espérance de l’utilité maximale la plus élevée. Ainsi, la
valeur de l’action est donnée par la formule suivante :

𝑉(𝑎𝑖) = 𝐸[𝑈(𝑎𝑖)] 𝑈[𝑅(𝑎𝑖, 𝑒𝑗)] ∗

= ∑𝑚
𝑗=
𝑃(𝑒𝑗)
[1.27]
1

L’action choisie est celle dont l’utilité espérée est la plus élevée compte tenu des autres
choix possibles :

𝑎∗ = {𝑎1, 𝑎2, … , 𝑎𝑛} / {𝑉(𝑎∗)} [1.28]

Cependant, le critère de l’utilité espérée suppose que les individus soient en mesure de
faire des choix cohérents48 sur les différentes loteries mises à leur disposition. Il nécessite, en
outre, que l’arbitrage entre deux loteries ne soit pas influencé par un autre état mixte (on
parle d’hypothèse d’indépendance). Ainsi, Allais 49 (1953) et Ellsberg50 (1961) ont montré
respectivement en 1952 et 1961 que les fondements axiomatiques de l’utilité espérée sont trop
restrictifs et que la définition de la rationalité en univers incertain n’a rien d’évident.

47
Le paradoxe de Saint Pertersbourg est exposé pour la première fois en 1713 par Nicolas Bernouilli puis par
Daniel Bernouilli en 1738 à l’Académie des sciences de Saint Pertersbourg.
48
La cohérence montre que les choix des individus sont transitifs dans le contexte de l’utilité espérée.
49
Allais (né en 1911, prix Nobel 1988) a présenté le paradoxe de l’utilité espérée au cours d’un colloque célèbre
à Paris en 1952.
10
50
Ellsberg démontre en 1961 que les axiomes de base de la théorie des probabilités ne sont pas respectés.

10
  Le critère de Markowitz qui est évalué en calculant deux paramètres. D’abord, le
décideur évalue l’espérance mathématique des gains, et ensuite, il détermine la variance
(dispersion) des résultats de chaque action possible. Cette dispersion est mesurée en calculant
l’écart-type défini par la formule suivante :

𝜎(𝑎𝑖)
𝑚= {𝑅(𝑎𝑖, 𝑒𝑗) − 𝐸(𝑎𝑖)}² ∗
√∑ 𝑃(𝑒𝑗)
[1.29]
𝑗=1

Dans ce cas, la valeur de chaque décision prise est définie comme le rapport entre
l’espérance mathématique des gains et son écart-type :

𝑉𝑎𝑖 𝐸
=
(𝑎𝑖)
[1.30]
𝜎(𝑎𝑖
)

L’action choisie est celle dont le pourcentage d’espérance par unité d’écart-type est le
plus élevé :

𝑎∗ ∈ {𝑎1, 𝑎2, … , 𝑎𝑛} / 𝑉(𝑎∗) = 𝑚𝑎𝑥𝑖∈(1,2,…,𝑛){𝑉(𝑎𝑖)} [1.31]

Dans certains cas, le décideur se fixe une marge sécuritaire « s » qui est indépendante de
l’écart type obtenu à partir du critère de Markowitz. En effet, l’individu mesure la semi-
variance définie comme suit :

𝑚
2
𝑉𝑎𝑖 = ∑ 𝑃𝑗 (𝑅(𝑎𝑖,𝑒𝑗) − 𝑠) [1.32]
𝑗=1

La semi-variance diffère de la variance à deux égards : d’une part, elle n’est pas
calculée pour toutes les valeurs possibles de la richesse, mais seulement pour celles qui sont
inférieures au seuil s ; et d’autre part, elle n’est pas calculée par rapport à l’espérance, mais
par rapport au seuil s.

De nombreuses recherches ont cherché à identifier les distributions de probabilité des

rendements et des prix agricoles (Goodwin et Ker, 2002 ; OCDE, 2009a). De manière
générale, les résultats montrent que la loi log normale capture mieux les aléas que la loi
normale. On note aussi le coefficient d’asymétrie qui, est le moment centré d’ordre trois,
permet d’évaluer le décalage, à gauche ou à droite, d’une distribution lorsqu’il s’agit de
capturer des événements extrêmes.

11
 Les risques peuvent également être mesurés par la VaR (Value at Risk) qui est un
critère très utilisé pour les choix de portefeuille en finances. La VaR est utilisée pour
caractériser les pertes possibles des agents : il s’agit de la probabilité de perdre un certain
montant au bout d’un certain temps. Ainsi, plus la VaR est faible, moins le risque de pertes à
un horizon donné est élevé.

Comme le soulignent Manfredo et Leuthold (1999), la VaR pourrait donc avoir

plusieurs applications dans les secteurs agricoles ; elle pourrait notamment être utilisée
comme guide dans la gestion des risques : en estimant les pertes maximales possibles sur un
certain horizon, les agriculteurs peuvent choisir de se couvrir ou non, sur les marchés à terme
par exemple.

Toutefois, avec ces indicateurs, on centre donc la discussion sur les événements
défavorables pour un acteur donné sans prendre en compte des situations qui lui sont
favorables.

Un débat reste ouvert sur la capacité des acteurs à identifier ce qu’il est possible
d’anticiper de ce qui ne l’est pas. Modelina et al., (2004) ne considèrent pas la question des
risques en agriculture comme une très grande problématique.

Même si la théorie économique offre des outils analytiques pertinents à l’évaluation des
actions dans un univers incertain, beaucoup d’auteurs considèrent que le choix d’adopter ou
non une stratégie dépend des caractéristiques socio-économiques qui sont estimables.

II.2.3.3 _/ Évaluation des préférences face au risque et adoption de

stratégies d’adaptation au changement climatique
Le manque d’informations sur les performances des systèmes de culture innovants
amène les agriculteurs à appliquer des pratiques en fonction de leurs expériences et de leurs
connaissances. Dans ce travail, l’adoption de stratégie d’adaptation sera appréhendée comme
l’utilisation de techniques pour faire face aux contraintes climatiques.

Comme il est rappelé en haut, une nouvelle pratique (action) sera adoptée lorsque l’état
de la nature anticipé par l’agent économique est moins risqué en utilisant la technique. De
même, si l’incertitude sur les actions est importante par rapport à des états de la nature
donnés, le décideur préférera s’abstenir. Une stratégie d’adaptation ne sera pas aussi adoptée
si la conséquence envisagée ne permet pas de satisfaire le niveau d’utilité du producteur.

11
 Deux types d’analyse économique permettent d’évaluer le comportement du producteur
face à une stratégie risquée donnée. La première est une analyse ex ante et considère le
processus d’adoption comme une préférence définie à partir des méthodes d’évaluation
contingentes ou des méthodes dites conjointes. La seconde est une analyse ex post et
considère l’adoption comme un processus dichotomique estimable par des modèles
économétriques.

- Évaluation ex ante des préférences face au risque

Différentes méthodes de révélation des préférences ont vu le jour et sont aujourd’hui

assez répandues dans les travaux sur l’adoption d’innovations agricoles (Asrat et al., 2010 ;
Espinosa-Goded et al., 2010 ; Blazy et al., 2011 ; Beharry-Borg et al., 2012 ; Kuhfuss et al.,
2013). Ces méthodes se fondent sur des préférences déclarées, c'est-à-dire que le choix de
l’individu s’effectue sur la base de déclaration ex ante. Elles permettent d’évaluer la valeur
monétaire des biens non marchands associés à des pratiques ou des techniques économes en
intrants (Adanowics et al., 1998 ; Dachary, 2004 ; Birol et al., 2006). L’analyse ex ante des
préférences permet aussi de déterminer le choix des individus en fonction des caractéristiques
de l’innovation. Les deux principales méthodes concernent la méthode d’évaluation
contingente et la méthode d’évaluation conjointe.

 la méthode d’évaluation contingente est généralement utilisée en économie de

l’environnement (Mitchell et Carson, 1989). Selon Vermersch et al. (1995), la méthode
d’évaluation contingente a pour but de trouver une valeur monétaire à des biens non
marchands (ressources naturelles ou environnement). L’individu doit directement indiquer
son consentement à payer ou à recevoir afin de disposer d’un produit ou de conserver l’usage
d’un bien. Il s’agit de reconstituer une fonction de demande d’un bien à partir d’un marché
hypothétique (marché contingente).

Dans le cadre de cette recherche, cette méthode pourrait permettre de connaître la

disposition à payer des agriculteurs pour bénéficier d’un marché de gestion du risque
environnemental (marché d’assurance par exemple) dans le cas où celui-ci n’existerait pas ou
présente des dysfonctionnements. Toutefois, dans le cas d’un marché d’assurance agricole, les
indemnités versées aux assurés peuvent fluctuer lorsque le risque est systémique. Ces
fluctuations peuvent augmenter le risque de faillite des assureurs (Blanc, 2003). Dans le
contexte sahélien, le risque de production se réalise simultanément sur un grand nombre

11
d’exploitations agricoles ; ce qui contraint tout développement d’assurance agricole (Diarra,
2014).

Cependant, la détermination du prix de l’assurance sans décaissement réel conduit à des

biais hypothétiques (Völckner, 2006). De même, un biais de nature stratégique peut affecter
l’analyse lorsque la personne interrogée façonne délibérément sa réponse en vue d’influencer
délibérément les résultats de l’enquête dans le sens de ses propres intérêts (Vertenbroch et
Skiera, 2002). C’est le cas lorsqu’un producteur qui a une aversion pour le risque déclare une
prime nulle pour s’assurer contre le risque.

 la méthode d’évaluation conjointe est une technique souvent utilisée en marketing

pour évaluer l’utilité d’un produit en fonction d’un système de variables explicatives (Green
et Srinivasan, 1990). On peut déterminer le "shadow price" ou l’utilité marginale normalisée
de chacune des caractéristiques (Useche et al., 2009 et 2013). La détermination du "shadow
price" permet de quantifier et de hiérarchiser les effets de chacune des caractéristiques dans le
choix d’adoption de l’agriculteur. Cette méthode est particulièrement adaptée lorsqu’on étudie
des innovations complexes telles que les systèmes de cultures innovantes, car l’innovation
peut se décrire en fonction d’un ensemble de caractéristiques (Alriksson et Öberg, 2008).

Plusieurs approches sont utilisées pour une évaluation conjointe : la classification

contingente, comparaison par paires, "choice experiment". Elles peuvent être classées en deux
types (Mackenzie, 1993 ; Adamowicz et al. 1997) en fonction de réponse que doit fournir
l’agriculteur lorsqu’il est mis en situation de choix : choix discret (adoption/rejet),
classification hiérarchique (classement des alternatives).

Le principal avantage de l’évaluation conjointe est qu’elle permet de mettre les

agriculteurs dans des situations hypothétiques de choix permettant de tester les effets de
nombreuses caractéristiques qui peuvent ne pas encore exister. Cependant, afin de limiter le
biais hypothétique, c'est-à-dire une réponse qui ne serait pas celle de l’exploitant en situation
réelle de choix, il faut que les mises en situation proposées aux agriculteurs restent
compréhensibles, crédibles et simples (Völckner, 2006).

À cause des caractéristiques très complexes des stratégies d’adaptation au changement

climatique, cette méthode sera remplacée par l’évaluation des bénéfices issus de l’adoption de
chaque stratégie pour évaluer les meilleures pratiques agricoles.

11
 - Modèles d’estimation ex post des préférences et adoption de stratégies
d’adaptation

L’adoption de technologie agricole est basée sur la maximisation de l’utilité (Norris et

Batie, 1987 ; Prynishnikov et Katarina, 2003). L’hypothèse ici est que les agriculteurs
adoptent une stratégie nouvelle seulement quand l’utilité ou le profit perçu est plus élevé que
l’adoption de la méthode traditionnelle. Lorsque l’utilité n’est pas observée directement, les
actions des agents économiques sont observées à travers les choix qu’ils effectuent. Ces choix
sont estimés à partir des modèles binaires ou des modèles multivariés (Tableau 8).

Tableau 8: Modèles d’estimation des choix d’adoption

Modèles d’estimation de l’adoption des stratégies d’adaptation au changement climatique
Modèles Mode d’emploi Travaux de référence
Logit ou probit Lorsque le nombre de choix Maddison, 2006
disponibles est égal à deux Hassan et Nhemachena, 2007
(adoption ou non) Gbetibouo, 2009
Probit multinomial Lorsque le nombre choix Hausman and Wise, 1978
disponibles est supérieur à Nhemachena et Hassan, 2008
Logit multinomial deux Tazeze et al. 2012
Kurukulasuriya et
Mendelsohn, 2006
Mendelsohn et al., 2006
Seo et Mendelsohn , 2006
Modèle de sélection de Lorsque la décision Stan et William, 2003
Heckman d’adoption nécessite plus Yirga, 2007
qu’une étape (deux étapes) Kabila et al., 2000
Yegbemey et al., 2014
Tesso et al., 2012
Source : l’auteur à partir de la revue de littérature

Dans le premier cas, il s’agit des modèles probit et logit qui sont le plus souvent utilisés
pour analyser l’adoption de technologie (Maddison, 2006 ; Hassan et Nhemachena, 2007 ;
Gbetibouo, 2009). Ces modèles sont employés lorsque le nombre de choix disponibles est
égal à deux (adoption ou non). L’extension des modèles binaires a permis de recourir à des
modèles multivariés employés lorsque le nombre de choix disponibles est supérieur à deux.

Les modèles de choix multivariés les plus utilisés dans les choix non ordonnés sont le
probit multinomial (Hausman et Wise, 1978) et le logit multinomial (Tazeze et al., 2012). Les
modèles multivariés sont les plus avantagés que leur contrepartie logit ou probit binominal
pour deux raisons (Wu and Babcok, 1998). La première raison, ils permettent d’explorer à la

11
fois deux facteurs conditionnant des choix spécifiques ou combinaison de choix ; la seconde,
parce qu’ils prennent en compte la sélection et l’interaction entre les différentes alternatives.

Ces modèles qualitatifs sont employés pour analyser les choix effectués par les
producteurs en situation de changement climatique et ils sont particulièrement utilisés pour
déterminer la décision d’adopter ou non une nouvelle technologie en agriculture. Par exemple,
Nhemachena et Hassan (2008) ont employé le modèle probit multivarié pour analyser les
facteurs influençant l’adaptation au changement climatique en Afrique du Sud.
Kurukulasuriya et Mendelsohn (2006) puis Mendelsohn et al. (2006) ont employé le modèle
multinomial logit pour voir si les agriculteurs sont sensibles au climat et le choix de récolte
résultant. De façon similaire, Seo et Mendelsohn (2006) ont utilisé le modèle multinomial
logit pour analyser le choix des espèces animales élevées par les exploitants agricoles et la
sensibilité climatique.

Aussi, lorsque le processus de décision, d’adopter une nouvelle technologie, requiert

plus qu’une étape, les modèles à deux étapes sont employés pour corriger le biais de sélection
généré durant le processus de décision. Par exemple, Stan et William (2003) ont utilisé le
modèle de heckman pour analyser en premier lieu, les facteurs affectant la perception des
agriculteurs suite à l’introduction d’une nouvelle technologie et en second lieu, son adoption
par les exploitants agricoles. De même Yirga (2007), Kabila et al. (2000) ont employé le
modèle de heckman pour analyser le processus d’adoption d’une nouvelle technologie
agricole et l’utilisation intensive d’intrants agricoles. Dans le même ordre, Maddison (2006) a
argumenté que l’adaptation au changement climatique se fait suivant deux étapes ; lesquelles
évaluent d’abord, la perception au changement climatique et la réponse apportée comme
stratégie d’adaptation en second lieu. Cette même recherche a été menée au Nord du Bénin
par Yegbemey et al. (2014), pour déterminer le double processus de perception et
d’adaptation au changement climatique des producteurs de maïs. Tesso et al. (2012) ont
également utilisé le modèle heckman pour analyser le degré de perception et l’adoption des
stratégies d’adaptation au changement climatique au Nord Shewa en Ethiopie.

Cette recherche adopte le modèle de heckman à deux étapes (Heckman, 1979) pour
déterminer l’adhésion au groupe et l’adaptation au changement climatique dans le Bassin
arachidier. De même, le modèle probit est utilisé pour expliquer successivement l’utilisation
d’information climatique, l’aversion au risque financier et l’adoption de chaque stratégie
d’adaptation.

11
II.3_ / Adoption des stratégies d’adaptation et adhésion au groupe : développements
empiriques
Plusieurs recherches ont été élaborées pour expliquer le comportement d’adoption des
stratégies d’adaptation par les agriculteurs. Mais il faut distinguer les situations où l’unité
décisionnaire est une personne unique, exploitant individuel, des situations de cogestion de
l’exploitation, sous forme sociétaire. Dans ce dernier cas, la décision est le produit d’un
consensus collectif et il est difficile d’isoler et de mettre en évidence des déterminants
individuels de l’adoption (Pannell et al., 2006). En revanche, à notre connaissance, peu de
recherches ont essayé de mettre en corrélation la relation entre adhésion dans un groupe et
l’adaptation au changement climatique.

II.3.1 _ / Les déterminants de l’adoption des stratégies d’adaptation au changement

climatique

La décision d’adoption est un processus complexe lorsqu’elle est surtout de type

systémique (en conciliant la protection de l’environnement et les enjeux de la productivité).
Elle implique des décisions d’adaptations multiples et souvent interdépendantes. Elles sont
influencées par plusieurs facteurs agronomiques, socioéconomiques, psychologiques,
informationnels et réglementaires (Gbetibouo, 2009). Parmi ces facteurs, il existe des
interactions entre les déterminants non directement observables tels que : l’aversion pour le
risque de l’agriculture, ses préférences pour l’innovation ; et les déterminants observables
propres à l’agriculture ou à son milieu (Feder et Umali, 1993 ; Marra et al., 2003).

Il est aujourd’hui difficile de synthétiser tous les résultats obtenus dans la littérature
économique sur l’effet des variables socioéconomiques, agronomiques ou celles liées à son
environnement sur l’adoption de stratégies d’adaptation. La revue économique est large et
beaucoup d’auteurs ont réalisé leurs travaux en se concentrant spécifiquement sur certaines
techniques d’adaptation. C’est le cas sur les études de l’agriculture de conservation chez
Knowler et Bradshaw (en 2007) et Prager et Posthumus (en 2010) mais aussi des bonnes
pratiques agricoles chez Prokopy et al. (en 2008).

11
II.3.1.1 _ / les déterminants agronomiques d’adaptation au changement climatique

L’exploitant est soumis de manière récurrente à des contraintes externes qu’il peut
difficilement anticiper. Ces déterminants exogènes comme l’environnement de production
s’imposent à lui et deviennent des facteurs expliquant la productivité des facteurs et
l’adoption d’innovation. Amigues et al. (2006) notent qu’il existe deux possibilités
d’adaptation de l’agriculteur au risque de sécheresse : une décision collective à travers une
réorganisation des filières, à l’approvisionnement de nouvelles sources d’eau, etc. ou une
décision individuelle avec une modification des itinéraires techniques ou changement de
systèmes de culture, etc.

- Adoption des techniques de fertilisation

Amigues et al. (2006) montrent que la capacité technique à court terme dépend des
facteurs variables : disponibilités d’eau, d’engrais, de pesticides, etc. qui peuvent être ajustés
en fonction de la réalisation du risque climatique ou des anticipations de l’agriculteur. Khanna
(2001) montre qu’il existe un effet de la zone de production sur l’adoption de pratiques de
fertilisation parcellaire. De même, Ouedraogo et Some (2010) ont montré que l’utilisation de
la fumure organique (fumier ou compost), s’explique par la richesse relative des sols et par
l’utilisation d’engrais minéraux. Just et Pope (1979) ont proposé une fonction de production
qui permet de décrire les choix d’intrants en fonction de leur impact différencié sur le
rendement espéré et sur la variance de ce dernier. Ainsi, pour la production de maïs et
d’avoine aux États-Unis, ils concluent que si l’utilisation intensive d’engrais accroît
l’espérance de production, elle augmente également significativement la variabilité de ces
rendements, ce qui peut se traduire par une baisse du bien-être de l’agriculteur.

- Changement de système de culture

Zilberman et al. (2003) indiquent qu’à long terme, il est possible de passer d’un système
cultural pluvial à un système d’irrigation de goutte à goutte. En outre, Ouedraogo et Some
(2010) ont trouvé que la date d’installation des pluies et la durée de saison pluvieuse sont des
paramètres essentiels pour l’agriculture pluviale. Leur étude révèle que des semis précoces
permettent d’éviter les effets des arrêts précoces des pluies. Environ 20,7% des exploitants
enquêtés ont utilisé cette stratégie, soit 20,3% en zone soudano-sahélienne. Néanmoins, des
contraintes climatiques, comme des sécheresses répétées, poussent les agriculteurs à rejeter
certaines innovations pour des raisons techniques (Mariano et al. 2012).

11
 - Utilisation des techniques de conservation d’eau et du sol

Ouedraogo et Some (2010) montrent que l’utilisation des techniques de conservation

d’eau et du sol croît avec le milieu écologique. Ainsi, les zones les plus humides connaissent
une faible utilisation de ces techniques. Ils trouvent que le taux d’adoption des techniques de
conservation d’eau et du sol (CES), pour restaurer ou renforcer la fertilité des sols (digues,
diguettes, cordon pierreux, zaï, demi-lune, paillage), est de 33% dont 38,6% en zone
sahélienne, 36,9% en zone soudano sahélienne et 19,7% en zone soudanienne. Selon Amigues
et al. (2006), la substitution de la culture irriguée de maïs par le sorgho cultivé à bas fond
permet une économie d’au moins de 50% des volumes d’eau. De même que les assolements et
les rotations culturales, au profit des variétés plus résistantes au stress hybride, permettent de
réaliser un ajustement à long terme.

- Adoption de nouvelles variétés améliorées

Dans une étude menée auprès des agriculteurs au Burkina Faso, Ouedraogo et
Some (2010) ont montré que 42,5% des exploitants ont adopté de nouvelles variétés
améliorées à cycle court avec une fréquence forte dans la zone soudano-sahélienne du fait de
la plus grande vulnérabilité de cette zone face aux facteurs climatiques.

- Adoption des techniques de diversification culturale

Feder (1980) a montré une relation positive entre la surface agricole utile (SAU) et
l’adoption de variétés de culture à haut rendement. Salick et Byg (2007) ont montré que la
diversification des cultures a permis aux agriculteurs traditionnels de réduire
considérablement leurs pertes face à la variation du climat. Ainsi, ils montrent que certaines
populations traditionnelles plantent un grand nombre de cultures et de variétés ayant des
niveaux très différents de vulnérabilité à la sécheresse et aux inondations. De plus, Smith,
Ragland et Pitts (1996) considèrent que la diversification des activités est susceptible de
réduire la vulnérabilité de la société au changement climatique.

- Utilisation des savoirs endogènes

D’autres auteurs se sont focalisés sur le rôle du savoir traditionnel dans l’adaptation aux
changements climatiques. Gyampoh et al. (2007) à travers une enquête sur les communautés
rurales du bassin du fleuve Offin (Ghana), ils montrent que la sagesse, les connaissances et les
pratiques des populations autochtones acquises par l’expérience et transmises oralement de
génération en génération ont joué au fil des ans un rôle significatif dans l’adaptation au
11
climat. Ainsi, les populations autochtones qui vivent près des ressources naturelles observent
souvent les activités qui se déroulent autour d’elles, et sont les premières à identifier les
changements et à s’y adapter. Cependant, ils considèrent que l’apparition de certains oiseaux,
l’accouplement de certains animaux et la floraison de certaines plantes sont autant de signes
fondamentaux de changements dans le temps qui attirent l’attention de l’exploitant agricole.

II.3.1.2 _ / Déterminants socioéconomiques et psychologiques

d’adaptation au changement climatique
- L’importance de la richesse

Les travaux préliminaires en économie effectués par Grilliches puis Rosenberg ont mis
en évidence l’importance des facteurs financiers dans l’adoption des stratégies d’adaptation
(Grilliches, 1957 ; Rosenberg, 1976). Pour eux, la richesse est un facteur clef dans l’adoption
des stratégies d’adaptation par son effet sur l’aversion pour le risque (plus un individu est
riche plus il est prêt à prendre des risques) mais aussi par son effet multiplicateur sur
l’investissement. De même, Blazy et al. (2011) et Mariano (2012) ont trouvé un impact positif
du revenu net sur l’agriculture intégrée et les innovations agro-écologiques. Selon Gedikoglu
et McCann (2007) et Koundouri et al. (2006), le chiffre d’affaire réalisé par l’exploitant
agricole génère un effet positif à l’adoption des pratiques de conservation et sur la technique
d’irrigation. Par contre, d’autres auteurs comme Ouedraogo et Some (2010), Reynaud (2015)
et Twyman et al. (2007) ont démontré qu’il existe une relation négative entre l’adaptation et
le niveau de richesse car celle-ci permet de supporter les pertes occasionnées lors de la mise
en place d’une stratégie ancienne.

- Le rôle du capital social

Le capital social joue un rôle significatif dans l’adaptation au changement climatique en

milieu agricole (Isham, 2002). Anderson et al. (2005) et Baffoe-Asare et al. (2013) ont
montré respectivement l’impact positif du capital social à l’adoption de l’agriculture
biologique et à la gestion des ravageurs. Pour Deressa et al. (2011), le contact avec les
services extérieurs et autres organisations augmente la sensibilité de l’agriculteur au
changement climatique. De même, Maddison (2006) a montré que la proximité à un marché
est un facteur déterminant de l’adoption parce que le marché permet un échange
d’informations avec les autres exploitants.

11
 En revanche, Chavas (1994) et Panell et al., (2006) ont trouvé une relation négative
entre le capital social et l’adoption à travers le niveau d’endettement. Ainsi, la mise en œuvre
de nouvelles stratégies entraine de nouveaux investissements qui peuvent en partie être
irrécouvrables. Paudel et al. (2008) soulignent que le niveau d’endettement des agriculteurs
limite de manière significative l’adoption de bonnes pratiques agricoles qui ne nécessitent pas
forcément d’investissements matériels ou financiers. L’étude réalisée par Sauer et Zilberman
(2009) montre également qu’un taux d’endettement élevé limite l’adoption d’innovations
technologiques nécessitant des immobilisations importantes. De même, Ouedraogo et
Some (2010) ont montré que le crédit en nature comme l’engrais à crédit défavorise les
investissements en techniques de conservation de l’eau et du sol (CES) et en fumure
organique.

Toutefois, pour ces auteurs, l’encadrement du producteur par les coopératives et les
projets de développement a un impact positif et significatif sur l’acquisition du crédit agricole
et l’acquisition de semences améliorées.

- le rôle du capital physique

Les études réalisées par Anderson et al. (2005) ont montré un effet négatif de la taille de
l’exploitation sur l’adoption de l’agriculture biologique qui s’explique par la conversion du
système d’exploitation et nécessite du temps supplémentaire en termes de formation et de
surveillance. Pour Caswell et al. (2001), la possession de terres exerce un effet positif à
l’adoption de stratégies d’adaptation nouvelles. Cependant, Soule et al. (2000) soulignent que
la propriété implique aussi des contraintes financières pour l’exploitant ; ce qui peut freiner
l’adoption.

- Le rôle de la diversification des revenus

La diversification hors exploitation du revenu des ménages joue un rôle ambigu sur
l’adoption de nouvelles pratiques en technologie agricoles. D’Sousa et al. (1993), Sauer et
Zilberman (2009) ont montré une concurrence en termes de temps entre les activités agricoles
et les activités non agricoles, ce qui serait un frein à l’adoption. À l’opposé, Gedikoglu et
McCann (2007) soulignent qu’avec les ressources financières générées par l’activité non
agricole, elle faciliterait l’adoption de nouvelles stratégies d’adaptation intensives en capital.

12
 - Le rôle du capital humain

Le niveau d’éducation de l’exploitant est généralement reconnu comme favorisant

l’adoption d’innovations intensives en capital humain (Kebede et al., 1990 ; Feder et Umali
1993 ; Wu et Badcock, 1998 ; Foltz et al., 2004 ; Abdulai et Huffman, 2005 ; Sauer et
Zilberman, 2009). Cependant, Knowler et Bradshaw (2007) montrent qu’il n’existe aucune
relation significative entre l’éducation et l’adoption. Toutefois, il est possible de considérer
que les exploitants qui ont des niveaux d’instruction les plus élevés savent plus exploiter les
informations climatiques et, ainsi, de limiter leur niveau d’incertitude.

Le rôle de l’expérience sur la décision d’adoption est contrasté. En effet, Baffoe-Asare

et al. (2013) ont démontré l’effet positif de l’expérience sur l’adoption. Par opposition aux
travaux de Wu et Babcock (1998), sur l’adoption de deux types d’innovation différents, ont
montré des effets contrastés de l’expérience. Celle-ci influence négativement sur l’adoption
du non-labour et positivement l’application localisée de fertilisants. Kebede et al. (1990) met
en évidence le rôle de l’expérience sur la perception du risque. Ainsi, pour lui, l’expérience
agricole facilite l’adoption d’innovation en réduisant le risque perçu.

Featherstone et Goodwin (1993) ; Soule et al. (2000) ont noté que les agriculteurs les
plus âgés, c'est-à-dire les plus expérimentés, ont un horizon de planification plus court qui ne
les pousse pas à changer de pratiques. Aussi, D’souza, Cyphers et al. (1993), Foltz et Chang
(2002), Anderson et al. (2005), ont montré que l’âge réduit la probabilité d’adoption car les
exploitants plus âgés ont un horizon de planification plus court, ils valorisent moins les
bénéfices à long terme de certaines innovations. Cependant, les jeunes exploitants sont
souvent soumis à des contraintes financières fortes ce qui peut les dissuader d’investir
davantage dans une nouvelle technique.

- Le rôle de l’aversion pour le risque

Au-delà des facteurs observables, les individus développent des perceptions et des
préférences individuelles à l’adoption des techniques d’adaptation et celles-ci ne sont pas
directement observables. En effet, les agriculteurs ne connaissent pas de manière parfaite
l’environnement au sein duquel ils évoluent (Reynaud, 2015).

Grâce aux méthodes d’économie expérimentale, basée sur des jeux de loteries
financières (Allais, 1952), de nombreux travaux ont mis en évidence le poids de l’aversion
pour le risque dans le processus d’adoption de stratégies d’adaptation. Ils révèlent que le

12
niveau d’aversion pour le risque des exploitants agricoles est faible car ils sont habitués à
subir des risques et sont globalement plus tolérants; mais comme tous les entrepreneurs, ils
sont plus sensibles au risque de pertes (Bocqueho et al., 2014).

Diarra (2014) définit la prime de risque comme le montant monétaire que l’agriculteur
est prêt à sacrifier pour éviter toute forme de risque dans l’exercice de son activité agricole.
Ainsi, il trouve que la prime de risque pour un agriculteur sahélien s’élève à 44 862 F CFA, ce
qui correspond environ 21% de sa richesse. Reynaud (2015) montre que la prime de risque
croît avec le niveau d’aversion pour le risque. Il trouve qu’un agriculteur fortement averse au
risque est prêt à payer 24,17 euros par hectare pour ne plus supporter de risque. À l’inverse,
un agriculteur fortement « riscophile » ne sera prêt à recevoir de façon certaine l’espérance de
son profit que si on le dédommage de 27,62 euros par hectare.

Aussi, Hassine et Thomas (2001) ou Groom et al. (2008) ont montré que les agriculteurs
sont caractérisés par leur aversion pour le risque, ainsi les primes de risque déclarées seraient
donc positives. Ils trouvent que pour des sols fortement profonds avec une forte réserve utile,
un agriculteur fortement averse au risque est prêt à payer 31,26 euros par ha pour ne plus
avoir à supporter de risque (Groom et al., 2008). Pour eux, ce montant est significatif puisque
la prime de risque représente 5,2 % de la marge brute. Cependant, l’aversion à elle seule ne
permet pas d’expliquer le comportement des agriculteurs face au risque (Hellerstein et
al., 2013). Menapace et al. (2013), dans son étude chez les arboriculteurs en Italie,
démontrent que les agriculteurs les plus averses perçoivent de manière significative les
risques de pertes sur leurs récoltes.

Bosch et Eidman (1987) ont déterminé le montant que serait prêt à payer un agriculteur
pour obtenir une information supplémentaire plus précise sur la réserve utile, la croissance de
la plante et le climat. Ils montrent que la valeur de l’information est d’autant plus élevée que
l’eau pour l’irrigation est limitée. Ils montrent aussi que le montant que l’agriculteur est prêt à
payer, pour obtenir une meilleure information, dépend de son attitude face au risque et
augmente substantiellement si la ressource en eau est limitée.

Même si l’adaptation au changement climatique nécessite l’adhésion des agents aux

stratégies mises en œuvre, le rôle des institutions est crucial pour une distribution symétrique
des données et des instruments de gestion du risque climatique.

12
II.3.1.3 _ / Déterminants institutionnels et cadre réglementaire

Une information transmise de manière précoce aux agriculteurs, sur le risque en période
de changement climatique, permet de limiter significativement les pertes de production
(Reynaud, 2015)

Le contexte informationnel à la fois formel (visites des conseillers agricoles,

informations des services techniques…) et informel (réseaux de producteurs, forum…) affecte
l’adoption (Marra et al., 2003 ; Barham et al., 2014). En effet, Prokopy et al. (2008) trouvent
un effet positif des indicateurs liés à l’information ou au conseil sur l’adoption d’innovations.

En outre, Marciano et al. (2013) utilisent différents indicateurs pour évaluer le niveau
d’information des agriculteurs : nombre de visites de conseillers agricoles, essais, visites
d’essais. Ils trouvent pour chacun d’eux un effet positif sur l’adoption de nouvelles techniques
de production sur le riz.

Aussi, Kuhfus et al. (2013) soulignent l’importance des réseaux locaux pour faciliter la
mise en place de contrats agroenvironnementaux chez les viticulteurs du sud-est de la France.
De même, Parcell et Gedigoklu (2013) ont développé un modèle d’analyse prenant en compte
la coopération entre les agriculteurs pour expliquer l’adoption de pratiques de conservation
d’eau. Ils montrent que la prise en compte des interrelations entre agriculteurs permet aussi de
mieux expliquer le comportement d’adoption. Selon Brouard et al. (2012), la coopération
entre agriculteurs est une voie intéressante à développer afin que les acteurs économiques
participent davantage à l’intérêt collectif, améliorent leur utilité sociale, voire contribuent à
plus de démocratie. Toutefois, il semble évident que l’acquisition d’informations réduit
l’incertitude et permet aux agriculteurs de percevoir de manière objective le changement
climatique et les risques encourus.

Il existe peu de résultats à notre connaissance des effets de la réglementation sur

l’adoption d’une nouvelle stratégie d’adaptation. Les travaux en économie s’intéressent
généralement à l’effet ex ante d’un changement de la réglementation sur l’évolution des
pratiques agricoles.

12
II.3.2 _ / Les déterminants de l’adhésion aux groupes sociaux

Il existe une corrélation positive entre l’adhésion à un réseau social local et l’adaptation
au changement climatique. Pour montrer l’influence de l’adhésion à un groupe de producteurs
sur l’adaptation au changement climatique, Ofuoku et Agbamu (2012) réalisent une étude sur
143 exploitations agricoles suivant trois zones dans le Delta du Nigéria. Les résultats
montrent que la plupart des agriculteurs adhèrent au groupe non pas pour accroitre leur
capacité d’adaptation au changement climatique mais juste pour élargir leur accès aux
services agricoles et de disposer des facilités de crédit. Ils concluent que plus la cohésion au
sein des organisations de producteurs est intense plus le degré d’adaptation au changement
climatique est élevé. En revanche, le manque de ressources financières et la rareté de la
technologie constituent de véritables barrières à l’adoption des stratégies d’adaptation.

Cependant, la cohésion est souvent perçue du point de vue affectif à travers l'attraction
interpersonnelle entre les membres d'un groupe. Ainsi, Ofuoko et al. (2008) montrent que la
cohésion se déplace au-delà de simples goûts interpersonnelles. Ofuoku et Urang (2009)
montrent que le degré de cohésion est vital dans le processus de prise de décision au sein du
groupe, de l'atteinte des objectifs, de l'identité et de la satisfaction des membres. Des travaux
de recherche ont montré aussi que plus les besoins des agriculteurs sont satisfaits au sein du
groupe, plus les membres sont actifs (Ofuoku et al., 2008 ; Ofuoku et Urang, 2009). Selon
Ogionwo et Eke (1999), la cohésion est plus élevée dans les groupes dont les activités sont en
harmonie avec les objectifs des membres que dans les groupes où les membres ne partagent
pas l'ensemble des activités. Ofuoku et Urang (2009) ont constaté qu’il existe une relation
positive entre l’adhésion au groupe de producteurs et l’adoption de stratégies d’adaptation.
Pour eux, cette relation est due au rôle des services de vulgarisation et le contact entre les
agriculteurs.
Dans leurs études, Ofuoku et Urang (2009) ont découvert que 91,7% des agriculteurs
souscrivent aux organisations de producteurs pour l'accès au service de vulgarisation. Ofuoku
et al. (2008), Ofuoku et Urang (2009) ont découvert que les agriculteurs voudront rester dans
leur groupement si leurs besoins sont satisfaits par le groupe. Ogionwo et Eke (1999)
affirmaient que le leadership démocratique facilite la performance du groupe et des individus
mais également la cohésion du groupe. Ofuoko et al. (2012) considèrent aussi que l’adhésion
dépend de la capacité financière de l’agriculteur car chaque individu fixe un montant consacré
à l’accès à une information pertinente.

12
 Même si l’accès à l’information constitue une priorité pour les membres du groupe,
Ofuoko et al. (2012) montrent que le contact entre le groupe et les services d'extension est
insuffisant, de même que l’accès à l'information. Cela s’est confirmé avec les conclusions
d’Ofuoku et al. (2008) qui ont découvert que la plupart des agriculteurs ont eu au moins un
contact avec un agent des services d’extension une fois par mois.

Il ressort de la revue de littérature que certaines variables socioéconomiques impactent

positivement l’adoption de stratégies d’adaptation au changement climatique. Cependant,
certains facteurs contribuent à réduire la capacité d’adaptation. Toutefois, l’adhésion à un
groupe influence positivement le degré d’adoption lorsque les membres sont actifs et
manifestent une cohésion (Tableau 9).

Tableau 9: Résumé des relations entre les variables socioéconomiques sur l’adoption des
stratégies d’adaptation
Variables Type51 Modalités Signes attendus

±
Les déterminants agronomiques et socioéconomiques de l’adoption des stratégies d’adaptation
Sol fertile D 1=fertile

±
0=pas fertile
Niveau de richesse D 1=riche

+
0=pauvre
Contact avec les services D 1=contact

+
extérieurs 0=pas de contact
Proche du marché D 1=proche

−
0=pas proche
Endettement D 1=endetté

−
0=pas endetté

±
Taille de l’exploitation C -
Possession de terre D 1=possession
0=pas de possession

Activité non agricole D 1=oui ±

+ ou pas significatif
0=non
Niveau d’éducation O -

±
−
Expérience agricole C -

±
Age C -
Aversion pour le risque D 1=averse

+
financier 0=pas averse
Paiement prime de risque C -
ou disposition à payer

Utilisation d’information D 1=oui +

+ ou pas significative
agricole ou climatique 0=non
Appartenance à un D 1=oui
réseau local 0=non

51
D=variable dummy ; C=variable continue ; O=variable ordonnée

12
Cohésion du groupe D 1=cohésion +
0=pas de cohésion

+
Les déterminants de l’adhésion à un groupe (réseau social)
Contact avec les services D 1=contact

+
extérieurs 0=pas de contact
Facilités de crédit D 1=accès au crédit
0=pas accès au crédit

Compétence du D 1=compétent +

+
leadership 0=pas compétent
Niveau de richesse D 1=revenu élevé
0=revenu faible
Source : l’auteur à partir de la revue de littérature

II. 4_/ Modélisation théorique du risque : la fonction Markowitz

Le travail s’appuie sur la théorie du portefeuille pour déterminer le choix de l’agent
(agriculteur) à prendre une décision dans un environnement risqué. Même si les résultats
attendus sont uniquement monétaires sur le marché financier, la théorie du portefeuille
constitue une référence pour juger du niveau d’aversion pour le risque d’un agent
économique. Il s’agit de déterminer la décision optimale parmi des alternatives conduisant à

différents résultats (gains ou pertes) aléatoires 𝑊̌ prenant un nombre fini de

valeurs (𝑤1,…, 𝑤𝑛 ) avec des probabilités respectives (𝑝1,…,𝑝𝑛 ). On peut interpréter

𝑊̌ comme la valeur positive (gain) ou négative (perte) du gain généré par une loterie, et il
s’agit d’établir un critère qui permette de comparer différentes loteries afin de choisir la «
meilleure ».

Avant les travaux de Bernoulli et Cramer, au début du XVIIIe siècle, « l’attrait » d’une

loterie était censé être fondé sur l’espérance mathématique de son gain 𝑊̌ :

𝐸(𝑊̌ ) = ∑ [1.33]
𝑃𝑖 𝑊𝑖
𝑖=1

Selon une telle conception, un individu rationnel devrait être indifférent entre la loterie

au résultat incertain et une somme certaine égale à E (𝑊̃ ) et, entre plusieurs loteries,
devrait préférer celle qui a l’espérance de gain la plus élevée.

Cette théorie a priori simpliste est en fait contredite par le comportement effectif de la
plupart des individus face au risque. Donnons-en un contre-exemple. Soit une loterie donnant,
avec des probabilités égales, soit 0 soit 100 000 euros. La plupart des individus préfèrent une

12
somme certaine de 50 000 euros à la somme aléatoire 𝑊̌ alors même que E(W̌ ) =
50 000 euros. Cette préférence pour le résultat certain reflète l’aversion pour le risque qui
caractérise

12
la plupart des agents économiques. Cette aversion est liée au fait que l’utilité marginale d’une
monnaie supplémentaire décroît. En effet, l’individu rationnel classe ses projets de dépense
par ordre de priorité décroissante : les 50 000 premiers euros sont affectés à des projets plus «
utiles » que les 50 000 euros suivants et, de ce fait, l’utilité de 100 000 euros est inférieure au
double de l’utilité de 50 000 euros. On dit que l’utilité marginale de la richesse diminue et que

l’« équivalent certain » de la loterie 𝑊̌ , qui dépend en fait de chaque individu, est
strictement
inférieur à 50 000 euros.

Ces idées, introduites par Bernoulli et Cramer dès le XVIIIe siècle, ont été
systématisées et rigoureusement formalisées par le mathématicien John Von Neumann,
associé à l’économiste Oscar Morgenstern (VNM ci-après). Dans un ouvrage fondamental
publié en 1944, VNM démontrèrent formellement que tout individu obéissant à quelques
principes de rationalité cherche à maximiser, non pas l’espérance de sa richesse, mais
l’espérance de l’utilité de sa richesse. Synthétiquement, le programme d’un individu confronté
à des choix aux conséquences aléatoires se résume à maximiser : 𝐸[𝑈(𝑊̌)].

La fonction d’utilité U(.) traduisant les préférences de chaque individu, lui est
spécifique, et dépend notamment de sa richesse initiale au moment de la décision et de son
aversion au risque.

Cependant, la fonction d’utilité U(.) de la plupart des individus, possède les deux
caractéristiques suivantes : (i) elle est croissante avec la richesse (on désire toujours être plus
riche) ; dès lors, elle est dérivable : U’(.) > 0 ; (ii) elle est concave (la pente U’(.) décroît donc
U’’(.) < 0) ; cette concavité traduit, sur le plan mathématique, non seulement la décroissance
de l’utilité marginale, mais aussi l’aversion à l’égard du risque.

II.4.1 _/ Le critère espérance-variance

L’utilisation de fonctions d’utilité générales s’avère souvent complexe et ne conduit pas
à des solutions analytiques. C’est la raison pour laquelle Markowitz simplifia le problème du
choix dans l’incertain de l’investisseur afin de le résoudre de manière simple et explicite. Son

idée consiste à mesurer le risque affectant une richesse 𝑊̌ (ou de la valeur globale
d’un portefeuille) par la variance de celle-ci [notée : σ²(w)]. L’investisseur est alors présumé
prendre ses décisions en fonction seulement de deux paramètres : l’espérance de sa richesse,
𝐸(𝑤̌ ), qu’il souhaite la plus grande possible, et sa variance, 𝜎 2 (𝑤̌ ) qu’il désire la plus
faible possible. Il s’agit du critère espérance-variance (E-V dans la suite).
12
 Il est important de déterminer les conditions qui rendent le critère E-V compatible avec
celui de VNM de maximisation de l’espérance d’utilité, car seul ce dernier est théoriquement
fondé. En fait, il est facile de montrer que, dans deux cas, celui d’une fonction d’utilité
quadratique d’une part, et celui d’une richesse distribuée selon une loi Normale (gaussienne),
d’autre part, le critère E-V est bien impliqué par la rationalité de VNM52.

L’investisseur qui obéit le critère de E-V maximise donc une fonction :

𝑓[𝐸 (𝑤̌ ); 𝜎 2 (𝑤̌ )] [1.34]

où f est une fonction croissante de E et décroissante de 𝜎 2 , à variance 𝜎 2 (𝑤̌ ),

donnée, il prend la décision qui conduit à l’espérance maximale de richesse, et, à
espérance
𝐸(𝑤̌ )donnée, il minimise la variance 𝜎 2 (𝑤̌ ).

L’avantage décisif de cette formalisation E-V, outre sa simplicité, est qu’elle permet de
raisonner graphiquement dans un espace à deux dimensions seulement, facilitant ainsi le
raisonnement et guidant l’intuition.

II.4.2 _/ Critique du critère de l’espérance-variance

Il convient de noter que si le critère E-V a l’avantage de la simplicité et est

théoriquement fondé dans les deux cas précités d’une utilité quadratique ou d’une distribution
gaussienne de la richesse, il est dans les autres cas «ad hoc» très critiquable à différents
niveaux. D’abord, l’appréciation du risque à l’aide de la variance conduit à considérer
équivalentes les déviations positives par rapport à la moyenne et les déviations négatives. Par
exemple, deux distributions peuvent être asymétriques mais symétriques par rapport à un axe
vertical ; ainsi leur moyenne est commune et ont la même variance, mais l’une peut présenter
une asymétrie négative et l’autre positive.

Or, les agents économiques ne sont pas en général indifférents à cette asymétrie. En
général l’aversion au risque est associée à une préférence pour une asymétrie positive à faible
risque d’encourir de très fortes pertes. Le critère E-V ne capture donc pas, en général, tous les
aspects de l’aversion au risque.

Pour un agriculteur obéissant au critère espérance-variance, sa décision est celle qui

maximise son autonomie alimentaire et qui lui permet de dégager le maximum de profit

gaussien, toute la distribution de la richesse est caractérisée par les seuls deux paramètres 𝐸 (𝑊̌) et 𝜎 2 (𝑊̌) ;
52
Cette condition E-V n’est applicable que si l’agent possède des préférences quadratiques. Dans le cas

12
on peut alors écrire, pour toute fonction d’utilité 𝑈: 𝐸[𝑈(𝑊)] =̌𝑓 (𝐸(𝑊̌), 𝜎 2 (𝑊̌))

13
possible sous contrainte du climat. La question fondamentale qui se pose pour lui est alors de
savoir le niveau de risque qu’il encourt en prenant une décision par rapport à une autre.

II.4.3 _/ Décision de produire avec la fonction de Markowitz

Comme dans le choix d’investir, l’agriculteur combine plusieurs cultures pour réduire le
risque en minimisant la variance de la rentabilité et qu’il applique le critère E-V. Ainsi,
comme Markowitz, il sera appréhendé comme efficiente (ou efficace) les cultures
caractérisées par une espérance de rentabilité maximum à variance de rentabilité donnée (ou
par une variance minimum à espérance de rentabilité donnée, sachant que cette dernière doit
être supérieure à celle de la culture ayant la plus petite variance). La frontière efficiente
(efficace) est l’ensemble de toutes les cultures efficientes. Pour la trouver, il suffit de résoudre
le programme quadratique suivant, dans lequel les cultures C combinent un nombre n
quelconque de spéculations risquées :

𝑛 𝑛

Min 𝜎 �= ∑ ∑ 𝑥𝑖 𝑥𝑗𝜎𝑖𝑗,
2

𝑖 𝑗
�

𝑠𝑜𝑢𝑠 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 [1.35]

𝑛 𝑛

∑ 𝑥𝑖 𝜇𝑖 = 𝜇𝑐 𝑒𝑡 ∑ 𝑥𝑖 = 1
𝑖 𝑖

Il s’agit ici de déterminer le vecteur poids 𝑥𝑖 qui minimise la variance des cultures, à
espérance 𝜇𝑐 de cette dernière donnée (première contrainte, exprimant que la rentabilité
espérée des cultures est la somme pondérée des espérances de rentabilité des cultures
individuelles), en respectant le fait que la somme des poids des spéculations est égale à un
(seconde contrainte). On trouve, ainsi, pour un 𝜇𝑐 donné les cultures à variance minimale, et
en faisant varier, 𝜇𝑐 on obtient toute la frontière efficiente.

Par une diversification appropriée le producteur peut réduire sensiblement son risque
sans sacrifice de rentabilité espérée. On retrouve le bon sens de l’adage populaire : « Il ne faut
pas mettre tous ses œufs dans le même panier. »

Toutefois, et selon l’autre adage suivant lequel « qui ne risque rien n’a rien », il faut
accepter de prendre plus de risque (bien diversifié) pour augmenter la rentabilité attendue.
Comme c’est le plus souvent le cas en pratique, il est possible, en plus de produire des
cultures risquées en empruntant par exemple.
13
Conclusion

La compréhension des notions d’incertitude, de risque et d’anticipation est essentielle

pour cerner le processus d’adaptation au changement climatique.

Les modèles néoclassiques basés sur l’hypothèse d’information parfaite sont limités
lorsque la décision de l’agent s’effectue dans un univers incertain. Dans cette situation, la
prise en compte des différents états du monde, la vraisemblance et le degré d’aversion pour le
risque du décideur est nécessaire pour déterminer les préférences de l’agent économique. De
plus, le rôle du groupe est important pour le partage des expériences (Omstrom, 1992).

Cependant, dans le processus de gestion du risque climatique, il apparaît important

d’analyser le niveau d’informations climatiques de chaque agent et l’attention portée sur les
questions liées au changement climatique. De même, l’assurance et la diversification
contribuent significativement à la gestion des risques (Dugue, 2012).

L’adoption de stratégies d’adaptation par un producteur agricole tient compte des

déterminants agronomiques, socioéconomiques, psychologiques et dans une moindre mesure
de son adhésion à un groupe. Cependant, l’impact de la formation des groupes sur l’adoption
repose sur la cohésion des membres.

Dans la sphère agricole, la modélisation du risque distingue le caractère additif ou

multiplicatif des paramètres pouvant affecter le niveau de production (Cayatte, 2009). Ainsi,
l’optimum de l’agriculteur est atteint lorsque la stratégie mise en œuvre permet de réduire le
risque et d’obtenir le meilleur résultat économique (Huijsman, 1986). Cette modélisation est
similaire à l’approche de Markowitz basée sur le critère de l’espérance-variance.

Quelle est la propension d’aversion pour le risque des producteurs de céréales dans le
Bassin arachidier du Sénégal ? Quel est le niveau de confiance accordé aux sources
d’informations climatiques (anticipations) ? Et, enfin, dans quelle mesure l’adhésion à un
groupe contribue à l’adoption des stratégies d’adaptation ? Telles sont les questions
auxquelles le prochain chapitre tente de donner des réponses.

13
CHAPITRE III : ANALYSE DES COMPORTEMENTS
D’ANTICIPATION, DE PRISE DE RISQUE ET D’ADOPTION DES
STRATEGIES D’ADAPTATION AU CHANGEMENT CLIMATIQUE
DANS UN GROUPE : cas des exploitants agricoles du bassin arachidier du
Sénégal

Introduction

Les effets du changement climatique sont très divers et géographiquement inégaux. Les
zones agricoles et les spéculations (horticoles et céréalières) ne subissent pas de la même
manière les impacts des aléas climatiques (Dugue, 2012). Les zones arides et semi-arides, où
les précipitations sont faibles et irrégulières alliées à des températures extrêmes, sont les plus
vulnérables (Kotary, 2008). De même, il est admis que les cultures céréalières sont les plus
menacées par le changement climatique, du fait de leur forte dépendance à la pluie (Melki et
al. 1995).

Au Sénégal, 82,1% des superficies emblavées ont moins de 5 hectares. Aussi, 87,1%
des ménages agricoles pratiquent une agriculture sous-pluie. Le bassin arachidier constitue la
partie semi-aride du pays et représente 87,3% des superficies cultivées. Les cultures sous-
pluie représentent 57,5% et sont majoritairement céréalières (ANSD, 2014). La forte
dépendance au climat des activités agricoles, dans cette zone agro écologique, explique le
choix porté sur cette région afin d’analyser l’adoption des stratégies d’adaptation dans un
groupe.

Dans ce chapitre, il est question de faire une présentation de la méthode

d’échantillonnage (1) ; ensuite de procéder à une typologie des exploitants agricoles du bassin
arachidier en fonction de leurs comportements d’anticipation des phénomènes climatiques et
de prise de décision dans une situation risquée (2) ; il s’agit, entre autre, d’analyser les
stratégies d’adaptation mises en œuvre et leur degré d’adoption (3); et enfin, de déterminer le
rôle de l’appartenance à un groupe sur le degré d’adoption des stratégies d’adaptation au
changement climatique dans la zone (4).

L’usage de l’information climatique a servi de base pour analyser les types

d’anticipation formulés par les exploitants agricoles sur l’évolution du climat durant la
campagne en cours (2015/2016). De même, la méthode d’analyse du risque, basée sur des

13
systèmes de loterie inspirée des travaux d’Allais (Allais, 1952 ; Mac Crimmon et
Larsson, 1979), est utilisée pour caractériser le comportement des individus face aux risques.

III. 1_/ Méthode d’échantillonnage et présentation du questionnaire

Les effets du changement climatique se manifestent différemment suivant les zones
agro-écologiques. Ainsi, le Bassin arachidier, considéré comme une zone semi-aride, est
choisi pour décrire le comportement des exploitants agricoles face au risque. La méthode
d’échantillonnage utilisée, pour sélectionner les villages et les producteurs, est combinée de
stratégies de stratification et de choix aléatoire.
Dans cette recherche, trois régions ont été choisies dans le Bassin arachidier pour
représenter les zones Nord bassin, Centre bassin et Sud bassin. Ces régions ont été
sélectionnées par rapport à leur niveau d’aridité différente. Ainsi, la région de Louga constitue
la zone Nord (aride) du bassin arachidier avec des niveaux pluviométriques proches de ceux
des Niayes (200 mm). La région de Kaolack constitue le centre du bassin arachidier et
représente la partie semi-aride avec des niveaux de pluie compris entre 400 et 600 mm. Et, la
région de Kaffrine, proche de Tambacounda où les pluies enregistrées par an dépassent
600 mm, représente la zone sud (graphique 25).

III.1.1 _/ Caractéristiques des régions choisies

Les informations sur les régions choisies (Louga, Kaolack et Kaffrine) sont issues de la
Situation Économique et Sociale au niveau Régionale de 2013 (ANSD, 2013), élaborées par
les Services Régionaux de la Statistique et de la Démographie (SRSD).

- Région de Louga

La région de Louga est composée de trois départements : Louga, Kébémer et Linguère,

qui définissent trois (3) zones agro-écologiques. D’abord, la partie du vieux bassin arachidier,
où on rencontre des sols ferrugineux tropicaux lessivés et dégradés en surface à cause des
cultures sous-pluies intenses et sans jachère. Une autre partie est constituée par les Niayes
marquée par la proximité de la nappe phréatique et l’influence constante des alizés maritimes
généralement humides qui adoucissent le milieu. Et, une zone Sylvopastorale, mieux arrosée
que les parties ouest et nord de la région, reste remarquablement aride et à la proie des feux de
brousse pendant la saison sèche.

Avec une population de 874 193 habitants soit 6,5% de la population nationale,
(ANSD, 2014), l’économie de la région de Louga dépend essentiellement de l’agriculture et

13
de l’élevage et dans une moindre mesure de la pêche du fait de la rareté des ressources
halieutiques. L’agriculture occupe 80% de la population même si la région tarde à couvrir les
besoins céréaliers établis par la FAO (185 kg/personnes/an).

La superficie cultivée est de 224 726 ha en 2013. Le département de Kébémer

dispose plus de terres cultivées avec 39% contre 37% et 24% à Louga et Linguère.
(Tableau 10)

Tableau 10 : Répartition des superficies cultivées (en Ha) par département à Louga

Cultures Kébémer Linguère Louga Ensemble

céréales 25 511 22 366 10 012 57 889
arachide huilerie 43 661 22 143 49 095 11 4899
niébé 16 040 7 213 23 745 46 998
pastèque 1 020 843 0 1 863
manioc 1 047 0 0 1 047
bissap 11 248 620 879
béref 1 145 0 1 145
voandzou 6 0 6
ensemble 87 290 53 964 83 472 224 726
Source : ANSD, 2015b

La production agricole est constituée essentiellement de la culture industrielle, soit 51%

(pour l’arachide d’huilerie), et des céréales (mil, sorgho et maïs) 26% du total. Le reste des
superficies (23%) est consacré aux autres cultures notamment le niébé (21%). Le département
de Louga est reconnu par sa spécialisation à la culture de niébé, soit 50,5% des superficies
cultivées.

La part de la production céréalière est plus élevée à Kébémer, soit 56,7% et 40,5% pour
Linguère. Le mil demeure la céréale la plus cultivée, soit 88% de la production céréalière
contre seulement 11,2 % pour le maïs. La production de sorgho est faible, elle représente,
0,8% et provient exclusivement de Kébémer et Linguère. De même, l’arachide d’huilerie est
produite pour une bonne partie à Kébémer, soit 66,7% et à Louga avec 25,4%. Le
département de Louga assure plus de la moitié de la production de niébé, soit 59%, suivi de
Kébémer avec 29% et seulement 12% pour Linguère (Tableau 11).

13
Tableau 11 : Évolution de la production par spéculation entre 2012-2013 à Louga

culture production en 2013 (en tonnes) Production en 2012 (en tonnes)

céréales 20 014 37 100
arachide
d'huilerie 37 646 70 280
niébé 15 596 21 095
pastèque 8 784 9 291
manioc 6 282 5 355
bissap 264 54
béref 1 374 1 004
voandzou 3 3
Source : ANSD, 2015b

Cependant, la région connait une baisse de performance agricole due à la régression de

la qualité des sols, l’insuffisance et la vétusté du matériel agricole et les aléas climatiques
(ANSD, 2015b). En effet, l’instabilité des pluies s’est accompagnée par une variation des
rendements céréaliers. Ainsi, à des périodes de baisse de la pluie correspond aussi à des
niveaux de rendements céréaliers faibles (graphique 32). Cette tendance montre une
corrélation positive entre la production céréalière et le climat.

Graphique 32 : Évolution de la pluviométrie (en mm) et du rendement céréalier dans

la région de Louga (en T/Ha)

100,0 0,7
90,0 0,6
80,0 0,5
70,0 0,4
60,0 0,3
50,0 0,2
40,0 0,1
30,0 0
20,0
10,0
0,0
20052006200720082009201020112012

pluie moyenne
rend cerealier (T/Ha)

Sources : l’auteur à partir des données ANACIM et ANSD, 2015

13
 - Région de Kaolack
La région de Kaolack occupe environ 2,8% du territoire national, soit 5 357 km²
(ANSD, 2015a). Elle se situe entre la zone sahélienne sud et la zone soudanienne nord en
constituant avec les régions de Kaffrine, Fatick et Diourbel le cœur du bassin arachidier. La
zone enregistre des températures de 35° à 40°c d’avril à juillet. De plus, le relief est composé
de trois types de sols : les sols tropicaux ferrugineux lessivés, les sols hydromorphes et les
sols halomorphes.

La situation pluviométrique de la région est marquée par une forte variation. En effet, en
2013, la région a enregistré une baisse de la pluie par rapport en 2012. Certaines zones ont été
plus arrosées que d’autres, c’est le cas des communes de : Ndiebel, Thiaré et Keur Socé qui
sont toutes localisées dans le département de Kaolack avec respectivement des hauteurs de
pluies de 1 073,9 mm, 999,2mm et 966,8 mm. D’ailleurs, de tous les temps, la zone du
Ndiebel est la plus pluvieuse par saison. En revanche, les zones d’Ourour (département de
Guinguinéo) et de Paoskoto (département de Nioro) sont les moins pluvieuses avec
respectivement 609,4 mm et 634 mm. Du fait de sa position, la région de Kaolack reçoit en
transhumance du bétail venant des régions et pays limitrophes.

La région est essentiellement agricole. En effet, 65% de la population s’adonne à cette

activité. Les principales cultures sont : l’arachide, les céréales (mil souna, sorgho, maïs, riz),
niébé, fonio, sésame, pastèques et cultures maraîchères. Les productions de mil et de maïs
sont plus importantes dans le département de Nioro. En effet, sur une superficie totale de
104 406 ha et de 26 433 ha consacrée respectivement à la culture du mil et du maïs dans la
région de Kaolack, Nioro occupe 43% pour le mil et 72% pour le maïs avec un rendement
nettement plus élevé que les deux autres départements, soit 1 018 kg/ha contre 1 004 kg/ha
pour Guinguinéo et 782 kg/ha pour Kaolack. Concernant la production de sorgho, le
département de Kaolack occupe la première place suivi de Nioro et de Guinguinéo. En 2013,
Nioro a pu couvrir ses besoins céréaliers de 18 mois d’autonomie (ANSD, 2015a).

Par rapport aux cultures industrielles, le département de Nioro se distingue aussi en

produisant plus de la moitié, soit 56% de la production arachidière régionale (Tableau 12).

13
Tableau 12 : Superficie, rendement, production céréalière et cultures associées à Kaolack

Spéculation Guiguinéo Kaolack Nioro Région

sup (ha) 19 535 39 636 45 235 104 406
mil rendement 1 004 782 1 018 926
production (T) 19 613 30 995 46 049 96 657
sup (ha) 119 2 653 1 017 3 789
sorgho rendement 860 728 1 500 939
production (T) 102 1 931 1 526 3 559
sup (ha) 955 6 564 18 914 26 433
maïs rendement 309 773 2 620 2 078
production (T) 295 5 074 49 555 54 924
sup (ha) 0 250 442 692
riz rendement 0 2 500 200 2 181
production (T) 0 625 884 1 509
sup (ha) 20 439 40 580 61 226 122 245
arachide huilerie rendement 651 779 932 834
production (T) 13 306 31 612 57 063 101 981
Source : ANSD, 2015a

L’évolution de la pluviométrie moyenne53 et des rendements de céréales, entre 2005 et

2015, montre une forte instabilité. En effet, pour des niveaux élevés de la pluie correspondent
à des hausses de rendements (graphique 33). Cette situation montre la forte dépendance de la
production agricole aux aléas climatiques.

53
La moyenne pluviométrique est calculée sur les niveaux de pluies enregistrés entre juin et septembre

13
Graphique 33: Évolution de la pluviométrie (en mm) et rendement céréalier (T/ha) dans la
région de Kaolack

250 1,2

200 1

0,8
150
0,6
100
0,4
50 0,2

0 0
20052006200720082009201020112012201320142015

pluies en mm rend (T/Ha)

Sources : l’auteur à partir des données ANACIM et ANSD, 2015

- Région de Kaffrine
La région de Kaffrine compte 566 992 habitants. Elle est caractérisée par son fort
potentiel agricole. La région est la troisième région productrice de céréales avec 12% de la
production et première productrice d’arachide (21%). Elle est située à l’ouest de
Tambacounda où les niveaux de pluviométrie dépassent les 800 mm. Kaffrine dispose quatre
(4) départements : Birkelane, Kaffrine, Koungheul et Malem Hodar (ANSD, 2015c).

Le climat est de type soudano-sahélien avec une période d’hivernage courte, allant de
juin-juillet à octobre et une longue saison sèche de 8 à 9 mois. La pluviométrie connait une
variabilité interannuelle. La moyenne est, depuis plusieurs années, inférieure à 800 mm. La
situation météorologique enregistrée en 2013 montre un hivernage déficitaire par rapport à
l’année 2012. En effet, en 2013 les départements de Birkelane et de Koungheul ont connu des
déficits pluviométriques respectivement de 50,6%, soit 1 027 mm en 2012 contre 507 mm en
2013 pour Birkelane ; 845 mm en 2012 contre 418 mm en 2013 pour Koungheul. En outre, les
températures sont généralement élevées, avec des variations importantes. Elles oscillent entre
26 et 39°C et une durée d’ensoleillement moyenne de onze (11) heures (ANSD, 2015c).

Les sols rencontrés dans la région sont de types ferrugineux exploités pour la culture de
l’arachide et du mil. Ils peuvent se présenter sous la forme de sols hydromorphes qui
caractérisent les bas-fonds et les cours d’eau. Il existe aussi des sols halomorphes à cotés des
milieux salés ou tannes.

13
 La région de Kaffrine occupe une place de choix dans l’agriculture sénégalaise. En
effet, en 2013, 334 576 ha ont été emblavés dans la région soit 15% des emblavures totales du
Sénégal. Selon les spéculations, 51% des superficies emblavées reviennent aux cultures
industrielles et d’exportation. Au niveau national, 18% des surfaces emblavées pour ces
spéculations se trouvent dans la région de Kaffrine. Dans le même sillage, l’agriculture
céréalière occupe une place importante dans la région. En effet, 160 599 ha ont été emblavés
pour les cultures céréalières ce qui représente 14% des emblavures nationales pour les mêmes
spéculations. Le département de Koungheul occupe la première place des emblavures de
céréales avec 53 058 ha soit 33% des superficies emblavées au niveau régional. Il est suivi de
près par le département de Kaffrine avec 30%.

Les données sur la production, en 2013, montrent que la région a produit 150 822
tonnes de céréales, soit 12% de la production nationale. Cette région se classe en troisième
position au niveau national derrière Saint-Louis avec 24%, soit 314 135 tonnes et Kaolack
12% avec 156 649 tonnes. Au niveau régional, la production céréalière représente 44% de la
production. Pour la culture industrielle, elle représente en 2013 une masse de 336 587 tonnes
soit 14% de la production nationale (Tableau 13).

Tableau 13 : Répartition de la production selon les départements de Kaffrine (en tonnes) en

2013
Spéculation
Département Cultures industrielle et
Céréales Autres cultures Total
d’exportation
Birkelane 27 088 29 324 2 365 58 777
Kaffrine 46 451 48 822 25 551 120 824
Koungheul 53 153 33 505 34 86 692
Malem Hodar 24 130 33 085 13 103 70 318
Région 150 822 144 736 41 053 336 611
Sénégal 1 270 937 709 963 373 551 2 354 451
Poids région
12 20 11 14
Kaffrine en %
Source : ANSD, 2015c

14
 Les organisations paysannes telles que les coopératives ou toute autre organisation
jouent un rôle important dans le renforcement de la cohésion des agriculteurs. Selon les
données du recensement de 2013, seulement 14,2% des ménages agricoles de la région sont
affiliés à une organisation. Les programmes, les projets et les ONG (Projet d’Appui aux
Filières Agricoles : PAFA ; World Vision ; Programme d’Appui à la Décentralisation et au
Développement Local : PRODDEL ; ANCAR, etc.) présents dans cette zone s’activent plus à
l’appui des producteurs pour un meilleur accès aux intrants, matériels agricoles, au
renforcement de capacités, etc.

Depuis 2012, la relation entre le niveau de la pluviométrie et le rendement céréalier

s’est inversée (graphique 34). La baisse de la pluie n’a pas impacté le rendement qui a connu
une hausse durant la période. Cette situation s’explique par un changement de comportement
de la part des producteurs de la zone.

Graphique 34 : Évolution de la pluie (mm) et du rendement céréalier (T/ha) à Kaffrine.

300 1
250 0,9
200 0,8
150 0,7
100 0,6
50 0,5
0 0,4
0,3
0,2
0,1
20102011201220132014 0

pluie moyenne
rend cerealier (T/Ha)

Sources : l’auteur à partir des données ANACIM et ANSD, 2015c

Au vue des différentes cultures pratiquées dans ces trois régions, les départements de
Kébémer, Nioro, Kaolack, Kaffrine et Koungheul sont plus représentatifs en termes de
production céréalière. Ainsi, ces cinq départements sont choisis pour analyser les types
d’anticipation et de prise de risque des exploitants agricoles dans le bassin arachidier. À cet
effet, un questionnaire a été établi pour recueillir des données sur le comportement des agents
face au changement climatique.

14
III.1.2 _/ Méthode d’échantillonnage

L’unité statistique choisie dans cette recherche est « l’exploitation agricole ».

L’échantillon est composé de 16 communes tirées de façon stratifiée et 545 ménages choisis
aléatoirement.
- Unité statistique
Notre unité statistique est l’exploitation agricole. À ce titre, cette recherche n’insiste pas
sur la distinction entre agriculture familiale et celle entrepreneuriale. Même, si ces deux
formes d’organisation agricole ont caractérisé la plupart des études effectuées dans le bassin
arachidier.
L’agriculture familiale constitue l’une des formes d’organisation de l’agriculture à
travers le monde. Avec l’absence de définition standardisée de l’agriculture familiale ou
« smallholder agriculture », la FAO (2014) dans la perspective de l’année internationale de
l’agriculture familiale propose la définition suivante : « l’agriculture familiale englobe toutes
les activités agricoles reposant sur la famille, en relation avec de nombreux aspects de
développement rural ». En revanche, la forme entrepreneuriale de l’agriculture s’identifie par
la nature actionnariale de la main-d’œuvre combinée à une formation de capital technique.
Pour ce sous-secteur, l’autoconsommation est marginale voire nulle. Elle est constituée par
des sociétés anonymes dont le statut foncier peut être une propriété ou un faire-valoir indirect.
Il s’y ajoute une troisième forme d’organisation, qui est l’intermédiaire entre ces deux types
d’agriculture (Bélières et al. 2014), dénommée agriculture patronale. Pour ce dernier, la main-
d’œuvre est mixte54 et le capital est composé par la famille ou une association de type
familiale. La consommation des biens et services produits est juste à titre résiduel et le statut
juridique est celui d’exploitant associatif.
Dans ce travail de recherche, seul le critère de l’exploitation agricole est retenu. À cet
effet, la FAO définit l’exploitation agricole comme « unité de base de la production agricole
au sens large (culture, élevage, pêche, foresterie, cueillette) ». C’est au niveau de ces unités
que sont prises les décisions d’allocation des facteurs pour la production agricole, mais aussi
les pratiques mises en œuvre. Cependant, la FAO considère que l’exploitation agricole est une
unité économique de production agricole soumise à une direction unique et comprenant tous
les animaux qui s’y trouvent et toute la terre utilisée entièrement ou une partie pour la
production agricole, indépendamment du titre de possession, du mode juridique ou de la taille.
La direction unique peut être exercée par un particulier, par un ménage, par un clan ou par une

54
Main-d’œuvre composée de salariés permanents et non permanents (Bélière et al.2014)

14
tribu, ou par une personne morale telle une société, entreprise collective ou organisation
d’État. L’«exploitation» agricole est étroitement liée au concept de « ménage » (FAO, 2007).

Toutefois, il est important de prendre en compte la forme d’organisation de l’exploitant

agricole car l’agriculture familiale marque une relation étroite existant entre la sphère sociale
(domestique) et la sphère économique. Ce type de relation explique, en partie, la capacité de
résilience des formes familiales. La porosité entre le budget de l’exploitation et le budget
domestique, la fongibilité du capital d’exploitation et du patrimoine permet de procéder à des
ajustements pour limiter les effets des chocs (Bélière et al. 2014).

- Choix des villages sélectionnés

L’échantillonnage s’est fait en quatre (4) temps. D’abord, par un choix raisonné pour
choisir les régions suivant leur niveau de pluviométrie enregistrée. Ensuite, en fonction de
l’importance de la culture céréalière, les départements ont été sélectionnés. Puis, les villages
sont tirés par rapport à la taille de la population et de leur couverture, au moins, par une
organisation de producteurs (OP) désignée par l’Association Sénégalaise pour la Promotion
du Développement par la Base (ASPRODEB), créée en 1995, ou le Réseau des Organisations
Paysannes et Pastorales du Sénégal (RESOPP), créé en 2002. Et enfin, les exploitants
agricoles sont choisis de façon aléatoire.

C’est ainsi que l’enquête est menée en juillet 2015 sur une durée d’un mois. Elle a
concerné les régions de Louga, Kaolack et Kaffrine et les départements de Kébémer, Kaolack,
Nioro, Kaffrine et Koungheul. Ainsi, seize (16) communes sont concernées (Tableau 14),
114 villages (graphique 35) et 545 personnes interrogées.

- Calcul de la taille de l’échantillon

Trois critères ont permis de déterminer la taille de l’échantillon : l’estimation de la

proportion des agriculteurs membres d’organisation de producteurs sur la population totale, le
niveau de confiance visé et la marge d’erreur acceptable.

Pour un modèle d’enquête probabiliste, le calcul s’est effectué en appliquant la formule

suivante :

14
 𝑡2(1 − 𝑝)𝑝
n=
𝑚
2
n : la taille de l’échantillon
requise t : le niveau de confiance
p : la proportion des exploitants membres d’OP
m : la marge d’erreur

La proportion des exploitants membres d’OP varient en fonction des régions étudiées.
Elle est estimée à 15% dans la région de Kaolack, 14,2% dans la région de Kaffrine et 5%
dans la région de Louga. Ainsi, pour maximiser la taille de l’échantillon, il est retenu une
proportion de 15% dans la population totale. À cet effet, avec un niveau de confiance de 95%
et une marge d’erreur de 3%, on se retrouve avec une taille de 545 exploitants. Cet échantillon
a été réparti proportionnellement à la taille des communes sélectionnées.

Tableau 14: Nombre d’exploitants agricoles par commune et département

Département Commune Échantillon

DIOKOUL DIAWRIGNE 74
KEBEMER
NDANDE 44
LOUR ESCALE 36
SALY ESCALE 32
KOUNGHEUL
FASS THIEKENE 18
IDA MOURIDE 15
KATHIOTE 69
KAFFRINE
KAHI 52
LATMINGUE 55
KAOLACK KEUR BAKA 29
THIARE 15
MEDINA SABAKH 23
PAOSKOTO 43
NIORO GAINTE KAYE 13
NDRAME ESCALE 14
WACK NGOUNA 13
Source : l’auteur à partir des données ASPRODEB et RESOPP, 2015

La base de sondage, qui a permis de faire l’échantillonnage, est obtenue à partir des
données des unions de coopératives : le Réseau des Organisations Paysannes et Pastorales du

14
Sénégal (RESOPP) et l’Association Sénégalaise pour la Promotion du Développement à la
Base (ASPRODEB).Ces deux organisations travaillent avec des associations de producteurs,
des coopératives, des organisations non gouvernementales (ONG), des groupements d’intérêt
économique (GIE) et des fédérations de producteurs afin d’améliorer les conditions de vie des
ruraux à travers l’agriculture et l’élevage principalement. Leur mission est de promouvoir un
cadre de concertation, de coopération et de partage d’expériences à travers une forte
représentativité des membres auprès de l’État et les partenaires publics ou privés. Les deux
structures participent aussi au renforcement des plateformes de concertation sur les
innovations agricoles. À cet effet, elles bénéficient davantage des services extérieurs des
autorités publiques et des partenaires au développement.
Les données du RESOPP ont permis d’obtenir la base de sondage pour la région de
Louga. En effet, cette structure est caractérisée par sa forte présence dans cette région à
travers la Coopérative Rurale de Kelle Gueye (COOPAKEL) qui englobe sept (7)
communautés rurales et 4 929 membres55. En outre, l’échantillonnage au niveau des régions
de Kaolack et Kaffrine est fait à partir de la base de données de l’ASPRODEB, disponible au
Bureau d’Analyses Macro-économiques (BAME), qui donne tous les villages sous couverts
par la Coopérative des Producteurs de Semences (COPROSEM).
Les informations disponibles dans ces bases de données comprennent les régions, les
départements, les communes, les villages, le nombre de membres appartenant à la coopérative
et la population totale du village. L’échantillonnage ainsi effectué a porté sur la population
totale afin de prendre en compte les autres formes de groupement formel ou informel existant
dans le monde rural.

55
cf. [Link]

14
Graphique 35 : Cartographie des régions, des départements et les villages choisis

Source : ISRA-BAME, 2015

III.1.3 _/ Dispositif d’enquête

Le questionnaire est structuré en sept (7) parties. La première partie permet d’identifier
l’enquêteur et l’enquêté. Le deuxième point abordé porte sur les revenus de la production
agricole et non agricole du producteur. La troisième partie renseigne sur les facteurs de
production utilisés et leur coût respectif. Puis, les différentes sources de financement de
l’exploitant sont renseignées de même que les questions de vulnérabilité. La cinquième partie
donne les éléments de classification des risques agricoles puis climatiques et le degré
d’aversion au risque du producteur vis-à-vis de ces aléas probables. Le point six donne les
informations sur les anticipations. Et enfin, la dernière partie décrit les éléments d’adhésion de
l’exploitant à un groupe.

En effet, après avoir identifié l’enquêteur, la région, le département, la commune et le

village de l’exploitant, les caractéristiques intrinsèques du producteur ont été renseignées. Il
s’agit : de son nom, son sexe, son âge, son ethnie, sa situation matrimoniale, son niveau
d’instruction, ses activités principales et secondaires, la durée de l’activité principale et le

14
nombre d’enfants. L’existence de village et de marché à moins d’un kilomètre est renseignée
pour analyser le degré d’enclavement de la zone enquêtée.

Par rapport aux ressources de l’exploitant, les questions se sont portées sur l’évolution
des champs possédés et exploités (nombre et superficie), la quantité produite sur chaque
parcelle et les modes d’affectation de la production (consommation, semence, don, production
perdue et vente). Dans cette partie, la production animale et son utilisation sont abordées de
même que les revenus non agricoles utilisés pour le financement de l’exploitation agricole.
Ces renseignements ont permis de déterminer la diversification du revenu chez les
producteurs.

Le troisième point aborde les facteurs de production utilisés dans chaque opération
culturale et donne les coûts explicites de ces inputs. C’est ainsi, que les données se sont
portées sur la nature de la main d’œuvre employée dans chaque opération culturale, le type
d’équipement utilisé, les intrants qui ont servi à la production pour l’année 2014 et la traction
animale employée. Ces informations donnent une idée des dépenses agricoles de l’exploitant.

Les questions d’accès à un crédit en nature ou en espèce ont permis de définir les
sources de financement et la vulnérabilité de l’exploitant agricole. Il s’agit aussi, de
comprendre la capacité d’épargne de l’exploitant à travers les prêts octroyés et l’argent
épargné. Enfin, ce travail s’est intéressé sur la perception de la condition de vie (riche ou
pauvre) du producteur.

Pour caractériser les risques auxquels sont soumis les producteurs et leurs
comportements vis-à-vis de ces derniers, les questions se sont portées sur quatre (4) éléments.
D’abord, des renseignements ont été effectués sur les variations du revenu agricole, non
agricole et la consommation entre l’année 2014 (campagne précédente) et la moyenne sur les
cinq dernières années. Le deuxième élément porte sur la perception du risque climatique
comme contrainte liée à la production agricole. Il s’agit entre autre de voir si l’individu a été
victime d’un événement climatique dans le passé. Le point trois permet à l’exploitant de faire
un classement entre les risques de production, de stockage et de commercialisation ainsi que
les facteurs qui ont affecté le plus sa production. Le dernier élément soumet le producteur à
trois types de loterie auxquelles il effectue un classement en fonction de ses préférences
monétaires. Ces préférences monétaires permettent de déterminer le degré d’aversion au
risque financier. Dans le même sens, l’individu donne son niveau de perte de production
tolérable.

14
 Pour faire la typologie des agriculteurs en fonction des types d’anticipation formulées,
l’enquêté a répondu sur la fréquence d’apparition d’un bon climat sur les cinq ans, le niveau
d’information obtenue, la source et le degré de confiance accordée à la source avant le
démarrage de la campagne agricole. Le niveau d’information porte essentiellement sur les
facteurs climatiques (pluie, vent et température et les conditions de marché : prix et quantité à
vendre). Cette partie aborde aussi les capacités d’adaptation de l’exploitant agricole. Ils
concernent principalement, la souscription à une assurance agricole et les stratégies adoptées
pour s’adapter aux changements climatiques. Ces stratégies consistent à l’utilisation de
nouvelles espèces, au changement de date de semis, à la gestion de l’eau et/ou de la terre et
des techniques de lutte contre les ravageurs.

La dernière section du questionnaire aborde les déterminants de l’adhésion des

producteurs aux groupes. Elle renseigne sur les membres de chaque groupe, les motifs
d’adhésion, les incitations à l’adhésion (statut de l’adhérent, le nombre d’amis dans le groupe,
la compétence du leader) et les débats sur le changement climatique menés entre les membres.
Il a été aussi l’objet de déterminer les obstacles à l’adhésion. Enfin, chaque individu membre
ou non d’un groupe a été interrogé sur les services extérieurs reçus et ses besoins de
formation.

Toutefois, pour limiter les biais hypothétiques inhérents à toute enquête, les enquêteurs
ont été formés sur l’esprit de l’étude et la notion de probabilité. La technique de la transitivité
a été parfois utilisée pour plus de cohérence dans les réponses. Les enquêtes sont effectuées
aléatoirement avec un saut systématique de deux concessions après avoir interrogé un
exploitant agricole.

III.2_/ Anticipations et prise de risque des exploitants agricoles : caractéristiques et

typologies
Le critère principal permettant de caractériser les exploitants agricoles en fonction de
leur type d’anticipation est subjectif et repose essentiellement sur l’utilisation d’informations
climatiques. Ainsi, les sources d’information utilisées sont prises comme références pour
analyser le degré de confiance accordée aux prévisions sur le climat. Cependant, certaines
caractéristiques du producteur déterminent l’attention accordée à ces informations
climatiques.

14
III.2.1 _/ Méthodologie et typologie des formes d’anticipation

Le principal paramètre utilisé pour la détermination des types d’anticipation se fonde

sur l’information climatique. Dans le processus d’anticipation des agriculteurs, il apparait
quatre types de profil qui se distinguent les uns des autres, suivant trois critères. D’abord,
l’agriculteur est classé suivant son aptitude à formuler une prévision sur le climat notamment
la pluie, le vent et la température ; ensuite, de la source (origine) de ses anticipations ; et
enfin, de la confiance accordée à la source d’information principale (référence) sur le climat.

III.2.1.1 _/ Définition des formes d’anticipation

La première forme d’anticipation permet de distinguer le type d’agriculteur n’ayant pas
d’idée sur l’évolution future du climat. Ces personnes sont « soumises aux lois de la nature »
car considérant que le futur ne peut être anticipé, ou appartient à des forces extérieures qui
échappent à la « rationalité humaine ». En d’autres termes, elles sont considérées comme des
individus « désintéressés des informations diffusées sur le climat» (Encadré 2).

La deuxième forme s’inspire des travaux de Metzler (1941) sur la définition des
comportements « myopes ». Ainsi, les producteurs retenus sont ceux qui considèrent que le
climat de la campagne en cours sera exactement identique à la campagne précédente sans
source d’information moderne56 ou traditionnelle57. En effet, les seules références, pour ces
acteurs, sont les caractéristiques du climat durant la campagne précédente. Ces agriculteurs
effectuent des anticipations « naïves » et considèrent que la variation climatique admet un
cycle dont la période dépasse l’année. Leur comportement face au risque climatique est
identique à celui observé au cours de l’année passée. Ainsi, lorsque la campagne agricole de
l’année précédente se traduit par une sécheresse, l’agriculteur anticipe une situation
approximativement identique pour l’année en cours.

Le troisième type d’anticipation met en exergue les exploitants agricoles capables de

donner une idée sur l’évolution future du climat en se fondant principalement sur une source
d’information climatique de référence qu’ils considèrent moins sûre (Cagan, 1956). Ainsi, ils
intègrent dans leur anticipation, des incertitudes (erreurs) qui émanent de la source
d’information principale. Ce type d’agriculteur adopte un type d’anticipation « adaptative» et
considère que l’information sur le climat comporte des erreurs qu’il faut prendre en compte
dans l’adaptation au changement climatique.

56
Les sources d’information moderne sont celles qui proviennent de la météo.
57
Les sources d’information traditionnelle sont celles qui ne proviennent pas des données météorologiques.

14
 Ainsi, les agriculteurs qui, au-delà de leur capacité à anticiper le climat de la campagne
en cours à partir d’une source d’information principale (moderne ou traditionnelle), accordent
un niveau de confiance élevé à l’origine de ces informations. Ces individus effectuent des
anticipations « rationnelles ». Ces agents sont sûrs de leurs prévisions car intégrant l’ensemble
des paramètres jugés clefs au moment de prendre une décision d’adaptation. En d’autres
termes, pour ces décideurs, l’espérance mathématique des erreurs de prévision est nulle
(Lucas, 1972).

Dans tous les cas, l’évolution future de l’environnement du décideur se traduit par une
perception fondée ou non sur des informations du climat de la campagne agricole précédente
(2014/2015) par rapport à la campagne en cours (2015/2016). Cette perception a permis de
définir les niveaux d’anticipation suivants (schéma ci-dessous).

Encadré 2: définition des types d’anticipation

1- Si un producteur n’est pas en mesure de donner une idée sur la campagne en cours
(2015/2016) en se basant sur la campagne précédente (2014/2015), il est considéré comme
« désintéressé de l’information climatique ».
2- Si un producteur considère que le climat en cours (2015/2016) sera identique à celui
de la campagne précédente (2014/2015) sans source d’information climatique, il effectue des
« anticipations naïves ».
3- Si un producteur donne une idée (meilleure, identique ou mauvaise) de la campagne
en cours par rapport à la campagne précédente avec un niveau de confiance faible sur sa
principale source d’information climatique, il réalise une anticipation de type « adaptatif ».
4- Si un producteur donne une idée de la campagne en cours par rapport à la campagne
précédente avec un niveau de confiance élevé sur sa principale source d’information
climatique, le type d’anticipation formulé est « rationnel ».
Source : l’auteur à partir de la revue de littérature

15
Schéma 1 : Sources d’information climatique et formes d’anticipation

Idée de la campagne en cours par rapport à la campagne précédente

Pas Pas d’idée Meilleure- Identique - Mauvaise

d’anticipation

Identique sans source principaleMeilleure-identique-mauvaise avec source

Anticipation naïve

Anticipation adaptative Pas de confiance à la source Confiance à la source Anticipation rationnelle

Source : l’auteur à partir de la revue de littérature

La capacité des agriculteurs à formuler des anticipations sur le climat a permis de

montrer que l’hypothèse d’une situation «d’incertitude totale» dans l’environnement agricole
est rejetée. Ainsi, les exploitants agricoles sont en mesure d’utiliser les informations
climatiques pour définir les différents états de la nature dans une campagne agricole.

III.2.1.2 _/ La fréquence des types d’anticipation

La majorité des agriculteurs ont formulé des anticipations adaptatives (35,41%).
Autrement dit, les exploitants agricoles sont en mesure de donner une idée sur l’évolution
future du climat en s’appuyant sur des sources d’information climatique avec une certaine
marge d’erreur.

La recherche montre aussi une forte proportion des individus qui ne s’intéressent pas
aux informations climatiques qu’elles soient traditionnelles ou modernes (34,13%). Pour ces
personnes, l’information climatique est incompréhensible ou inaccessible ou bien n’est pas
crédible à leurs yeux. Ces personnes se livrent aux forces de la nature qui conditionnent leur
environnement.

La plus faible part est notée chez les individus formulant des anticipations naïves
(1,65%). Cela, montre que peu d’agriculteurs se prêtent à formuler des anticipations en se
basant uniquement sur la situation climatique de l’année précédente.

15
 Les agriculteurs formulant des anticipations rationnelles représentent 28,81% de
l’échantillon. Ces agriculteurs ont un degré de confiance élevé sur leur principale source
d’informations climatiques (graphique 36).

Graphique 36 : Classification des agriculteurs en fonction de leur type d’anticipation

anticipation rationnelle 28,81%

désintéressées 34,13%

anticipation naïve 1,65%

anticipation adaptative 35,41%

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

- Les types d’anticipation en fonction des zones

Les exploitants agricoles des départements de Kaffrine, Nioro et Kebemer ont plus
utilisé les informations climatiques (graphique 37). Cette situation s’explique par la forte
présence des programmes et projets installés dans ces zones. En d’autres termes, l’accès à
l’information climatique est rendu possible grâce aux activités de sensibilisation des différents
organismes de développement, notamment la présence du projet CCAFS et du programme
« Kaarangue Mbay 58» de la CNAAS qui couvre les risques liés à la sécheresse dans ces
zones.

En revanche, les agriculteurs de Koungheul et de Kaolack, malgré la forte dépendance

de leurs activités agricoles à la pluie, soit respectivement 100% et 88,57% des producteurs
(graphique 38), ont moins utilisé les informations climatiques. La région de Koungheul,
même faisant partie des zones couvertes par l’assurance indicielle de la CNAAS, utilise peu
les informations climatiques. Cette situation s’explique par le fait que ce département a le
moins bénéficié des projets initiés par les partenaires au développement sur les questions du
climat au profit du département de Kaffrine.
58
« Kaarangue Mbay 58» est le nom local (Wolof) donné à l’assurance indicielle. Il traduit : parfaire une culture.

15
 Une analyse descriptive sur l’enclavement des villages enquêtés a permis de constater
que la majorité des exploitants agricoles interrogés à Koungheul et Kaolack se situent dans
des lieux isolés où il n’existe ni de village à moins d’un kilomètre, soit 82,18% des villages
enquêtés, ni de marché quotidien ou louma pour 95% des producteurs ; et, seulement 9% ont
accès à des routes goudronnées.

Pour le département de Kaolack, la forte croyance religieuse limite l’emploi des

données climatiques dans les prévisions saisonnières. Toutefois, il faut noter que même si ces
exploitants agricoles n’utilisent pas les informations climatiques diffusées par les sources
traditionnelles ou modernes, ils sont parfois pessimistes ou optimistes de la situation
climatique à venir.

Graphique 37 : Type d’anticipation en fonction des zones (en pourcentage)

100%
80%
80% 68%
61% 61%
54%
60%

40% 29% 26% 27%

23% 9%
18% 8% 7%
1% 13%
20% 3%2% 5%
1% 0%
0%
Kebemer Kaolack Nioro Kaffrine Koungheul

Pas_anticipationAnticipation naïveAnticipation adaptativeAnticipation rationnelle

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

Graphique 38 : Importance de la pluie dans les prévisions par zone

96% 100%
100% 89%84%
83%
80%

60%

40%
14%
20% 9% 2% 2% 6% 11% 0% 0%
4% 0%
0%
Kebemer Kaolack Nioro Kaffrine Koungheul

1er facteur2ème facteur3ème facteur

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

15
 - Comparaison des prévisions de l’ANACIM (2015/2016) et les types d’anticipation
Pour comparer les anticipations faites concernant la situation pluviométrique de l’année
2015, le travail s’est focalisé sur les informations publiées par l’ANACIM. Ainsi, d’après le
bulletin agro-météorologique décadaire publié par le groupe de travail pluridisciplinaire
(GTP) de la première décade du mois de juin 2015, l’ANACIM a fait la mise à jour de la
prévision à l’échelle du Sénégal. Les deux conclusions ressorties de ce bulletin ont évoqué
« un démarrage de la saison normal à tardif par rapport à la normale 1981/2010 et un cumul
pluviométrique prévu normal à déficitaire sur la période juillet–août-septembre 2015 mais
meilleur que l’hivernage 2014 » (ANACIM, juin 2015).

Les agriculteurs ayant effectué des « anticipations adaptatives » ont prévu une meilleure
pluviométrie en 2015, soit 60% des agriculteurs ayant effectué des « anticipations
adaptatives » déclarent une meilleure pluviométrie en 2015. Pour ceux effectuant des
« anticipations rationnelles », compte tenu de la diversité des sources d’information et des
canaux de diffusion, 65,61% ont prévu un bon hivernage et seulement 19,75% des exploitants
ont anticipé un climat mauvais pour l’année 2015 (graphique 39). Cette situation montre que
des anticipations « rationnelles » ne veulent pas dire systématiquement qu’elles se réalisent.
Graphique 39 : Pourcentage des types d’anticipation sur la situation pluviométrique
entre 2014-2015

70% 60% 62%

60%
46%
50% 40%
40% 36% 38%
30%
20%
18%

10% 0% 0% 0% 0% 0%
0%
Pas_anticipationAnticipation naïveAnticipation Anticipation rationnelle
adaptative

meilleureIdentiquemauvaise

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

15
III.2.1.3 _/ Les principales sources d’information utilisées et périodicité climatique
Les informations climatiques utilisées proviennent soit de la météo (source moderne)
soit des systèmes de prévision traditionnelle (source traditionnelle). Ces informations sont
diffusées par divers canaux.

Parmi les informations climatiques utilisées, 72,42% des exploitants ont utilisé des
sources modernes, soit 56,70% de l’échantillon (graphique 40). Les exploitants agricoles qui
utilisent la météo accordent plus de confiance aux informations climatiques.

Seulement, 55,96% des producteurs considèrent que les sources traditionnelles sont très
fiables pour effectuer des prévisions climatiques. La proportion des agriculteurs n’accordant
pas de confiance à la météo s’explique par l’inaccessibilité de l’information climatique ou les
erreurs de prévision (graphique 41).
Les agriculteurs dans le département de Koungheul ont utilisé proportionnellement les
deux types de source. La proportion d’utilisation des sources modernes a été plus importante
dans les départements de Kébémer, Nioro et Kaffrine avec respectivement 90,18%, 93,83% et
100% (graphique 42). Les raisons de cette forte utilisation climatique s’expliquent par la
présence du projet CCAFS depuis 2011 à Kaffrine et étendu à Thies, Louga, Fatick et
Diourbel pour renforcer l’utilisation d’informations climatiques. Ce projet s’appuie sur un
partenariat de l’union des radios associatives et communautaires du Sénégal (URAC 59), une
association de 82 stations de radio communautaire.

Graphique 40 : Source d’information climatique utilisée

Source traditionnelle 28%

Source moderne 72%

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

59
Union des radios associatives et communautaires du Sénégal (URAC) est une association de 82 stations de
radio communautaire.

15
Graphique 41 : Niveau de confiance des sources d’information climatique

Météo 64,77% 35,23%

source traditionnelle 55,96% 44,04%

plus de confiance moins de confiance

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

Graphique 42 : Source d’information par zone

source traditionnelle source moderne

100% 100%
93,83%
90,18%

50% 50%

9,82%
6,17%
0% 0%

Kebemer Kaolack Nioro Kaffrine Koungheul

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

- Les canaux de diffusion d’information climatique

Dans cette partie, il est question de déterminer les canaux de transmission

d’informations provenant des sources moderne et traditionnelle. La première se base
uniquement sur des données publiées par la météo et la seconde se fonde sur des croyances
culturelles ou religieuses.

 Les canaux de diffusion d’informations sur la pluie

Parmi les canaux de diffusion d’information climatique basés sur des données
météorologiques, la radio a été utilisée à hauteur de 97,52% par les exploitants agricoles.

15
Cette situation s’explique essentiellement par le programme de développement des radios
communautaires mis en œuvre depuis (2004)60. Les exploitants agricoles ont reçu aussi des
informations météorologiques sur la pluie à partir des organisations de producteurs ou des
services techniques de l’État (1,42%) mais aussi au niveau des communes (0,35%) et par la
télévision (0,71%). Ces canaux représentent des relais de diffusion d’informations
météorologiques du groupe de travail pluridisciplinaire de l’ANACIM (graphique 43).

Graphique 43 : Canaux de transmission des sources modernes d’informations sur la pluie

Télé0,71%

Commune0,35%

OP ou Services Techniques de l'Etat1,42%

radio 97,52%

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

Pour les sources traditionnelles de diffusion, les principaux canaux concernent les
oiseaux et les autres espèces animales de même que les anciens du village pour
respectivement 65,42% et 28,04%. Ainsi, peu d’exploitants se basent sur l’observation du
vent dans leur anticipation. Toutefois, les individus ayant formulé des « anticipations
adaptatives » ont le plus utilisé les sources : oiseaux et autres espèces animales ainsi que les
anciens du village, soit 57,9% et 42,03% respectivement. Pour l’observation du vent, elle a été
le plus utilisé par les producteurs ayant effectué des « anticipations rationnelles » pour 75%
(graphique 44).

60
Camara, «Attitude de proximité des radios locales», dans Entre tradition orale et nouvelles technologies : où
vont les mass média au Sénégal ? Arbeitspapier/Working papers n°47, Gutenberg Universitat 2004.

15
Graphique 44 : Canaux sur les sources traditionnelles d’informations sur la pluie

6,54%
vent

28,04%
anciens du village

65,42%
Oiseaux et autres espèces animales

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

 Les canaux de diffusion d’informations sur le vent

Pour les modes de prévision du vent, les agriculteurs ont plus utilisé les
informations météorologiques (73,58%). Comme les informations sur la pluie, la radio a été
plus utilisée (98,24%) pour le vent. Cependant, le recours aux organisations de producteurs et
les services techniques de l’État ainsi que la télévision reste faible soit respectivement 0,70%
et 1,06% (graphique 45).

Graphique 45 : Canaux modernes de diffusion des informations du vent

1,06%
Télé

0,70%
OP et services techniques de l'Etat
98,24%

radio

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

Par rapport aux sources traditionnelles, elles ont été utilisées uniquement par 26,42%
des exploitants. En effet, les agriculteurs ont fait plus recours aux anciens du village, soit
66,67% et à l’observation du vent en début de campagne avec un pourcentage de 23,53%. Les

15
oiseaux et autres espèces animales ne sont pas trop utilisés pour anticiper le vent, soit
seulement 9,80% (graphique 46).

Toutefois, 78,47% des agriculteurs ayant formulé des « anticipations rationnelles » ont
utilisé la météo dans leur prévision pour le vent alors que la proportion s’élève à 42,75% pour
les individus ayant formulé des «anticipations adaptatives».

Graphique 46 : Canaux traditionnels de diffusion des informations sur le vent

9,80%
oiseaux et autres espèces animales

23,53%
observation du vent en début de campagne
66,67%

anciens du village

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

 Les canaux de diffusion d’informations sur la température

Pour déterminer la température de la campagne en cours, les agriculteurs ont utilisé le

plus des informations météorologiques avec 76,82% à travers la radio (98,60%), la télévision
(1,05%) et des organisations de producteurs ou services de développement (0,35%).

Cependant, les sources traditionnelles ont été utilisées pour 42,75% avec une utilisation
des informations transmises par les anciens du village (59,30%) et des oiseaux et autres
espèces animales pour 12,79% (ISRA, 2015e).

Graphique 47 : Canaux modernes de diffusion d’informations sur la température

Télé 1,05%

OP et services techniques de l'Etat 0,35%

98,60%
radio

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

15
 Toutefois, les agriculteurs ayant formulé des «anticipations rationnelles» ont plus utilisé
des informations météorologiques (76,26%) alors que ceux ayant effectué des «anticipations
adaptatives» ont juste utilisé cette source à hauteur de 67,44%.

Au total, sur tous les aspects du climat, les sources météorologiques ont été les plus
utilisées. De plus, les producteurs formulant des « anticipations rationnelles » ont le plus
utilisé cette source à travers la radio. Les sources traditionnelles représentent des proportions
très faibles et varient en fonction de la nature du climat à anticiper. Ainsi, pour la pluie, les
agriculteurs mettent plus l’accent sur les oiseaux et les autres espèces animales, alors que pour
le vent et la température, les agriculteurs se focalisent sur les anciens du village.

- Fréquence d’apparition d’une bonne pluviométrie sur les cinq ans

Une évaluation, de la perception du niveau de la pluviométrie moyen observé sur

chaque cinq (5) ans et la probabilité d’apparition d’un bon hivernage, a été faite. Ainsi, 92%
des agriculteurs considèrent qu’il existe une périodicité de 3/5 ans d’une bonne pluviométrie.
En moyenne, 2,035/5 ans de périodicité.

Cependant, les exploitants agricoles ayant formulé des « anticipations rationnelles » et

ceux n’ayant pas formulé des anticipations sont les plus optimistes avec des niveaux de
périodicité de 3/5 ans pour respectivement 38,57% et 36,62%. Cette situation montre que
même si certains agents ne sont pas en mesure de donner une anticipation du climat, leur
optimisme les pousse à envisager le futur comme s’ils disposaient de toute l’information
disponible.

III.2.1.4 _/ Caractéristiques socioéconomiques des comportements d’anticipation

Les caractéristiques socioéconomiques sont analysées par rapport à l’utilisation ou non
d’informations climatiques. La différence des comportements d’anticipation s’explique par le
nombre de champs possédés, le nombre de champs cultivés, la superficie des champs
exploités et dans une moindre mesure par l’âge des exploitants agricoles (Tableau 15).

Cependant, il n’existe pas de différence significative concernant la main d’œuvre

employée et le nombre d’équipements utilisés. Toutefois, l’âge des utilisateurs d’informations
climatiques ne dépasse pas 50 ans, soit 46 ans pour ceux qui ont formulé des « anticipations
adaptatives » et 48,9 ans pour les anticipateurs dits « rationnels ».

En outre, le nombre de champs possédés et cultivés des agents est inférieur à ceux
n’utilisant pas d’informations climatiques. Ainsi, le nombre de champs possédés et cultivés
16
des types d’anticipateurs « adaptatifs » et « rationnels » ne dépasse pas 4. En plus, l’analyse
horizontale des superficies cultivées montre que les surfaces sont approximativement
identiques chez les personnes ayant utilisé des informations climatiques environ 8 hectares.
Aussi, il est nécessaire de constater que le nombre de champs cultivés est supérieur au nombre
de champs possédés chez les « anticipateurs rationnels », soit respectivement 3,9 contre 3,69.

Tableau 15 : Caractéristiques des agriculteurs suivant les types d’anticipation

Pas A. naïve A. adaptative A. rationnelle
d'anticipation
Variable N Moy E.T N Moy E.T N Moy E.T N Moy E.T
Age 86 53,1 12,33 9 50,6 11,01 91 46 3 56 48,9 12,84
Nombre de champs 86 6,5 7,49 9 6,11 2,93 93 3,41 1,5 157 3,69 1,76
possédés
Nombre de champs 86 5,8 4,4 9 4,67 1,94 93 3,28 1,5 157 3,9 5,67
cultivés
Superficie des 86 1,7 10,13 9 8,44 4,59 193 7,55 6 157 8,49 12,21
champs cultivés
Main-d'œuvre 76 6,66 8,54 5 6,67 5,9 15 6,94 7,3 19 6,6 9,15
salariée
Nombre 86 6,44 1,73 9 6,22 2,73 193 4,64 1,9 157 5,7 1,74
d'équipements
A.= Anticipation ; N = nombre d’observations ; Moy = moyenne empirique ; E.T = Ecart type
Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015
L’estimation des comportements d’anticipation par le modèle probit61 et les effets
marginaux montrent que la probabilité d’utiliser des informations climatiques diminue de
18% lorsqu’on passe d’un individu n’ayant pas été victime du changement climatique vers un
autre ayant subi l’impact du climat. Cette vraisemblance augmente de 18% lorsque l’agent
possède de gros ruminants mais diminue de 0,5% lorsque la perte de production supportable
augmente d’1%. De même, elle augmente de 11% si l’exploitant se trouve dans un village
désenclavé et d’environ 0,004% quand les coûts fixes augmentent d’1 F CFA. Par contre, elle
diminue de 48% et 44% si l’individu pratique respectivement la culture de sorgho et du
sésame (Tableau 16). Pour ces deux (2) spéculations, la superficie emblavée reste faible dans
la zone et elles sont moins principalement destinées à la commercialisation (ISRA-
BAME, 2014). Ces deux spéculations ont remplacé le maïs qui exige beaucoup de
précipitation (CGIAR, 2017).

La variable adhésion à un groupe n’est pas significative dans ce modèle. En d’autres

termes, il ne suffit pas seulement d’appartenir à un groupe pour utiliser des informations
climatiques.

61
Cf. encadré 3

16
Encadré 3 : Spécification du modèle probit

Utilisation du modèle probit simple

Dans cette recherche, les variables à expliquer ne peuvent prendre que deux modalités

événement, ou d’un choix. Ainsi, si considère un échantillon de 𝑛 individus d’indices 𝑖 =

(variables dichotomiques). Il s’agit alors généralement d’expliquer la survenue ou non d’un

1, … , 𝑛, il est possible de spécifier la variable dépendante suivant deux valeurs :

𝑌𝑖 = {01 𝑠𝑖 𝑙′é𝑣é𝑛𝑒𝑚𝑒𝑛𝑡 𝑠𝑒 𝑟é𝑎𝑙𝑖𝑠𝑒

𝑠𝑖 𝑙 é𝑣é𝑛𝑒𝑚𝑒𝑛𝑡 𝑛𝑒 𝑠𝑒 𝑝𝑎𝑠 𝑟é𝑎𝑙𝑖𝑠𝑒
′

Le choix de codage (0, 1), qui est traditionnellement retenu pour les modèles

l’espérance de la variable à expliquer 𝑌. Puisque :

dichotomiques, permet de définir la probabilité de survenue de l’événement comme

𝐸[𝑌𝑖] = Pr(𝑌𝑖 = 1) × 1 + Pr(𝑌𝑖 = 0) × 0 = 𝑃𝑟(𝑌𝑖 = 1)

l’événement considéré en fonction de 𝐾 caractéristiques observées (𝑋𝑖1, … , 𝑋𝑖𝐾) pour un

L’objectif des modèles dichotomiques consiste alors à expliquer la survenue de

individu 𝑖 de l’échantillon, par exemple l’âge du producteur, sa superficie cultivée, son

appartenance à un groupe…

Les limites du modèle linéaire

explicatives 𝑋𝑖 = (1, 𝑋𝑖1, … , 𝑋𝑖𝐾) et pour les paramètres 𝜃 = (𝜃0, 𝜃1, … , 𝜃𝐾), de
De manière générale, comme pour le modèle linéaire, on écrit pour les variables

𝜃0 + 𝜃1𝑋𝑖1 + … + 𝜃𝐾𝑋𝑖𝐾 = 𝑋𝜃 .
sorte que

L’usage direct d’un modèle linéaire génère des biais 62. D’abord, écrire 𝑌𝑖 = 𝑋𝑖𝜃 + 𝜀
impose à 𝑋𝑖𝜃 + 𝜀 de ne prendre que des valeurs 0 et 1, alors que 𝑋𝑖𝜃 + 𝜀 est une
expression quantitative. Ensuite, il n’est pas possible d’ajuster de façon satisfaisante, par une
droite, le nuage de points associé à une variable dichotomique. Et enfin, l’estimateur des
Moindres Carrés Ordinaires d’une variable dichotomique génère un biais d’hétéroscédasticité.

Spécification du modèle probit

L’explication des valeurs de 𝑌 grâce à 𝑋, revient à estimer la probabilité que 𝑌𝑖 = 1

sachant 𝑋𝑖 (ou que 𝑌𝑖 = 0, ce qui reviendrait au même. Alors, il suffit d’estimer :

Pr(𝑌𝑖 = 1|𝑋𝑖) = Pr(𝑋𝑖𝜃 + 𝜀𝑖 ≥ 0|𝑋𝑖) = Pr(𝑋𝑖𝜃 ≥ −𝜀𝑖|𝑋𝑖) = 𝐹−𝗌(𝑋𝑖𝜃)

entre ces deux modèles est la spécification de 𝐹. Dans les deux cas, la loi des résidus est
Cette probabilité peut être estimée par le modèle probit ou logit. La seule différence

symétrique, et il est possible de remplacer 𝐹−𝗌 par 𝐹𝗌.

16
62
Cours Économétrie des variables qualitatives : Cours C. Hurlin

16
 Le modèle probit correspond à la spécification gaussienne dont la fonction de
répartition (𝐹) est centrée et réduite, usuellement notée ɸ :
X iθ
e−t²/2
𝐹(𝑋𝑖𝜃) = ɸ(Xiθ) = dt,
∫ √2
−∞ π

La densité correspondante, usuellement notée ɸ, est :

𝑒−(𝑋𝑖𝜃) /2
2

𝑓(𝑋𝑖𝜃) =
ɸ(𝑋𝑖𝜃) = √2𝜋

Estimation par le Maximum de Vraisemblance

La méthode du maximum de vraisemblance est utilisée pour estimer les paramètres 𝜃.

La vraisemblance s’écrit :
𝑁

𝐿(𝜃) = 𝖦 𝐹(𝑋𝑖𝜃)𝑌𝑖(1 − 𝐹(𝑋𝑖𝜃))1−𝑌𝑖

𝑖=𝑛

Et donc la log-vraisemblance vaut :

𝑁 𝑁

log 𝐿(𝜃) = ∑ 𝑌𝑖𝑙𝑜𝑔𝐹(𝑋𝑖𝜃) + ∑(1 − 𝑌𝑖)log(1 − 𝐹(𝑋𝑖𝜃))

𝑖=1 𝑖=1

= ∑ log 𝐹(𝑋𝑖𝜃) + ∑ log(1 − 𝐹(𝑋𝑖𝜃))

𝑖:𝑌𝑖=1 𝑖:𝑌𝑖=0

Sous certaines conditions, l’estimateur du maximum de vraisemblance 𝜃̂ est

convergent et suit asymptotiquement une loi normale centrée sur la vraie valeur 𝜃 des

de Fisher 𝐼(𝜃). Cependant, l’aspect essentiel est le calcul de l’effet marginal de la j-ème
paramètres et de matrice de variance covariance égale à l’inverse de la matrice d’information

variable 𝑋𝑖𝑗, sur la probabilité de l’événement 𝑌 = 1 pour l’individu 𝑖. Cet effet s’écrit pour
une variable 𝑋𝑖𝑗 continue :
= 𝑓(𝑋 𝜃)𝜃 .
𝜕𝐹(𝑋𝑖𝜃)

𝜕𝑋𝑖𝑗 𝑖 𝑗

Ce modèle est utilisé pour analyser l’utilisation d’information climatique, dans un

premier temps ; puis il a servi à déterminer les facteurs explicatifs de l’aversion au risque

producteur. Le rapport de vraisemblance 𝐿𝑅 permet de tester la nullité des coefficients.

financier ; et enfin, il a permis d’estimer l’adoption d’une stratégie d’adaptation par le

𝐿𝑅 = −2(𝑙𝑜𝑔𝐿(𝜃̂ ) − log 𝐿(𝜃 𝑐 )

Source : Cours d’économétrie, données qualitatives probit et logit (Kermadec, 2008)

16
Tableau 16: Estimations des comportements d’anticipation à partir de l’utilisation
d’informations climatiques
Probabilité d'utilisation d’information climatique dans les prévisions

Structure Coefficient P>|z| dy/dx X

variable
Victime du changement climatique 1=oui -0.536073** 0.001 -0.179756 .715596
0=non
Possession de gros ruminants 1=oui 0.513879*** 0.000 0.1767071 .363303
0=non
Distance village champs continue -0.136988 0.220 -0.049160 1.53761
Perte tolérable continue -0.01612*** 0.000 -0.005786 24.7706
Présence de village à moins d’1 km 1=oui 0.3063371** 0.035 0.1110071 0.594495
0=non
Proximité du marché 1=oui 0.3357382 0.230 0.1110689 0.062385
0=non
Adhésion à un groupe 1=oui 0.1845313 0.174 0.0660082 0.475229
0=non
Coûts fixes continue 0.000013*** 0.000 4.71e-06 13509.3
Culture principale arachide 1=oui 0.0009832 0.996 0.0003529 0.838532
0=non
Culture principale maïs 1=oui 0.0485584 0.753 0.0174105 0.46422
0=non
Culture principale mil 1=oui 0.1288168 0.536 0.0471529 0.862385
0=non
Culture principale sorgho 1=oui -1.27947*** 0.000 -0.477632 0.148624
0=non
Culture principale niébé 1=oui 0.1649647 0.434 0.0574881 0.146789
0=non
Culture principale sésame 1=oui -1.16394*** 0.000 -0.439404 0.099083
0=non
Culture principale manioc 1=oui -0.6001149* 0.054 -0.231918 0.044037
0=non
_cons 1.486163*** 0.000
degré de significativité : 1% = *** ; 5% = ** ; 10% = *
N = 545
LR chi2(15) = 223.96
Prob > chi2 = 0.0000
Pseudo R2 = 0.3151

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

L’effet positif des coûts fixes supportés sur l’utilisation d’informations climatiques
s’explique par l’effet de garantie psychologique. Ainsi, l’exploitant agricole qui investit une
importante somme d’argent en début d’hivernage s’attend à un retour sur investissement qui
lui pousse à chercher des informations climatiques afin d’obtenir une garantie psychologique.

De même, la présence de villages à moins d’un kilomètre génère un effet de

propagation. En effet, la présence de villages facilite les contacts entre agriculteurs, ce qui
tend à accélérer le processus de propagation des informations climatiques.

16
 En revanche, l’effet négatif des pertes tolérables sur l’utilisation d’informations
climatiques s’explique par l’effet de la marge de sécurité. Ainsi, l’exploitant agricole ne
prêtera attention à l’information climatique que si la perte peut dépasser sa marge de sécurité
fixée.

En outre, la distance entre le village et le champ réduit le temps que l’exploitant agricole
consacre à la recherche d’informations climatiques. Cette situation explique la diminution de
la probabilité d’utilisation d’informations climatiques lorsque la distance entre le village et
champ est longue.

Aussi, le fait de posséder de petits ruminants réduit la probabilité d’utiliser des

informations climatiques car les caprins et les ovins sont plus résistants à la chaleur que les
bovins (gros ruminant).

La relation négative entre la probabilité d’utiliser des informations climatiques et le fait

d’être victime du changement climatique peut s’expliquer par les mauvaises anticipations
réalisées lors des prévisions précédentes. Ce qui pourrait produire un effet de
désintéressement de la part du producteur.

Même si l’anticipation est une condition nécessaire à la prise de décision dans un

environnement incertain, elle ne demeure pas la condition suffisante. Ainsi, pour comprendre
le choix d’adaptation des agriculteurs, il faut analyser leur comportement face au risque.

III.2.2_/ Caractéristiques et typologie des agriculteurs face au risque

Les agriculteurs ont différents comportements vis-à-vis du risque. Les types

d’anticipation formulés ne renseignent pas suffisamment sur la décision d’adaptation au
changement climatique. En effet, dans une situation de risque les exploitants agricoles
adoptent des stratégies actives ou passives (AFD et MAEE, 2009).

III.2.2.1 _/ Méthodologie et typologie des comportements face au risque

Pour déterminer le comportement des agriculteurs face au risque, la recherche se base
sur une analyse de perception face à une activité risquée dont les pertes peuvent être
monétaires ou non. De même, trois loteries ont été proposées aux producteurs afin de
distinguer les comportements dits « riscophobe », « riscophile » et ceux qui adoptent un
comportement « Markowitz » face au risque (Broihanne et al. 2004). De plus, une analyse a

16
été effectuée pour déterminer le choix de la production lorsque la perte dépasse son niveau
tolérable.

La perception de l’agriculteur face à un risque potentiel sur son activité permet d’avoir
une opinion sur son comportement face à une situation risquée. En effet, l’agent est interrogé
sur sa capacité à prendre des risques lorsque les conséquences monétaires sur son activité sont
aléatoires.

Le classement des loteries est utilisé pour déterminer la prise de risque dans un
environnement incertain. Ainsi, différentes probabilités subjectives sont définies pour chaque
événement de la nature dont les conséquences sont uniquement monétaires. Cette
méthodologie s’inspire des travaux d’Allais (1952) qui considère que les préférences face au
risque peuvent être déterminées grâce aux méthodes d’économie expérimentale basée sur des
jeux de loteries financiers. Pour cela, trois loteries ont été définies (Tableau 17).

Tableau 17 : Liste de loteries permettant de déterminer le comportement des agriculteurs face

au risque

Loterie Gain Probabilité De Gain

Loterie 1 5 000 F CFA 100%

Loterie 2 20 000 F CFA 30%

Loterie 3 30 000 F CFA 20%

Source : l’auteur

Chaque loterie possède une probabilité non nulle de gain. La vraisemblance affectée à
chaque loterie est qualitative (Savage, 1954). Ainsi, un individu est considéré comme
« riscophobe » lorsque son choix se fonde uniquement sur les probabilités de perte.
L’agriculteur adopte des décisions les plus sûres (probabilité de réalisation plus élevée). C’est
le cas lorsque l’agent considère que la loterie 1 est préférée à la loterie 2 qui est préférée à la
loterie 3. Par contre, lorsque l’agent fait un choix sur la base uniquement des gains espérés,
alors il est considéré comme un « riscophile ». C’est le cas observé lorsque l’agriculteur
classe la loterie 3 suivie de la loterie 2 et de la loterie 1. Dans cette situation, seul le résultat
compte pour le décideur. Cependant, l’exploitant agricole peut effectuer un calcul basé sur
l’espérance des gains. Dans ce cas, il choisit celui dont l’espérance des gains est la plus
élevée. Toutefois, pour deux loteries ayant les mêmes espérances mathématiques des gains, le
décideur choisit celle qui est la plus sûre. On parle dans ce cas, que l’agent adopte un

16
comportement « Markowitz ». Cette situation, se matérialise lorsque l’individu considère la
loterie 2 supérieure à la loterie 3.

Ainsi, à travers ce système de loterie d’Allais (1952), il sera question de tester une
quatrième hypothèse :

h4 : les préférences pour le risque financier des exploitants agricoles peuvent être représentées
par la fonction de Markowitz.

Le choix entre deux loteries est expliqué par l’espérance mathématique des gains et la
variance. Si le niveau d’espérance des gains est identique, l’exploitant agricole choisit la
loterie la moins risquée.

III.2.2.2 _/ Attitude des agriculteurs face au risque monétaire

Avant de déterminer l’attitude des agriculteurs face au risque, une interrogation sur la
capacité des exploitants à exercer des activités risquées leur avait été posée : « Êtes-vous prêt
à vous engager sur une activité très risquée mais dont le bénéfice est élevé ?». Les réponses
montrent une volonté des exploitants agricoles à prendre des risques en permanence. Ainsi,
72,35% des agriculteurs se considèrent comme des preneurs de risques (graphique 48). En
d’autres termes, les agriculteurs sont amenés à minimiser la probabilité de perdre en prenant
une décision économique.

Graphique 48 : Volonté des exploitants à prendre des risques

individus déclarant ne pas vouloir prendre de risque 28%

individus déclarant vouloir prendre de risque

72%

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

L’attitude des agriculteurs face au risque économique a permis de définir trois types
d’agent : « riscophobe », « riscophile » et « Markowitz ».

16
 Face aux trois loteries présentées aux producteurs, 81,94% ont préféré la loterie 1 du fait
de sa probabilité de perte nulle (graphique 49). Ces agriculteurs sont classés comme
«riscophobes», leur préférence par rapport aux trois loteries est la suivante : loterie1 > loterie2
> loterie3. En outre, 8,77% des exploitants agricoles sont classés «riscophiles» pour leur
choix orienté vers la loterie 3 qui présente le gain le plus élevé. Pour ces derniers, le
classement s’effectue : loterie3 > loterie2 > loterie1. Enfin, 10,07% des agriculteurs ont fait
un calcul d’espérance des gains et ont choisi la loterie la plus sûre (ils ont un comportement
de type «markowitz»). Pour ces types d’agriculteurs la loterie 2 est préférée aux autres. Leur
classement des loteries est alors : loterie2 > loterie3 > loterie1.

Graphique 49 : Comportement des agriculteurs face au risque (en pourcentage)

riscophile 9% markovitz 10%

riscophobe 81%

Source : l’auteur à partir des enquêtes d’ISRA/BAME, 2015

Par conséquent, la majorité des agriculteurs de la zone du Bassin arachidier adoptent un

comportement «riscophobe» face au risque financier, ce qui pourrait justifier l’adoption d’une
fonction d’utilité de type Markowitz pour analyser les préférences des producteurs dans cette
localité. L’utilisation de cette méthode est aussi confirmée par le choix des exploitants entre la
loterie 2 et 3. Ainsi, la loterie 2 est préférée par 92,01% des agriculteurs à la loterie 3.

- Conditions d’adoption de la fonction Markowitz

Le paradoxe de Saint-Petersbourg63 étant vérifié car la majorité des agriculteurs préfère

la loterie 1 dont l’espérance mathématique est la plus faible (5 000 F CFA contre 6 000 F
CFA pour les deux autres). Donc, le seul critère de l’espérance mathématique des gains ne
peut pas être appliqué pour représenter les préférences des agriculteurs du bassin arachidier
face au risque. De même, pour les loteries 2 et 3 présentant les mêmes espérances de gain, les

63
Le paradoxe de Saint-Persbourg est mis en œuvre par Nicolas Bernouilli en 1713 puis par Daniel Bernouilli
en1738. Ils montrent que les individus ne sont pas prêts à donner toute leur richesse pour participer à un jeu et de
ce fait leurs préférences ne peuvent pas être représentées par la fonction espérance de la richesse.
16
agents ont choisi celle qui est la moins risquée (loterie 2). Cependant, il n’est pas possible de
vérifier le paradoxe d’Ellsberg64 car la probabilité de chaque loterie est connue d’avance, de
ce fait, l’effet de surprise disparait.

- Comparaison entre volonté de prendre un risque et attitude au risque

La majorité des agriculteurs qui avaient déclaré « prêts à s’engager sur des activités
risquées » ont été classés parmi les «riscophobes». En effet, 87,43% de ceux qui se jugeaient
audacieux en situation de risque présentent une aversion au risque. Seulement, 5,19% ont
validé leur non aversion pour le risque. Cette situation montre que les exploitants agricoles
dans la zone du bassin arachidier même étant toujours en contact avec le risque, intègrent la
probabilité de perte dans leur choix.

- Attitude face au risque et utilisation d’informations climatiques

Un test de corrélation entre le niveau d’anticipation et le type de risque a été réalisé. Les
résultats montrent une corrélation positive entre les « riscophobes et riscophiles » et
l’utilisation d’informations climatiques. En d’autres termes, l’utilisation d’informations
climatiques est plus élevée chez les agriculteurs ayant une aversion positive ou négative pour
le risque. En revanche, il n’existe pas de lien entre le comportement de l’individu
« Markowitz » et l’utilisation d’information climatique. Ainsi, une attitude prudente de la part
de l’exploitant diminue la probabilité d’utiliser l’information climatique.

III.2.2.3 _/ Perception face au risque climatique et niveau de perte tolérable

Six difficultés liées à l’agriculture ont été présentées aux producteurs pour indiquer
celles qui sont liées aux changements du climat. Ainsi, les agriculteurs devaient choisir les
risques qui sont dus au climat entre : la sécheresse, les pauses pluviométriques, le manque de
semence, le manque de matériels agricoles, la hausse de la température et le manque de
marché.

Les résultats montrent qu’environ 79% des agriculteurs manifestent une bonne
connaissance des facteurs naturels susceptibles d’affecter négativement leurs activités
agricoles. Cette situation montre aussi que les agriculteurs sont en mesure de faire la
distinction entre les aléas climatiques et économiques même si la différence peut s’avérer
parfois difficile à établir à cause de leur forte interdépendance (Cayatte, 2009).

64
Le paradoxe d’Ellsberg a été présenté en 1961 pour montrer que les axiomes de base de la théorie des
probabilités ne sont pas respectés. Ellsberg en tire l’idée qu’il existe une aversion pour l’ambiguïté.

17
 En outre, les résultats révèlent que 72% des agriculteurs ont été victimes du changement
climatique dans le passé. Les années 1973, 1981, 1985, 2002, 2012, 2013 et 2014 ont été
citées comme les années de référence marquées par les effets néfastes du changement
climatique. Les événements ayant conduit à une détérioration de l’activité agricole concernent
particulièrement le retard des pluies (37%), des pauses pluviométriques (24%), des
sécheresses (11%) et des inondations (8%). D’autres causes ont été déclarées, il s’agit de
l’arrêt précoce des pluies (3%) et les attaques insectes (4%) (Graphique 50).

Graphique 50 : Phénomènes climatiques les plus ressentis

attaques insectes 4%

arrêt précoce des pluies 3%

inondations 8%

sécheresses 11%

pauses pluviométriques 24%

retard des pluies 37%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

Compte tenu de l’incertitude climatique, les agriculteurs se fixent des niveaux de perte
de production tolérable. Ainsi, 76,88% des personnes enquêtées ont affiché un niveau de perte
tolérable inférieur ou égal à 20% de leur production. La perte moyenne tolérable est de
11,66% avec un maximum de 80%. Cependant, 11,93% des exploitants enquêtés dans la zone
ont fixé un niveau de perte nulle.

Le test de corrélation entre le niveau de perte tolérable et l’utilisation d’informations

climatiques donne un coefficient de -0,2128 avec un degré de significativité de 1%. Ce
résultat traduit une corrélation significative et négative entre les deux variables, c'est-à-dire
que le niveau de perte tolérable est d’autant plus faible si l’exploitant agricole utilise des
informations climatiques dans ses anticipations. En d’autres termes, plus les exploitants
agricoles utilisent des informations climatiques dans leurs anticipations moins ils sont prêts à
perdre leur production.

Pour des niveaux de perte tolérable supérieure au seuil, 85,27% des agriculteurs
décident de continuer leur activité agricole pour les prochaines campagnes (graphique 51).
Seulement, 0,58% d’entre eux prennent la décision de ne pas continuer à produire. Les

17
agriculteurs qui se fixent des niveaux de perte tolérable compris entre 20 et 50% de leur
production affichent une plus grande volonté à réduire leur volume de production. Cette
proportion est estimée à 19,67% des exploitants agricoles. De la même façon, 66,67% des
personnes décidant de ne plus continuer à produire appartiennent à ceux qui se fixent les
niveaux de pertes les plus faibles compris entre 0 et 5%.

Toutefois, un test de corrélation est effectué entre décision de production et niveau de

perte. Les résultats montrent une non corrélation entre ces deux variables, ce qui traduit un
manque de fluidité dans le secteur agricole. En d’autres termes, le niveau de perte tolérable
n’est pas un réel motif pour le producteur du bassin arachidier pour quitter son activité. Ce
résultat peut être aussi expliqué par la thèse de Menapace et al. (2013) qui considère que les
agriculteurs les plus averses perçoivent les risques de pertes sur leurs récoltes.

Graphique 51 : Décision des exploitants en cas de dépassement du seuil de perte tolérable

je ne produis plus 1% Pas de réponse; 2%

je diminue la quantité de production 12%

je continue à produire 85%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

III.2.2.4 _/ Consentement à payer (CAP) pour un niveau de perte supérieur au seuil

Pour se couvrir du niveau de perte tolérable déclarée par le producteur, un consentement
à payer (CAP) a été demandé à chaque producteur pour déterminer le montant maximal que
les exploitants désirent allouer pour être remboursés de leurs investissements initiaux en cas
de réalisation du risque. Ainsi, le CAP moyen est de 6 554,132 F CFA avec un maximum de
150 000 F CFA. Par ailleurs, 79,82% des producteurs ont déclaré une somme inférieure à
5 000 F CFA. Toutefois, il faut comprendre que ce montant n’a pas été ramené à l’unité (à
l’hectare par exemple) ce qui constitue une limite dans l’évaluation de ce CAP.

17
 Le test de corrélation entre le niveau de perte et l’intention du CAP montre une relation
négative (-0,1920) et significative à 1%. Ce qui signifie que les exploitants agricoles qui
détestent le risque de perdre sont plus disposés à payer.

En outre, un test de corrélation a été fait entre l’attitude face au risque et le niveau du
CAP. Les résultats montrent une corrélation positive et significative au seuil d’1% de ces
deux variables. En d’autres termes, les individus qui se fondent uniquement sur les gains ou
ceux qui effectuent des calculs entre les gains et les pertes sont plus disposés à payer une
somme d’argent pour se protéger du risque. Le résultat trouvé n’est pas conforme avec la
théorie de l’assurance qui stipule que les individus présentant une forte aversion pour le risque
sont plus susceptibles de verser des primes d’assurance (Cayatte, 2009). Ce qui place les
agriculteurs du bassin arachidier comme des cas spécifiques à traiter en situation de risque.
Cependant, le CAP trouvé pourrait s’interpréter comme le montant que serait prêt à payer un
agriculteur pour obtenir une information supplémentaire plus précise (Bosch et Eidman,
1987).

Au total, dans le cas de la mise en place d’assurance agricole fondée sur le climat dans
la zone, l’objectif serait de trouver les agriculteurs qui cherchent le plus des informations
climatiques avec des niveaux de perte tolérable faibles.

III.2.2.5 _/ Classement des risques agricoles et climatiques

Le classement des risques de production, de stockage et de commercialisation permet de
constater que les agriculteurs jugent plus risquée l’activité de production.

Par rapport à la production, 78% des personnes interrogées considèrent que les risques
au niveau de la phase productive sont plus importants (graphique 52). Ces risques proviennent
principalement de quatre (4) types d’incertitude : climatique, technique, fertilité des sols et
financement.

En effet, 62% des agriculteurs considèrent que la variabilité climatique constitue une
menace potentielle à leur activité agricole (graphique 53). Les risques climatiques proviennent
des défauts d’anticipation des situations de déficit pluviométrique ou d’inondations ou parfois
des vents violents causant des dégâts sur les plantes. De même, 35% des exploitants
interrogés déclarent être menacés plus par des risques d’ordre technique tels que le manque de
formation, l’inaccessibilité des semences et engrais en temps et la défaillance des équipements
utilisés durant la production. En outre, la difficulté liée à la fertilité des sols, soit 3% des

17
producteurs, a été identifiée en tant qu’événement affectant le plus les cultures. Enfin,
seulement 1% des exploitants sont plus affectés par les risques financiers.

Graphique 52 : Principales causes des risques agricoles

risque marché 8%
risque stockage 14%

risque production 78%

Source : l’auteur à partir des données d’enquêtes d’ISRA/BAME, 2015

Graphique 53 : Principales causes des risques de production

infertilité des sols 3% risque financier 1%

risque technique 35%

risque climatique 61%

Source : l’auteur à partir des données d’enquêtes d’ISRA/BAME, 2015

Pour le risque de stockage, cinq (5) événements peuvent se produire. En effet, les
exploitants agricoles ont déclaré : des possibilités de vol ou de brûlure pour 55% ; des
attaques insectes avec 21% ; la probabilité de pourriture par 14% des agriculteurs ; des
incertitudes techniques liées à la non maitrise des techniques de traitement (6%) ; et
seulement, 4% concernant le risque climatique (graphique 54). Les pluies hors saison, la
variation de température et l’humidité constituent les événements caractéristiques du risque
climatique.

17
Graphique 54 : Principales causes des risques de stockage

non maîtrise des techniques de traitements risque climatique 4%

6%
pourriture 14%

vol ou brûlure 55%

Attaque d'insectes 21%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

Concernant la commercialisation, des probabilités de perte sont notées au niveau du

marché avec la lenteur de l’écoulement due à l’éloignement des pistes de production et le lieu
de commercialisation, soit 53% des agriculteurs. Également, le manque d’organisation des
filières contribue significativement à accroître le risque de marché. La seconde incertitude
concerne le prix, soit 38% des agriculteurs, ce qui pousse les producteurs à vendre leurs
produits à des prix dérisoires. Le risque de crédit et de la satisfaction du goût des
consommateurs apparaît comme la troisième incertitude de commercialisation, soit 7% des
producteurs. En effet, le montant emprunté auprès des banques oblige les agriculteurs à
vendre tôt pour rembourser à temps leur emprunt. Aussi, seulement 2% des agriculteurs
considèrent que le climat peut affecter leur activité de commerce. À ce titre, les agriculteurs
craignent plus le risque d’inondation (graphique 55).

Graphique 55 : Principales causes des risques de commercialisation

crédit et goût des consmmateurs 7%climat 2%

prix 37% éloignement du marché

54%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

17
 En faisant un classement des facteurs climatiques qui affectent le plus l’activité agricole
dans le bassin arachidier, les producteurs céréaliers considèrent que la pluie est la principale
contrainte. Environ 87% des agriculteurs classent la pluie comme un facteur exogène pouvant
impacter négativement la production agricole (graphique 56). La proportion d’individus
considérant que le vent affecte leur niveau de production est environ 11% et seulement 1% se
dit impacté par la température.

Graphique 56 : Classement des facteurs climatiques en fonction des risques agricoles

température 1%
vent 11%

pluie 88%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

III.2.3 _/ Caractéristiques socioéconomiques des agriculteurs face au risque financier

Les agriculteurs considérés comme « riscophobes » financièrement emploient plus de

main d’œuvre salariée (7 personnes) et cultivent plus de champs, soit 4 champs en moyenne.
Ces agents sont plus disposés à perdre une partie de leur production, soit 12,90%, et ont un
consentement à payer plus faible estimé à 4 719,55 F CFA. Cette situation montre qu’une
aversion au risque financier n’explique pas systématiquement une aversion pour le risque
climatique.

Les producteurs « riscophiles » financièrement utilisent plus d’équipements et

exploitent en moyenne 9,5 ha. En outre, ces agents supportent plus de coûts fixes que les
autres, soit 17 097 F CFA, et ont un niveau de perte tolérable moins important que les agents
« riscophobes ». De même, ils présentent une disposition à payer moyenne plus élevée que les
agents « riscophobes ».

Les agents ayant un comportement de type « Markowitz » financièrement emploient

plus de main-d’œuvre, soit 7,07, et exploitent plus en termes de superficie (11,85 ha). Ils

17
présentent le niveau de perte tolérable le plus faible, soit 5,48% de la production, et un
consentement à payer plus élevé environ 21 055 F CFA.

Au total, il est possible de considérer que plus l’agent est prêt à prendre des risques
financiers (« riscophile » ou « Markowitz ») plus il présente un niveau de perte tolérable
faible et plus il est disposé à payer pour éviter les risques de perte. En d’autres termes,
l’importance de la surface exploitée et le faible niveau de perte production tolérable sont
susceptibles d’expliquer la disposition à payer de l’exploitant agricole. Ce résultat est
conforme à la littérature car les exploitants agricoles sont habitués à subir des risques et sont
globalement plus tolérant aux risques ; mais comme tous les entrepreneurs, ils sont plus
sensibles au risque de perte de production (Bocqueho et al., 2014).

Tableau 18: Caractéristiques socioéconomiques des agents face au risque financier

Comportements des « Riscophobe » « Riscophile » « Markowitz »
agents face du risque
Variable N Moy E.T Moy E.T N Moy E.T
Age 310 50.68 12.53 54 53.98 11.82 47 53.94 13.90
Main-d'œuvre salariée 85 7.01 8.96 17 5.32 5.49 8 7.07 6.01
Nombre d'équipements 312 5.45 2.08 54 6.56 1.49 47 5.34 1.88
Nombre de champs 312 4.62 3.91 54 5.67 10.90 47 4.13 3.83
possédés
Nombre de champs 312 4.29 3.32 54 4.02 3.01 47 4.06 3.85
exploités
Surface des champs 312 8.66 7.57 54 9.57 9.02 47 11.85 11.05
exploités
Coûts fixes 312 14 169 29 595 54 17 097 23 283 47 16 649 15 031
Niveau de perte tolérable 277 12.90 14.99 49 7.71 7.57 42 5.48 5.94
CAP 312 4719 14 365 54 8 250 12 914 47 21 055 21 915
N = nombre d’observations ; Moy= moyenne empirique ; E.T= écart type
Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

Selon les estimations de la propension à prendre des risques financiers des exploitants
agricoles et le calcul des effets marginaux par le modèle probit, la capacité financière et la
possession de petits ruminants augmentent la probabilité de prise de risque respectivement de
20% et de 14%. Aussi, la propension pour le risque diminue de 13% si l’agent a été victime
du changement climatique. Également, cette propension diminue environ d’1% lorsque le
niveau de perte tolérable augmente d’1% (Tableau 19).

En revanche, le fait de produire de l’arachide, du maïs ou du mil comme culture

principale diminue la propension pour le risque financier de l’agent pour respectivement 11%,
16% et 16%. Cependant, la variable adhésion au groupe n’est pas significative. En d’autres

17
termes, le fait d’appartenir à un groupe n’implique pas systématiquement une variation de la
propension à prendre des risques financiers.

Tableau 19: Estimation de la propension pour le risque financier des exploitants agricoles
Propension à prendre des risques financiers
Propension à prendre des risques financiers Structure Coefficient P > |z| dy/dx X
1=l’exploitant prend des risques des variables
0=Sinon
Utilisation information climatique 1=oui 0.2292185 0.238 0.0647553 0.6578
0=non
Capacité financière (argent prêté) 1=oui 0.5853578** 0.025 0.1986688 0.0850
0=non
Victime du changement climatique 1=oui -0.435711*** 0.008 -0.13474 0.6966
0=non
Possession de petit ruminant 1=oui 0.5203086*** 0.002 0.1430414 0.6262
0=non
Pertes tolérables Continue -0.007743*** 0.008 -0.002254 20.830
Présence de village à moins d’1 km 1=oui -0.2061225 0.203 -0.060559 0.5607
0=non
Adhésion au groupe 1=oui 0.0119331 0.937 0.0034752 0.4636
0=non
Coûts fixes continue -2.15e-06 0.486 -6.25e-07 14870
Culture principale arachide 1=oui -0.3614665** 0.060 -0.114658 0.8350
0=non
Culture principale maïs 1=oui -0.551727*** 0.001 -0.159033 0.4879
0=non
Culture principale mil 1=oui -0.4815243** 0.024 -0.15805 0.8714
0=non
Culture principale sorgho 1=oui -0.074231 0.758 -0.021183 0.1675
0=non
Culture principale sésame 1=oui 0.2211155 0.373 0.0684851 0.1214
0=non
_cons 0.2627679 0.428
degré de significativité : 1% = *** ; 5% = ** ; 10% = *
N=412
LR chi2 (13) = 72.51
Prob > chi2 = 0.0000
Pseudo R2 = 0.1588

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

La significativité positive de l’argent prêté par l’exploitant agricole sur la propension à

prendre des risques financiers s’explique par l’effet de revenu sur le risque. Ainsi, la
propension d’aversion pour le risque diminue au fur et à mesure que le revenu de l’agent
augmente.

La possession de petits ruminants génère un effet positif sur la propension à prendre des
risques financiers. Cette situation résulte du fait que le bétail constitue un moyen d’épargne
pour le producteur qui pourrait le vendre en cas de besoin.

17
 La relation négative entre la propension à prendre des risques financiers et le fait d’être
victime du changement climatique peut s’expliquer par le fait que les pertes engendrées par le
climat peuvent modifier le comportement de l’exploitant agricole qui devient alors plus
« averse » pour le risque.

De même, si l’individu se fixe des niveaux de pertes tolérables élevées, il prend par
conséquent moins de risques financiers. Ainsi, il essaie de minimiser les coûts résultant de la
perte de production qu’il se fixe.

III.3_/ Caractéristiques des stratégies d’adaptation et degré d’adoption

Suivant les différentes menaces du changement climatique, les exploitants agricoles ont
évoqué différentes stratégies pour limiter l’impact négatif sur leur production. Ces stratégies
reposent particulièrement sur la gestion du risque pluviométrique.

III.3.1_/ Analyse descriptive et économétrique des stratégies d’adaptation

Six stratégies d’adaptation sont principalement adoptées par les producteurs céréaliers
face au changement climatique. Elles concernent particulièrement : la diversification culturale
pratiquée par 97,61% des producteurs, la rotation culturale (40%), le changement de la date de
semis (57,63%), la gestion des ravageurs (26,78%), la diminution des surfaces cultivées
(24,04%) et l’utilisation de variétés à cycle court (50,64%) (Tableau 20).

Tableau 20 : Taux d’adoption des stratégies d’adaptation au changement climatique

Stratégies Diversification Rotation Changeme Gestion des Diminution Variétés à

des cultures culturale nt date de ravageurs des surfaces cycle court
semis cultivées

Fréquence 532 218 306 143 131 276

Pourcentage 97,61% 40% 57,63% 26,78% 24,04% 50,64%

Source : l’auteur à partir des données d’enquête ISRA/BAME, 2015

Dans la suite de l’analyse, ce travail de recherche se focalisera uniquement sur les

stratégies d’adaptation ayant un taux d’adoption comprise entre 40% et 60%. Ainsi, les
techniques d’adaptation, dont l’utilisation est très élevée ou trop faible, ne sont pas prises en
compte. Il s’agit de la diversification des cultures adoptée par la quasi-totalité des acteurs
(97,61%) ou les techniques de gestion des ravageurs et la diminution de la superficie cultivée
dont le taux d’adoption ne dépasse pas 30%, soit respectivement 26,78% et 24,04%. La

17
faiblesse de leur fréquence pourrait causer le risque de non convergence 65 des estimations.
Toutefois, les tests de corrélation effectués entre les deux stratégies (gestion des ravageurs et
réduction des superficies cultivées) et l’adhésion à un groupe social montrent qu’elles sont
non corrélées (cf. annexe 5.166 et 5.267).

Seules les stratégies d’adaptation « médianes » (rotation culturale, le changement de la

date de semis, et l’utilisation des variétés à cycle court) seront estimées. Ainsi, pour estimer
ces 3 stratégies retenues à partir du modèle probit, 9 variables exogènes ont été prises en
compte. Il s’agit de : l’adhésion à un groupe, l’utilisation d’informations climatiques (info du
climat), l’aversion au risque financier, la distance qui sépare le lieu de résidence et le champ
le plus proche (distance village champ), la perception du changement climatique (perception
au climat), l’impact négatif subi à travers les effets du changement climatique (victime du
climat), la fréquence d’apparition du bon climat (périodicité du bon climat), l’existence dans
le village d’un exploitant qui gère les risques climatiques (effet imitation), la décision de
production lorsque la météo annonce une mauvaise campagne pluviométrie (décision de
production).

Les résultats montrent que l’adhésion à un groupe augmente de 13% la probabilité

d’adopter la rotation culturale. L’utilisation d’informations climatiques augmente la
probabilité de la rotation culturale ainsi que celle du changement de la date de semis pour
respectivement 26% et 25%.

L’effet de l’aversion pour le risque financier accroit l’adoption de la rotation culturale

de 21% et diminue de 35% l’usage de variété à cycle court. L’effet de distance augmente de
13% le changement de la date de semis. La bonne perception aux événements climatiques
augmente de 7% la probabilité d’adopter la rotation culturale, de 11% pour le changement de
la date de semis et de 8% l’adoption de variété à cycle court.

Le fait d’être victime d’un événement climatique augmente les probabilités d’adoption
du changement de la date de semis (11%) et l’utilisation de variété à cycle court (12%). Si la
perception de la périodicité du bon climat dépasse 2,38 années, toute année supplémentaire
diminue les probabilités de la rotation culturale de 10% et de l’utilisation de variété à cycle
court de 6%.

65
Le risque apparait lorsqu’on observe qu’une seule modalité sur la variable de sélection avec le modèle
heckman.
66
Annexe 5.1 : Test de corrélation entre réduction des terres et adhésion au groupe.
67
Annexe 5.2 : Test de corrélation entre gestion des ravageurs et adhésion au groupe.

18
 L’effet d’imitation augmente les probabilités d’adopter des changements de date de
semis de 30% et l’adoption de variété à cycle court de 27%. En effet, la décision de produire
quelle que soit la prévision annoncée par la météo augmente la probabilité d’adopter la
rotation culturale (56%) et diminue celle de l’utilisation de variété à cycle court de 33%
(Tableau 21).

Ces résultats sont conformes à la littérature (Marra et al., 2003; Prokopy et al., 2008;
Barham et al., 2014). Cependant, il était attendu que l’adhésion à un groupe soit significative
pour toutes les stratégies adoptées (Kuhfus et al., 2013) ce qui ne fut pas le cas pour le
changement de la date de semi et l’utilisation de variété à cycle court. Cette situation permet
de se poser la question de savoir : dans quelle mesure l’adhésion à un groupe explique
l’adoption des stratégies d’adaptation ?

Tableau 21 : Effets marginaux des stratégies d’adaptation estimés avec le modèle probit
Stratégies d’adaptation utilisées Effets marginaux
au changement climatique Description des Rotation culturale Changement date de Variété à cycle
1=adoption variables semis court
0=si non dy/dx X dy/dx X dy/dx X
Adhésion à un groupe 1=oui 0,13** 46 0,05 0,46 0,04 0,46
0=non
Utilisation information 1=oui 0,26*** 0,72 0,25*** 0,72 0,11 0,72
climatique 0=non
Aversion au risque financier 1=averse 0.21*** 0.74 -0.09 0.74 -0.35*** 0.74
0=non
Distance village champ 1= -1 km -0.06 0.49 0.13** 0.49 0.08 0.49
0=non
Perception au climat 1=oui 0.07** 3.46 0.11*** 3.46 0.08*** 3.46
0=non
Victime du changement 1=oui -0.1 0.67 0.28*** 0.68 0.12* 0.68
climatique 0=non
Périodicité du bon climat continue -0.1*** 2.38 -0.02 2.38 -0.065** 2.38
Effet imitation 1=oui 0.11 1.28 0.30*** 1.28 0.27*** 1.28
0=non
Décision de production 0.56*** 1.74 -0.06 1.74 -0.33*** 1.74
N 359 359 359
Prob > chi2 0.0000 0.0000 0.0000
Pseudo R² 0.2844 0.1991 0.2086
Seuil de significativité : *** =1% ; ** =5% ; * =10%.

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

III.3.2_/ Degré d’adoption des stratégies d’adaptation

Les agriculteurs ont été catégorisés en quatre (4) groupes : ceux qui n’ont pas adopté de
stratégie d’adaptation ; ceux qui ont un niveau d’adaptation faible ; ceux qui ont un niveau
moyen ; et ceux qui ont un niveau élevé. Le deuxième groupe correspond aux agriculteurs
ayant adopté qu’une seule stratégie, le troisième est constitué par ceux qui ont adopté deux

18
stratégies et le dernier groupe constitue les exploitants qui ont adopté les trois stratégies
retenues.

III.3.2.1 _/ Fréquence des degrés d’adoption des exploitants agricoles

Environ 81% des agriculteurs ont adopté au moins une stratégie d’adaptation au changement
climatique. Ceux qui ont adopté une seule stratégie occupe la plus grosse part (32,84%), ils
sont suivis par les exploitants agricoles adoptant deux stratégies à la fois (31,74%) et presque
1/4 des producteurs ont adopté les trois stratégies (graphique 57).

Graphique 57 : Degré d’adoption des stratégies d’adaptation

pas d'adoption 11,93%

niveau élevé 23,49%

niveau faible 32,84%

niveau moyen 31,74%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

III.3.2.2 _/ Degré d’adoption des stratégies d’adaptation par département

Le département de Koungheul est caractérisé par un degré d’adoption faible (84,16%).
Pour le département de Kaffrine, 38,84% n’ont pas adopté de stratégies retenues. Leur niveau
d’adoption moyen est de 37,19%. Le département de Nioro enregistre un degré d’adoption
élevé le plus important de la zone (63,54%) avec un taux de non adoption nul. Le département
de Kaolack est matérialisé par ses forts taux d’adoption moyen et élevé pour respectivement
56,07% et 29,91%. Concernant le département de Kébémer, les niveaux d’adoption faible et
moyen sont plus importants, soit respectivement 44,07% et 30,51%.

Au total, dans la région de Kaolack 100% des agriculteurs ont au moins adopté une
stratégie d’adaptation avec les degrés d’adaptation les plus élevés enregistrés dans le
département de Nioro (graphique 58).

18
Graphique 58 : Degré d’adoption des stratégies d’adaptation en fonction des zones

3,96%
Koungheul 8,91%
84,16%
2,97%
12,40%
Kaffrine
11,57% 37,19%
38,84%
63,54%
Nioro 13,54% 22,92%
0,00% 29,91%

Kaolack 56,07%
14,02%
0,00%
12,71% 30,51%
Kebemer 12,71% 44,07%

niveau élevéniveau moyenniveau faiblepas d'adoption

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

III.3.3 _/ Les contraintes liées à l’adoption des stratégies d’adaptation

Cette recherche s’est spécifiquement focalisée sur les trois stratégies retenues. Ainsi, les
contraintes sont analysées dans les cas de non utilisation de la rotation culturale, du
changement de la date de semis et l’utilisation de variété à cycle court.

- Contraintes liées à la rotation culturale

Pour cette stratégie, la cause principale du non adoption est le manque d’argent (46%).
De même, la difficulté de sa mise en œuvre et le manque d’encadrement constituent aussi des
limites. Le risque de perte représente 0,42% (graphique 59)

Graphique 59 : Contraintes liées à l’adoption de la rotation culturale

49,27%
pas de réponse
Pas de confiance à ces technologies 0,63%
Non maîtrise de la technologie 0,63%
Manque d'encadrement 1,25%
Risque de perte 0,42%
très compliquée 1,46%
manque d'argent 46%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

18
 - Contraintes liées au changement de la date de semis

Les semis précoces permettent d’éviter les effets des arrêts précoces des pluies
(Ouedraogo et Some, 2010). Les limites à l’adoption de cette stratégie portent principalement
sur la difficulté à prévoir le vrai démarrage des pluies (le risque de faire un faux départ).
L’autre aspect évoqué est le manque d’argent qui ne permet pas au producteur de faire une
bonne planification de l’activité agricole. De même, 3,33% des exploitants considèrent qu’il y
a un risque de perte (graphique 60).

Graphique 60 : Contraintes liées au changement de la date de semi

pas de réponse 53,01%

difficulté à prévoir le vrai démarrage des pluies 20,17%
Pas de confiance à ces technologies 1,46%
Non maîtrise de la technologie 2,08%
Manque d'encadrement 0,83%
Risque de perte 3,33%
très compliquée 1,87%
manque d'argent 17,26%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

- Contraintes liées à l’utilisation de variétés à cycle court

Le manque d’argent et la difficulté d’accès sont principalement les causes de la non

utilisation des variétés à cycle court. En effet, la capacité financière faible des agents et la
forte dépendance aux semences subventionnées diminue les chances d’accéder à ces variétés.
Le risque de perte concerne 1,46% des exploitants (graphique 61).

Graphique 61 : Contraintes d’utilisation de variétés à cycle court

pas de réponse 53,75%

difficulté d'accès 18,75%
Pas de confiance à ces technologies 1,88%
Non maîtrise de la technologie 1,67%
Manque d'encadrement 2,50%
Risque de perte 1,46%
très compliquée 0,83%
manque d'argent 19,17%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

18
 Un test de corrélation est effectué pour déterminer le lien entre adaptation au
changement climatique et l’adhésion au groupe. Le résultat montre une non corrélation entre
ces deux variables (cf. annexe 5.4)68. Par conséquent, une analyse des déterminants de
l’adhésion permettrait de comprendre les facteurs susceptibles d’influer sur le degré
d’adaptation.

III.4_/ Influence du groupe sur l’adoption de stratégies d’adaptation : analyse

économétrique
Au cours des années 90, beaucoup de groupements de producteurs se sont formés en
milieu rural. Ces groupes de producteurs visent essentiellement à promouvoir l’activité
agricole menacée par les effets climatiques. Pourtant, plusieurs techniques d’adaptation ont
été diffusées par la recherche, les partenaires publics ou privés en passant par les
groupements. Néanmoins, des interrogations sont encore soulevées quant au degré d’adoption
de ces stratégies d’adaptation.

Dans cette section, il sera question d’étudier l’influence des groupes dans les choix
d’adaptation. Plus précisément, il s’agit de déterminer dans quelle mesure l’adhésion à un
groupe peut expliquer les différents niveaux d’adaptation (adoption d’une seule stratégie, de
deux stratégies ou des trois stratégies retenues69). Pour ce faire, le modèle de heckman probit
à deux étapes est choisi pour l’analyse économétrique.

III.4.1 _/ Modélisation économétrique des choix d’adaptation dans un groupe : le

modèle de Heckman probit

Le modèle de heckman probit a été choisi pour deux raisons principales : la structure
des variables dépendantes (bivariées) et la nécessité d’estimer simultanément l’adhésion à un
groupe et l’adoption de stratégies d’adaptation.

III.4.1.1 _/ Choix des variables dépendantes

Le modèle économétrique envisagé pour cette recherche relève du domaine des
variables qualitatives, plus précisément des modèles de sélection. En effet, la variable à
expliquer est le degré d’adaptation. Cependant, pour comprendre le rôle des groupes dans ce
processus, il faut que l’exploitant agricole soit membre au moins d’un des groupes suivants :
groupement paysan, organisation non gouvernementale (ONG), groupement d’intérêt
68
Annexe 5.4 : Test de corrélation entre adhésion et degré d’adaptation au changement climatique.
69
Les stratégies retenues concernent la rotation culturale, le changement de la date de semi et l’utilisation de
variétés à cycle court.

18
économique (GIE), coopérative, association religieuse, association culturelle, association
sportive ou tontine. Toutefois, il faut remarquer que chaque niveau d’adoption représente une
variable à expliquer dont les codes sont 1 et 0.
Le modèle expliquant l’influence du groupe à l’adoption des stratégies d’adaptation a été
schématisé ci-dessous :
Schéma 2: Modèle à deux étapes de heckman probit

Équation de sélection équation substantielle

Adoption (faible, moyen ou élevé)

Êtes-vous actuellement membre Oui

des groupes suivants : OP, GIE,
ONG, Coopérative,
Association religieuse, Non adoption
Association culturelle, Non
Association sportive,
Tontine ?

Ainsi, ce modèle comporte deux étapes. Dans un premier temps, l’individu déclare s’il
est membre ou non d’un groupe ; ensuite, le cas échéant, il décide de l’adoption. Cette
approche est semblable à celle des « two-parts models » dont un aperçu peut être obtenu dans
Manning (1997).

III.4.1.2 _/ Spécification théorique du modèle de heckman probit

Dans cet échantillon, les données sont par définition tronquées 70. Ainsi, ce n’est que si
l’exploitant agricole à une propension à être membre d’un groupe qu’il est possible d’étudier
les facteurs l’ayant poussé à adopter les stratégies d’adaptation retenues, ce qui implique
l’utilisation du modèle de sélection : heckman probit (Maddison, 2006).
- Justification du modèle de heckman probit

Le problème consiste à trouver un modèle à deux étapes qui permet de contrôler le

biais de sélection qui se pose lorsque les individus s’auto-sélectionnent par leur décision
d’adhésion au groupe. À cet effet, l’estimation du maximum de vraisemblance par les
modèles binaires ou multinomiaux ne permet pas de tester le biais de sélection. Ainsi,
l’estimation par le modèle de Heckman (1979) est souvent utilisée à la place du maximum de
vraisemblance (William, 2003 ; Maddison, 2006 ; Yirga, 2007).

70
Un modèle de régression tronquée apparaît lorsque les observations des variables explicatives et de la variable
dépendante figurant en dehors d’un certain intervalle sont totalement perdues.

18
 Le modèle en deux étapes de Heckman est constitué de la manière suivante. En
premier lieu, il est nécessaire d’estimer la probabilité d’adhésion à un groupe. La seconde
étape consiste à réaliser une estimation, par le modèle probit, de la propension d’adoption de
stratégies d’adaptation. La spécification du modèle est présentée dans les lignes suivantes.

- Spécification du modèle de heckman probit

Les modèles d’adoption se présentent sous la forme générale :

𝐴𝑖 = 𝑓(𝑍𝑖) [2.1]
Où 𝐴𝑖 et 𝑍𝑖 représentent respectivement la décision d’adoption du producteur 𝑖̇ et un
ensemble de caractéristiques démographiques et socioéconomiques du même producteur 𝑖. En
analysant la relation adhésion au groupe-adaptation, la plus simple manière d’intégrer
l’adhésion au groupe dans le mode d’adoption précédente est de l’exprimer sous la forme :
𝐴𝑖 = 𝑓(𝑍𝑖, 𝐴𝑔𝑖) [2.2]
Cependant, à la lumière du cadre théorique, l’adhésion à un groupe elle-même apparait
comme une variable endogène (fonction d’un certain nombre de caractéristiques propres à
l’individu). Dès lors, l’estimation de l’équation [2.2] est frappée de biais d’endogénéité. Dans
ces conditions, la spécification de deux (2) modèles séparés : un modèle d’adaptation
(équation [2.3]) et un modèle d’adhésion à un groupe (équation [2.4]), se présente comme
alternative qui limiterait les biais d’estimations, soit :
𝐴𝑖 = 𝑓(𝑍𝑖) [2.3]
𝐴𝑔𝑖 = 𝑓(𝑌𝑖) [2.4]
Où 𝑌𝑖 représente un ensemble de caractéristiques démographiques et socioéconomiques
du même producteur 𝑖 ; qui pourraient être identiques ou différentes de 𝑍𝑖.
De cette formulation, bien qu’elle élimine le biais d’endogénéité, se pose un problème
de sélection. Ainsi, comme l’ont proposé Maddison (2006) et Gbetibouo (2009), un modèle
de sélection tel que le modèle probit de Heckman permet de mieux explorer la décision
d’adaptation des producteurs en relation avec l’adhésion au groupe. Ce faisant, le modèle
général devient :
𝐴𝑖 = 𝑓(𝑍𝑖)
𝑠𝑖 𝑒𝑡 𝑠𝑒𝑢𝑙𝑒𝑚𝑒𝑛𝑡 𝑠𝑖 [2.5]
𝐴𝑔𝑖 = 𝑓(𝑌𝑖) > 0
La forme ainsi définie est basée sur deux (2) modèles : l’output modèle ou modèle
d’adaptation dont la variable dépendante est l’adaptation (A) et le modèle de sélection dont la
variable est l’adhésion au groupe (Ag). Considérant 𝑗 caractéristiques démographiques
18
et

18
socioéconomiques liées au producteur 𝑖 et capable de déterminer sa décision d’adaptation
(caractéristiques notées 𝑍𝑖𝑗) d’une part, puis 𝑗′ caractéristiques démographiques et
socioéconomiques liées au même producteur 𝑖 et susceptible de déterminer son adhésion au
groupe (caractéristiques 𝑌𝑖𝑗) d’autre part, le modèle économétrique qui en ressort est :

𝑎𝑖 = 𝛼0 + ∑ 𝛼𝑗𝑍𝑖𝑗 + 𝜇𝑖
𝑗

𝑠𝑖 𝑒𝑡 𝑠𝑒𝑢𝑙𝑒𝑚𝑒𝑛𝑡 𝑠𝑖 [2.6]

𝑎𝑔𝑖 = 𝛽0 + ∑ 𝛽𝑗′𝑌𝑖𝑗′ + 𝑣𝑖 > 0

𝑗′

Dans ce modèle, 𝑎𝑖 est le degré d’adaptation (1= degré d’adaptation observé ; 0= si non)
du producteur 𝑖 et 𝑎𝑔𝑖 son adhésion à un groupe (1=adhésion ; 0=pas d’adhésion). Les
paramètres 𝛼 et 𝛽 sont des paramètres à estimer ; enfin 𝜇 et 𝑣 sont les termes d’erreurs (𝜇 et
𝑣 suivent une loi normale 𝑁(0; 1)).
Cependant, il existe un coefficient de corrélation 𝜌 des termes d’erreur :
(𝜌: corr(μi, 𝑣𝑖) ≠ 0).
Dans le cas où le coefficient 𝜌 est égal à 0, les termes d’erreur des deux équations ne
sont pas corrélés entre eux. Ainsi, l’équation de sélection n’a plus de raison d’être car les deux
décisions sont indépendantes.

La méthode de heckman probit donne une approximation des résultats trouvés par la
méthode du maximum de vraisemblance (Yirga, 2007). De même, heckman probit (heckprob)
offre une estimation consistent et asymptotiquement efficiente pour tous les paramètres d’un
tel modèle (Statacorp, 2003).

III.4.2 _/ Analyse descriptives des variables du modèle

- La variable de sélection : adhésion à un groupe

Pour cette recherche, la première étape du modèle heckman probit est l’adhésion à un
groupe. Ainsi, 259 producteurs se disent appartenir à un groupe soit environ 48,05% des
répondants. Les groupes les plus représentatifs concernent les coopératives (28,48%), les
associations religieuses (21,82%) et les GIE (21,21%). Cependant, les tontines, les
organisations de producteurs, les associations culturelles ou politiques et les ONG sont moins
fréquentées par ces exploitants agricoles (graphique 62). Toutefois, seulement 72,73% de ces
groupes sont formels (base de données).

18
Graphique 62 : Taux d’adhésion des producteurs aux groupes

Tontines 8% OP 7% ONG 1%

Association religieuse 22%

Coopérative 29%

Association politique 4%
Association culturelle 8%

GIE 21%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

- Description des variables

Pour estimer les équations substantielles (ou les outputs du modèle : degré
d’adaptation), les variables : aversion pour le risque financier, utilisation d’information
climatique, le niveau de perte supportable par l’exploitant et le refus de payer une somme
d’argents en cas dépassement de la perte tolérable, sont utilisées. Le rôle de l’utilisation
d’informations climatiques sur la décision d’adoption a été cité dans la littérature (Vernier,
2009) ; En revanche, les autres variables ont été introduites pour justifier les hypothèses de
départ. Ces variables semblent avoir un effet positif sur le degré d’adoption.

Concernant, l’équation de sélection, huit (8) variables exogènes ont été retenues dans
l’estimation. La plupart découle de la littérature (Ogionwo Eke, 1999 ; Ofuoku et Agbamu,
2012 ; Ofuoku et Urang 2009). En effet, l’âge de l’exploitant est pris en compte pour
comprendre l’effet d’exclusion lié à ce facteur. De plus, le besoin de formation, l’accès au
crédit et aux services extérieurs peuvent influencer la décision d’adhésion à un groupe. Le
désenclavement, le fait d’être victime d’un événement climatique et de ne pas payer pour
s’assurer au-delà d’un niveau de risque tolérable conditionnent aussi l’appartenance à un
groupe. Également, le désir de vouloir discuter sur les changements climatiques est pris en
compte pour comprendre s’il est un réel motif à l’adhésion. Le tableau ci-dessous donne une
description des variables dépendantes et explicatives des équations à estimer.

19
Tableau 22: Description des variables du modèle
Équation de sélection Équations substantielles
Variable dépendante Variables dépendantes
Description Pourcentage Pourcentage Description Pourcentage Pourcentage Pourcentage Pourcentage
des des des des des des exploitants
exploitants exploitants exploitants exploitants exploitants n'ayant pas
agricoles agricoles ayant un ayant un ayant un adopté les
membres non niveau faible niveau moyen niveau élevé stratégies
d'un groupe membres d'adaptation d'adaptation d'adaptation retenues
d'un groupe
Adhésion au groupe 48,05% 51,95% Degré d'adaptation 32,84% 31,74% 23,49% 11,93%
aux changements
climatiques
Variables indépendantes Variables indépendantes
Description (nomenclature) Moyenne Écart-type Description (nomenclature) Moyenne Écart-type
Age (âge) 51,86 12,56 Aversion au risque financier 0,75 0,42
(Aversion rf)
Besoin de formation (BF) 0,84 0,36 Utilisation 0,64 0,48
d'informations climatiques
(Info climat)
Crédit (Credit) 0,49 0,5 Niveau de perte tolérable 2,42 1,43
(niveau de perte)
Services extérieurs reçus (SER) 0,44 0,49 CAP nul (CAP nul) 0,39 0,49
Présence de village à moins d'1 km 0,59 0,49
(Désenclavement)
Victime du changement climatique (victime 0,71 0,45
du CC)
CAP nul 0,39 0,49
Discussions sur le changement climatique 0,38 0,49
(Discuss sur cc)
Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

1
III.4.3 _/ Résultats des estimations et les barrières à l’adhésion

Trois estimations ont été faites sur Stata séparément puis regroupées dans une même table.
Ainsi, l’adhésion à un groupe a été estimée simultanément avec chaque niveau d’adoption des
stratégies d’adaptation. Aussi, le modèle de heckman probit utilisé a permis d’obtenir des résultats
sur chaque output (niveau d’adaptation) du modèle.

III.4.3.1 _/ Résultats des estimations

Pour chaque niveau d’adaptation, une estimation du modèle de heckman probit a été
effectuée (cf. annexe 6)71. La convergence est obtenue après 5 itérations pour la première
estimation, 3ème itération pour la seconde et 4éme itération pour la troisième. Les statistiques de
Wald sont respectivement 28,18 ; 22,24 et 14,34. Les modèles estimés paraissent bien spécifiés :
l’hypothèse Ho que tous les coefficients de corrélation sont égaux à zéro est rejetée.

La présentation synthétique des coefficients estimés par type d’adoption a été effectuée sur
Stata13. Voici le tableau obtenu dans ce cas (Tableau 23)

71
Annexe 6 : Estimations par le modèle probit de heckman de la probabilité d’adhésion et degré d’adaptation au
changement climatique.

18
 Tableau 23 : Présentation synthétique des coefficients estimés par type d’adoption

Variable | Niveau faible Niveau moyen Niveau élevé

+
Niveau faible |
*Aversion rf | .44517087**
Info climat | -.86792064***
Niveau de perte|-.25418918***
_cons | .02084755
+
Adhésion |
Âge | -.01098706** -.01165231**
*BF | .5341668*** .48193172*** .51902924***
Credit | .32950859*** .38123483*** .60696794***
*SER | .93002401*** .89644897***
*Victime du CC| .19179286 .23590752 .27779754**
CAP nul | -.47623573*** -.40236415*** -.30666929***
Désenclavement| .29943715** .28843497**
*Discuss sur cc| .33685769***
_cons | -.69122223** -.85132437** -1.201742***
+
athrho |
_cons | 1.1072674*** -.70031826** -.85154998**
+
Niveau moyen |
*Aversion rf | -.3227835
Info climat | .93141244***
_cons | .42002154
+
Niveau élevé |
*Aversion rf | -.41245589***
Info climat | .32942258**
CAP nul | -.40099279**
_cons | .72953725***
+
Statistics |
N | 474 474 545
N_cens | 284 284 286
rho | .80309434 -.60456975 -.69187835
p_c | .00002651 .03178222 .03268751

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

legend: * p<.1; ** p<.05; *** p<.01

(*) Aversion rf= aversion au risque financier ; BF= Besoin de
formation additionnelle ; SER= Services extérieurs reçus ; Victime du
CC= Victime du changement climatique ; Discuss CC= Discussion sur le
changement climatique

18
 Pour tous ces modèles, la décision d’adoption est justifiée. En effet, les pvalues du test de
significativité de rho (p_c dans le tableau ci-dessus) sont partout inférieures à 5%.

L’aversion pour le risque financier diminue avec le degré d’adoption. Elle évolue
positivement si l’exploitant décide d’adopter une seule stratégie mais devient négatif si l’agent
veut adopter deux ou trois stratégies. En effet, compte tenu du fait que la propension pour le risque
financier diminue le niveau de perte tolérable, les agents prenant des risques financiers sont plus
susceptibles d’adopter des stratégies d’adaptation afin de limiter les pertes de récolte.

L’utilisation de l’information climatique augmente le degré d’adoption des stratégies

d’adaptation. En effet, les informations climatiques constituent un support pour l’exploitant
agricole lui permettant de combiner des stratégies afin de limiter les pertes liées au climat. Ainsi,
elle est négativement significative lorsque le producteur n’utilise qu’une seule stratégie.

L’augmentation du niveau de perte tolérable diminue la probabilité d’adopter une seule

stratégie d’adaptation. Cette variable n’est pas significative pour les autres modèles. Ce résultat est
conforme avec l’estimation obtenue sur les stratégies d’adaptation (tableau 17). Ainsi, un niveau
de perte tolérable élevé peut entrainer un comportement « oisif » chez le producteur.

La disposition à payer a une influence positive sur le degré d’adoption le plus élevé. Ainsi,
un consentement à payer nul diminue la probabilité d’adopter les trois stratégies retenues. En
d’autres termes, pour une adoption élevée il faut que l’exploitant agricole manifeste la volonté de
payer pour se protéger contre une perte éventuelle.

Pour la constante, elle est positive pour les trois modèles, mais seulement significative pour
le niveau d’adoption élevé. Ainsi, elle peut s’interpréter comme le niveau minimal d’adoption.

Dans l’équation de sélection, il apparait que l’âge et la non disposition à payer pour
s’assurer d’un niveau de perte tolérable diminuent la probabilité d’être membre d’un groupe. Ces
deux variables sont significativement négatives pour les trois niveaux d’adoption. Par contre, le
besoin de formation, l’accès au crédit et aux services extérieurs, le fait d’être victime d’un
événement climatique, le désenclavement et le désir de discuter sur le changement climatique ont
un effet positif sur l’adhésion à un groupe. Ces résultats sont conformes à la littérature (Branchet
et Trognon, 1994; Featherstone et Goodwin, 1993 ; Soule et al., 2000 ; Isham, 2002)

Toutefois, le fait d’être victime du changement climatique et de vouloir discuter sur ce

phénomène n’est significatif que pour le niveau d’adoption élevé. Cette situation s’explique par le
fait que les exploitants agricoles ayant formulé des « anticipation adaptatives » adhèrent au
groupe pour corriger progressivement leurs erreurs de prévision climatique.

18
III.4.3.2 _/ Barrières à l’adhésion

Les producteurs non membres de groupes ont été interrogés sur les obstacles à l’adhésion.
Ainsi, 32,66% des exploitants agricoles ont évoqué comme principaux motifs: le manque
d’orientation du à la motivation des dirigeants des groupes (25%), l’exclusion par le genre du fait
que la plupart des groupements identifiés sont réservés uniquement aux femmes (18,27%), le
manque de confiance des membres dû à la crédibilité de ses responsables (14,42%) et le droit
d’adhésion élevé (9,62%). D’autres contraintes ont été signalées par les exploitants, il s’agit de la
méconnaissance de ces groupes (8,65%), le manque d’utilité (6,73%), l’indisponibilité (4,81%), le
manque de cohésion (4,81%), l’exclusion par l’âge (4,81%), l’éloignement (0,96%) et le critère de
la résidence (0,96%).

Graphique 63: Contraintes d’adhésion au groupe en pourcentage

manque de temps 5%
droit d'adhesion élevé
10%
pas d'utilité 7%
manque d'orientation 27%

exclusion par le
pas confiancegenre
15%19%

exclusion par l'âge

exclusion par la résidence 5%
méconnaissance éloignement 9%2% 1%

Source : l’auteur à partir des données d’enquête d’ISRA/BAME, 2015

Conclusion

Il ressort de ces analyses que l’adhésion au groupe n’explique pas systématiquement

l’adoption de stratégies d’adaptation des exploitants agricoles. L’utilisation d’informations
climatiques et la propension d’aversion pour le risque financier déterminent le degré d’adoption
des producteurs agricoles dans un groupe.

Cependant, une bonne partie des exploitants agricoles n’utilisent pas d’informations
climatiques dans leur anticipation du fait qu’ils se situent dans des villages enclavés ou se fixent
des niveaux de perte tolérable élevée. Les départements de Koungheul et Kaolack présentent des
taux d’utilisation les plus faibles.

18
 Toutefois, les exploitants agricoles qui utilisent des informations climatiques accordent une
certaine marge d’erreur à la réalisation de leur anticipation, même si la météo bénéficie plus de
crédibilité de la part des agents que les croyances culturelles ou religieuses.

En outre, l’analyse de la propension pour le risque, des exploitants agricoles du bassin

arachidier, montre que ces derniers présentent une aversion pour le risque. Ainsi, les agents les
plus disposés à prendre des risques financiers manifestent plus de volonté à s’assurer contre un
niveau de perte de production supérieur au seuil tolérable.

En définitive, les résultats des estimations montrent que le degré d’adoption de stratégies
d’adaptation dans un groupe diminue avec un niveau de perte tolérable élevé et un consentement à
payer nul. Ainsi, pour que l’adhésion soit incitative à l’adoption, il faut que les membres aient
accès au crédit, à la formation et aux services extérieurs. De même, dans les activités d’animation
du groupe, les aspects climatiques doivent être intégrés pour sensibiliser davantage les membres
sur les notions de risque et d’incertitude.

19
CONCLUSION GÉNÉRALE ET RECOMMANDATIONS DE POLITIQUES
ECONOMIQUES
L’agriculture sénégalaise est soumise à une forte pression climatique qui réduit sa
performance productive. Les niveaux de production agricole sont essentiellement déterminés par
l’évolution de la pluviométrie. Les rendements céréaliers, notamment le mil, le maïs et le sorgho,
ont connu une baisse de 12% entre 2012 et 2014. De même, l’arachide et le niébé ont aussi
enregistré une chute de production en 2012.

L’impact des chocs climatiques sur le revenu agricole a poussé les producteurs à mettre en
place des stratégies d’adaptation. Ainsi, l’adaptation consiste, pour l’exploitant agricole, à
modifier ses plans de production à travers un changement d’organisation, de localisation ou de
technique culturale afin de réduire les effets négatifs du climat sur son bien-être.

Cependant, l’imprévisibilité des chocs climatiques oblige les agriculteurs à prendre des
risques. Ainsi, pour l’exploitant agricole, le choix d’adopter une stratégie par rapport à une autre
dépend de son utilisation d’informations climatiques, de sa propension d’aversion pour le risque et
l’influence de son environnement auquel il appartient.

Les informations climatiques, utilisées par les producteurs, proviennent principalement de

deux sources : la météo ou les savoirs locaux. Ces informations permettent à l’exploitant de se
faire une idée sur l’évolution future du climat et c’est en ce sens qu’il prend une décision. Les
données météorologiques proviennent de l’Agence nationale de l’aviation civile et de la
météorologie (ANACIM) alors que les savoirs endogènes sur le climat sont déterminés sur la base
des croyances culturelles ou religieuses. À ce titre, les agriculteurs n’accordent pas le même degré
de confiance à ces deux sources.

L’analyse de la prise de risque, de l’agent économique, dans un contexte de changement

climatique nécessite de prendre en compte les mécanismes de transfert de risque compte tenu de
sa capacité à le supporter. Dans ce processus de transfert de risque, la Compagnie nationale
d’assurance agricole du Sénégal (CNAAS) a mis en place un mécanisme d’assurance indicielle,
depuis 2011, basé essentiellement sur le climat. Cependant, l’indice d’assurance défini ne
s’applique que pour une spéculation donnée dans une région.

L’adoption dépend aussi de l’environnement physique de l’exploitant. Le comportement du

groupe s’identifie à un processus d’aveuglement collectif, où chaque membre est susceptible de
modifier l’état de la connaissance de l’autre et l’amène ainsi à adopter de nouvelles techniques.
Dans le milieu rural, des associations culturelles, religieuses ou politiques ainsi que des

19
coopératives, des groupements d’intérêt économique, des organisations paysannes sont créés pour
faire profiter à leurs membres des services extérieurs.

La prise en compte de ces trois enjeux a permis de différencier les exploitants agricoles en
fonction de leur type d’anticipation basée sur l’utilisation d’informations climatiques, de leur
propension d’aversion pour le risque financier et de leur degré d’adoption des stratégies
d’adaptation dans un groupe.

L'objectif principal de cette présente recherche est d’analyser la relation entre l’adhésion au
groupe et l'adoption des stratégies d'adaptation. De manière spécifique, il s'agit, de déterminer les
types d'anticipation des exploitants agricoles suivant l’utilisation d'informations climatiques (i) ; le
degré d'aversion au risque climatique des exploitants agricoles (ii) ; et, les facteurs expliquant
l'adoption des stratégies d'adaptation dans un groupe (iii).

Pour réaliser ces objectifs, la présente recherche a utilisé des méthodes quantitatives en
s’appuyant sur des données d’enquête directe réalisée dans le bassin arachidier. Cette zone agro-
écologique du Sénégal a été choisie pour prendre en compte la diversité climatique observée à
l’intérieur du pays. Ainsi, le bassin arachidier a été subdivisé en trois sous-zones en fonction du
niveau d’aridité (nord aride : Louga, centre semi-aride : Kaolack et sud humide Kaffrine). Au
total, l'enquête s’est portée sur 16 communes, 114 villages et 545 personnes.

Pour déterminer les types d’anticipation, cette étude s’est focalisée essentiellement sur les
sources d’information climatique utilisées et le degré de confiance accordée à ces dernières. À
l'aide d'un modèle probit, les résultats des estimations montrent que la probabilité d’utiliser des
informations climatiques diminue lorsqu'on passe d'un individu n'ayant pas été victime du
changement climatique vers un autre ayant subi l'impact du climat. Cette probabilité diminue aussi
si l’exploitant agricole se fixe un niveau de perte tolérable élevé et pratique principalement les
cultures : sorgho, sésame et manioc. En revanche, il existe une relation positive entre la probabilité
d’utiliser des informations climatiques et le fait de se situer dans un village désenclavé ou de
posséder de gros ruminants.

En outre, l’analyse du comportement des exploitants face au risque a été faite en distinguant
trois types d'agents : les riscophobes, les riscophiles et ceux qui adoptent un raisonnement
Markowitz. Cette différenciation s’est effectuée en se basant sur trois loteries composées de
probabilités subjectives et des conséquences monétaires. Cette méthode est inspirée des travaux
d’Allais (1953) basée sur des préférences déclarées. À la suite, une estimation de la propension à
prendre un risque financier est faite à l’aide du modèle probit. Les résultats montrent que les
exploitants agricoles victimes des aléas climatiques ou qui se fixent des niveaux de perte tolérable

19
élevés ont une propension d’aversion pour le risque plus importante. Par contre, la probabilité de
prendre des risques financiers augmente avec l’utilisation d’informations climatiques et la capacité
financière de l’agent. Cette probabilité diminue lorsque l’exploitant pratique principalement les
cultures d’arachide, de maïs et du mil.

Les résultats des estimations de la probabilité d’utilisation d’informations climatiques et de

la propension de prise de risque financier ont montré également que le fait d’appartenir à un
groupe n’explique pas ces deux phénomènes. Ces observations montrent que même si ces deux
paramètres sont nécessaires à l’adoption, ils ne sont pas suffisants. Ainsi, la question que cette
recherche s’est posée est de savoir dans quelle mesure le groupe influencerait-il l’adoption des
stratégies d’adaptation des exploitants agricoles.

Pour répondre à cette problématique, une estimation à l’aide du modèle d’heckman probit a
été réalisée. Ce modèle donne simultanément les caractéristiques de l’adhésion au groupe et
l’adoption de stratégies d’adaptation. Ce modèle a permis d’analyser trois niveaux d’adaptation
suivant les caractéristiques changeant de l’exploitant dans le groupe. Les résultats montrent que la
prise de risque financier, l’utilisation d’informations climatiques et la disposition à payer pour se
protéger contre un risque supérieur au niveau de perte tolérable sont déterminantes à l’adoption de
stratégies d’adaptation. Toutefois, il est nécessaire que les membres du groupe aient accès au
crédit, à la formation et aux services extérieurs. En outre, il faut également que les aspects
climatiques soient intégrés dans les activités du groupe pour sensibiliser davantage les membres
sur les notions de risque et d’incertitude.

C’est finalement sur la base de ces résultats obtenus que des mesures économiques seront
envisagées dans les lignes qui suivent pour essayer d’accroître le degré d’adoption de stratégies
d’adaptation dans un groupe. Les implications agricoles et économiques qui seront définies
permettront de faciliter l’accès aux informations climatiques et la souscription à une assurance
agricole sur le climat.

Implications de politiques économiques

Les analyses proposées précédemment conduisent à reconnaître que le degré d’adoption de

stratégies d’adaptation dans un groupe augmente si les membres essaient de réduire leur niveau de
perte tolérable en utilisant des informations climatiques ou en payant une somme d’argent pour se
prémunir contre une perte production due au climat. Par conséquent, deux de nos principaux
résultats feront l’objet d’une série de mesures économiques afin d’accroître le taux d’adoption.
D’une part, l’utilisation d’information climatique accroît le degré d’adoption de stratégies

19
d’adaptation dans un groupe. D’autre part, la propension pour le risque financier accroît le degré
d’adoption de stratégies d’adaptation dans un groupe.

Résultat 1 : l’utilisation d’information climatique augmente le degré d’adoption de stratégies

d’adaptation dans un groupe.

Les informations climatiques constituent un enjeu important pour les exploitants agricoles,
car elles leur permettent de prendre les meilleures décisions de production possible dans un
contexte de variation du climat. Ainsi, un producteur qui anticipe un déficit de pluies peut choisir
de semer des variétés de semences à cycle court ou de diversifier sa production. Cependant,
l’utilisation d’informations climatiques pose deux problèmes majeurs : sa production et sa
diffusion, d’une part, et l’existence de plusieurs sources d’informations climatiques, d’autre part.

Au niveau de la production des données météorologiques, seulement 25 départements sur les

45 que compte le Sénégal sont couverts par les stations de l’Agence Nationale de l’Aviation Civile
et de la Météorologique (l’ANACIM). Ces données recueillies auprès des stations ne donnent que
les statistiques sur 5 kilomètres. Ainsi, elles ne tiennent pas compte de la dispersion du climat
entre les villages proches. Aussi, dans la diffusion des informations climatiques, les villages
enclavés ont des difficultés d’accès aux données météorologiques. À cet effet, l’information
climatique n’arrive pas à temps, au moment voulu par le producteur.

La deuxième contrainte est liée à l’existence de plusieurs sources de diffusion

d’informations climatiques. Ce problème pose la difficulté de la crédibilité accordée à ces
différentes sources. Certains exploitants agricoles privilégient les savoirs traditionnels alors que
d’autres accordent plus de confiance aux données météorologiques. Ces deux sources qui
présentent parfois des similitudes peuvent, dans certains cas, avoir des divergences.

À travers ces deux constats, ce travail propose la production à grande échelle

d’informations climatiques. À ce titre, comme dans une situation d’économie d’échelle, il sera
question d’accroître la production de données climatiques en élargissant les stations
météorologiques sur tout le territoire avec des niveaux de précision relatant les caractéristiques
climatiques au niveau local. Il est aussi recommandé de mener des activités d’animation dans les
villages enclavés pour essayer de sensibiliser davantage la population sur l’importance de
l’utilisation des données météorologiques. Ainsi, il est nécessaire de définir un comité de
contrôle et de suivi dans les missions du Groupe de Travail Pluridisciplinaire (GTP) pour un
meilleur accès des informations climatiques auprès des producteurs.

19
 Par rapport à la crédibilité des informations météorologiques, la recherche propose à
l’ANACIM d’intégrer les connaissances locales dans les champs de démonstration 72. Car,
même si les données météorologiques permettent de parfaire les décisions des acteurs dans un
contexte de changement climatique, les savoirs locaux permettent de mieux comprendre le
comportement des espèces suivant les conditions climatiques.

Résultat 2 : la propension pour le risque financier accroît le degré d’adoption de stratégies

d’adaptation dans un groupe.

Cette observation doit être combinée avec deux résultats trouvés dans l’estimation du degré
d’adoption dans un groupe. Premièrement, l’estimation économétrique de l’adhésion au groupe
montre que l’accès au crédit, aux services extérieurs et les besoins de formation poussent les
faibles adoptants à intégrer les groupements. Cependant, au fur et à mesure que le degré
d’adoption augmente, les besoins s’élargissent et s’orientent vers d’autres paramètres tels que le
désir d’ouverture ou de discussions sur le changement climatique.

En outre, il est observé que les exploitants agricoles dans les groupes souhaitent donner une
somme d’argent pour se couvrir contre le risque climatique. Ce montant traduit une demande
d’assurance contre un niveau de perte de production supérieur au seuil tolérable. Cette somme
explique le niveau d’adoption le plus élevé.

Ainsi, la volonté de se protéger contre les risques climatiques et l’accès au crédit

expliqueraient le degré élevé d’adoption de stratégies d’adaptation dans un groupe. En termes
d’implications de politique économique, il est question de développer un système de crédit-
assurance pour accroître le niveau d’adoption des membres dans un groupe. Dans un tel contexte,
il est nécessaire de proposer un système de crédit-assurance mutualisé car l’assurance à un
coût plus élevé s’il est supporté individuellement que collectivement.

Toutefois, la question de rendre l’assurance-crédit obligatoire ou volontaire se pose. En

effet, l’assurance agricole offre aux exploitants agricoles la possibilité d’accès au crédit auprès des
institutions financières. Cependant, le problème de la détermination de l’indice d’assurance et la
difficulté d’indemniser les « vrais sinistrés », victimes du climat, constituent des obstacles majeurs
à son développement.

Les résultats de cette recherche permettent de comprendre le rôle du groupe dans l’adoption
des stratégies d’adaptation dans le bassin arachidier. Cependant, comme toute œuvre humaine, ce
travail n’est pas parfait. La méthode de détermination des préférences pour le risque à travers un

72
Les champs de démonstration permettent de comparer les rendements obtenus avec l’utilisation d’information

19
climatique et ceux obtenus sans prise en compte des données du climat

19
système de loterie monétaire ne prend pas en compte les autres paramètres qui peuvent maximiser
l’utilité de l’exploitant agricole. En effet, la production agricole n’est pas seulement destinée à la
commercialisation : une bonne partie permet au producteur de satisfaire ses besoins de
consommation. Ainsi, une perte de production due au climat serait beaucoup plus dommageable
lorsqu’il s’agit de la consommation que de la commercialisation.

Les résultats obtenus doivent être complétés par d’autres recherches. Notamment, beaucoup
de questions restent ouvertes. Les pistes de recherche devraient s’intéresser à la dynamique des
anticipations climatiques et des préférences pour le risque des exploitants agricoles dans le temps.
Ces pistes sont importantes dans le sens qu’elles permettent de mieux comprendre les types
d’anticipation qui correspondent au plus à la réalité climatique de la zone. Aussi, une recherche
mettant l’accent sur le coût de chaque stratégie d’adaptation par spéculation permettrait de mieux
comprendre la décision d’adoption. En effet, l’exploitant agricole adoptera une stratégie
d’adaptation que lorsque le coût de l’adoption est inférieur à la perte supportable.

19
 BIBLIOGRAPHIE

Adamowicz W., J. Swait, P. Boxall, J. Louviere and M. Williams, 1997, Perceptions versus
Objective Measures of Environmental Quality in Combined Revealed and Stated Preference
Models of Environmental Valuation, Journal of Environmental Economics and Managemen,t
32(1), pp 65-84.

Adamowicz W., P. Boxall, M. Williams and J. Louviere, 1998, Stated Preference

Approaches for Measuring Passive Use Values: Choice Experiments and Contingent Valuation,
American Journal of Agricultural Economics, 80(1). pp 64-75.

AFD et MAEE (2009), Quels instruments mobiliser face à l'instabilité des prix alimentaires,
Ecart, Paris : Agence Française de Développement. 86 p. Working paper.

AFRENA, 1985, Proposition de recherches agro-foresteries pour le système du Bassin

arachidier du Sénégal n°37, 88p.

Akrich, M., Callon, M. et Latour, B.,1988, A quoi tient le succès des innovations : L’art de
l’intéressement, Annales des Mines, juin 1988, pp. 429.

Allais M., 1953, Le comportement de l’homme rationnel devant le risque : critique des
postulats et axiomes de l’école américaine, Econometrica , 21, 4. pp. 503-546.

Alriksson S. and T. Öberg, 2008, "Conjoint analysis for environmental evaluation,

Environmental Science and Pollution Research, 15 (3), pp 244-257.

Amigues J.P., Debaeke P., Itier B., Lemaire G., Seguin B., Tardieu F., Thomas A. (éditeurs),
2006. Adapter l’agriculture à un risque accru de manque d’eau. Expertise scientifique collective,
synthèse du rapport, INRA (France), 72p.

ANACIM, 2015, Bulletin agro-météorologique décadaire : Situation météorologique. 4p.

Anderson R.W. , 1992, Market Stabilization and the Reform of the Common Agricultural
Policy, Institut de Recherches Economiques et Sociales (IRES), 74 p, Discussion Papers.

Anderson, J. B., D. A. Jolly and R. D. Green, 2005, Determinants of farmer adoption of

organic production methods in the fresh-market produce sector in California: A logistic regression
analysis. San Francisco, California, Western Agricultural Economics Association, n°36319,
Working paper.

19
 Ansaloni et E. Fouilleux, 2006, Changement de pratiques agricoles. Acteurs et modalités
d’hybridation technique des exploitations laitières bretonnes. Article, Economioe rurale 292, Mars
2006 Varia, pp. 3-17.

ANSD, 2010, Situation Economique et Sociale 2009, Chapitre agriculture, 12p.

ANSD, 2013, Deuxième enquête de suivi de la pauvreté au Sénégal, (ESPS-II 2011) ,191p.

ANSD , 2015a, Situation économique et sociale régionale 2013, Kaolack : Service Régional
de la Statistique et de la Démographie de Kaolack, 171p.
ANSD, 2015b, Situation économique et sociale régionale 2013, Louga : Service Régional
de la Statistique et de la Démographie de Louga, 97p.
ANSD, 2015c, Situation économique et sociale régionale 2013, Kaffrine : Service Régional
de la Statistique et de la Démographie de Kaffrine, 160p.

ANSD, 2015d, Situation Economique et Sociale 2013, 181p

ANSD, 2015e, Rapport de projection de la population du Sénégal, 2013-2063, 158p.

ANSD, 2014, Recensement Général de la Population, de l’Habitat, de l’Agriculture et de

l’Elevage, 2013, 19p.

ANSD, 2008, Situation Economique et Sociale 2013, volet environnement, 12p

.Asrat S., M. Yesuf, F. Carlsson and E. Wale, 2010, Farmers' preferences for crop variety
traits: Lessons for on-farm conservation and technology adoption, Ecological Economics, 69 (12),
pp 2394-2401.

Athukorala, P., et B.P. Resosudarmo, 2005, The Indian Ocean Tsunami: Economic Impact,
Disaster Management, and Lessons, Asian Economic Papers, 4(1), pp 1–39.

Badiane, Niane A.; Khouma M. et Sene M., 1999, Gestion et transformation de la matière
organique, synthèse de travaux de recherche au Sénégal depuis 1945, Sénégal, ISRA, 123p.

Baffoe-Asare R., J. A. Danquah and F. Annor-Frempong, 2013, Socioeconomic Factors

Influencing Adoption of Codapec and Cocoa High-tech Technologies among Small Holder
Farmers in Central Region of Ghana. American Journal of Experimental Agriculture 3(2), pp.
277-292.

Banque mondiale, 2014, Situation économique du Sénégal : Apprendre du passé pour un

avenir meilleur, World Bank Group. 50p.

19
 Barham B. L., J.-P. Chavas, D. Fitz, V. R. Salas and L. Schechter, 2014, The roles of risk
and ambiguity in technology adoption, Journal of Economic Behavior & Organization, 97, pp
204-218.

Barnett B.J., 1999, US Government Natural Disaster Assistance: Historical Analysis and a
Proposal for the Future, The Journal of Disaster Studies, Policy and Management, 23, pp 139-155.

Beharry-Borg, N., J. C. Smart, M. Termansen and K. Hubacek, 2012, Evaluating farmers’

likely participation in a payment program for water quality protection in the UK uplands, Regional
Environmental Change, pp 1-15.

Bélières J-F., Philippe B., Marzin J., Bosc P-M., 2014, Les agricultures familiales du
monde : Définitions, contributions et politiques publiques. Cirad : Book, 201p.

Bernoulli D., 1738, Specimen Theoriae Novae de Mensura Sortis, Commentarii academiae
scientiarum imperialis petropolitanae, 5p.

Birol, E., K. Karousakis and P. Koundouri, 2006, Using a choice experiment to account for
preference heterogeneity in wetland attributes: The case of Cheimaditida wetland in Greece,
Ecological Economics, 60 (1), pp.145-156.

Blanc C., 2003. La gestion des risqué en agriculture: Modèle d'offre-demande d'assurance
récolte.
Blanchet A. et A. Trogon, 1994, la phychologie des groupes, Paris : Natan, 1vol. 127 p.

Blazy J.-M., A. Carpentier and A. Thomas, 2011, The willingness to adopt agro-ecological
innovations: Application of choice modelling to Caribbean banana planters, Ecological Economics
72(0), pp.140-150.

Bocqueho G., F. Jacquet and A. Reynaud, 2014, Expected utility or prospect theory
maximizers? Assessing farmer’ risk behaviour from field-experiment data, Oxford academic:
European review of agricultural Economics, 41 (1), pp. 135-172.

Bosch D. J. and Eidman, V. R., 1987, Valuing information when risk preferences are non
neutral: an application to irrigation scheduling. American. Journal .Agriculture Economics., 69,
pp.658-668.

Broihanne M-H., M. Merli, P. Roger, 2004, Finance comportementale, Economica, 262 p.

Brossier J., Petitm., 1977, Pour une typologie des exploitations agricoles fondée sur les
projets et les situations des agriculteurs, Économie rurale, n° 122, pp. 31-40.

20
 Brossier J., 2006, Risque et incertitude dans la gestion de l’exploitation agricole : quelques
principes méthodologiques, Horizon : documentation, IRD, 41 p.

Brouard F., Sakka, O., et Larivet, S., 2012, Défis et actions pour développer l'ES, Revue des
Sciences De Gestion, pp.17-22.

Bradshaw B., H. Dolan, and B. Smit, 2004, Farm-level adaptation to climatic variability and
change: Crop diversification in the canadian prairies. Journal of Climatic Change 67: 119–141.

Brown L. A., 1981, Innovation Diffusion: A New Perspective. London, Methuen. Journal
Progress in Human Geography, 30(4), pp. 487-494.

Brunette et al., 2014, Economics of species change subject to risk of climate change and
increasing information: a quasi-option value analysis, Annals of Forest Science, pp. 279 -290

Cagan P., 1956, The Monetary Dynamics of Hyperinflation. In Friedman, M., editor, Studies
in the quantity theory of money, University of Chicago Press, pages 25117.

Camara M.L, 2004, Attitude de proximité des radios locales, dans Entre tradition orale et
nouvelles technologies : où vont les mass média au Sénégal ? Working papers, n°47, Gutenberg
Universitat, 2004.

Carnap R., 1973, Studies in Logic and Foundations of Mathematics, Bucharest: Science
Direct, Article, volume 74, pp.467-483.

Caswell M, Fuglie K O., Ingram C, Jans S and Kascak C., 2001, Adoption of Agricultural
Production Practices: Lessons Learned from the U.S, Department of Agriculture Area Studies
Project, The U.S. Department: Agricultural Economic Report, n° 792, 117 p.

Cayatte J-L., 2009, Microéconomie de l'incertitude, Ouvertures Economiques. De Boeck,

2eédition, 254 p.

CEDEAO, 2010, Les ministres de l’environnement des états membres de la CEDEAO se

réunissent à Accra pour adopter le document sur le changement climatique. Communiqué de
presse n° 036/2010. 19 mars.

CEPOD (2013): Analyse diagnostique de l’emploi au Sénégal, Ministère de l‘Economie et

des Finances. 10 p.

Chavas J., 1994, On sunk cost and the economics of investment, American journal of
agricultural economics, 76, pp. 114-127.

20
 Chavas J.-P., 1999, On the economic rationality of market participants: the case of
expectations in the U.S. pork market, Journal of Agricultural and Resource Economics, pp. 19-37.

Citton Y., 2014, L’économie de l’attention : Nouvelle horizon du capitalisme, Grenoble :

La Découverte, Science humaine, 250 p.

Cliff A. D., Haggett P., Ord J. K., Versey G., 1981, Spatial diffusion: an historical
geography of epidemics in an island community. Oxford: University Press 2000, International
journal of Epidemiology, pp. 563.

CNCR, 1997, La construction du mouvement paysan sénégalais : Contribution et Rôles du

Conseil National de Concertation et de Coopération des Ruraux (CNCR), Rome, IRED Nord, 52p.

Coase RE, 1937, The nature of the firm. Economica, 4, 386p.

Coleman J., Katz E., Menzel H.,1966, Medical innovation: a diffusion study. Indianapolis,
The Bobbs-Merrill Company, Inc

Cordier J., 2006, Proposition d’organisation des outils de gestion du risque de marché au
bénéfice des filières cotonnières africaines, Agence Française de Développement, Paris, 34 p.

Cordier J.-E., Guinvarch M.-V., 2002, Assurance et Finance Agricoles: Une approche
descriptive et comparative, Economie Rurale 272, pp. 108-117.

Cordier J., A. Erhel, A. Pindard, 2008, La gestion des risques en Agriculture, de la théorie à
la mise en œuvre : éléments de réflexion pour l’action publique, Paris : Notes et études
économiques n°30. 39 p.

CRES, 2017, Diffusion de variétés de semences et d’itinéraires techniques de production de

mil : Quel impact sur la filière ? Note politique, 5 p.

CSE, 2015, Rapport sur l’état de l’environnement au Sénégal, 199 p

CSE, 2010, Rapport sur l’état de l’environnement au Sénégal, 268 p

CSE, 2005, Rapport sur l’Etat de l’Environnement, 231 p.

Dachary Bernard, J., 2004, Une évaluation économique du paysage : une application de la
méthode des choix multi-attributs aux Monts d'Arrée. INSEE : Hal. archives, Article, Economie et
Statistique, pp. 57-80.

Dancette C., 1981, Niébé et valorisation des ressources pluviales dans certains systèmes
agricoles sénégalais, 11p.
20
 Danelutti T., 2003, Etude sur la consommation de bière, de vin et de spiritueux en suisse.
Lausanne, Université de Lausanne, Ecole des HEC, 36 p.

DAPS, 2006, Etude sur la réorganisation de la production de riz au Sénégal, rapport final,
Agence Japonaise de Coopération Internationale, Nippon Koei Co., Ltd. Earth and Human
Corporation, Sénégal, 7p.

DAPS, 2009, Rapport de l’étude sur l’évolution du secteur agricole, des conditions de vie
des ménages et de la vie chère au Sénégal, République du Sénégal, 120p.

Descroix L. et al., 2013, Évolution des pluies de cumul élevé et recrudescence des crues
depuis 1951 dans le bassin du Niger Moyen (Sahel), Climatologie, n°10, p 37-49.
De Perthuis C., 2009, Et pour quelques degrés de plus, Nos choix économiques face au
risque climatique. Paris: Pearson.

DEEC, 2009, Stratégie nationale d’adaptation aux changements climatiques, 58p.

DEEC, 2010, Deuxième communication nationale à la Convention Cadre des Nations Unies
sur les Changements Climatiques, 177p.

Deressa TT, Hassan RM, Ringler C, 2011, Perception of and adaptation to climate change
by farmers in the Nile basin of Ethiopia, Journal of Agricultural Science 149, pp. 23-31.

Dévoluy M., 1998, Théories macroéconomiques, Fondements et controverses, Armand

Colin, Paris : [Link]-ouvertes, 24 p.

Diagne B., Séne A., Sagna P., 2003, Evolution climatique et tendances au Sénégal, Dakar,
pp.11-15.

Diao F., 1999, Caractérisation et typologie des exploitations agricoles du village de Batal,
Mémoire d'ingénieur des travaux, Ecole Nationale des Cadres Ruraux (ENCR), Bambey
(Sénégal), 37 p.

Diarra A., 2014, Adaptation de l’agriculture sahélienne aux changements climatiques : une
approche par la modélisation stochastique, Institut International d’Ingénierie de l’Eau et de
l’Environnement, 17p.

Dieng A., 2005, Contribution de l’agriculture Sénégalaise dans les stratégies de Politiques
de Sécurité Alimentaire et Lutte contre la Pauvreté en Afrique, Economie Rurale,

Dovers S. R., & Hezri, A. A., 2010, Institutions and policy processes: the means to the ends
of adaptation. WIREs Climate Change, 1, pp. 212-231.
20
 D’Souza G., D. Cyphers and T. Phipps, 1993, Factors affecting the adoption of sustainable
agricultural practices, Agricultural and Resource Economics Review 22(2), pp.159-165.

Dugue M-J, 2012, Caractérisation des stratégies d’adaptation au changement climatique en

agriculture paysanne, Revue : Agronomes et Vétérinaires sans frontières, Lyon, 50p.

Ellsberg D., 1961, Risk, Ambiguity and the Savage Axioms, Quaterly Journal of
Economics, vol. 75, pp. 643,669.

Espinosa‐Goded M., J. Barreiro‐Hurlé and E. Ruto, 2010, What Do Farmers Want From
Agri‐Environmental Scheme Design? A Choice Experiment Approach, Journal of Agricultural
Economics 61(2), pp. 259-273.

Fall O., 2002, L’érosion éolienne dans le Bassin arachidier du Sénégal : Déclenchement,
mécanismes et réactions. Thèse de Doctorat, Université de Reims Champagne-Ardenne, UFR
Lettres et Sciences humaines, Géographie et Environnement, 305p.

Fall R. D., 1995, L’érosion par les vents au nord du Sénégal. Etat de surface d’érosion.
Cartographie et évaluation des risques. 12ème journée du Réseau Erosion, pp 294 – 307.

Fall R. D., 2006, Les processus de dégradation des terres au Sénégal, rapport, 12p.

Fall R. D., Diagne P. N., 2010, Les ressources en terres pour l’agriculture au Sénégal, éd.
INP, 64p.

Fall S. T., Fall A. S., 2001, Cités horticoles en sursis? L'agriculture urbaine dans les grandes
Niayes au Séné[Link], 120p.

Fall, 2008, Etude sur la vulnérabilité du secteur de la santé au changement climatique,

Rapport de la deuxième communication nationale 2010.

Fall, A. S., 2007, The Senegalese cooperative movement: embedded in the social economy,
International Labour Office, Cooperative Branch, Job Creation and Enterprise Development
Department,

FAO, 2007, Un système intégré d'enquêtes agricoles, Volume 1, Programme mondial du

recensement de l'agriculture 2010, Développement statistiques, 11 p, FAO, Rome.

FAO, 2014, Année internationale de l’agriculture familiale 2014 (AIAF), Nourrir le monde,
préserver la planète, 2p.

20
 Featherstone A. M. and B. K. Goodwin, 1993, Factors Influencing a Farmer's Decision to
Invest in Long-Term Conservation Improvements, Land Economics 69 (1), pp. 67-81.

Feder G. and D. L. Umali, 1993, The adoption of agricultural innovations: A review,

Technological Forecasting and Social Change 43(3–4), pp. 215-239.

Feder G., 1980, Farm size, risk aversion and the adoption of new technology under
uncertainty, Oxford Economic Papers 32 (2), pp. 263-283.

Foltz J. D. and H.-H. Change, 2002, The adoption and profitability of rbST on Connecticut
dairy farms, American Journal of Agricultural Economics 84(4), pp. 1021-1032.

Frechette D.L., 1999, The Supply of Storage under Heterogeneous Expectations, Journal of
Agricultural & Applied Economics 31(3), pp. 461-74.

[Link]

Gaye A. T., Sylla M. B., 2008, Scenarios climatiques au Sénégal. Laboratoire de Physique
de L’Atmosphère et de l’Océan S. F. (LPAO-SF), Ecole Supérieure Polytechnique Université
Cheikh Anta Diop, Dakar, Sénégal.

Gbetibouo G.A, 2009, Understanding farmers' perceptions and adaptations to climate change
and variability: The case of the Limpopo Basin, South Africa, Environment and Production
Technology Division, IFPRI Discussion Paper 00849, Washington (DC): IFPRI.
[Link]/sites
Gedikoglu H. and L. McCann, 2007, Impact of off-farm income on adoption of conservation
practices. Selected Paper at the American Agricultural Economics Association Annual Meeting,
Portland, OR.

Gedikoglu H. and L. McCann, 2007, Impact of off-farm income on adoption of conservation

practices. Selected Paper at the American Agricultural Economics Association Annual Meeting,
Portland, OR.

GIEC, 2001, Changements climatiques 2013 : Les éléments scientifiques, Contribution du

groupe I au cinquième rapport d’évaluation du GIEC, Genève, Suisse, 222p.

GIEC, 2007, Bilan 2007 des changements climatiques. Contribution des Groupes de travail
I, II et III au quatrième Rapport d’évaluation du Groupe d’experts intergouvernemental sur
l’évolution du climat, GIEC, Genève, Suisse, 103p.

20
 GIEC, 2013, Bilan 2007 des changements climatiques. Contribution des Groupes de travail
I, II et III au quatrième Rapport d’évaluation du Groupe d’experts intergouvernemental sur
l’évolution du climat, GIEC, Genève, Suisse, 103p.

Glauber J.W., 2004, Crop Insurance Reconsidered, American Journal of Agricultural

Economics 86(5), pp. 1179-1195.

Global Environmental Facility (GEF), 2010, Financing Adaptation Action: GEF.

Goldhaber M. H, 1997, The Attention Economy on the Net: What's the Right Economics for
Cyberspace? First Monday 2 (4), [Link]

Gonod P. F. (2000). Penser l’incertitude. [Link]

Goodwin B.K., Ker A.P., 2002, Modeling Price and Yield Risk, in:Just R.E., Pope R.D.
(eds.), A comprehensive assessment of risk in agriculture, Boston, pp. 289-323.

Green P. E. et Srinivasan V., 1990, Conjoint analysis in marketing: new developments with
implications for research and practice, Journal of Retailing, 77 (4) pp.435-456.

Grilliches Z., 1957, Hybrid Corn: An Exploration in the Economics of Technological

Change, Econometrica 25 (4), pp. 501-522.

Groom B. P., Koundouri P., Nauges C. and Thomas A., 2008, The story of the moment:
Riscophobe Cypriot farmers respond to drought management, Applied Economics 40, pp. 315-
326.

Guerrien B., 2002, La théorie des jeux (3ème édition), Paris, Economica

Gyampoh B.A., Idinoba, M., Nkem, J. et Amisah, S., 2007, Adapting watersheds to climate
change and variability in West Africa - the case of Offin River basin in Ghana. In Proceedings,
Helsinki : Third International Conference on Climate and Water, pp.205-213.

Hagerstrand T., 1952, The propagation of innovation waves. Lund Studies in Geography,
serie B, n° 4.

Hane E. et al., 2001, L’agriculture biologique au Sénégal.

Hardaker J.B., Huirne [Link] Anderson J.R., 1997a, Strategies Farmers Can Use to
Manage Risk, in: Coping with Risk in Agriculture, Wallingford, CAB International, pp. 232-251.

20
 Hardaker J. B., Huirne [Link] Anderson J.R., 1997b, Risk Considerations in
Agricultural Policy Making and Planning, in: Coping with Risk in Agriculture, Wallingford, CAB
International, pp. 252-267.

Hardaker J. B., R. Huirne, J.R. Anderson et G. Lien., 2004, Coping with risk in agriculture,
CABI
Publishing.

Hassan R. et Nhemachena C., 2008, Determinants of African farmers’ strategies for

adapting to climate change: Multinomial choice analysis. AfJARE, 2, pp. 83-104.

Hassine B. N., Thomas A., 2001, Aversion au risque des agriculteurs et décisions de
production: le cas de l’agriculture irriguée en Tunisie, Economie Rurale, 266, pp.91-108

Hausman J. and Wise D., 1978, A conditional probit model for qualitative choice: discrete
decision recognizing interdependence and heterogeneous preferences, Eonometrica 46, 403, p.26.

Heckman J. J, 1979, Sample selection bias as a specification error. Econometrica 47(1), pp.
153–62.

Hellerstein D., N. Higgins and J. Horowitz, 2013, The predictive power of risk preference
measures for farming decisions, European Review of Agricultural Economics.

Hicks J. R., 1946, Value and Capital: An Inquiry Into Some Fundamental Principles of
Economic Theory, 2ième edition, Oxford, The Clarendon Press.

Hirschman, Albert O., 1967, Development Projects Observed, Brookings Institution,

Washington.

Huijsman, 1986, Choice and uncertainty in semi-subsistence economy. A study of decision

making in Philippine Village Agricultural Economie. PHD Thesis Wageningen (Royal Tropical
Institute), Amsterdam.

IIED, 2011, Changements climatiques, stratégies d’adaptation et mobilités. Evidence à partir

de quatre sites au Sénégal, Sénégal. 49 p. Working paper.

IIED, 2015, Sénégal : revue du contexte socioéconomique, politique et environnemental.

Recherche pour des futurs résilients sur climat, Rapport d’étude, 88 p.

IPAR et ASPRODEB, 2007, Dimensions structurelles de la libéralisation pour l’agriculture

et le développement rural, RuralStruc, phase-I, 255p.

20
 Isham J., 2002, The effect of social capital on fertilizer adoption: evidence from rural
Tanzania. Journal of African Economies 11(1), pp. 39–60.

ISRA, 2012, Analyse de la compétitivité des filières céréalières par zone agro-écologique
au Sénégal, BAME, 109p.

ISRA, 1996, Rapport annuel d’activités. ISRA Centre Nord Bassin Arachidier. Sénégal, 47p

ISRA, BAME, 2010, Caractérisation et typologie des exploitations agricoles familiales du

Sénégal : Bassin arachidier. Etudes et documents. Tome3, 31p.

Just R. E., Pope R. D., 1979, Production function estimation and related risk considerations,
American Journal of agricultural Economics 71, pp. 276-284.

Just R.E., Rausser G.C., 2002, Conceptual Foundations of Expectations and Implications for
Estimation of Risk Behavior, in: A Comprehensive Assessment of the Role of Risk in U.S.
Agriculture, Boston, Kluwer Academic Publishers, pp. 53-80.

Kagoné H. 2001. Profil fourrager du Burkina Faso. Burkina : FAO, 23p.

Kahneman D., Tversky A., 1979, Prospect Theory: An Analysis of Decisions Under Risk ,
Econometrica, vol. 47, n° 2, pp. 313-327.

Kaldor N., 1940, The trade cycle and capital intensity: a reply, Economica, February.

Kaliba A., Verkuijl, R. M. & Mwangi, W., 2000, Factors affecting adoption of improved
seeds and use of inorganic fertilizers for maize production in the intermediate and lowland zones
of Tanzania, Journal of Agricultural and Applied Economics, 32(1), pp. 35–48.

Kasse M, 2015, L’économie du Sénégal : les 5 défis d’un demi-siècle de croissance atone,
l’Harmattan, 274 p.

Kast R., 2002, La théorie de la décision, Nouv. Edition, Paris : La Découverte, Repères ;
120 p.

Kebede Y., K. Gunjal and G. Coffin, 1990, Adoption of new technologies in Ethiopian
agriculture: The case of Tegulet-Bulga district Shoa province, Journal of Agricultural Agricultural
Economics, 4(1), pp. 27-43.

Kessous E., Mellet K., et Zouinar M., 2010, L’économie de l’attention : Entre protection des
ressources cognitives et extraction de la valeur, France : Sociologie du travail vol 52, n°3, 20 p.

20
 Keynes, J.M., 1921, Treatise on probability, Macmillan and Co., London.

Khanna M., 2001, Sequential adoption of site-specific technologies and its implications for
nitrogen productivity: A double selectivity model, American Journal of Agricultural Economics,
83(1), pp. 35-51.

Klein R. J. T., Huq, S., Denton, F., et al., 2007, Inter-relationships between adaptation and
mitigation. In B. Metz, O. R. Davidson, P.R. Bosch, R. Dave & L. A. Meyer (Eds.), Climate
Change, 2007, Mitigation. Contribution of Working Group III to the Fourth Assessment Report of
the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York:
Cambridge University Press.

Knight F. H., 1921, Risk, Uncertainty, and Profit, Essays, no.31, Boston and New York:
Houghton Mifflin.

Knoepfel P., Larrue C., Varone F., and Hill M., 2007, Public Policy Analysis. Bristol: The
Policy Press.

Knowler D. and B. Bradshaw, 2007, Farmers’ adoption of conservation agriculture: A

review and synthesis of recent research, Food Policy 32(1), pp. 25-48.

Kotary A., 2008, Agro-biodiversity the future of India’s agriculture, In India explorations in
Sustainable development, p 1-2.

Koundouri P., C. Nauges and V. Tzouvelekas, 2006, Technology Adoption under

Production Uncertainty: Theory and Application to Irrigation Technology, American Journal of
Agricultural Economics 88(3), pp. 657-670.

Kuhfuss L., R. Préget and S. Thoyer, 2013, Préférences individuelles et incitations

collectives: quels contrats agroenvironnementaux pour la réduction des herbicides par les
viticulteurs, Revue d’Etudes en Agriculture et Environnement

Kurukulasuriya P. and R. Mendelsohn, 2006, Crop selection: adapting to climate change in

Africa, CEEPA, Discussion Paper No. 26, Centre for Environmental Economics and Policy in
Africa. Pretoria, South Africa: University of Pretoria.

Kurukulasuriya P., Mendelsohn R., Hassan R., Benhin J., Deressa T., Diop M., Eid H. M.,
Fosu K. Y., Gbetibouo G., Jain S., Mahamadou A., Mano R., Kabubo-Mariara J., El-Marsafawy
S., Molua E., Ouda S., Ouedraogo M., Sène I., Maddison D., Seo S. N. et Dinar A., 2006: Will
African agriculture survive climate change? World Bank Economic Review, 20, pp. 367-388.

20
 Laplace et Bayes, 1820, « Théorie analytique des probabilités » 3ième édition en 1820.

Lafaye C. G, 2007, Bien-être. PUF. Dictionnaire du corps, PUF, pp. 127-131.

Lebailly P. et al., 2000, La Filière rizicole au Sud Viêt-Nam. Un modèle méthodologique,

Les Presses Agronomiques de Gembloux, 124 p.

Lipton M. and Longhurst R., 1989, New seeds and poor people, Agency for Internationl
Development, The Johns Hopkins University Press, Baltmore, 488p.

Lucas R.E, 1972, Expectations and the Neutrality of Money, Journal of Economic Theory,
pp.103-124

Machlup F., 1962, The Production and Distribution of Knowledge in the United States,
Princeton: Princeton University Press, 436p

Mackenzie J., 1993, A Comparison of Contingent Preference Models, American Journal of

Agricultural Economics, 75(3), pp.593-603.

Maddison, D., 2006, The perception of and adaptation to climate change in Africa, CEEPA,
Discussion Paper No. 10. Centre for Environmental Economics and Policy in Africa, University of
Pretoria, Pretoria, South Africa.

Mahul O., 1998, Vers une redéfinition du rôle de l’assurance agricole dans la gestion des
risques sur récoltes, Cahiers d’économie et sociologie rurales 49, pp. 33-58.

Manfredo M.R., Leuthold R.M. (1999) Value-at-Risk Analysis: A review and the Potential
for Agricultural Applications, Review of Agricultural Economics 21 (1), pp. 99-111.

Manning W. G.,1997, Alternative Econometric Models of Alcohol Demand, in Bryant,

Kendall J., Michael T. Windle et Stephen G. West (1997), The Science of Prevention:
Methodological advances from alcohol and substance abuse research, pp.101-121), Washington,
DC: American Psychological Association.

Marciano et al. (2013) « Mettre à profit la politique de développement rural pour fournir des
services environnementaux » Revue rurale de l’Union Européenne, Septembre 2013.

Mariano, M. J., R. Villano and E. Fleming, 2012, Factors influencing farmers’ adoption of
modern rice technologies and good management practices in the Philippines." Agricultural
Systems 110(0), pp. 41-53.

21
 Markowitz H., 1970, Portfolio Selection of Investments, Cowles Foundation, Yale
University Press.

Marra M., D. J. Pannell and A. Abadi Ghadim, 2003, The economics of risk, uncertainty and
learning in the adoption of new agricultural technologies: where are we on the learning curve?
Agricultural Systems 75(2–3), pp. 215-234.

Melki M., K. Dahmane et A. Garoui, 1995, Effet de la variation saisonnière des facteurs
climatiques sur les composantes du rendement des céréales (blé dur et orge). Revue de l’INAT
10(1), 105–14.
Menapace L., G. Colson and R. Raffaelli, 2013, Risk Aversion, Subjective Beliefs, and
Farmer Risk Management Strategies, American Journal of Agricultural Economics 95(2), pp. 384-
389.

MEPN, 1998, Programme d’Action National de Lutte Contre la Désertification, 166 p

Metzler L.A., 1941, The Nature and Stability of Inventory Cycles, Review of Economics
and Statistics, 23 (August), pp.113-29.

Ministère de l’Agriculture du Sénégal, 2008, Grande Offensive Agricole pour la Nourriture

et l’Abondance, Cahier de références utiles, 9p.

Mitchell R.C. et Carson R. T., 1989, Using surveys to value public goods: the contingent
valuation method, Washington DC, Resources for the Future.

Modelina A., Roe T. and Shane M., 2004, Measuring Commodity Price Volatility and the
Welfare Consequences of Eliminating Volatility, AAEA meeting, Denver,Colorado.

Morini S., Finetti B., 2007, l’origine de son subjectivité, Journal Electronique d’Histoire
des Probablités.

Muth J.F., 1961, Rational Expectations and the Theory of Price Movements, Econometrica.
Vol. 29, pp. 315-35.

Myrdal G., 1931, L’Equilibre Monétaire, Paris : Editions M.-TH. Génin, 1950, première
édition anglaise 1939

Moureau N. et D. Rivaud-Danset, 2004, L'incertitude dans les théories économiques ».

Paris : La Découverte, Coll. Repères, 128 p.

21
 Ndiaye G., 2009, Impacts du changement climatique sur les ressources en eau du Sénégal,
Rapport préliminaire - Deuxième communication nationale à la Convention Cadre des Nations
Unies sur les Changements Climatiques, 46p.

Ndjewe I., 2006, Contribution à l’étude des exploitations agricoles familiales en zone
périurbaine : Cas de la Communauté rurale de Fandène. Mémoire de fin d’études, ENSA-Thiès,
78p.

Nerlove M., Bessler D.A., 2001, Expectations, Information and Dynamics, in: Handbook of
Agricultural Economics, Elsevier, pp.155-206.

Nerlove M., Fornari I., 1998, Quasi-Rational Expectations, an Alternative to Fully Rational
Expectations: An Application to US Beef Cattle Supply, Journal of Econometrics 83(1-2), pp.129-
161.

Nhemachena C., and Hassan R , 2007, Micro-Level Analysis of Farmers’ Adaptation to

Climate Change in Southern Africa, IFPRI Discussion Paper, No. 00714, International Food
Policy Research Institute, Washington DC.
Norris P. E. et S. [Link]., 1987,Virginia Farmers’ Soil Conservation Decisions: An
Application of Tobit Analysis. Southern Journal of Agricultural Economics19: 79-90.

November A. et V. November, 2004, Risque, assurance et irréversibilité, Revue européenne

des sciences sociales, 160 p.

Oberthür S., and Ott, H. E., 1999, The Kyoto Protocol: International Climate Policy for the
21st century, Springer Verlag.

OCDE, 2009a, An Assessment of Risk Exposure in Agriculture Based on a Review of the

Literature, in: Managing Risk in Agriculture: A Holistic Approach, pp. 97-160.

OCDE, 2009b, Risk Management in Agriculture: A holistic Conceptual Framework, in:

Managing Risk in Agriculture: A Holistic Approach, 15-73

Ofuoku, A. U. and Urang, 2009, Effect of cohesion on loan repayment in farmers

cooperative societies in Delta State, Nigeria. International Journal of Sociology and
Anthropology, 1(4), pp. 070 – 076.

Ofuoku A. U., Egho E. O. and Enujeike E. O., 2008, Integrated Pest Management (IPM)
adoption among farmers in Central Agro-ecological Zone of Delta State, Nigeria, African Journal
of Agricultural Research, 3(12), pp. 852 –856.

21
 Ofuoku A. U., Enaikele M. and Nnodim A. U., 2008, Cohesiveness of fish farmers’ groups
in Southern Nigeria, Journal of Agricultural and Biological Sciences, 3(4), 16 – 21.

Ofuoku A.U and Chukuji, C.O, 2012, Farmers’ groups growth trend in Delta State Nigeria,
Global Journal of Science Frontier Research-Agriculture and Biology, 12 (3), pp. 61-66.

Ofuoku A.U. et Agbamu J.U., 2012, Influence Of Farmers’ Group Cohesion On Adoption
Of Climate Change Adaptation Strategies In Delat State, Nigeria, Global Journal of Science
Frontier Research, Vol 12, n°6.

Ogionwo W. and Eke, P., 1999, An introduction to social psychology. Owerri, Nigeria:
Springfield Publishers.

ONU, 1992a, Convention Cadre des Nations Unies sur les Changements climatiques, New
York, 25 p.

ONU, 1992b, Convention sur la Diversité Biologique, Rio de Janeiro, 85 p.

ONU, 1993, Résolution 47/188 : création d’un comité intergouvernemental de négociation

pour l’élaboration d’une convention internationale sur la lutte contre la désertification dans les
pays gravement touchés par la sécheresse ou par la désertification, en particulier en Afrique,
Nations Unies, 4 p.

ONU, 1997, Protocole de Kyoto à la CCNUCC, Nations Unies, Kyoto, 24 p.

ONU, 2010, History of the Convention of Biological Diversity (CBD) , 73p.

Ostrom E., 1992, The Rudiments of a Theory of the Origins, Survival, and Performance of
Common-Property Institutions, in Making the Commons Work: Theory, Practice, and Policy, San
Francisco, ICS Press, pp. 293-318.

Ostrom E., 1998, A Behavioral Approach to the Rational Choice Theory of Collective
Action, The American Political Science Review, vol. 92, n° 1, pp. 1-22.

Ouedraogo M., Some L., 2010, Perceptions et stratégies d’adaptation aux changements des
précipitations : cas des paysans du Burkina Faso, Science et Changement Planetaires-Secheresse
21(2), pp. 87-96.

Pannell D. J., G. R. Marshall, N. Barr, A. Curtis, F. Vanclay and R. Wilkinson, 2006,

Understanding and promoting adoption of conservation practices by rural landholders, Australian
Journal of Experimental Agriculture 46(11), pp.1407-1424.

21
 Parcell J. L., and H. Gedikoglu., 2013, A Differential Game Approach to Adoption of
Conservation Practices, Washington DC, Agricultural and Applied Economics Association.

Paudel K. P., W. M. Gauthier, J. V. Westra and L. M. Hall, 2008, Factors influencing and
steps leading to the adoption of best management practices by Louisiana dairy farmers, Journal of
agricultural and applied economics 40(1): 203p.

Porat M.U, 1977, The Information Economy, Nine volumes, Office of Telecommunication,
US Department of Commerce, Washington.

Prager K. and H. Posthumus, 2010, Socio-economic factors influencing farmers’ adoption of

soil conservation practices in Europe, Human dimensions of Soil and Water Conservation: A
Global Perspective, Nova Science Publishers, Inc, New York, pp.203-223.

Pratt S., Blake A., 2007, Dynamic General Equilibrium Model with Uncertainty:
Uncertainty Regarding the Future Path of the Economy, Ecomod2007, Sao Paulo, Brazil.

Prokopy L., K. Floress D., Klotthor-Weinkauf and A. Baumgart-Getz, 2008, Determinants

of agricultural best management practice adoption: Evidence from the literature, Journal of Soil
and Water Conservation, 63(5), pp. 300-311.

Pryanishnikov I. and Katarina Z., 2003, Multinomial logit models for Australian labor
market, Australian Journal of Statistics 4, pp.267–282.

Reynaud A., 2015, Adaptation à court terme et à long terme de l’agriculture au risque de
sécheresse : une approche par couplage de modèles biophysiques et économiques, Revue d’Etudes
en Agriculture et Environnement, pp 121-154.

République du Sénégal, 1961, Ier Plan Quadriennal de Développement, 1961-64, Dakar.

République du Sénégal, 1977, Plan d'Investissement Alimentaire, Ministère du

Développement Rural, Dakar.

République du Sénégal, 1981, Bilan global des réalisations du Gouvernement en faveur du

monde rural depuis l'indépendance, - Ministère du Développement Rural, Dakar.

République du Sénégal, 1984, La Nouvelle Politique Agricole, Ministère du Développement

Rural, Dakar.

République du Sénégal, 1985, Lettre de Déclaration de Politique de Développement

Agricole, Ministère du Développement Rural.

21
 République du Sénégal, 1986, Etude du secteur Agricole : Plan Céréalier, Ministère du
Développement Rural.

République du Sénégal, 1994, Lettre de Déclaration de Politique de Développement

Agricole, Ministère de l'Agriculture.

République du Sénégal, 1995a, Programme d'Ajustement Sectoriel Agricole, Ministère du

Développement Rural, Dakar.

République du Sénégal, 1995b, Lettre de Politique de Développement Agricole (LPDA),

p.4.

République du Sénégal, 1997, Communication initiale du Sénégal à la Convention cadre des

Nations unies sur les changements climatiques, Ministère de l’environnement et de la protection
de la nature, Direction de l’environnement. Dakar, 104 p.

République du Sénégal, 1998, Programme d’action national de lutte contre la désertification,

Ministère de l’environnement, de la protection de la nature, Dakar, 152 p.

République du Sénégal, 1999, Stratégie Nationale de Mise en Œuvre (SNMO) de la

Convention Cadre des Nations Unies sur les Changements Climatiques (CCNUCC), Direction de
l’Environnement et des Etablissements Classés, 54 p.

République du Sénégal, 2002, Rapport National sur la mise en œuvre de la Convention des
Nations Unies sur la Lutte contre la Désertification, Ministère de l’Environnement et de la
Protection de la Nature (MEPN), Dakar, 44 p.

République du Sénégal, 2003, Lettre de Politique de Développement de la Filière Arachide,

18p.

République du Sénégal, juin, 2004, Loi d’orientation agro-sylvo-pastorale (LOASP), 44p.

République du Sénégal, 2006, Document de Stratégie pour la Croissance et la Réduction de

la Pauvreté (DSRP II), 2006-2010, p. 6.

République du Sénégal, 2010, Processus de mise en œuvre de l’ECOWAP/PDDA,

Programme National d’Investissement Agricole (PNIA). Plan d’Investissement 2011-2015, p. 22.

République du Sénégal, 2011, Document de Politique Economique et Sociale (DPES 2011-

2015), 131p.

21
 République du Sénégal, 2012a, Nouvelle Alliance pour la Sécurité Alimentaire et la
Nutrition, Sénégal, 33p.

République du Sénégal, 2012b, Stratégie Nationale de Développement Economique et

Social (SNDES, 2013-2017), 79p.

République du Sénégal, 2014a, Programme d’Accélération de la cadence de l’Agriculture

Sénégalaise (PRACAS) : Volet agricole du Plan Sénégal Emergent. MAER, 112p.

République du Sénégal, 2014b, Plan Sénégal Emergent (PSE), 167p.

République du Sénégal, 2014c, Situation Economique du Sénégal 2014, Ministère de

l'Économie et des Finances, Direction de la Prévision et de la Statistique.

République du Sénégal, 2014d, Politique Forestière du Sénégal du Sénégal 2005-2025,

Ministère de l’environnement et du développement durable, 138p.

République du Sénégal, 2015a, Contribution prévue déterminée au niveau national (CPDN),

Ministère de l’environnement et du développement durable, 19p.

République du Sénégal, 2015b, Contribution prévue déterminée au niveau national

(CPDN) : volet adaptation secteur agricole, 40p.

République du Sénégal, 2015c, Sénégal : Evaluation des risques du secteur agricole (ASRA-
II) : évaluation des solutions, Ministère de l’Agriculture et de l’Equipement Rural, Document de
travail, 181p.

Rogers E. M., 1995, Diffusion of innovations, NewYork, Free Press, Macmillan Publishing
Co, fouth edition.

Rosenberg N., 1976, On Technological Expectations, The Economic Journal, 86(343),

pp.523-535.

Rothschild M., and J. E. Stiglitz, 1975, Equilibrium in Competitive Insurance Markets: An

essay on the economics of imperfect information, Technical Report No. 170, IMSSS Stanford
University, 22 p.

Roguet S, Cordier et M. Rieu, 2006, Gestion des risques de prix et de revenu en production
porcine : situation actuelle et perspectives, 38ejournées de la recherche porcine, INFRA-IFIP,
Rennes, Document de travail.

21
 Sabatier P. A., 1991, Toward Better Theories of the Policy Process, PS: Political Science
and Politics, 24(2), pp.147-156.

Sadio S., 1985, Dégradation physique des sols et lutte contre l'érosion : séminaire national
sur la lutte contre la désertification, Saint-Louis du 20 au 29 avril 1985.

Sagna P., Ndiaye O., Diop C., Niang A. D., Sambou C., 2015, Les variations récentes du
climat constatées au Sénégal sont-elles en phase avec les descriptions données par les scénarios du
GIEC ? Articles, Pollution atmosphérique, Recherche, n°227, 17p.

Salick J., and Byg A., 2007, Indigenous peoples and climate change, Oxford: Tyndall Center
for Climate Change Research.

Saue J. and D. Zilberman, 2009, Innovation behaviour at farm level–Selection and

identification. 49th annual meeting of the German Association of Agricultural Economics and
Sociology, Gewisola, Kiel.

Savage L.J. 1954, The foundations of statistics, New York, Wiley.

Scharpf F., 1997, Games Real Actors Play: Actor-centered institutionalism in Policy
Research. Oxford: Westview Press.

Schneider S., and Lane J., 2006, Dangers and Treshold in Climate Change, In W. N. Adger,
P. Jouni, S. Huq and M. J. Mace (Eds.), Fairness in Adaptation to Climate Change, Cambridge:
Massachussetts Institute of Technology Press.

Sène S. et Ozer P., 2002, Évolution pluviométrique et relation inondations-événements

pluvieux au Sénégal, Bulletin de la Société Géographique de Liège, vol.42, p27-33.
Seo N., and R. Mendelsohn, 2006, Climate change adaptation in Africa: a microeconomic
analysis of livestock choice, CEEPA Discussion Paper No. 19, Centre for Environmental
Economics and Policy in Africa. Pretoria, South Africa: University of Pretoria.

Sichoongwe K., Mapemba L., Ng'ong'ola D. and Tembo, G., 2014, The determinants and
extent of crop diversification among smallholder farmers: A case study of Southern Province,
Zambia, Working Paper, Washington, D.C.
Simon H., 1982, Model of bounded rationality, Cambridge, MIT Press.

Simon H. A., 1959, Théories of decision-making in economics behavorial science,

American economic review, V. 49, n°1, pp. 253-283.

21
 Simon M., Houghton, S., & Lumpkin, G. T., 2003, The evolving role of information
processing in venture formation and success, Darden Retreat, Rensselaerville, New York.

Smith J.B., Ragland S.E. et Pitts G.J., 1996, A process for evaluating anticipatory adaptation
measures for climate change: Water, Air and Soil Pollution, MINDIC, n°92. Pp. 229-238.

Soule M. J., A. Tegene and K. D. Wiebe, 2000, Land Tenure and the Adoption of
Conservation Practices, American Journal of Agricultural Economics 82(4), pp.993-1005.

Stan G. D. and William D. M., 2003, Information and the Adoption of Precision Farming
Technologies, Journal of Agribusiness, 21(1), 21S38.

StataCorp, 2003, Stata base reference manual, Volume 4, Stata Corporation.

Stigler G., 1971, The Economics of Information , in Lamberton D.M., Economics of

Information and Knowledge, Harmonndsworth, 1971, pp.61-82.

Tansley A.G., 1935, The use and abuse of vegetational concepts and terms, Ecology 16,
pp.284–307.

Tazeze A, Haji J, Ketema M., 2012, Climate adaptation strategies of smallholder farmers:
the case of Babilie District, East Harerghe zone of Oromia Regional State of Ethiopia, Journal of
Economics and Sustainable Development, 3(14): 1-12.

Tieszen L., Tappan G.G., Touré A., 2004, Sequestration of carbon in soil organic matter in
Senegal: an overview 2004. Journal of Arid Environments, 59, pp.409–425.

Traoré E. H, Thior Y. E. H, Ickowitcz A, 2016, Elevage et gaz à effet de serre : digestibilité

et émissions de méthane dans la zone du Ferlo (Sénégal), Editions Universitaires Européennes,
52p.

Tsebelis G., 2002, Veto players: How political institutions work, Princeton University Press.

Tschakert P., Sagoe R., Ofori-Darko G., Codjoe S.N., 2010, Floods in the Sahel: an analysis
of anomalies, memory, and participatory learning, Climatic Change, n°103, p 471-502.
Tversy A., Kahneman D. 1992, Advances in prospect theory: Cumulative representation of
uncertainty, Journal of Risk and Uncertainty, 5, pp.297-323.

Twyman C., Thomas D.S.G., Osbahr H. et al., 2007, Climatic Change, 83, 301p.

UNESCO, 1994, Convention on Wetlands of International Importance especially as

Waterfowl Habitat, In Ramsar Convention on Wetlands.

21
 UNESCO, 2004, Dynamique de l’eau et gestion des terres dans le contexte du changement
global, dans le bassin du Bouregreg (Maroc), Rabat : centre des sciences du sol, p : 65-77

UPA, 1996, Plan d’Action Foncier du Sénégal, Ministère l’Agriculture, République du

Sénégal, 92p.

Useche P., B. L. Barham and J. D. Foltz, 2009, Integrating technology traits and producer
heterogeneity: A mixed-multinomial model of genetically modified corn adoption American
Journal of Agricultural Economics 91(2), pp.444-461.

Useche P., B. L. Barham and J. D. Foltz, 2013, Trait-based Adoption Models Using Ex-ante
and Ex-Post Approaches, American Journal of Agricultural Economics, 95(2), pp.332-338.

Valentin C., 1985, Système de production d’élevage au Sénégal : effets du surpâturage et du

piétinement sur la dégradation des sols autour des points d’eau artificiels en région sahélienne
(Ferlo : nord du Sénégal), ORSTOM - Abidjan, 38p.

Varoudakis A., 1999, La politique macroéconomique, Dunod, Paris

Vermersch D., P. L. Goffe and F. Bonnieux, 1995, La méthode d'évaluation contingente :

application à la qualité des eaux littorales, Économie et prévision, pp.89-106.

Vernier M., Monceaux I., Daille B., 2009, détection de la subjectivité et catégorisation de
textes subjectifs par une approche mixte symbolique et statistique, Actes de l'atelier de clôture de
la 5ème édition du Défi Fouille de Textes, 2009.

Völckner F., 2006, An empirical comparison of methods for measuring consumers’

willingness to pay, Marketing Letters, 17(2), pp.137-149.

Von Neumann J. et Morgenstern O. (1947), Theory of Games and Economic Behavior,

Princeton, Princeton University Press.

Webber M. (1972), The impact of uncertainty on location. Cambridge,.MIT Press.

Wertenbroch K. et Skiera B., 2002, Measuring consumer willingness to pay at the point of
purchase, Journal of Marketing Research, 13, 2, 250-256.

Williams J.C., Wright B.D., 1991, Storage and Commodity Markets, Cambridge, Cambridge
University Press, 518 p.

Williamson O., 1985, The Economic Institutions of Capitalism: Firms, Markets, Relational
Contracting”, New York: The Free Press.

21
 Wright B.D., 2001, Storage and Price Stabilization, in: Handbook of Agricultural
Economics, Elsevier, pp.817-861.

Wu J. and B. A. Babcock, 1998, The choice of tillage, rotation, and soil testing practices:
Economic and environmental implications." American Journal of Agricultural Economics 80(3),
pp. 494-511.

Wu J. and B. A. Babcock, 1998, The choice of tillage, rotation, and soil testing practices:
Economic and environmental implications, American Journal of Agricultural Economics 80(3),
pp. 494-511.

Yegbemey R. N., Yabi J. A., Aïhounton G. B., Paraïso A., 2014, Modélisation simultanée de
la perception et de l'adaptation au changement climatique : cas des producteurs de maïs du Nord
Bénin (Afrique de l'Ouest). Cah Agric 23, 11 p

Yirga C. T., 2007, The dynamics of soil degradation and incentives for optimal management
in Central Highlands of Ethiopia, Department of Agricultural Economics, Extension, and Rural
Development, University of Pretoria, South Africa.

Yuill R. S., 1964, A simulation of barrier effects in spatial diffusion. ONR Spatial Diffusion
Study, Northwestern University.

Zilberman D., Dinar A., MacDougall N., Khanna M., Brown C. and Castillo F., 2003,
Individual and institution response to drought: The case of Californian agriculture, Working
Paper, University of California, Berkeley.

22
 ANNEXES
ANNEXE 1 : Questionnaire

Risques, anticipations, adaptation au changement climatique et adhésion aux OP

Date enquête : ………/… …/…2015

Prénom & nom de l’enquêteur : ……………………………………………Numéro de téléphone :…………………………

Région : ………….………Département : ………………….Commune …………………………Village :……………………

1. Identification
Nom du chef d’exploitation :……………….. …………………sexe : / / Age : / /
Ethnie : / / Situation matrimoniale : / / Niveau d’instruction : / /
Activité principale 1: / / Activité secondaire : / / Nombre de mois par an dans activité 1 : / /
Nombre de garçons en charge : //, Nombre de filles en charge : //
Si homme, nombre de femme(s) en charge : / /
Est-ce qu’il y a un village à moins 1 km / / 1=Oui 2=Non,

Code sexe : 1=Masculin ; 2=Féminin

Code Ethnie : 1=Wolof ; 2=Toucouleur , 3=Sarakolé ; 4=Mandingue , 5=Diola , 6=Sérère ; 7=Maure ; 8=
Code situation matrimoniale : 1=Marié, 2=Célibataire ; 3=Divorcé, 4=Veuf
Code Niveau d’instruction : 0=Non instruit ; 1=Primaire ; 2=Secondaire ; 3= université ; 4=coranique/ara
Code Activité principale : 1 = Agriculture ; 2=Horticulture ; 3=Elevage ; 4=Foresterie, 5=Pêche, 6=Comm
Code marché, louma et route : 1=oui, 2=non

2. Caractéristiques de l'exploitation
NB : le champ est différent de la parcelle, on peut trouver plusieurs parcelles sur un champ

2.1 Champs contrôlés ou exploités :

Nombre de champs contrôlés ces 10 dernières années / / surface totale : / /
Nombre de champs exploités ces 10 dernières années / / surface totale : /
/ Nombre de champs contrôlés aujourd’hui
/ / surface totale : / /
Nombre de champs exploités aujourd’hui / / surface totale : / /
Avez-vous changé votre espace de culture ces 10 dernières années? / / 1=oui, 2=non

22
Si oui,
Donner le nom de l'ancienne zone: Caractéristiques (code): / /
………………………………………………..
Donner le nom de la nouvelle zone: Caractéristiques (code) : / /
………………………………………………

Code caractéristiques : 1=très aride, 2=aride, 3=pas fertile, 4=plus fertile, 5=repos, 6=autres (à préciser)

2.2 Identification des Parcelles et Associations culturales (2014)

Numéro Mode Nombre Distance Degré Types de cultures Surface Culture Culture
des d’acquisition d’années au de réalisées (code 3) de principale secondaire
Champs d'occupation village fertilité chaque (code3) (code 4)
(km) (code 2) parcelle
(Code 1) Autres 2014 en 2014 Sur les 5 2014
réalisées dernières
sur les 5 années
dernières
années
Champ 1

Champ 2

Champ 3

Champ 4

Champ 5
Autres champs à préciser :
………………………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………………………
………
Code 1= mode d’acquisition : 1= héritage, 2=achat, 3= location, 4= Prêt/cession temporaire, 5= emprunt, 6=
propriété communautaire, 7= autres à préciser)
Code 2 = degré de fertilité : 1= très fertile, 2= fertile, 3=peu fertile, 4= pas du tout fertile
Code 3 = type Culture/ culture principale : 1 = Arachide ; 2= Maïs ; 3= Mil ; 4= Sorgho ; 5 = Niébé ; 6 = Fonio ; 7=
Sésame ; 8= Manioc ; 9 = autres à préciser

22
 Code 4 = Code culture associée 1 = Arachide ; 2= Riz semé ; 3= Maïs ; 4= Riz repiqué ; 5= Coton ;6=
Mil/Sorgho ; 7= Niébé ; 8= Fonio ; 9= Sésame ; 10= Manioc ; 11= Pastèque ; 12= Pomme de terre ; 13=
Tomate ; 14= Oignon ; 15=Piment ; 16=Patate douce ; 17= Aubergine douce ; 18= Aubergine amère (jaxatou)
; 19=Gombo ; 20=Melon ; 21=Chou ; 22=Carotte ; 23=Poivron 24=Laitue ; 25=Banane ; 26=Papaye ;

[Link] en 2014
Culture Quantit Quantit Quantité Quantit Quantit Don Quantit Lieu Coût du Prix moyen de
é é auto é é & é de transpo vente
totale perdu consommé stocké réservé Zaka vendu vente rt (FCFA/Kg)
produit e (kg) e (Kg) e (Kg) e aux t (Kg) e (Kg) (code
e (Kg) semence 2)
? s
mil
maïs
sorgho
niébé
Arachides
(Autres à préciser

(Autres à préciser

(Autres à préciser

[Link] d’animaux en 2014

Type Nombre de Nombr Nombre de Dons Nombr Période Lieu Coût du Prix moyen de
d’animaux têtes e de têtes (nombre de e de de vente de transpor vente (FCFA)
(code 1) têtes autoconsomm têtes) têtes (indiquer vente t
perdue ée s vendue numéro (code
s s du mois) 2)
Male Femelle Male Femelle

Code 1 type d’animaux : 1=mouton, 2=chèvre, 3= bœuf, 4= chameau, 5=cheval, 6= autres (à préciser)
Code 2 lieu de vente : 1=louma, 2=marché quotidien, 3=banabana, 4=en ville, 5=autres (à préciser)

22
Quelle est la somme dépensée en moyenne en termes de préparation du sol durant la campagne
agricole 2014 (coûts fixes)? / / Fcfa

22
 [Link] de la main d’œuvre pour les cultures (2014)
Cultures Main d'œuvre non salariée Main d'œuvre salariée
Opérations culturales Hommes Femmes Enfants (moins Hommes Femmes Enfants (moins de 16 ans)
(Code2) (mettre en premier de 16 ans)
lieu)
Code 1 (lister les par culture) Nombre Duré Nombre Duré Nombre Duré Nombr Duré Coût Nombre Duré Coût Nombre Duré Coût
e e e e e unitair e unitair e unitair
(jours (jours (jours (jours e (jours e (jours e
) ) ) ) (FCFA) ) (FCFA) ) (FCFA)

22
Code1 = Code Culture : 1 = Arachide ; 2= Maïs ; 3= Mil ; 4= Sorgho ; 5 = Niébé ; 6 = Fonio ; 7= Sésame ; 8= Manioc ; 9 = autres à préciser
Code2 = Code opération culturale : 1=Préparation sol ; 2= Semis ; 3=Epandage engrais et produits phyto ; 4 =démariage ; 5=labour/offset ; 6= sarclage
=récolte ; 9=battage ; 10=mise en sac ; 11=Transport ; 12=Autres à préciser.

22
 [Link]é non agricole
Vous ou dans votre ménage existe-t-il des personnes qui exercent des activités non agricoles et qui
participent au financement de l’activité ? / / 1=oui, 2=non
Si oui,
Activités de ces Relation avec le chef
d’exploitation Durée (mois1-mois2) Revenu rapporté en FCFA
personnes (code
activité) (code relation avec le CE)

Code activité: 1=Artisanat, 2=Élevage, 3=Transformation, 4=Commerce, 5=Extraction (sel, miel, gravier, sable,
mine), 6=Pêche, 7=Foresterie, 8= salarié, 9= émigré, 10=Autres (A préciser)
Code lien avec le CE : 1=Chef d’exploitation, 2=Epoux ; 3=Epouse du CE, 4=fils ; 5=Fille du CE, 6=Neveux,
7=Nièce, 8=père ; 9=Mère du CE, 10=Frère, 11=Sœur, 12=Beau-frère, 13=Belle-sœur, 14=Beaux-parents,
15=Manœuvre, 16=Protégé, 17=Autre (A préciser)

[Link]ème de culture et équipements agricoles (2014)

Types Cultur Système de Année Mode Source Disponibili Etat Fabricatio Coûts
Équipeme e culture d’acquisiti d'acquisiti d'acquisiti té 1=bon, n acquisition
nt s (Code2 (code 3) on o n (Code o n (code 1=propre 2=moye 1=artisan en FCFA
utilisés ) 4) 5) 2= n, at neuf,
(code 1) location, 3=mauva 2=artisan
3=empru is at
nt occasion
, 3=
industrielle
!_ ! !_ ! !_ !_ ! !_ ! !_
! !
!_ ! !_ ! ! !_ ! !_ ! !
_ _
!_ ! !_ ! !_ !_ ! !_ ! !_
! !
!_ ! !_ ! !_ !_ ! !_ ! !_
! !
!_ ! !_ ! !_ !_ ! !_ ! !_
! !

Code1 = Equiquements : 1=Charrue, 2= Multiculteur, 3=Semoir ; 4=Charrettes ; 5=Tracteur , 6=Moissonneuse/

batteuse ; 7=Décortiqueuses ; 8=batteuse ; 9=Moulin ; 10=Groupe/Motopompe ; 11=Rotorvator,
12=Billonneuses, 13=Botteleuse, 14=Appareil de traitement insecticide , 15=Appareil de traitement herbicide ;
16=Pulvérisateur herse , 17=Houe ; 18=Daba, 19=Lime, 20=Hache ; 21=Binette,22=Faucille, 23=Râteau ;
24=Pelle, 25=Brouette, 26=Arrosoir ;27=lance ; 28= le kit goutte à goutte , 29=Pioche ;30=Sécateur ;
31=Magasins agricole ; 32=Traction bovine , 33= Traction asine ; 34=coupe coupe, 35=Offset ;, 37= Autres (A
préciser)
Code2 = système de culture: 1=Pluvial, 2=Irrigué 3=Décrue, 4=Arrosage, 5=Autre (à préciser)
Code3 = Code Culture : 1 = Arachide ; 2= Maïs ; 3= Mil ; 4= Sorgho ; 5 = Niébé ; 6 = Fonio ; 7= Sésame ; 8=
Manioc ; 9 = autres à préciser
Code4= Code mode d’acquisition : 1 =Achat au comptant, 2=Crédit, 3=Don, 4=Propres intrants ; 5=Autres
Code5 = Code source d’acquisition : 1=louma, 2=marché quotidien, 3=Paysan ou parent du village, 4= Paysan ou
parent d’un autre village, 5=Structure technique 6= ONG (préciser le nom), 7=Organisation paysanne, 8=Autre
structure (préciser), 9=Marché extérieur de la région, 10= projet, 11=Autre (Préciser).

22
 8. Intrants de production (2014)
Type Nombre Culture Mode Sources Quantité Unité de Valeur
d’intrants (code 2) d’acquisition d'acquisition (nombre) mesure moyenne
utilisé (code 3) (code 4) (Kg/litre (FCFA)
(code 1)
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!

Code1 = Code Type d’intrant : 1=complexe céréale, 2=complexe coton, 3= urée, 4=fumure organique, 5=semences,
6=herbicides, 7=insecticide/fongicide, 8=engrais de fond (NPK) ; 9=autres (à préciser)
Code2 = Code Culture Culture : 1 = Arachide ; 2= Maïs ; 3= Mil ; 4= Sorgho ; 5 = Niébé ; 6 = Fonio ; 7= Sésame ; 8=
Manioc ; 9 = autres à préciser
Code3= Code mode d’acquisition : 1 =Achat au comptant, 2=Crédit, 3=Don, 4=Propres intrants ; 5=Autres
Code4 = Code source d’acquisition : 1=louma, 2=marché quotidien, 3=Paysan ou parent du village, 4= Paysan ou parent
d’un autre village, 5=Structure technique 6= ONG (préciser le nom), 7=Organisation paysanne, 8=Autre structure
(préciser), 9=Marché extérieur de la région, 10 = projet, 11=Autre (Préciser).

[Link] animale
Traction Durée (temps
Cultures (code Nombre
animale (code passé) sur chaque culture
2)
1) (en jours)
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!
!_! !_! !_! !_!

Code 1 = traction animale: 1= bovin, 2= équin, 3= asin, 4 = autre à préciser

Code2 = Culture : 1 = Arachide ; 2= Maïs ; 3= Mil ; 4= Sorgho ; 5 = Niébé ; 6 = Fonio ; 7= Sésame ; 8= Manioc ; 9 =
autres à préciser

22
 10. Crédit en nature en 2014
Avez-vous obtenu des crédits en nature ces deux dernières années ? / /
1=oui, 2=non Si oui,
Type du crédit en Source du crédit (code 2) Quantité Unité (kg, litre,
nature (code 1) autre à préciser)

Code1= type de crédit en nature : 1=semence, 2=engrais, 3= petits matériels agricoles, 4= gros équipements,
5= autre à préciser
Code2 = Source de crédit : 1=programme crédit, 2=banque, 3=projets, 4=ONG, 5=Commerçants, 6=habitant du
village, 7=habitant d’un autre village, 8=Organisation paysanne, 9=Autre (à précision)

11. Crédit en espèce (2014)

Avez-vous obtenu des crédits en espèce ces deux dernières années ? / /
1=oui, 2=non Si oui,
Source du Montant du Durée de remboursement A quoi a servi cet argent ? (code 2)
crédit (code crédit (mois)
1)
!_ ! !_ !!_ !!_ !

Code1 = Source de crédit : 1=programme crédit, 2=banque, 3=projets, 4=ONG, 5=Commerçants, 6=habitant du
village, 7=habitant d’un autre village, 8=Organisation paysanne, 9=Autre (à précision)
Code2= A quoi a servi cet argent : 1=achat d’intrants, 2=opération s agricoles, 3=matériels agricoles, 4=commerce,
5=soins, 6=nourriture, 6=cérémonies, 8=autres dépenses (préciser)

12. Capacité d’épargne

Avez-vous prêté de l’argent ces deux dernières années ? ! ! 1=oui, 2=non
Si oui, A qui avez-vous prêté de l’argent (code1)? !_ ! !_ ! !_ ! !_ !, Quel est le montant des prêts ?!

! Fcfa
Avez-vous mis de l’argent de côté ? !_ ! 1=oui, 2=non, Si oui, où gardez-vous cet argent (code2)? !_
! !_ ! !_ ! !_ !, A combien s’élèvent les montants mis de côté ? ! ! Fcfa
Si vous aviez, soudainement, besoin d’une petite somme d’argent, combien de personnes seraient
disposées à vous fournir cet argent ? ! !, Relation avec ces personnes (code 3) ? !_ ! !_ ! !_ ! !_ !

Code1 = A qui avez-vous prêté : 1=parent, 2=paysan du village, 3=paysan d’un autre village, 4=Autres ( à préciser)
Code2 =Ou garder l’argent : 1=banque, 2=sur soi, 3=avec un parent, 4=une tierce personne qui n’est pas de la
famille
Code 3 = relation avec ces personnes : 0= Aucun, 1= parent, 2=paysan, 3 = autorité, 4 = OP, 5= banque, 6= autres à
22
Considérez-vous comme pauvre ou riche : / / 1=pauvre, 2= riche, 3=moyen

Degré de pauvreté ou de richesse : / / 1= très pauvre, 2= moins pauvre, 3= très riche, 4 = moins riche

13. Risque et aversion au risque

13. 1. Risque sur l’activité agricole

Montant en moyenne sur les

Revenu agricole Variation par rapport à
5 dernières années (en fcfa)
2014
Revenu de l'arachide
Revenu du mil
Revenu du maïs
Revenu du sorgho
Revenu du niébé
Autres revenus à préciser
Revenu non agricole
Salaire reçu
Loyer reçu
Commerce
Artisanat
Transferts
Autres à préciser
Quantité en moyenne sur les 5
Consommation Variation par rapport à 2014
dernières années (en kg)
Arachide
Mil
Maïs
Sorgho
Niébé
Autres cultures produites et
consommées à préciser

Code 1 = variation par rapport à 2014: 1= augmentation, 2=diminution, 3= stable

23
13. 2. Attitude face au risque

Est-ce que vous aimez prendre des risques ? ! ! 1=oui, 2=non

Parmi ces éléments lesquels sont plus

Conséquences ou pertes
risqués : classement : 1= 1er, 2= 2ème, 3 événements probables
possibles
3=
3ème

Production : ! !

Stockage: ! !

Commercialisation: ! !

On vous demande de choisir une seule fois entre ces 3 loteries si vous devriez donner 2500 FCFA pour participer
:! !

loterie (1) loterie (2) loterie (3)

5000 FCFA 0 FCFA 20000 FCFA 0 FCFA 30000 FCFA 0 FCFA
100 0% 30 70% 20 80%
% % %

Classer les loteries ? 1ére = ! !; 2éme = ! !; 3ème= ! !

Dites parmi ces risques lesquels sont dus au climat? 1=sécheresse ! ! , 2=pause pluviométrique !
!, 3=manque de semence ! !, 4=manque de matériels
agricoles ! !, 5= hausse de la température ! !, 6= manque de
marché ! !

Déterminer le score---/6
Avez-vous déjà ressenti des phénomènes liés au changement climatique ? ! ! 1=oui, 2=non

Si oui,
Année Nature Conséquence
(code) s

Code Nature : 1=Retard des pluies, 2=pauses pluviométriques, 3=sécheresse, 4= inondations, 5=vent fort,
6=période de froid très longue, 7=autres à préciser
23
Parmi les éléments ci-dessous, quels sont ceux qui affectent le plus votre
activité agricole? a= variation pluie ! !
b=variation du vent !!
c=variation de la température !
!
Code classement : 1= 1er, 2= 2ème ,3= 3ème, 4=n’affecte pas
Quelle est la fréquence d’apparition d’un bon climat sur chaque 5 ans : /5
14. Anticipations
Source
Niveau d'information sur les aspects suivant avant la principale
production : Code 1 (code 2) Contraintes
La qualité des semences
La disponibilité de l'engrais
La pluie
Le vent
La température
La fertilité de la terre à exploiter
Équipements nécessaires à utiliser
La quantité exacte de la production
Le prix de vente de la production
Sur la quantité de main d'œuvre à utiliser

Code 1= niveau d'information: 1= parfaite, 2= peu claire, 3= pas du tout claire

Code 2= source d’information : 1=oiseaux et autres espèces animales, 2=vent, 3=pluies précédentes, 4=météo,
5=OP, SRDR, 6=ancien du village, 7=Autres à préciser

Est-ce que les éléments suivants sont

indispensables dans vos prévisions ? Pourquoi?

Vent : ! ! 1=très important,

2=seulement important, 3= pas
important

Température : ! ! 1=très important,

2=seulement important, 3= pas important

Pluie : ! ! 1=très important,

2=seulement important, 3= pas
important
Quel sera le climat de la prochaine campagne par rapport à la campagne précédente ?
Vent : ! !
Température : ! !
Pluie : !!
Code situation climatique : 1=meilleure, 2= identique, 3= mauvais

Quelle est le niveau de perte de production tolérable anticipée ? !

!%
Code : 1= je continue de produire, 2= je diminue la quantité à produire, 3= je ne produis plus, 4= autres
Que faites-vous si vous jugez une perte supérieure à ce seuil (code)

23
 ? ! !

Combien vous-êtes disposés à payer pour s’assurer à ce niveau de perte ? ! ! FCFA

23
Avez-vous souscrit à une assurance ?! ! 1=oui, 2=non
Si oui, Sur quels risques agricoles?................................................................................................................
A combien s’élève la prime ? ! ! FCFA
Si non, Pourquoi (raisons)
……………………………………………………………………………………………………………………………………

15. Stratégies d’adaptation

Si non,
Stratégies adoptées 1= oui, 2= Stratégies Stratégies
contraintes
non initiales nouvelles
Changement de système cultural (code ! !! !! !! ! ! ! ! ! !!
1) ! !
Changement d'espèce cultivée (code 2) ! !! !! !! ! ! ! ! ! !!
! !
Changement date de semis (code 3) ! !! !! !! ! ! ! ! ! !!
! !
Changement gestion de l'eau (code 4) ! !! !! !! ! ! ! ! ! !!
! !
Changement gestion de la terre (code ! !! !! !! ! ! ! ! ! !!
5) ! !
Changement gestion des ravageurs ! !! !! !! ! ! ! ! ! !!
(code 6) ! !
Autres à préciser ! !! !! !! ! ! ! ! ! !!
! !

Code1 changement système cultural : 1=irriguée, 2=pluviale, 3= bas fond, 4=arrosage, 5= autres à préciser
Code 2 changement d’espèce : 1=variété certifiée, 2= variété à cycle long, 3= variété à cycle court, 4=
diversification, 5= rotation, 6=autres à préciser
Code 3 changement de date de semis : 1= retard, 2= rapprochement, 3= autres à préciser
Code 4 changement gestion d’eau : 1= stockage temporaire, 2= zaï, 3= autres à préciser
Code 5 gestion du sol : 1=utilisation d’engrais organique, 2=utilisation d’engrais chimique, 3= rotation culture, 4=
diminution surface cultivée, 5= autres à préciser
Code 6 gestion des ravageurs : 1= utilisation pesticides, 2= autres à préciser
Code contraintes : 1= manque de d’argent, 2=très compliqué, 3= risque de perte, 4= manque d’encadrement, 4=
non maitrise de la technologie, 5= pas confiance à ces technologies, 6= autres à préciser

Pour les cultures suivantes, quelles sont les 3 meilleures stratégies à adopter en cas déficit d'eau?

spéculatio meilleures stratégies à réduction des pertes (en kg/ha)

n adopter
Strat 1
Arachid Strat 2
e Strat 3
Strat 1
Mil Strat 2
Strat 3
Strat 1
Maïs Strat 2
Strat 3
Strat 1
Strat 2

23
 Sorgho Strat 3
Strat 1
Niébé Strat 2
Strat 3
Si les prévisions météorologiques ou traditionnelles annoncent une mauvaise campagne agricole,
quelle serait votre attitude par rapport à votre décision de production (code)? ! !

23
 Code : 1= je vais produire plus, 2= je vais produire peu, 3= je ne vais pas produire

S’il vous arrive de rencontrer un événement climatique jamais connu à qui vous vous adressez ? / / / /
Code = 1= Parents , 2= Amis, 3=OP, 4=Téléphoner un expert, 5= Rapprocher des services techniques agricoles,
6= Marché, 7= Je me débrouille, 8= aucun, 9=Autres à préciser
/
Dans la zone, connaissez-vous des exploitants qui arrivent à gérer les risques de pertes ? ! _ ! 1=oui, 2= non
Si oui, appartiennent-ils à une OP ? ! ! 1=oui, 2=non

Quel est votre niveau de confiance par rapport (code):

Météo : ! !
Les systèmes de prévisions traditionnelles (culturelles ou religieuses) : ! !
L’efficacité des stratégies d’adaptation au changement climatique (citez en haut) : ! !
Les services techniques agricoles de la zone (ANACIM, DISEM, ANCAR, ISRA, etc.) : ! !
Les autorités du village : ! !
Les groupements de producteurs : ! !
Les banques ou les IMF : ! !
CNCAS : ! !
L’assurance agricole :! !

Code niveau de confiance : 1=très confiant, 2=confiant, 3= peu confiant, 4= pas du tout confiant, 5=inconnu

Existe-t-il un marché quotidien ou un louma à moins de 1 km du village ? ! !

1=oui, 2=non Existe-t-il une route goudronnée à moins de 1 km du village ? ! !
1=oui, 2=non

16. Adhésion aux OP

Êtes-vous actuellement membre des groupes suivant ?! ! 1=oui,
2=non ; Lequel (le plus important)?! !

Code : 1=Organisation paysanne 2=ONG 3=Association religieuse 4=Association Politique

5=Association culturelle 6= GIE 7= Coopérative 8= Tontine, 9=Autres (à préciser),

Si oui, informations des groupes

Nom Type Durée Motif Autres Distance entre Statut par Droit Nombre d'amis Compétence des
group groupe adhésion adhésion motifs groupement et rapport au d'adhésion ou parents au leaders (code 6)
ement ment (en mois) initiale adhésion domicile groupemen en FCFA sein du
(code (réduire) (code 2) (code 3) (code 4) t (code 5) groupement
1)
! ! !_ !!_ !!_
!
! ! !_ !!_ !!_
!
! ! !_ !!_ !!_
!
! ! !_ !!_ !!_
!
! ! !_ !!_ !!_
!
! ! !_ !!_ !!_
!

23
 ! ! !_ !!_ !!_
!
! ! !_ !!_ !!_
!
! ! !_ !!_ !!_
!
! ! !_ !!_ !!_
!

Code 1 type de groupe : 1=formel, 2=informel

23
 Code (2 et 3) motif adhésion : 1=Don de semences, 2=Achat de semences par l’institution, 3=Vente de semences
par l’institution, 4 =Encadrement technique effectue par l’institution, 5 =Formations, 6 = Crédit, 7 = Octroi de
matériels (équipements agricoles), 8= Vente d’engrais, 9 = Don d’engrais, 10 =cadre de concertation et de
planification ; 11=Autres ( à préciser),
Code 4 distance entre groupe et champ : 1=< 1Km, 2= >1 Km
Code 5 position par rapport au groupe : 1 = membre simple, 2= leader, 3= occupe juste un poste, 4=autres à
préciser
Si non, connaissez-vous une OP à l’intérieur ou à l’extérieur du village ? ! ! 1= intérieur, 2= extérieur, 3= non

Quelles sont les obstacles à l’adhésion ?

…………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………
………………………………………………

Avez-vous été membre d’une organisation dans le passé ? ! ! 1= oui,

2=non Si oui, Donner les raisons de la rupture:

………………………………………………………………………………………………………………………….………
…………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………

Services reçus des autres structures extérieures:

Nom Type de relation (Code 1) Durée des Niveau de
Structure/organisation relations satisfaction (Code
(Code) (en mois) 2)

Code nom structure/organisation : 1=ISRA, 2=ANCAR, 3=CNCAS ; 4= Élevage, 5=Eaux et forêt, 6=Structure
financière, 7=OP, 8=ONG, 9= SAED ; 10=DRDR/SDR ; 11= agent de l’environnement ; 12=Projets (lister…), 13
= Autres (à préciser)
Code1 type relation : 1=Don de semences, 2=Achat de semences par l’institution, 3=Vente de semences par
l’institution, 4
=Encadrement technique effectue par l’institution, 5 =Formations, 6 = Crédit, 7 = Octroi de matériels (équipements
agricoles), 8= Vente d’engrais, 9 = Don d’engrais, 10 = entre-aides, 11=cadre de concertation et de planification ;
Est-ce qu’il vous arrive de discuter sur les aspects du CC? ! ! 1= oui, 2= non,

Si oui, Avec qui ?............................dans quel domaine (code) ? …/…/…/…/, Combien de fois au cours de
ces 2 dernières années ? ! !

23
 Code domaine : 1= causes (homme, dieu, nature, etc.,), 2= conséquences, 3= adaptation (mesures de protection)

Au sortir de ces rencontres, quel est votre niveau d’information sur le CC :! !

Code satisfaction : 1= meilleur, 2= moyen, 3= insatisfait

Ressentez-vous un besoin de formation additionnelle ? ! ! 1= oui, 2= Non

Si, oui dans quel domaine ?

………………………………………………………………………………………………………………………
……………………………………………………………………………………………………………………………..

ANNEXE 2 : Systèmes fluviaux et autres cours d’eau du Sénégal

Il existe deux grands systèmes fluviaux : le fleuve Sénégal et le cours supérieur de la Gambie.
23
 - le fleuve Sénégal d’une superficie totale de 289 000 km² dont une faible partie
(60 000 km² soit) se situe au Sénégal. Le fleuve entre au Sénégal au niveau de sa confluence avec
la Falémé, à 30 km en amont de Bakel. Au delà de Bakel, le fleuve coule dans la "vallée" où il ne
bénéficie plus d'apports importants ;
- le cours supérieur de la Gambie : la partie sénégalaise du fleuve Gambie (54 631 km² sur
un total de 77 054 km²) concerne l'aval de son bassin continental, le bief amont étant situé en
Guinée et la partie maritime de la Gambie dans le pays de même nom.
À ces deux principaux systèmes, il faut ajouter le fleuve Casamance et le cours supérieur de
la Kayanga avant son entrée en Guinée Bissau (2.870 km² au Sénégal). La Casamance est un petit
fleuve côtier avec un bassin d’une superficie de 20.150 km² presque entièrement situé en territoire
sénégalais. Sa vallée inférieure est envahie par les eaux marines qui remontent en période de
basses eaux jusqu'à Diana Malari, à 152 km de l'embouchure. La Kayanga, qui porte le nom de
Rio Gêba en Guinée Bissau, est située à l’extrême sud du Sénégal.
Tous ces fleuves sont pérennes et ont un régime de type tropical selon la classification
hydrologique de Rodier (1964).
Les autres cours d'eau ont uniquement des écoulements non pérennes, temporaires. Il s’agit
principalement des bassins et des rivières. On note :
- le Saloum, le Sine et le Car Car formés d'un ensemble de petits bassins débouchant dans
un estuaire complexe aux eaux très salées ;
- une série de petites rivières côtières coulant d'ouest en est et débouchant sur la côte entre
Dakar et Joal Fadiouth : Bargny, Yene Tode, Toubab Djalao, Guéréo, Somone, Baling, Nianing,
Mbodiène, Joal-Fadiouth.
La réalisation des Grands Barrages, Diama en particulier, que le Sénégal partage avec le
Mali et la Mauritanie à travers l’Organisation pour la Mise en Valeur du Fleuve Sénégal (OMVS),
contribue à la maîtrise des ressources hydrauliques et partant au développement de l'agriculture, de
l'élevage, de la navigation, de l'approvisionnement en eau potable et en énergie pour les
populations.

 Les eaux souterraines

Les eaux souterraines constituent traditionnellement la première ressource, particulièrement
pour l’eau de boisson. Quatre (4) grands systèmes aquifères marquent les principales formations
géologiques :

24
 - Le système aquifère superficiel
Le système aquifère superficiel regroupe les formations gréseuses, sableuses et sablo-
argileuses et quelquefois graveleuses du Quaternaire, du Continental Terminal et de l'Oligo-
miocène. Ses réserves globales sont estimées entre 50 à 75 milliards de m3 d'eau.
- Le système aquifère intermédiaire
Le système aquifère intermédiaire est constitué de deux formations à dominante calcaire :
l'Eocène (EO) présent sur tout le bassin et le Paléocène (PA) présent dans le horst de Ndiass et la
région de Mbour. Les réserves en eau, seraient de l'ordre de 10 milliards de m3 dans les zones de
bonne transmissivité et 50 à 100 milliards dans les zones très étendues où les calcaires sont moins
perméables. Les débits unitaires des forages dépendent de la fracturation des calcaires et peuvent
atteindre plus de 250 m3/h.
- Le système aquifère profond
Le système aquifère profond est constitué des épaisses séries sableuses à gréseuses et sablo-
argileuses à argileuses du Maestrichtien (Crétacé supérieur) en contact direct des formations sus-
jacentes de l'Eocène ou du Paléocène. Il couvre les 4/5 du territoire et est essentiellement constitué
de sables et de grès. Ses réserves sont estimées entre 300 et 400 milliards de m3 d'eau et la
recharge entre 300 et 800 000 m3/an.
- Le système aquifère du socle
Les formations du socle occupent l’extrémité sud-est du Sénégal sur une superficie de 32
750 km² soit 17% du territoire national et font partie de la bordure occidentale du bouclier
africain. Sa perméabilité est donc étroitement liée, d'une part, à la nature des produits altérés eux-
mêmes dépendant de la nature de la roche-mère, d'autre part, à la densité et à l'extension des
réseaux de fissures qui affectent ces roches-mères ainsi qu'aux grands accidents régionaux qui les
traversent.

24
 Annexe 3 : ANTICIPATIONS

3.1. Classification des agriculteurs en fonction de leur type

d’anticipation

Type d’anticipation | Freq. Percent Cum.

Pas anticipation | 186 34.13 34.13

Naïve | 9 1.65 35.78

Adaptative | 193 35.41 71.19

Rationnelle | 157 28.81 100.00

Total | 545 100.00

3.2. Les sources utilisées dans les anticipations

Sources | Freq. Percent Cum.

Traditionnelle | 236 43.30 43.30

Météo | 309 56.70 100.00

Total | 545 100.00

24
 3.3. Estimation par le modèle probit de l’utilisation
d’informations climatiques et effets marginaux

3.3.1. Estimation par le modèle probit de l’utilisation

d’information climatiques
Iteration 4: log likelihood = -243.43503

Number of obs = 545

LR chi2(15) = 223.96

Prob > chi2 = 0.0000

Log likelihood = -243.43503 Pseudo R2 = 0.3151

Source anticipation| Coef. Std. Err. z P>|z| [95% Conf. Interval]

Victime cc | -.5360731 .1667177 -3.22 0.001 -.8628338 -.2093124

Petit rumin | -.5138794 .1437084 -3.58 0.000 -.7955426 -.2322162

Dist vill_chps| -.1369888 .1116775 -1.23 0.220 -.3558726 .081895

Perte tolérer | -.0161237 .0020249 -7.96 0.000 -.0200924 -.0121551

Désenclavement| .3063371 .1455942 2.10 0.035 .0209776 .5916965

Marché | .3357382 .2794299 1.20 0.230 -.2119345 .8834108

Adhésion | .1845313 .1356552 1.36 0.174 -.081348 .4504105

Coûts fixes | .0000131 3.31e-06 3.96 0.000 6.63e-06 .0000196

Culture arach | .0009832 .1896221 0.01 0.996 -.3706693 .3726357

Culture maïs | .0485584 .1541401 0.32 0.753 -.2535506 .3506675

Culture mil | .1288168 .2080618 0.62 0.536 -.2789768 .5366104

Culture sorgho| -1.279471 .1979367 -6.46 0.000 -1.66742 -.8915221

Culture niébé | .1649647 .2109616 0.78 0.434 -.2485125 .5784419

Culture sésame| -1.16394 .2324731 -5.01 0.000 -1.619579 -.7083009

Culture manioc| -.6001149 .3108597 -1.93 0.054 -1.209389 .0091589

_cons | 1.486163 .3158321 4.71 0.000 .8671438 2.105183

24
 3.3.2. Effets marginaux de l’utilisation d’informations
climatiques
y = Pr(source_anticip) (predict, p)

= .67730124

Variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

Victime CC* | -.1797568 .05091 -3.53 0.000 -.279548 -.079966 .71559

gros rumininant* | -.1767071 .04694 -3.76 0.000 -.268714 -.0847 . .36330

3
Dist vill_chps* | -.0491602 .04003 -1.23 0.219 -.127617 .029296 1.5376

Perte tolérer | -.0057862 .00074 -7.77 0.000 -.007246 -.004326 24.770

Désenclaver* | .1110071 .05306 2.09 0.036 .007011 .215003 .59449

Marché* | .1110689 .08396 1.32 0.186 -.053486 .275623 .06238

Adhésion* | .0660082 .04829 1.37 0.172 -.02864 .160657 .47523

Coûts fixes | 4.71e-06 .00000 3.99 0.000 2.4e-06 7.0e-06 13509

Culture arachi* | .0003529 .06807 0.01 0.996 -.13306 .133766 .83853

Culture maïs* | .0174105 .05522 0.32 0.753 -.09081 .125631 .4642

Culture mil* | .0471529 .07752 0.61 0.543 -.104778 .199084 .86238

Culture sorgho* | -.4776321 .06471 -7.38 0.000 -.60446 -.350804 .14862

Culture niébé* | .0574881 .07121 0.81 0.419 -.082073 .197049 .146789

Culture sésame* | -.4394048 .07806 -5.63 0.000 -.592396 -.286413 .099083

Culture manioc* | -.2319182 .12255 -1.89 0.058 -.472119 .008283 .044037

(*) dy/dx is for discrete change of dummy variable from 0 to 1

24
 Annexe 4 : Prise de Risque

4. Estimation de la prise de risque monétaire par le modèle

probit et effets marginaux

4.1. Estimation de la prise de risque monétaire par le modèle

probit
Iteration 4: log likelihood = -192.07422

Number of obs = 412

LR chi2(13) = 72.51

Prob > chi2 = 0.0000

Log likelihood = -192.07422 Pseudo R2 = 0.1588

prise de risqué | Coef. Std. Err. z P>|z| [95% Conf. Interval]

Info du climat* | .2292185 .1944556 1.18 0.238 -.1519074 .6103444

Octroi de prêt* | .5853578 .2618803 2.24 0.025 .072082 1.098634

Victime du climat* | -.4357108 .1643023 -2.65 0.008 -.7577375 -.1136842

Petit ruminant | .5203086 .1645219 3.16 0.002 .1978516 .8427656

Perte tolérer | -.0077428 .0029247 -2.65 0.008 -.0134751 -.0020106

Désenclavement* | -.2061225 .161917 -1.27 0.203 -.5234739 .1112289

Adhésion groupe* | .0119331 .1514822 0.08 0.937 -.2849666 .3088328

Coûts fixes | -2.15e-06 3.08e-06 -0.70 0.486 -8.19e-06 3.89e-06

CP arachide* | -.3614665 .1920669 -1.88 0.060 -.7379108 .0149777

CP maïs* | -.5517275 .1681454 -3.28 0.001 -.8812864 -.2221686

CP mil* | -.4815243 .2134185 -2.26 0.024 -.8998168 -.0632318

CP sorgho* | -.074231 .240714 -0.31 0.758 -.5460217 .3975597

CP sesame* | .2211155 .2484306 0.89 0.373 -.2657996 .7080307

_cons | .2627679 .3316915 0.79 0.428 -.3873354 .9128713

CP = Culture principale

*= Varriable dummy

24
4.2. Estimation des effets marginaux
y = Pr(prise de risque) (predict, p)

= .7863509

variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

Info du climat* | .0647553 .05325 1.22 0.224 -.039616 .169127 .657767

Octroi de prêt* | .1986688 .09876 2.01 0.044 .005105 .392233 .084951

Victime cc* | -.13474 .05375 -2.51 0.012 -.240089 -.029391 .696602

Petit rumin* | .1430414 .04234 3.38 0.001 .060055 .226028 .626214

Perte tolérée | -.0022541 .00085 -2.66 0.008 -.003914 -.000594 20.8301

Désenclaver* | -.0605588 .04806 -1.26 0.208 -.154762 .033645 .56068

Adhésion* | .0034752 .04413 0.08 0.937 -.083012 .089962 .463592

Coûts fixes | -6.25e-07 .00000 -0.70 0.486 -2.4e-06 1.1e-06 14870

CP arachide* | -.1146581 .06548 -1.75 0.080 -.242997 .013681 .834951

CP maïs* | -.1590333 .0474 -3.35 0.001 -.251944 -.066122 .487864

CP mil* | -.1580485 .07675 -2.06 0.039 -.308476 -.007621 .871359

CP sorgho* | -.0211828 .06729 -0.31 0.753 -.153075 .11071 .167476

CP sesame* | .0684851 .08119 0.84 0.399 -.090648 .227618 .121359

(*) dy/dx is for discrete change of dummy variable from 0 to 1

CP = Culture principale

*= Variable dummy

24
Annexe 5 : Stratégies d’adaptation au changement climatique

5.1 Test de corrélation entre réduction des terres et adhésion

pwcorr terre_reduit_cult adhesion

| terre_~t adhesion

terre_redu~t | 1.0000

adhesion | 0.0150 1.0000

5.2 Test de corrélation entre gestion des ravageurs et

adhésion

pwcorr gestion_ravageurs (GR) adhesion

| GR adhesion

GR | 1.0000

adhesion | -0.1675 1.0000

24
 5.3. Estimation par le modèle probit et effets marginaux des
stratégies d’adaptation retenues

5.3.1. Rotation culturale

- Estimation par le modèle probit

Iteration 4: log likelihood = -173.00794

Number of obs = 359

LR chi2(9) = 137.53

Prob > chi2 = 0.0000

Log likelihood = -173.00794 Pseudo R2 = 0.2844

rotat_cult | Coef. Std. Err. z P>|z| [95% Conf. Interval]

Adhésion | .3506289 .1635771 -2.14 0.032 -.6712341 -.0300236

Info climat | .7669387 .1953823 -3.93 0.000 -1.149881 -.3839965

*AR financier | .595837 .2011324 -2.96 0.003 -.9900492 -.2016249

*DVC | -.1727349 .1599383 1.08 0.280 -.1407384 .4862082

*Percept au climat| .1856745 .0775767 -2.39 0.017 -.337722 -.033627

Victime du climat | -.2896054 .1806246 1.60 0.109 -.0644124 .6436232

*Périodicité BC | -.2648732 .0756475 3.50 0.000 .1166068 .4131395

Effet imitation | .313349 .1999258 1.57 0.117 -.0784984 .7051964

*DP | 1.505033 .2159301 -6.97 0.000 -1.928249 -1.081818

_cons | -3.484625 .6987714 4.99 0.000 2.115058 4.854191

(*) AV = Aversion au risqué; DVC = Distance village champs; Percept au climat =

perception au climat; Périodicité BC = Périodicité du bon climat ; DP = Décision de
production.

24
 - Effets marginaux
y = Pr(rotat_cult) (predict)

= .64515995

variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

Adhesion* | .130518 .06072 -2.15 0.032 -.249536 -.0115 .465181

Info climat* | .2590677 .05764 -4.49 0.000 -.37204 -.146095 .727019

AR financier*| .2056811 .06285 -3.27 0.001 -.328864 -.082498 .743733

DVC* | -.0642 .05924 1.08 0.279 -.051912 .180312 .493036

PC | .0691141 .02871 -2.41 0.016 -.125392 -.012836 3.46518

VC* | -.1094171 .06901 1.59 0.113 -.025846 .24468 .679666

PBC | -.0985944 .02823 3.49 0.000 .043266 .153922 2.3844

EI | .1166387 .07431 1.57 0.116 -.029 .262277 1.28134

DP | .5602222 .07828 -7.16 0.000 -.713647 -.406797 1.74095

(*) dy/dx is for discrete change of dummy variable from 0 to 1

AR = Aversion au risqué financier; DVD = Distance village champs; PC = Perception

au climat; VC = Victime du climat ; PBC = Périodicité du bon climat ; EI= Effet
d’imitation ; DP= Décision de production.

24
 5.3.2. Date de semis

- Estimation par le modèle probit

Iteration 4: log likelihood = -197.04174

Number of obs = 359

LR chi2(9) = 97.94

Prob > chi2 = 0.0000

Log likelihood = -197.04174 Pseudo R2 = 0.1991

Date de semi s | Coef. Std. Err. z P>|z| [95% Conf. Interval]

Adhésion | .1351561 .1502919 0.90 0.368 -.1594106 .4297228

Info climat | .6579048 .1839139 3.58 0.000 .2974401 1.018369

*AR financier | -.2317631 .1868219 -1.24 0.215 -.5979274 .1344012

*DVC | .3522306 .151511 2.32 0.020 .0552745 .6491867

*Percept au climat | .2909049 .083047 3.50 0.000 .1281358 .453674

Victime du climat | .722408 .1715225 4.21 0.000 .3862301 1.058586

*Périodicité BC | -.0472465 .0741604 -0.64 0.524 -.1925982 .0981052

Effet imitation | .7717824 .1874512 -4.12 0.000 -1.13918 -.4043847

*DP | -.1438233 .1787306 -0.80 0.421 -.4941288 .2064822

_cons | -.5095797 .5898721 -0.86 0.388 -1.665708 .6465484

(*) AV = Aversion au risqué; DVC = Distance village champs; Percept au climat =

perception au climat; Périodicité BC = Périodicité du bon climat ; DP = Décision de
production.

25
 - Effets marginaux
y = Pr(date_semis) (predict)

= .57141274

Variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

Adhésion* | .0529688 .05876 0.90 0.367 -.062193 .168131 .465181

Info climat* | .2576918 .06981 3.69 0.000 .120873 .394511 .727019

AR financier*| -.0897214 .07107 -1.26 0.207 -.229025 .049583 .743733

DVC* | .1375133 .05854 2.35 0.019 .02278 .252247 .493036

PC | .1141899 .03246 3.52 0.000 .050575 .177805 3.46518

VC* | .2817133 .06444 4.37 0.000 .155414 .408013 .679666

PBC | -.0185458 .02911 -0.64 0.524 -.075598 .038507 2.3844

EI | .3029504 .07386 -4.10 0.000 -.447717 -.158184 1.28134

DP* | -.0564555 .07015 -0.80 0.421 -.193944 .081033 1.74095

(*) dy/dx is for discrete change of dummy variable from 0 to 1

AR = Aversion au risqué financier; DVD = Distance village champs; PC = Perception

au climat; VC = Victime du climat ; PBC = Périodicité du bon climat ; EI= Effet
d’imitation ; DP= Décision de production

25
 5.3.3. Variété à cycle court

- Estimation par le modèle probit

Iteration 4: log likelihood = -196.83212

Number of obs = 359

LR chi2(9) = 103.79

Prob > chi2 = 0.0000

Log likelihood = -196.83212 Pseudo R2 = 0.2086

var_a_cc | Coef. Std. Err. z P>|z| [95% Conf. Interval]

Adhésion | .1002162 .1510079 0.66 0.507 -.1957539 .3961863

Info climat | .2970221 .1838205 1.62 0.106 -.0632595 .6573037

*AR financier | -.9573158 .1999364 -4.79 0.000 -1.349184 -.5654476

*DVC | .2102565 .1516647 1.39 0.166 -.0870009 .5075139

*Percept au climat | .2120678 .0755431 2.81 0.005 .0640061 .3601295

Victime du climat | .3079382 .1732045 1.78 0.075 -.0315364 .6474127

*Périodicité BC | -.1640867 .0750166 -2.19 0.029 -.3111166 -.0170569

Effet imitation | .7011009 .1946451 -3.60 0.000 -1.082598 -.3196034

*DP | -.8357696 .1822986 -4.58 0.000 -1.193068 -.478471

_cons | 2.181793 .6053146 3.60 0.000 .9953986 3.368188

(*) AV = Aversion au risqué; DVC = Distance village champs; Percept au climat =

perception au climat; Périodicité BC = Périodicité du bon climat ; DP = Décision de
production.

25
 - Effets marginaux
y = Pr(var_a_cc) (predict)

= .51418046

Variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

Adhésion* | .0399333 .06011 0.66 0.507 -.077888 .157754 .465181

Info climat* | .118001 .07232 1.63 0.103 -.023747 .259749 .727019

*AR financier| -.3557099 .06517 -5.46 0.000 -.483443 -.227976 .743733

DVC* | .0836688 .06013 1.39 0.164 -.034186 .201524 .493036

PC | .0845494 .03011 2.81 0.005 .025528 .143571 3.46518

VC* | .1223422 .0682 1.79 0.073 -.011336 .256021 .679666

PBC | -.0654198 .02991 -2.19 0.029 -.124049 -.00679 2.3844

EI | .2795221 .07766 -3.60 0.000 -.431723 -.127321 1.28134

DP* | -.3332132 .07262 -4.59 0.000 -.475545 -.190881 1.74095

(*) dy/dx is for discrete change of dummy variable from 0 to 1

AR = Aversion au risqué financier; DVD = Distance village champs; PC =

Perception au climat; VC = Victime du climat ; PBC = Périodicité du bon climat ; EI=
Effet d’imitation ; DP= Décision de production

5.4. Test de corrélation entre adhésion et degré d’adaptation

aux changements climatiques.

corr adhesion degre_adaptation

(obs=545)

| adhesion degre_~n

adhesion | 1.0000

degre_adap~n | 0.1375 1.0000

25
 ANNEXE 6 : ADHESION ET DEGRE D’ADAPTATION

6.1. Estimation du faible degré d’adaptation et adhésion au

groupe par le modèle heckman probit

Fitting probit model:

Iteration 3: log likelihood = -109.04482

Fitting selection model:

Iteration 4: log likelihood = -267.38071

Comparison: log likelihood = -376.42553

Fitting starting values:

Iteration 3: log likelihood = -100.42544

Iteration 4: log likelihood = -100.42544

Fitting full model:

Iteration 4: log likelihood = -367.59898

Iteration 5: log likelihood = -367.59898

Probit model with sample selection Number of obs = 474

Censored obs = 284
Uncensored obs = 190

Wald chi2(3) = 28.18

Log likelihood = -367.599 Prob > chi2 = 0.0000

| Coef. Std. Err. z P>|z| [95% Conf. Interval]

+
Niveau faible |
*Aversion au RF | .4451709 .2017439 2.21 0.027 .0497601 .8405817
Info_climat | -.8679206 .1925466 -4.51 0.000 -1.245305 -.4905363
*niveau_perte | -.2541892 .0673613 -3.77 0.000 -.3862149 -.1221635
_cons | .0208475 .3032056 0.07 0.945 -.5734244 .6151195
+
Adhésion |
Age | -.0109871 .0048567 -2.26 0.024 -.020506 -.0014682
*BF | .5341668 .1730435 3.09 0.002 .1950077 .8733259
Crédit | .3295086 .1231154 2.68 0.007 .0882069 .5708103
*SER | .930024 .1216855 7.64 0.000 .6915247 1.168523

* Victime du CC | .1917929 .1360135 1.41 0.159 -.0747888 .4583745

cap0 | -.4762357 .1223713 -3.89 0.000 -.7160791 -.2363924

_cons | -.6912222 .3195711 -2.16 0.031 -1.31757 -.0648744
+
/athrho | 1.107267 .2728502 4.06 0.000 .5724908 1.642044
+
rho | .8030943 .0968726 .5171862 .9277578

LR test of indep. eqns. (rho = 0): chi2(1) = 17.65 Prob > chi2 = 0.0000

25
 6.2. Estimation du degré moyen d’adaptation et adhésion au
groupe par le modèle heckman probit
Fitting probit model:
Iteration 3: log likelihood = -111.19892

Fitting selection model:

Iteration 4: log likelihood = -265.812

Comparison: log likelihood = -377.01093

Fitting starting values:

Iteration 2: log likelihood = -109.77296

Iteration 3: log likelihood = -109.77296

Fitting full model:

Iteration 2: log likelihood = -374.70585

Iteration 3: log likelihood = -374.70582

Probit model with sample selection Number of obs = 474

Censored obs = 284
Uncensored obs = 190

Wald chi2(2) = 22.44

Log likelihood = -374.7058 Prob > chi2 = 0.0000

| Coef. Std. Err. z P>|z| [95% Conf. Interval]

+
Niveau moyen |
Aversion rf | -.3227835 .2226813 -1.45 0.147 -.7592308 .1136638
Info climat | .9314124 .2025025 4.60 0.000 .5345148 1.32831
_cons | .4200215 .2922632 1.44 0.151 -.1528039 .992847
+
Adhésion |
Age | -.0116523 .0051041 -2.28 0.022 -.0216561 -.0016485
*BF | .4819317 .1844923 2.61 0.009 .1203335 .8435299
Credit | .3812348 .1449051 2.63 0.009 .097226 .6652437
*SER | .896449 .1275145 7.03 0.000 .6465251 1.146373
Désenclavement| .2994372 .1327259 2.26 0.024 .0392992 .5595751
*Victime du CC | .2359075 .1513519 1.56 0.119 -.0607367 .5325518
cap0 | -.4023642 .1265907 -3.18 0.001 -.6504773 -.154251
_cons | -.8513244 .3495136 -2.44 0.015 -1.536359 -.1662902
+
/athrho | -.7003183 .3225587 -2.17 0.030 -1.332522 -.0681149
+
rho | -.6045698 .204662 -.8698643 -.0680097

LR test of indep. eqns. (rho = 0): chi2(1) = 4.61 Prob > chi2 = 0.0318

25
 6.3. Estimation du degré élevé d’adaptation et adhésion au
groupe par le modèle heckman probit
Fitting probit model:

Iteration 3: log likelihood = -163.46168

Fitting selection model:

Iteration 3: log likelihood = -341.30793

Comparison: log likelihood = -504.76962

Fitting starting values:

Iteration 2: log likelihood = -161.66568

Iteration 3: log likelihood = -161.66568

Fitting full model:

Iteration 3: log likelihood = -502.48858

Iteration 4: log likelihood = -502.48858

Probit model with sample selection Number of obs = 545

Censored obs = 286
Uncensored obs = 259

Wald chi2(3) = 14.34

Log likelihood = -502.4886 Prob > chi2 = 0.0025

| Coef. Std. Err. z P>|z| [95% Conf. Interval]

+
Niveau élévé |
*Aversion rf | -.4124559 .1472517 -2.80 0.005 -.7010638 -.1238479
Info climat | .3294226 .1553399 2.12 0.034 .0249619 .6338832
cap0 | -.4009928 .1962439 -2.04 0.041 -.7856237 -.0163619
_cons | .7295373 .1939149 3.76 0.000 .349471 1.109603
+
Adhesion |
*BF | .5190292 .1701848 3.05 0.002 .1854731 .8525854
Discuter sur CC| .3368577 .1217987 2.77 0.006 .0981366 .5755788
Credit | .6069679 .1337472 4.54 0.000 .3448282 .8691077
Désenclavement | .288435 .1138665 2.53 0.011 .0652607 .5116092
*Victime du CC | .2777975 .1293885 2.15 0.032 .0242007 .5313944
cap0 | -.3066693 .1156809 -2.65 0.008 -.5333996 -.079939
_cons | -1.201742 .1921944 -6.25 0.000 -1.578436 -.8250479
+
/athrho | -.85155 .4051447 -2.10 0.036 -1.645619 -.0574809
+
rho | -.6918783 .2112037 -.928254 -.0574177

LR test of indep. eqns. (rho = 0): chi2(1) = 4.56 Prob > chi2 = 0.0327

25
 6.3. Regroupement des modèles estimés
. ******LISTE DES MODELES ESTIMES

name | command depvar npar title

+
Niveau faible| heckprobit mult. depvar 12 adoption d'une seule stratégie
Niveau moyen | heckprobit mult. depvar 12 adoption de deux strat stratégies
Niveau élevé | heckprobit mult. depvar 12 adoption de trois stratégies

. ********DEMANDE DE RESTITUTION

Variable | Niveau faible Niveau moyen Niveau élevé

+
Niveau faible |
*Aversion rf | .44517087**
Info climat | -.86792064***
Perte tolérée | -.25418918***
_cons | .02084755
+
adhesion |
Age | -.01098706** -.01165231**
*BF | .5341668*** .48193172*** .51902924***
Credit | .32950859*** .38123483*** .60696794***
*SER | .93002401*** .89644897***
*Victime du CC| .19179286 .23590752 .27779754**
cap0 | -.47623573*** -.40236415*** -.30666929***
Désenclavement| .29943715** .28843497**
*Discuter CC | .33685769***
_cons | -.69122223** -.85132437** -1.201742***
+
athrho |
_cons | 1.1072674*** -.70031826** -.85154998**
+
Niveau moyen |
*Aversion Rf | -.3227835
Info climat | .93141244***
_cons | .42002154
+
Niveau élevé |
*Aversion Rf | -.41245589***
Info climat | .32942258**
cap0 | -.40099279**
_cons | .72953725***
+
Statistics |
N | 474 474 545
N_cens | 284 284 286
rho | .80309434 -.60456975 -.69187835
p_c | .00002651 .03178222 .03268751

legend: * p<.1; ** p<.05; *** p<.01

(*) Aversion rf=aversion au risque financier ; BF=Besoin de
formation additionnelle ; SER=Services extérieurs reçus ; Victime du
CC=Victime du changement climatique ; Discuss CC=Discussion sur le
changement climatique

25
 TABLE DES MATIERES
DEDICACES...........................................................................................................................................iv
REMERCIEMENTS.................................................................................................................................v
SOMMAIRE...........................................................................................................................................vii
LISTE DES GRAPHIQUES.................................................................................................................viii
SIGLES ET ABREVIATIONS...............................................................................................................xi
INTRODUCTION GENERALE..............................................................................................................1
CHAPITRE I : AGRICULTURE SÉNÉGALAISE FACE AU CHANGEMENT CLIMATIQUE : Éléments
de contexte................................................................................................................................................9
I.1_/ Caractéristiques environnementales du Sénégal.......................................................................10

I.1.1 _/ État des ressources naturelles.................................................................................................10

I.1.2 _/ Causes humaines de la dégradation des ressources naturelles................................................12

I.1.3 _/ Phénomènes naturels de la dégradation des ressources.........................................................18

I.2_/ Performances du secteur agricole sénégalais face au changement climatique : faits stylisés.......19

I.2.1 _/ Importance du secteur agricole dans l’économie sénégalaise...................................................19

I.2.2 _/ Contreperformances agricoles dans un contexte de changement climatique..........................25

I.2.3 _/ Spécificité du Bassin arachidier.................................................................................................33

I.3_/ Dispositifs réglementaires et institutionnels sur l’agriculture et le climat................................40

I.3.1 _/ Évolution des politiques agricoles au Sénégal..........................................................................41

I.3.2 _/ Dispositifs réglementaires sur le changement climatique........................................................49

I.3.3 _/ Dispositif institutionnel d’encadrement des risques dans le secteur agricole...........................57

I. 4_/ Adaptation au changement climatique par les exploitants agricoles.......................................62

I.4.1 _/ Perception des risques climatiques..........................................................................................62

I.4.2 _/ Influence du groupe dans l’adaptation au changement climatique..........................................63

I.4.3 _/ Réponses des agriculteurs face au changement climatique.....................................................66

CHAPITRE II : COMPORTEMENT DE L’EXPLOITANT AGRICOLE DANS UN ENVIRONNEMENT
RISQUÉ : Revue de la littérature...........................................................................................................71
II. 1_/ Incertitude, risque, anticipation, diffusion d’innovation et adaptation au changement climatique :
revue conceptuelle..............................................................................................................................71

II.1.1 _/ Incertitude et risque................................................................................................................71

II.1.2 _/ Anticipations............................................................................................................................76

II.1.3 _/Diffusion d’innovation et adaptation climatique........................................................................80

II.2_/ Prise de décision dans un contexte de changement climatique : cadre théorique.....................84

II.2.1 _/ Préférences sur les actions dans un contexte d’information imparfaite..................................84

II.2.2 _/ Mécanismes de gestion du risque............................................................................................91

II.2.3 _/ La gestion du risque en agriculture.........................................................................................96

25
 II.3_ / Adoption des stratégies d’adaptation et adhésion au groupe : développements empiriques 114

II.3.1 _ / Les déterminants de l’adoption des stratégies d’adaptation au changement climatique.....114

II.3.2 _ / Les déterminants de l’adhésion aux groupes sociaux............................................................122

II. 4_/ Modélisation théorique du risque : la fonction Markowitz.....................................................124

II.4.1 _/ Le critère espérance-variance................................................................................................125

II.4.2 _/ Critique du critère de l’espérance-variance...........................................................................126

II.4.3 _/ Décision de produire avec la fonction de Markowitz.............................................................127

CHAPITRE III : ANALYSE DES COMPORTEMENTS D’ANTICIPATION, DE PRISE DE RISQUE ET
D’ADOPTION DES STRATEGIES D’ADAPTATION AU CHANGEMENT CLIMATIQUE DANS UN
GROUPE : cas des exploitants agricoles du bassin arachidier du Sénégal..........................................129
III. 1_/ Méthode d’échantillonnage et présentation du questionnaire...............................................130

III.1.1 _/ Caractéristiques des régions choisies...................................................................................130

III.1.2 _/ Méthode d’échantillonnage...................................................................................................138

III.1.3 _/ Dispositif d’enquête................................................................................................................142

III.2_/ Anticipations et prise de risque des exploitants agricoles : caractéristiques et typologies. . .144

III.2.1 _/ Méthodologie et typologie des formes d’anticipation..........................................................145

III.2.2 _/ Caractéristiques et typologie des agriculteurs face au risque..............................................161

III.2.3 _/ Caractéristiques socioéconomiques des agriculteurs face au risque financier.....................171

III.3_/ Caractéristiques des stratégies d’adaptation et degré d’adoption........................................174

III.3.1 _/ Analyse descriptive et économétrique des stratégies d’adaptation.....................................174

III.3.2 _/ Degré d’adoption des stratégies d’adaptation.......................................................................176

III.3.3 _/ Les contraintes liées à l’adoption des stratégies d’adaptation.............................................178

III.4_/ Influence du groupe sur l’adoption de stratégies d’adaptation : analyse économétrique......180

III.4.1 _/ Modélisation économétrique des choix d’adaptation dans un groupe : le modèle de

Heckman probit..................................................................................................................................180
III.4.2 _/ Analyse descriptives des variables du modèle.....................................................................183

III.4.3 _/ Résultats des estimations et les barrières à l’adhésion.........................................................186

CONCLUSION GÉNÉRALE ET RECOMMANDATIONS DE POLITIQUES ECONOMIQUES .191
BIBLIOGRAPHIE................................................................................................................................197
ANNEXE..............................................................................................................................................220

25
 Nom et Prénom du Candidat : Pape Bilal DIAKHATE

Titre de la thèse : Adaptation au changement climatique dans le Bassin arachidier (Sénégal) :

Anticipations et prise de risque dans un groupe.

Date et lieu de soutenance : ……………………………

Résumé
Au Sénégal, le changement climatique constitue une contrainte majeure à la croissance agricole. Les
niveaux de production enregistrés par an sont expliqués essentiellement par la pluie. Celle-ci est marquée
par une forte variabilité qui pousse certains exploitants agricoles à mettre en œuvre des stratégies
d’adaptation pour limiter les impacts négatifs du climat sur leur activité. Cependant, l’usage d’informations
climatiques, le degré d’aversion pour le risque et l’environnement social du producteur jouent un rôle
important dans l’adoption de stratégies d’adaptation au changement climatique.

L'objectif principal de cette recherche est de montrer que l’adhésion à un groupe peut inciter à
l’adoption de stratégies d’adaptation au changement climatique sous certaines conditions. Pour atteindre cet
objectif, la recherche s’est appuyée sur la confiance accordée aux informations climatiques pour analyser
les types d’anticipation des exploitants agricoles ; puis, à partir d’un système de loterie, à conséquences
monétaires, inspiré des travaux d’Allais (1953), le niveau d’aversion pour le risque des producteurs a été
déterminé. Ces deux facteurs ont été repris dans un modèle plus global de heckman probit pour analyser
simultanément la décision d’adoption de stratégies d’adaptation au changement climatique et l’adhésion au
groupe.

Les résultats de la recherche montrent que les exploitants agricoles utilisent des informations
climatiques dans leur anticipation en intégrant une marge d’erreur liée à la source d’informations. En outre,
l’analyse du comportement des producteurs vis-à-vis du risque révèle que les producteurs qui ont moins
d’aversion pour le risque sont prêts à payer une somme d’argent pour se protéger contre une perte de
production supérieure au seuil tolérable. Ainsi, l’adoption de stratégies d’adaptation dans un groupe est
plus importante si les membres utilisent des informations climatiques dans leur anticipation et sont prêts à
prendre des risques financiers. À cet égard, il est nécessaire que les membres soient jeunes, manifestent la
volonté de discuter sur les changements climatiques, bénéficient de formations et d’accès au crédit et se
trouvent dans des zones moins enclavées.

En termes d’implications de politiques, il s’agit pour l’État, de faciliter l’accès aux informations
climatiques et, pour les compagnies d’assurance, de trouver un système de crédit-assurance plus adapté au
risque climatique. Une bonne détermination de l’indice d’assurance permettra d’indemniser les « vrais
victimes » du changement climatique.

Mots clés : Changement climatique, risque, anticipation et groupe.

26

View